1. ¿Indique la importancia del Ajuste por el Método de Mínimos Cuadrados y su influencia en la Ingeniería y sus principales factores: Linealidad, homocedasticidad, heterocedasticidad, poblacional muestral? Este método presenta una forma práctica y sencilla de obtener una curva que minimice la discrepancia entre el punto y dicha curva.[1]Dentro de la ingeniería brinda una forma de analizar el comportamiento de datos experimentales. Linealidad: relación entre las variables dependientes e independientes. Heterocedasticidad,homocedasticidad: analizan la varianza constante o no. Población muestreal: conjunto de entes o fenómenos que comparten cierta característica de interés.[4] 2. ¿Cuáles son los tipos de Regresiones existentes? Efectúe una descripción breve de cada una de estos considerando las características más relevantes? Lineal: Es ajustar una línea recta a un conjunto de observaciones. Polinomial: determinación de los coeficientes de un polinomio de m-esimo grado es equivalente a resolver un sistema de m+1ecuaciones lineales simultáneas. Lineal múltiple: útil cuando se ajustan datos experimentales donde la variable sujeta a estudio es una función de otras variables. Exponencial: caracteriza cantidades que aumentan o disminuyen[1] 3. ¿Explique Cómo utilizar la ecuación para el Cálculo del Coeficiente de Correlación y como contribuye validando una primera aproximación a la Selección del Tipo de Regresión más apropiado? En el análisis de correlación se supone que el valor de una variable es conocido(independiente).Este valor se emplea para predecir el valor de la otra variable(dependiente).Si estas dos variables están relacionadas y se conoce el valor de su relación puede tenerse las bases para predecir con menor o mayor exactitud el valor aproximado que tendrán los datos de una variable.[5] 4. ¿Explique Cómo utilizar la ecuación para el Cálculo del Coeficiente de Determinación y Cómo contribuye en la validación de la eficiencia del Tipo de Regresión seleccionado? La interpretación de un coeficiente de correlación como medida del grado de relación lineal entre dos variables, es una interpretación matemática pura. Es decir que dos variables tiendan a aumentar o disminuir al mismo tiempo no implica que una tenga algún efecto directo o indirecto sobre la otra.[2] Significado: 1y-1 indican una asociación lineal perfecta entre variables. 5. ¿Explique Cómo utilizar la Tabla de Análisis de Varianzas “ANOVA” y Cómo contribuye en la validación consolidada del Tipo de Regresión seleccionado? El análisis de ANOVA permite realizar estudios comparativos entre más de dos muestras que han sido sometidas a diferentes tratamientos con base en establecer que tan grande es la variación de datos de una muestra con respecto a su media, media general y medias muestrales.[3] 6. ¿Explique Cómo utilizar el Cálculo de los Intervalos de Confianza, la interpretación de Hipótesis, y Cómo contribuyen en la validación de la eficiencia del Tipo de Regresión seleccionado?. Anexos: Tablas A1 y A2. En un modelo de regresión lineal la docimasia y la estimación de m, se formula la hipótesis nula de que la pendiente es cero y su alternativa diferente de cero.[2]. Los intervalos de confianza se encuentran definidos en razón de la media y las desviaciones estándar, los mismos permiten identificar el valor desconocido obtenido por regresión y así comparar. 7. ¿Explique Cómo utilizar el Cálculo de la Prueba de Kolmogorov_Smirnov, su interpretación y Cómo contribuyen en la validación de la eficiencia del Tipo de Regresión seleccionado?. Sugerencia: Descargar Tablas K-S. Prueba no paramétrica que permite probar si existe una diferencia significativa entre una distribución de frecuencia observada y una distribución de frecuencia teórica, es otra prueba de bondad de ajuste que contrasta con la hipótesis nula. Si el valor D de tablas para el nivel significativo elegido es mayor que el valor estadístico K-S calculado, deberá aceptarse la hipótesis nula(Ho).[5] Referencias [1] Steven C. Chapra and Raymond.P Canale., Métodos Numéricos para Ingenieros. Mexico: México DF, 2007 [En línea]. Disponible en: https://ezp1.espe.edu.ec:2126/lib/espesp/reader.action?docID=4508648&query=metodos%2Bnu mericos [Accedido: 07 Noviembre 2019] [2] Guerra. C, Acuña. E, Morera. R & Morales, E, Estadística. Cuba: La Habana, 1987 [En línea]. Disponible en: https://ezp1.espe.edu.ec:2126/lib/espesp/reader.action?docID=3194273&query=estadistica [Accedido: 23 Noviembre 2019] [3] Alvarado. V, Probabilidad y Estadística. México: México, DF, 2014 [En línea]. Disponible en: https://ezp1.espe.edu.ec:2126/lib/espesp/reader.action?docID=3227804&query=probabilidad+y +estadistica [Accedido: 23 Noviembre 2019] [4] Burón. C, Estadística I. España: Málaga, 2007 [En línea]. Disponible en: https://ezp1.espe.edu.ec:2126/lib/espesp/reader.action?docID=5214512&query=probabilidad+y +estadistica# [Accedido: 24 Noviembre 2019] [5] Rodríguez. J, Pierdant. A & Rodríguez. C, Estadística aplicada II. México: México, DF, 2014 [En línea]. Disponible en: https://ezp1.espe.edu.ec:2126/lib/espesp/reader.action?docID=3227358&query=Prueba+de+Kol mogorov# [Accedido: 24 Noviembre 2019]