EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESIÓN SIMPLE 0.

El crecimiento de los niños desde la infancia a la adolescencia generalmente sigue un patrón lineal. Se calculó una recta de regresión mediante el método de mínimos cuadrados con datos de alturas de niñas norteamericanas de 4 a 9 años y el resultado fue: intercepto a=80 y pendiente b=6. La variable dependiente y es la altura en cm y x es la edad en años. ) Interprete los valores estimados del intercepto y de la pendiente. ) Cuál será la altura predicha de una niña de 8 años. ) Cuál será la altura predicha de una mujer de 25 años. Comente el resultado. En 1991 se publicó un trabajo “Diseñando plantas en climas difíciles” en la revista Field Crops Research, los datos usados en la investigación son: Duración Rendimiento 92 1,7 92 2,3 96 1,9 100 2,0 102 1,5 102 1,7 106 1,6 106 1,8 121 1,0 143 0,3

0.

Con x = la duración de la cosecha de porotos de soya en días, y = rendimiento de la cosecha en toneladas por hectárea. ) ) ) ) Estime la recta de regresión mediante el método de mínimos cuadrados. Interprete los estimadores en el contexto de la pregunta. ¿Existe una relación lineal significativa entre la duración y el rendimiento de la cosecha? Verifique los supuestos. Estime el rendimiento si la duración de la cosecha fue de 104 días.

Salida de SPSS para pregunta 2:
Estadísticos descriptivos Media 1.580 106.00 Desviación típ. .5633 15.470 N 10 10

Rendimiento DURACIÓN

Correlaciones Duración Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Duración Rendimiento 1 -.940** . .000 10 10 -.940** 1 .000 . 10 10

Rendimiento

**. La correlación es significativa al nivel 0,01 (bilateral).

Coeficientesa Coeficientes no estandarizados B Error típ. 5.207 .471 -.034 .004 Coeficientes estandarizad os Beta -.940

Modelo 1

(Constante) DURACIÓN

t 11.047 -7.768

Sig. .000 .000

a. Variable dependiente: Rendimiento

Instituto de Matemática y Física – Universidad de Talca estadistica@utalca.cl

2 2.5 0. Los resultados aparecen en la salida adjunta. Dé la ecuación de la recta de regresión.732 Sig. 15 15 Estadísticos descriptivos Media 103.87 3.036 Sig.3 0.016 -9.000 a. Un investigador cree que la inteligencia de los niños.929 Modelo 1 (Constante) nhermanos t 61.cl . depende del número de hermanos.143 .2 Rendimiento .5 . .00 Desviación típ.000 . ¿Existe una relación lineal significativa entre el número de hermanos y el coeficiente intelectual? Salida SPSS: Correlaciones Correlación de Pearson CI nhermanos CI nhermanos CI nhermanos CI 1.000 15 15 nhermanos -.929 .929 1.0 90 -.1 -. (unilateral) N 15 15 N CI nhermanos Coeficientesa Coeficientes no estandarizados B Error típ.0 .000 -.000 .4 90 100 110 120 130 140 150 DURACIÓN DURACIÓN 0. Verifique los supuestos de regresión. Variable dependiente: CI Instituto de Matemática y Física – Universidad de Talca estadistica@utalca. Interprete los estimadores en el contexto de la pregunta.5 -.2. Toma una muestra aleatoria de 15 niños y ajusta una regresión lineal simple. CI Hermanos ) ) ) ) 110 115 120 118 110 108 105 104 98 99 98 100 90 93 90 0 1 1 1 2 2 2 3 3 4 4 5 5 5 6 Encuentre e interprete el coeficiente de correlación r. .0 -.955 -5.295 1.1 1.000 .569 Coeficientes estandarizad os Beta -. 9.591 1.0 Unstandardized Residual 100 110 120 130 140 150 1. medida a través del coeficiente intelectual (CI en puntos).3 . 119.

