Estadstica Aplicada 2

Ejercicios propuestos Regresin Lineal Simple

1. El vicepresidente de Motor Per S.A es informado por el equipo de la compaa, que

la resistencia al corte de la unidad ensamblada est en funcin de la antigedad de
la carga propulsora cuando se moldea el motor. Para ello se toman al azar 20
observaciones para probar esta relacin. La informacin recogida se muestra en la
siguiente tabla:

N Resistencia al corte Antigedad

Observacin (PSI) (Semanas)
1 2158.7 15.5
2 1678.15 23.75
3 2316 8
4 2061.3 17
5 2207.5 5
6 1708.3 19
7 1784.7 24
8 2575 2.5
9 2357.9 7.5
10 2277.7 11
11 2165.2 13
12 2399.55 3.75
12 1779.8 25
14 2336.75 9.75
15 1765.3 22
16 2053.5 18
17 2414.4 6
18 2200.5 12.5
19 2654.2 2
20 1753.7 21.5

Use un nivel de significacin del 2%. Los datos se encuentran en la hoja Resistencia.
a. Verifique los supuestos.

I. Normalidad de errores
Hiptesis:

Nivel de significacin:

Estadstico de prueba:

P-valor:

1
Decisin:

Conclusin:

II. Autocorrelacin de errores:

Hiptesis:

Durbin Watson:

Conclusin:

b. Valide el modelo de regresin lineal.

Hiptesis:

Nivel de significacin:

Estadstico de prueba:

P-valor:

Decisin:

Conclusin:

c. Presente la ecuacin estimada e interprete ambos coeficientes.

Ecuacin:

Coeficiente de intercepcin:

Coeficiente de regresin poblacional estimado:

d. Estime la resistencia al corte de un motor fabricado por una carga propulsora de

20 semanas de antigedad.

2
 e. Estime con un intervalo de confianza del 98%, la resistencia media al corte de un
motor fabricado por una carga propulsora de 20 semanas de antigedad.

f. Estime con un intervalo de confianza del 98%, la resistencia al corte de un motor

fabricado por una carga propulsora de 20 semanas de antigedad.

2. Un ingeniero que labora en una distribuidora elctrica, desea encontrar un modelo

de regresin lineal que le permita predecir el consumo de electricidad en su localidad
a partir de las temperaturas mnimas que se pronostican para el da siguiente. Los
datos de la temperatura y el consumo real, obtenidos de una muestra de diez das
son los siguientes:
Temperatura
-12 0 13 25 -7,5 18.5 15.5 28 14.5 20
(C)
Consumo
15.5 13.5 11 8.5 14.8 9.85 10.5 8,5 10 9.5
(megawatios)
Use un nivel de significacin del 6%. Los datos se encuentran en la hoja Electricidad.
a. Verifique los supuestos.

I. Normalidad de errores
Hiptesis:
H0:Los errores se distribuyen normalmente
H1: Los errores No se distribuyen normalmente

Nivel de significacin:
0.06

Estadstico de prueba:
AD=0.486
P-valor:
0.193>0.06
Decisin:
No se rechaza H0

Conclusin:
A un nivel de significacin del 6%, los errores se distribuyen normalmente

3
4
 Habiltar durvin Watson

II. Autocorrelacin de errores:

Hiptesis:

H0:No existe en autocorelacion de los errores

H1: Existe autocorrelacin de los errores

Durbin Watson: DW=2.58032

Conclusin:
A un nivel de significacin del 6%, no existe autocorelacion de los errores

b. Valide el modelo de regresin lineal.

Hiptesis:
H0: B1=0
H1: B10

Nivel de significacin:
0.06

Estadstico de prueba:
F= 726.88

P-valor: 0.000

5
Decisin:
Se rechaza H0
Conclusin:
A un nivel de significacin del 6%, existe relacin lineal entre el consumo y la
temperatura(no importa el orden de la variable).

c. Presente la ecuacin estimada e interprete ambos coeficientes.

