> datos<-read.table("datos.txt",header=TRUE)
> attach(datos)

a)
variable dependiente: Y 
variables independientes cuantitativas: POP	IMP	NLIC	INGRESO	ROAD	FUEL	LIC


> p1a<-lm(Y~POP+IMP+NLIC+INGRESO+ROAD+FUEL+LIC)

Y=147.78947+0.05858*POP-32.71658*IMP-0.20100*NLIC-45.11003*INGRESO -5.49001*ROAD+0.10360*FUEL+15.63036*LIC



b)



> anova(p1a)
Analysis of Variance Table

Response: Y
          Df Sum Sq Mean Sq F value    Pr(>F)    
POP        1 125996  125996 33.4996 9.391e-07 ***
IMP        1 162056  162056 43.0870 7.624e-08 ***
NLIC       1  11046   11046  2.9370   0.09431 .  
INGRESO    1    194     194  0.0516   0.82139    
ROAD       1  15466   15466  4.1121   0.04927 *  
FUEL       1    101     101  0.0269   0.87059    
LIC        1 123062  123062 32.7195 1.169e-06 ***
Residuals 40 150445    3761                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 




Tabla ANOVA:
          Df	Sum Sq	Mean Sq	F value    Pr(>F)             
Regresion 7	437921	62560	16.6       4.714e-10
Residuos  40	150445	3761
Total     47	588366


Análisis (de la ANOVA):
p-value: 4.714e-10: Luego se rechaza H0, es decir, al menos 1 beta (distindo de B0) no es 0.
Por otra parte, el Coeficiente de Determinación R^2=437921/588366=74% indica que sólo el 74% de la variación de "Consumo de combustible" es debido a las variaciones de las variables independientes elegidas, lo que advierte que el modelo podría ser mejorado.




c)



> summary(p1a)

Call:
lm(formula = Y ~ POP + IMP + NLIC + INGRESO + ROAD + FUEL + LIC)

Residuals:
     Min       1Q   Median       3Q      Max 
-117.443  -41.894   -7.102   30.760  208.131 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 147.78947  191.76201   0.771   0.4454    
POP           0.05858    0.02667   2.196   0.0340 *  
IMP         -32.71658   12.23714  -2.674   0.0108 *  
NLIC         -0.20100    0.07516  -2.674   0.0108 *  
INGRESO     -45.11003   21.81742  -2.068   0.0452 *  
ROAD         -5.49001    5.44200  -1.009   0.3191    
FUEL          0.10360    0.04421   2.343   0.0242 *  
LIC          15.63036    2.73253   5.720 1.17e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 61.33 on 40 degrees of freedom
Multiple R-Squared: 0.7443,     Adjusted R-squared: 0.6996 
F-statistic: 16.63 on 7 and 40 DF,  p-value: 4.714e-10 


Análisis:
Los valores-p de la prueba de t sugieren que la variable ROAD (Carreteras del estado en miles de millas) no contribuye al modelo, pues se acepta la hipótesis nula de que dicho coeficiente es cero. Las otras variables POP, IMP, NLIC, INGRESO, FUEL y LIC si parecen ser importantes en el modelo ya que los valores-p correspondientes son menores que .05.


d)

será éste el 85??