Académique Documents
Professionnel Documents
Culture Documents
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
X1
X2
55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
2700
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
2700
y
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
63
ryx2=
rx1x2=
Como se trata de varias variables usaremos una regresion multiple, y como se trata
Analizamos primero las correlaciones ya que tratandose de varaiables dicotomicas
dicotomicas, "La perfecta multicolineidad"
=a+bx1+cx2
m= 36
ma
bx1
cx2
ax1
bx21
cx1x2
ax2
bx1x2
cx22
36
2700
2700
2700
212100
202500
2700
202500
212100
a) hallamos el denominador:
36
2700
2700
2700
212100
202500
det= 3317760000
b) valor "a"
2700
202500
212100
63.000
4725.000
4725.000
2700
212100
202500
2700
202500
212100
det= 5806080000
a=
1.75
c) valor "b"
36
2700
2700
63
4725
4725
2700
202500
212100
det= 0.000
b= 0.000000
c) valor "c"
36
2700
2700
2700
212100
202500
det= 1.84173E-007
c= 0.000000
=5806080000+0,0*X1+0,0*X2
63
4725
4725
x1x2
x12
x22
yx1
yx2
3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
202500
3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
212100
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
212100
82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
4725
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
4725
esion multiple, y como se trata de datos codificadas trabajaremos con variables dicotomicas.
dy
dyx1
dyx2
63
4725
4725
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
X1
X2
55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
2700
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
2700
y
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
63
ryx2=
rx1x2=
Como se trata de varias variables usaremos una regresion multiple, y como se trata
Analizamos primero las correlaciones ya que tratandose de varaiables dicotomicas
dicotomicas, "La perfecta multicolineidad"
=a+bx1+cx2
m= 36
ma
bx1
cx2
ax1
bx21
cx1x2
ax2
bx1x2
cx22
36
2700
2700
2700
212100
202500
2700
202500
212100
a) hallamos el denominador:
36
2700
2700
2700
212100
202500
det= 3317760000
b) valor "a"
2700
202500
212100
63.000
4725.000
4725.000
2700
212100
202500
2700
202500
212100
det= 5806080000
a=
1.75
c) valor "b"
36
2700
2700
63
4725
4725
2700
202500
212100
det= 0.000
b= 0.000000
c) valor "c"
36
2700
2700
2700
212100
202500
det= 1.84173E-007
c= 0.000000
=5806080000+0,0*X1+0,0*X2
63
4725
4725
x1x2
x12
x22
yx1
yx2
3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
202500
3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
212100
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
212100
82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
4725
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
4725
esion multiple, y como se trata de datos codificadas trabajaremos con variables dicotomicas.
dy
dyx1
dyx2
63
4725
4725
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
X1
X2
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
72
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
72
y
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
63
ryx2=
rx1x2=
Como se trata de varias variables usaremos una regresion multiple, y como se trata
Analizamos primero las correlaciones ya que tratandose de varaiables dicotomicas
dicotomicas, "La perfecta multicolineidad"
=a+bx1+cx2
m= 36
ma
bx1
cx2
ax1
bx21
cx1x2
ax2
bx1x2
cx22
36
72
72
72
168
144
72
144
168
a) hallamos el denominador:
36
72
72
72
168
144
det= 20736
b) valor "a"
72
144
168
63.000
126.000
126.000
72
168
144
det=
a=
72
144
168
36288
1.75
c) valor "b"
36
72
72
63
126
126
72
144
168
det= 0.000
b= 0.000000
c) valor "c"
36
72
72
72
168
144
det= 0
c= 0.000000
=5806080000+0,0*X1+0,0*X2
63
126
126
x1x2
x12
x22
yx1
yx2
1
1
2
2
3
3
2
2
4
4
6
6
3
3
6
6
9
9
1
1
2
2
3
3
2
2
4
4
6
6
3
3
6
6
9
9
144
1
1
1
1
1
1
4
4
4
4
4
4
9
9
9
9
9
9
1
1
1
1
1
1
4
4
4
4
4
4
9
9
9
9
9
9
168
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
168
1.5
2.0
1.5
2.0
1.5
2.0
3.0
4.0
3.0
4.0
3.0
4.0
4.5
6.0
4.5
6.0
4.5
6.0
1.5
2.0
1.5
2.0
1.5
2.0
3.0
4.0
3.0
4.0
3.0
4.0
4.5
6.0
4.5
6.0
4.5
6.0
126
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
126
esion multiple, y como se trata de datos codificadas trabajaremos con variables dicotomicas.
dy
dyx1
dyx2
63
126
126