EJERCICIO 1

Durante los 9 meses que dura el embarazo, se realizan varias ecografas que
permiten controlar y monitorizar el desarrollo del futuro beb.
En ellas uno de los parmetros ms importantes que se estiman es el peso del
feto.
Aunque las mediciones no son ms que estimaciones, con sus mrgenes de
error, son un gran indicativo de la normalidad del desarrollo del futuro beb.
a) Determine el objetivo del estudio
Evaluar la relacin entre el peso de los recin nacidos y el nmero de semanas
de gestacin.
b) Identifique las variables e indique en que escala han sido
medidas las variables
Las variables son:
Peso

Peso de los recin nacidos

Semanas

Semanas de gestacin de la Madre.

c) Identifique la variable respuesta y las variables explicativas.

Variable respuesta :

Peso

Variable explicativa

Semanas

d) Explore el posible modelo que relacione las variables

datos=read.table("ejercicio1.txt", header = TRUE)

pairs(datos1)

Observando el grafico podemos observar que entre el Peso y Semanas existe

una relacin lineal eso nos podra indicar que el modelo que relacione las
variables sera un modelo lineal.
e) Asuma que el modelo que relaciona las variables es un modelo
de regresin lineal de medicin y exprselo en forma matricial

Sea el modelo de regresin lineal expresado en matrices:

Y 32 x 1=X 132 x 2B 2 x 1+ 32 x 1
Luego:

^ 2x 1
Y^ 32 x 1=X 132 x 2B

Dnde:

^ 2 x 1=( X 1' 32 x 2X 132 x 2)1( X 1' 32 x2Y 32 x1 )

B

datos=read.table("ejercicio.txt", header = FALSE)

datos
1
1
1
1
1
1
1
1
1
1
1

2940
3130
2420
2450
2760
2440
3226
3301
2729
3410
2715

38
38
36
34
39
35
40
42
37
40
36

1
1
1
1
1
1
1
1
1
1
1

3095
3130
3244
2520
2928
3523
3446
2920
2957
3530
2580

39
39
39
35
39
41
42
38
39
42
38

1
1
1
1
1

3040
3500
3200
2000
3459

Donde:

37
42
41
39
40

1
1
1
1
1

3346
2619
3175
1500
2841

V1=columna de unos
V2=Peso
V3=Semanas

X1=as.matrix(X[,c(1,3)])
Y=as.matrix(X[,c(2)])
Y
[,1]
[1,] 2940
[2,] 3130
[3,] 2420
[4,] 2450
[5,] 2760
[6,] 2440
[7,] 3226
[8,] 3301
[9,] 2729
[10,] 3410
[11,] 2715
[12,] 3095
[13,] 3130
[14,] 3244
[15,] 2520
[16,] 2928

[17,]
[18,]
[19,]
[20,]
[21,]
[22,]
[23,]
[24,]
[25,]
[26,]
[27,]
[28,]
[29,]
[30,]
[31,]
[32,]

3523
3446
2920
2957
3530
2580
3040
3500
3200
2000
3459
3346
2619
3175
1500
2841

X1
V1 V3
[1,] 1 38
[2,] 1 38
[3,] 1 36
[4,] 1 34
[5,] 1 39
[6,] 1 35
[7,] 1 40
[8,] 1 42
[9,] 1 37
[10,] 1 40

[11,]
[12,]
[13,]
[14,]
[15,]
[16,]
[17,]
[18,]
[19,]
[20,]
[21,]

1
1
1
1
1
1
1
1
1
1
1

36
39
39
39
35
39
41
42
38
39
42

42
35
41
38
36

[22,]
[23,]
[24,]
[25,]
[26,]
[27,]

1
1
1
1
1
1

38
37
42
41
39
40

[28,]
[29,]
[30,]
[31,]
[32,]

1
1
1
1
1

42
35
41
38
36

Dnde:

X1 es la matriz conformada por la columna de unos y la variable

Semanas de orden 17x3.
Y es la columna de los pesos de orden 17x1.

f) Estime los parmetros del modelo e interprtelos

Calculemos el beta estimado mediante matrices:
INV=solve(t(X1)%*%X1)
X1Y=t(X1)%*%Y
INV
X1Y

B=INV%*%X1Y
B
Interpretacin:
B0:
B1: Por cada semana que incrementamos el peso del recin nacido aumenta en
132.940
g) Obtenga las respuestas ajustadas y los residuos del ajuste

modelo=lm(Peso~Semanas)
Yest=modelo$fitted.values
e=modelo$residuals