9 1.3 10 1. El gráfico de residuos se puede usar para verificar el supuesto de homocedasticidad.4 19 1.7 1. ¿Existe una relación lineal significativa entre la ingestión y la absorción de grasas? Verifique los supuestos ¿Cuánto vale la suma de los residuos calculados para las 20 determinaciones? Conteste SI o NO a las siguientes preguntas: ) ) ) El gráfico de residuos muestra que la relación entre la ingestión y la absorción de grasas es lineal El gráfico de residuos se puede usar para determinar si los residuos están normalmente distribuidos. Instituto de Matemática y Física – Universidad de Talca estadistica@utalca.cl .0 16 1.6 1.2 12 1. .5 20 1.4 0.00 2.6 1.8 1.4 7 1. Stem -0 -0 0 0 & .00 6.5 1.9 1.5 6 2.8 1.7 8 2.00000 Se desea saber si existe alguna relación entre la ingestión y la absorción de grasas en lactantes desnutridos. .5 18 2.1 ) ) ) ) ) Estime a y b mediante el método de mínimos cuadrados. Caso Nº Ingestión Absorción Caso Nº Ingestión Absorción 1 1.4 1.9 1.1 3 2.6 13 1.1 1. .6 1.1 14 1.00 6.7 9 2. INGESTION Y ABSORCION DE GRASAS EN 20 LACTANTES DESNUTRIDOS.0 1. Leaf 5 001344 000013 56 Each leaf: 1 case(s) 10.6 1.8 1.7 2.2 17 1.3 5 1. Interprete los coeficientes de regresión. Se realizan 20 determinaciones de ingestión y absorción cuyos resultados se muestran en la tabla que sigue.4 2 1.5 1.00 Stem width: 0.3 15 1.7 11 2. Encuentre e interprete el coeficiente de correlación r.1 1.130 8 6 120 4 110 2 Unstandardized Residual 0 1 2 3 4 5 6 7 100 0 -2 90 -4 CI 80 -6 0 1 2 3 4 5 6 7 nhermanos nhermanos Unstandardized Residual Stem-and-Leaf Plot Frequency 1.5 4 1.6 2.

20 20 Estadísticos descriptivos Media 1. -.cl .866 .2 2.836 .6 2.5 1.00 -2 .4 2.4 2.425 1.2 1. 3.000 a.000 20 20 Ingestión . .114 Coeficientes estandarizad os Beta .4 1.4 .8 2. .3740 Sig.000 .866 Modelo 1 (Constante) Ingestión t -.4 . .3611 .143 .8 Ingestión Ingestión Unstandardized Residual Stem-and-Leaf Plot Frequency Stem & Leaf (=<-.2 1.0 2.0 2. 2.00 0 . Stem width: .10000 Instituto de Matemática y Física – Universidad de Talca estadistica@utalca.6 2.6 1.659 7. Variable dependiente: Absorción 2. 2.8 2.0 Absorción -. .45) 2 27 13669 055788 03 058 Each leaf: 1 case(s) 1.00 2 .875 Desviación típ.217 .6 1.00 1 .4 1.5 -.2 2.866 1.000 . (unilateral) N 20 20 N Absorción Ingestión Coeficientesa Coeficientes no estandarizados B Error típ.0 Unstandardized Residual 1. 5.353 Sig.00 -1 .Correlaciones Correlación de Pearson Absorción Ingestión Absorción Ingestión Absorción Ingestión Absorción 1.00 -0 .00 Extremes 1.00 -3 .000 .2 2.5 .2 -. 6.0 -.6 1.518 .8 1.

002 a.907 1.000 -. Si cambia x por y.160 1. 723.907 . en miles de pesos) de una muestra aleatoria de 10 autos de una cierta marca y modelo. Estima cuál será el costo de reparación de un auto que ha tenido 4 cambios de aceite. y=150).964 -101.000 .000 . 8 8 Estadísticos descriptivos Media 368. (unilateral) N 8 8 N Y X Coeficientesa Coeficientes no estandarizados B Error típ. # cambios aceite 3 5 2 3 1 4 6 4 costo en miles de peso 150 150 250 200 350 200 50 125 ) ) ) ) ) ) ) Haga un gráfico de dispersión con los datos. La tabla más abajo presenta los datos sobre el número de cambios de aceite al año (x) y el costo de la reparación (y.611 72. Variable dependiente: Y 800 700 100 600 0 500 300 200 Unstandardized Residual 0 1 2 3 4 5 6 7 400 -100 100 Y 0 -200 0 1 2 3 4 5 6 7 X X Instituto de Matemática y Física – Universidad de Talca estadistica@utalca. . 179.389 19. Interprete los valores estimados del intercepto y de la pendiente.001 .907 Modelo 1 (Constante) X t 9.001 8 8 X -. verifique el supuesto de linealidad y valores extremos.75 3. obtendrá la misma recta de regresión? Calcule el residuo para la primera observación (x=3. Verifique los supuestos de la regresión lineal.161 Coeficientes estandarizad os Beta -.cl . . Salida SPSS: Correlaciones Correlación de Pearson Y X Y X Y X Y 1.604 Sig.917 -5.50 Desviación típ.5.291 Sig. Encuentre la recta de regresión de mínimos cuadrados.

Sign up to vote on this title
UsefulNot useful