Ecuacin:
= 13.310 - 0.18653(X)

Coeficiente de intercepcin:
b0= 13.310 (cuando la temperatura es cero, el consumo de electricidad
promedio es 13.310 megawatios)

Coeficiente de regresin poblacional estimado:

b1= - 0.18653(Por cada grado Celsisuis adicional en la temperatura ,el consumo de
electricidad promedio disminuye en 0.18653 megawatios

d. Determine la varianza total de la variable dependiente explicada a travs del

modelo.

2= 98.91%

e. Interprete el coeficiente de correlacin.

R=0.9891 =-0.9945
El 99.45% es el grado de asociacin inverso de la temperatura y el consumo de la
electricidad

f. Estime el consumo de electricidad cuando la temperatura es de 15 C.

=10.5121

6
 g. Estime con un intervalo de confianza del 94%, el consumo de electricidad cuando
la temperatura es de 15 C.

IC(Y)=[9.86499,11.1593]

h. Estime con un intervalo de confianza del 94%, el consumo promedio de

electricidad cuando la temperatura es de 15 C.

IC(u)=[10.3106,10.7137]

3. Un ingeniero qumico est calibrando un espectrmetro para medir la concentracin

de CO en muestras de aire, esta calibracin implica que debe comprobar que existe
una relacin lineal en la concentracin verdadera de CO (X) y la concentracin medida
por el espectrmetro (Y). Para tal fin, selecciona 11 muestras de aire en las que
conoce su verdadera concentracin de CO y las compara con la concentracin medida
por el espectrmetro. Los datos son los siguientes (las unidades son ppm):

Concentracin de CO 0 10 20 30 40 50 60 70 80 90 100
Concentracin 1 12 20 29 38 48 61 68 79 91 97

Use un nivel de significacin del 8%. Los datos se encuentran en la hoja

Concentracin.
a. Verifique los supuestos.

I. Normalidad de errores
Hiptesis:
7
H0:Los errores se distribuyen normalmente
H1: Los errores No se distribuyen normalmente

Nivel de significacin:

0.08
Estadstico de prueba:
AD=0.396
P-valor:
0.307>0.08
Decisin:
Se rechaza H0
Conclusin:
A un nivel de significacin del 8 , los errores se distribuyen normalmente
II. Autocorrelacin de errores:
Hiptesis:
H0:No existe en autocorelacion de los errores
H1: Existe autocorelacion de los errores

Durbin Watson:
DW=2.17025

Conclusin:
A un nivel de significacin del 8 , no existe autocorelacion de errores

b. Valide el modelo de regresin lineal.

Hiptesis:
H0: B1=0
H1: B10
Nivel de significacin:
0.08

Estadstico de prueba:
F= 4585.37

P-valor:
0.000 < 0.08

Decisin:
Se rechaza H0
Conclusin:
A un nivel de significacin del 8, existe relacin entre la concentracin de CO y la
concentracin medida por el espectrmetro.

c. Presente la ecuacin estimada e interprete ambos coeficientes.

Ecuacin:
= 0.636
+ 0.9764 X

8
 Coeficiente de intercepcin:
bo=0.636 (cuando la concentracin medida por el espectro es cero, la
concentracin CO promedio es 0.636 ppm)
b0=0.636 cuando la concentracin verdadera de Co es cero, la concetracion medida
promedio por el espectrmetro es de 0.636 ppm (pizarra)

Coeficiente de regresin poblacional estimado:

b1=0.9764 (Por cada ppm adicional en la concentracin Co ,la concentracin medida por
el espectro promedio aumenta en 0.9764)
b1=0.9764 (Por cada ppm adicional de la concentracin verdadera de Co, la
concentracin medida promedio pr el espectrmetro aumenta en 0.9764ppm)

d. Qu porcentaje de la concentracin medida por el espectrmetro es explicada

por el modelo de regresin estimado?

2= 99.80%

e. Interprete el coeficiente de correlacin

R=0.9980 =9.98999499=9.999 El 99.9% es el grado de asociacin directa entre la
concentracin de Co

f. Cul ser la concentracin medida por el espectrmetro cuando la concentracin

de CO en el aire sea de 82 ppm?
= 80.6982

g. Con un 92% de confianza, cul ser la concentracin medida por el

espectrmetro cuando la concentracin de CO en el aire sea de 90 ppm?

IC(Y)= [85.1921;91.8261]