studio regresion multiple modelo lineal ejemplos correlacion coeficiente r statistics linear-regression confidence-interval

multiple - regresion lineal ejemplos



Cómo calcular el intervalo de confianza del 95% para la pendiente en un modelo de regresión lineal en R (1)

Encajemos el modelo:

> library(ISwR) > fit <- lm(metabolic.rate ~ body.weight, rmr) > summary(fit) Call: lm(formula = metabolic.rate ~ body.weight, data = rmr) Residuals: Min 1Q Median 3Q Max -245.74 -113.99 -32.05 104.96 484.81 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 811.2267 76.9755 10.539 2.29e-13 *** body.weight 7.0595 0.9776 7.221 7.03e-09 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 157.9 on 42 degrees of freedom Multiple R-squared: 0.5539, Adjusted R-squared: 0.5433 F-statistic: 52.15 on 1 and 42 DF, p-value: 7.025e-09

El intervalo de confianza del 95% para la pendiente es el coeficiente estimado (7.0595) ± dos errores estándar (0.9776).

Esto se puede calcular usando confint :

> confint(fit, ''body.weight'', level=0.95) 2.5 % 97.5 % body.weight 5.086656 9.0324

Aquí hay un ejercicio de Estadísticas introductorias con R:

Con el conjunto de datos rmr, grafica la tasa metabólica contra el peso corporal. Ajustar un modelo de regresión lineal a la relación. De acuerdo con el modelo ajustado, ¿cuál es la tasa metabólica pronosticada para un peso corporal de 70 kg? Brinde un intervalo de confianza del 95% para la pendiente de la línea.

El conjunto de datos rmr está en el paquete ''ISwR''. Se parece a esto:

> rmr body.weight metabolic.rate 1 49.9 1079 2 50.8 1146 3 51.8 1115 4 52.6 1161 5 57.6 1325 6 61.4 1351 7 62.3 1402 8 64.9 1365 9 43.1 870 10 48.1 1372 11 52.2 1132 12 53.5 1172 13 55.0 1034 14 55.0 1155 15 56.0 1392 16 57.8 1090 17 59.0 982 18 59.0 1178 19 59.2 1342 20 59.5 1027 21 60.0 1316 22 62.1 1574 23 64.9 1526 24 66.0 1268 25 66.4 1205 26 72.8 1382 27 74.8 1273 28 77.1 1439 29 82.0 1536 30 82.0 1151 31 83.4 1248 32 86.2 1466 33 88.6 1323 34 89.3 1300 35 91.6 1519 36 99.8 1639 37 103.0 1382 38 104.5 1414 39 107.7 1473 40 110.2 2074 41 122.0 1777 42 123.1 1640 43 125.2 1630 44 143.3 1708

Sé cómo calcular la y predicha en una x determinada, pero ¿cómo puedo calcular el intervalo de confianza para la pendiente?