Conceptuales

  • Cada uno de los gráficos de dispersión que se muestran a continuación tiene una línea de regresión impuesta. Si tuviéramos que construir una gráfica de residuos (residos versus \(X\)) para cada uno, describa con palabras cómo se verían cada una.

  • Para cada uno de las seis gráficas, identifique la fuerza de la relación (p. ej., débil, moderada o fuerte) en los datos y si sería razonable ajustar un modelo lineal.

  • Los dos diagramas de dispersión a continuación muestran la relación entre el promedio general del curso y dos exámenes parciales (Examen 1 y Examen 2) registrados para 233 estudiantes durante varios años para un curso de estadística en una universidad.

- ¿Cuál de los dos exámenes tiene una mayor correlación con la nota final? - ¿Se te ocurre una explicación de por qué se produce esta relación?

Prácticos

  • Calcular los residuos de la regresión que vimos en clase (weight~height). Agregarlos como columna en el dataset original.
###
  • Hacer un residual plot. Recuerden, los residuos van en el eje \(y\) y los valores predichos según el modelo de la variable dependiente van en el eje \(x\)
###
  • Ahora tomen los menores de 18 años y realicen un gráfico de dispersión entre heigth (como variable independiente) y weight como dependiente. ¿Qué pueden decir al respecto? ¿Cómo se imaginan que sería el valor del \(r\) en relación a los que surgen de los mayores de 18 años . Calcúlenlos.
###
  • Estimen una regresión lineal entre las mismas variables. ¿Cómo son los \(\bteta_{1}\) en relación los de la regresión con los mayores de 18 años?
###
  • ¿Qué pueden decir de los residuos?
###