UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

FACULTAD DE INGENIERÍA

CURSO:

Estadística Aplicada II

“Proyecto 2”

DOCENTE:

Fanny Campomanes Murrugarra

TEMA: “Factores que influyen en la utilización de energías renovables en un país”

SECCIÓN: IS42

Apellidos y nombres % colaboración con su Nota

grupo

Palacin Loayza, Ruth Alejandra 100%

Portocarrero Espinoza, Renzo Jair 100%

Preciado Pinedo, Fabiana

Raymundo Esteban, Jeison Alexande

Reyes Masías, Leidy Karol 100%

 “A un nivel de significación
del 5%, existe autocorrelación
de los errores. No se cumple
el supuesto”

Varianza de los errores

constantes
 Procesamiento
Paso 1: Estimación de la ecuación del modelo completo e interpretar las
medidas de bondad de ajuste (R2 adj y S).

La ecuación estimada del Modelo Completo es:

Coeficiente de determinación ajustado: R2 ajustado= 91.79%.

El 941.79% del agotamiento de fuentes de energía renovable es explicado por el

consumo de energía renovable, las emisiones de gases de efecto invernadero y la
producción de energía eléctrica renovable a través del modelo de regresión lineal
múltiple.

Error estándar: S = 0.291793

La variabilidad/dispersión de los valores muestrales de Y alrededor de la recta

de regresión estimada es 0.291793.
Paso 2: Validación del modelo completo (Prueba Global/Conjunta (Tabla de
ANOVA) y Prueba Individual (Tabla de Coeficientes), si el Modelo Completo
es válido debemos verificar el cumplimiento de supuestos y detección de puntos
influyentes.

 Prueba Global/Conjunta del MODELO COMPLETO (Tabla de

ANOVA)

Ho: B1 = B2 = B3 = 0
H1: Al menos un Bi ≠ 0

Fcal = 34.54
P_value = 0,000 < Alfa = 0,05

Decisión estadística: Rechazar Ho

Conclusión estadística: A un 5% de nivel de significancia, existe al

menos un modelo de regresión lineal que contribuye a explicar el
agotamiento de las fuentes de energía renovable.

 Pruebas individuales del MODELO COMPLETO (Tabla de coeficientes)

 Ho: β1 = 0 Ho: β2 = 0 Ho: β3 = 0
H1: β1 ≠ 0 H1: β2 ≠ 0 H1: β3 ≠ 0
Tcal = -3.16 Tcal = -0.93 Tcal = 9.89
P_valor = 0.020 <Alfa P_valor = 0.387 >Alfa = P_valor = 0.000>Alfa =
= 0.05 0.05 0.05
Decisión estadística: Decisión estadística: No se Decisión estadística:
Se rechaza Ho rechazar Ho Se rechaza Ho

Conclusión estadística: A un nivel de significación del 5%, el consumo de

energía renovable y la producción de energía eléctrica contribuyen al modelo,
mientras que las emisiones de gases de efecto invernadero no contribuyen al
modelo. El modelo no es válido.

Paso 3: Si el modelo completo no es válido o incumple con algún supuesto se

realiza la estimación de un modelo reducido mediante el método de selección de
Modelo Paso a Paso.

Identificación de las variables que influyen y la variable más influyente

La ecuación estimada del Modelo Reducido es:

Interpretación de los coeficientes de regresión: β1 y β3

β1: Por cada TkWh que se reduce del consumo de energía renovable, el
agotamiento de fuentes de energía renovable disminuye en 0.944 % INB,
manteniéndose constante la producción de energía eléctrica renovable.

β3: Por cada TkWh adicional de la producción de energía eléctrica renovable, el

agotamiento de fuentes de energía renovable aumenta en 0.3992 % INB,
manteniéndose constante el consumo de energía renovable.

Coeficiente de determinación ajustado: R2 ajustado= 91.94%.

El 931.94% del agotamiento de fuentes de energía renovable es explicado por el
consumo de energía renovable y la producción de energía eléctrica renovable a
través del modelo de regresión lineal múltiple.

Error estándar: S = 0.289070

La variabilidad/dispersión de los valores muestrales de Y alrededor de la recta
de regresión estimada es 0.289070.

Paso 4: Verificación del cumplimiento de los supuestos y detección de puntos

influyentes del modelo reducido.

1° Normalidad de los errores

Ho: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente

AD= 0.407
P_valor = 0.280 > Alfa = 0.05
Decisión estadística: No Rechazar Ho

Conclusión estadística: A un nivel de 5% de significación, los errores se

distribuyen normalmente. Se cumple el supuesto.

2° No autocorrelación de los errores

Ho: No existe autocorrelación de los errores.

H1: Existe autocorrelación de los errores.

Estadístico de Durbin-Watson = 2.04340

D-W = 2,04340 pertenece al intervalo [1,5; 2,5]
Decisión estadística: No Rechazar Ho

Conclusión estadística: A un nivel de 5% de significación, no existe

autocorrelación de los errores. Se cumple el supuesto.
3° Prueba de varianza de errores constante

Ho: Varianza constante de los errores

H1: Varianza no constante de los errores

Estadístico de Durbin-Watson = 2.04340

D-W = 2.04340 pertenece al intervalo [1,5; 2,5]
Decisión estadística: No Rechazar Ho

Conclusión estadística: A un nivel de 5% de significación, la varianza de los

errores es constante. Se cumple el supuesto.
4° No multicolinealidad entre las variables independientes

FIV=1.01
FIV=1.01<10

Conclusión estadística: A un nivel de 5% de significación, no existe

multicolinealidad entre el consumo de energía renovable y la producción de
energía eléctrica renovable.

Detección de observaciones o puntos influyentes (Distancia de Cook)

Distancia máxima de COOK=0.942627

Distancia máxima de COOK=0.942627 < 1

Conclusión estadística: No existen observaciones influyentes.

Paso 5: Pronóstico de la variable dependiente a través de un intervalo de

confianza (valor medio / individual)

Con el objetivo de reducir el agotamiento de energía renovable en el país de

Hungría se decide realizar una campaña de concientización si el agotamiento de
fuentes de energía renovable es mayor a 0.15 cuando el consumo de energía
renovables es de 0.1 TkWh, las emisiones de gases de efecto invernadero es de
1.2 GT y la producción de energía eléctrica es de 0.9 TkWh. ¿Se realizará la
campaña de concientización?
Con un nivel de confianza de 95%, el intervalo [0.225832; 2.42039] contiene al
agotamiento de fuentes de energía renovable cuando el consumo de energía
renovable es 0.1 TkWh y la producción de energía eléctrica renovable es 0.9
TkWh.