You are on page 1of 7

Parcial practico SPSS

Estudiante:
Sebastin Gonzlez Castao

Profesor:
lvaro Antonio Trejos Carpintero

Universidad tecnolgica de Pereira


Facultad de ingeniera industrial
Pereira
Abril 2016

Para el ejercicio de precio de la carne en libras, versus el consumo en


libras per capita, tenemos que, la relacin entre dichas variables nos
arroja un error de 0,0000 como lo vemos en el siguiente cuadro y que
nos dice que se cumple el primer supuesto:

Estadsticos sobre los residuosa


Mnimo

Mximo

Media

Desviacin

tpica
Valor pronosticado

6,3300

6,7740

6,5600

,13768

10

-,36481

,22601

,00000

,18660

10

Valor pronosticado tip.

-1,671

1,554

,000

1,000

10

Residuo tp.

-1,843

1,142

,000

,943

10

Residual

a. Variable dependiente: consumo

Ahora observamos el grafico de consumo versus el error tipificado el cual nos muestra una
simetra de los diferentes errores respecto a la media 0,000. Esto nos afirma, por una parte
que se cumple el supuesto nmero dos, que dice que la suma de los errores con respecto a
la media debe ser cero; pero por otra parte nos queda la inquietud de que esta tendencia se
siga dando puesto las dos colas por encima y por debajo del error que se dan hacia la
derecha , es decir, se ramifican pero no se sabe si esta tendencia se proyecte hacia el infinito
de la misma forma. Entonces, para saberlo debemos obtener mas datos que nos corroboren
esta situacin.

Como la varianza no es constante y cumple con el supuesto se genera automticamente una


ueva variable del residuo.

Ahora generamos la tabla de pruebas de normalidad que nos dir si los errores son
normales o no, asi:
Pruebas de normalidad
Kolmogorov-Smirnova
Estadstico
Unstandardized Residual

,198

gl

Shapiro-Wilk
Sig.

10

,200*

Estadstico
,923

gl

Sig.
10

,382

*. Este es un lmite inferior de la significacin verdadera.


a. Correccin de la significacin de Lilliefors

Nos referimos entonces a la significancia en ambas pruebas de normalidad. (KolmogorovSmirnova

y Shapiro-Wilk) los cuales deben ser mayores a 0,05, y observamos que en ambas

pruebas cumple este supuesto, lo que nos reafirma que los errores son normales.
Ahora debemos analizar el cuarto supuesto que nos dictamina si los errores son aleatorios y
asi mismo independientes entre si:

Mediante el grafico, nos damos cuenta que dicho supuesto se cumple porque los errores no
se salen de la regin de aceptacin, es decir cada error tiene una distribucin normal en la
ecuacin Y=beta0+beta1Xi
Ahora observamos las nuevas variables construidas limites inferiores y
superiores de estimacion y de pronostico, asi:

ESTIMACION CURVILINEA:

Esta es la grafica que nos arroja dicha estimacin, aparentemente sin una estructura
definida, pero entonces, a continuacin veremos cual seria el mtodo de regresin lineal
que mas nos conviene para describir nuestros valores.
Observamos el modelo mas parcimonioso asi:

Resumen del modelo y estimaciones de los parmetros


Variable dependiente: consumo
Ecuacin

Resumen del modelo


R cuadrado

gl1

Estimaciones de los parmetros


gl2

Sig.

Constante

b1

b2

Lineal

,353

4,355

,070

8,761

-,728

Logartmica

,364

4,585

,065

9,036

-2,241

Inversa

,376

4,823

,059

4,278

6,875

Cuadrtico

,459

2,965

,117

29,000

-14,101

2,201

Cbico

,459

2,965

,117

29,000

-14,101

2,201

Compuesto

,346

4,226

,074

9,097

,897

Potencia

,357

4,443

,068

9,477

-,333

,368

4,668

,063

1,541

1,023

Crecimiento

,346

4,226

,074

2,208

-,108

Exponencial

,346

4,226

,074

9,097

-,108

Logstica

,346

4,226

,074

,110

1,114

La variable independiente esprecio_libra.