Sie sind auf Seite 1von 5

Los datos entregados son los siguientes:

Cobre Fino Palas


63,4 3
73,6 2
94,3 2
96,6 3
97,1 1
118,0 2
123,4 4
132,3 3
148,4 7
181,0 5
234,4 2
264,0 3
426,1 4
443,4 21
453,3 10
470,1 9
817,7 21

El modelo propuesto por el autor de la tesis es:
Palas = a + b*cobre fino
En este modelo podra cuestionarse cul es la variable dependiente y cual la independiente. Si se
considera que existe una planificacin de la cantidad de cobre que se producir por cada periodo
(de acuerdo a los precios internacionales del cobre), se puede determinar que la produccin de
cobre determinar la cantidad de palas que se utilizarn. Entonces, bajo este enfoque, la variable
dependiente es la cantidad de palas, y la variable independiente, la cantidad producida de cobre
fino.
Luego, en cuanto a la uniformidad que pueda tener la variable dependiente. Esta variable slo
indica la cantidad de palas, pero no su capacidad. Existen variados modelos de palas, donde la
mayor capacidad que tienen generalmente es de 73 yd
3
. No slo es importante que tengan una
gran capacidad de carguo, sino que adems deben tener una compatibilidad con la capacidad de
la flota de camiones que disponga el yacimiento. Por lo tanto, es insuficiente considerar como
variable dependiente a la cantidad de palas existentes.
Finalmente, Posiblemente existan algunas otras variables que puedan determinar la cantidad de
palas que se deben utilizar, aunque el nivel de produccin requerido es una variable muy
relevante.

RESULTADOS DE LA REGRESIN.
En este punto, se pudo comprobar que la regresin lineal, con los datos entregados, arroja
resultados que divergen a los expuestos en la tesis. Por medio de eviews, y la salida fue la
siguiente:

Dependent Variable: PALAS
Method: Least Squares
Date: 07/19/14 Time: 00:16
Sample: 1 17
Included observations: 17


Variable Coefficient Std. Error t-Statistic Prob.


C -0.144321 1.402433 -0.102907 0.9194
COBRE_FINO 0.024652 0.004388 5.617945 0.0000


R-squared 0.677844 Mean dependent var 6.000000
Adjusted R-squared 0.656367 S.D. dependent var 6.174545
S.E. of regression 3.619531 Akaike info criterion 5.520697
Sum squared resid 196.5151 Schwarz criterion 5.618722
Log likelihood -44.92593 Hannan-Quinn criter. 5.530441
F-statistic 31.56131 Durbin-Watson stat 2.419043
Prob(F-statistic) 0.000049


El coeficiente de determinacin R
2
es 0,6778, por lo que el 67,78% de la variabilidad de la cantidad
de palas, est explicado por el volumen de produccin de cobre fino. En la tesis el valor entregado
era 0,74, lo que sobreestima el valor correcto obtenido en esta regresin.
La recta que se estima es:
Palas = -0,1443+0,0247*cobre fino
Por ello, por cada cien mil toneladas de cobre fino adicionales que se deba producir, la cantidad de
palas aumenta en 2,47, en promedio. En la tesis el valor de la pendiente era 0,57, muy alejado del
valor correcto.
Tambin hay una gran diferencia. El valor obtenido en la regresin es -0,1443, mientras que en la
tesis, el valor es -18,99.
La significancia global del modelo es correcta, ya que al igual que en la tesis, el valor p del
estadstico F, es 0,000, lo que es menor a cualquier nivel de significancia usual (generalmente el
5%).
NORMALIDAD DE LOS RESIDUOS
Otro de los supuestos del modelo, es la normalidad de los residuos. Para analizar este supuesto, se
analiza el histograma y el valor del estadstico Jarque Bera que entrega el Eviews:

Se puede ver que existe cierta asimetra positiva en la distribucin. Ello podra afectar a la
normalidad, y se confirma al analizar valor p del estadstico Jarque-Bera. Como es 0,0118, menor a
0,05, se rechaza la hiptesis nula de normalidad de los residuos. Por lo tanto, la no normalidad de
los residuos. El efecto de ello, es que los estimadores de mnimos cuadrados, a pesar de ser
insesgados, no son eficientes, es decir, no son los estimadores de mnima varianza. Ello puede
afectar en algn grado los test de significancia realizados a los parmetros. La causa de ello, puede
ser la existencia de valores atpicos. Esto ocurre en esta muestra con el dato que entrega la minera
Escondida.

SUPUESTOS DEL MODELO
En esta regresin no se puede analizar la multicolinealidad, ya que se trata de un modelo de
regresin simple. De la misma forma, no tiene sentido analizar la autocorrelacin, ya que es un
modelo que tiene datos de seccin cruzada, y no es una serie de tiempo.
EXISTENCIA DE HETEROCEDASTICIDAD
El software Eviews tiene la opcin de realizar el test de Breusch-Pagan-Godfrey para analizar la
heterocedasticidad, y la salida es la siguiente:

Heteroskedasticity Test: Breusch-Pagan-Godfrey


F-statistic 1.683962 Prob. F(1,15) 0.2140
Obs*R-squared 1.715861 Prob. Chi-Square(1) 0.1902
Scaled explained SS 3.159518 Prob. Chi-Square(1) 0.0755



Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 07/19/14 Time: 01:14
Sample: 1 17
Included observations: 17


Variable Coefficient Std. Error t-Statistic Prob.


C 1.608541 9.833171 0.163583 0.8722
COBRE_FINO 0.039926 0.030767 1.297676 0.2140


R-squared 0.100933 Mean dependent var 11.55971
Adjusted R-squared 0.040995 S.D. dependent var 25.91514
S.E. of regression 25.37838 Akaike info criterion 9.415803
Sum squared resid 9660.934 Schwarz criterion 9.513829
Log likelihood -78.03433 Hannan-Quinn criter. 9.425547
F-statistic 1.683962 Durbin-Watson stat 1.662508
Prob(F-statistic) 0.214001


Como el valor p del Chi cuadrado es 0,1902, y es mayor a 0,05, no se rechaza la hiptesis nula de
homocedasticidad, entonces el supuesto de homocedasticidad se cumple.


CONCLUSIN
Como conclusin los resultados de la regresin, con los datos entregados, no concuerdan, ya que
los resultados de la regresin realizada con Eviews, son distintos a los entregados den la tesis,
tanto en los valores de los coeficientes como en el coeficiente de determinacin R
2
.
As tambin, el anlisis de esta regresin, se puede determinar que existe cierta incertidumbre en
la variable dependiente, ya que no est especificada la capacidad de la pala en el estudio.
Por ltimo, se pudo comprobar que en el modelo no exista heterocedasticidad, pero la
normalidad de los residuos del modelo no se cumple, debido principalmente a la existencia de
datos atpicos en la muestra.