2

REGRESION LINEAL Y MULTIPLE

JOSE LUIS DIAZ SOTO
JORGE LORA
ISAURA FERNANDEZ


Tutor (a)

MARCOS CASTRO










UNIVERSIDAD DE CARTAGENA
Programa: ADMINISTRACIN FINANCIERA
rea: MODELO INFERENCIAL
VI SEMESTRE
CERETE
2014




3




1. Sobre un conjunto de conductores se ha realizado una encuesta para analizar su
edad (Y) y el nmero de accidentes que han sufrido (X). A partir de la misma, se
obtuvieron los siguientes resultados:

X/Y (20,30] (30,40] (40,50] (50,60] (60,70]
0 74 82 78 72 7
1 7 6 5 6 5
2 3 2 2 1 1

A partir de estos datos, se le pide que determine para esta distribucin las curvas de
regresin de
Y sobre X y de X sobre Y.

Sea y: la variable edad(x)
X: la variable nmeros de accidentes (y)











La curva de y sobre x es
b=

, a=

, ,

=196
b=

= =

= -2.23880
a=

= 47.089
y/x= -2,23880x+47.089
PROMEDIO DE EDAD NUMERO DE ACCIDENTES NUMERO DE PERSONAS
25
35
45
55
65
25
35
45
55
65
25
35
45
55
65
0
0
0
0
0
1
1
1
1
1
2
2
2
2
2
74
82
76
72
7
7
6
5
6
5
3
2
2
1
1
4



ahora de x/y
, ,

=455625

b=

= =

= 0.000000001
a=

0.933
x/y=0.000000001x+0.933

2. Para la economa espaola, disponemos de los datos anuales redondeados sobre
consumo final de los hogares a precios corrientes (Y) y renta nacional disponible neta
(X), tomados de la Contabilidad Nacional de Espaa base 1995 del INE , para el
perodo 1995-2002, ambos expresados en miles de millones de euros:
AO 1995 1996 1997 1998 1999 2000 2001 2002
Yt 2586 2736 2897 3089 3310 3550 3771 4004
Xt 3817 4022 4265 4543 4865 5202 5533 5900

Considerando que el consumo se puede expresar como funcin lineal de la renta (Yt=a + b
Xt), determine:

a) Los parmetros a y b de la recta de regresin.
Sea y: la variable consumo
X: la variable renta
Los parametros son
b=

n=8

b=

5



b=

b= 0.6834

a=

a=

a= 160138
b) La varianza de la variable consumo y su descomposicin en varianza explicada y no
explicada por el modelo.

= 2235.966094
La varianza explicada es:

El modelo es:
y= 0.6834x-1.60








6

= 9658,88
La varianza del no explicada del modelo es:

= 0.44842
c) el coeficiente de determinacion

Donde
Sxy=

Sxx=

Syy=

=0.999800

d) si la renta para x=650.00 millones de euros, entonces las predicciones
y^= 0.6834x-1.60
y^=0.6834(650.000)-1.60
=444208.4 millones de euro
7




e) r=

donde Sxx=

Syy=

Sxy=

Sxx=

Sxx =38289.638
Syy=

Syy =17887.72
Sxy=

Sxy =26168.26375
r=

=3.16

3. Se supone que se puede establecer cierta relacin lineal entre las exportaciones
de un pas y la produccin interna de dicho pas. En el caso de Espaa, tenemos
los datos anuales (expresados en miles de millones de pesetas) para tales
variables correspondientes al quinquenio 1992-96 en la siguiente tabla:

Aos Produccin Exportacione
s 1992 52.654 10.420
1993 53.972 11.841
1994 57.383 14.443
1995 61.829 16.732
1996 65.381 18.760

A partir de tal informacin, y considerando como vlida dicha relacin lineal, se pide:
a) Si la produccin para el ao 1997 fue de 2.210.6100 millones de pesetas, cul
sera la prediccin de las exportaciones para este ao? Qu grado de
precisin tendra dicha prediccin?
8



b) Si sabemos que las exportaciones para 1997 fueron de 69.045.704
millones de pesetas, cul sera la produccin interna aproximada
para ese ao? Qu grado de confianza dara usted a esta
prediccin?
c) Qu tanto por ciento de la varianza de las exportaciones no
vienen explicadas por la Produccin interna, y se debe a otro tipo de
variables?
d) e) El coeficiente de correlacin

sea y: variable produccion
X: variable exportacion
Y=bx + a
#=bx + n
a) Para saber la produccion de las exportaciones calculamos el modelo de regresion
de la forma:
Y: bx + a donde b=

a=

n=5

b=

b =

9



b=1.55070
a=

= 179.2643
luego el modulo de regresion es:
y^= 1.55070x +179.2643
1. Como la produccion para el ao 1997 fue de 2210.6100 millones de
pesetas.

2210.6100= 1.55070x+179.2643

2210.6100-179.2643=1.55070x

2031.345604=1.55070x

X=

X=1309.953959 millones de exportaciones

2. Para el grado de precision hacemos
Y-t

<

Para x= 1309.95
Y=1.55070(1309.95)+ 179.2643
=2210.60
Con

1-

10



----t t0.05/2= 0,025, n=5
.025, v=n-1 ------t0,025, 4=2,776

=
Sxx=

=1089.28-

=46.830
2210.60-(2.776

<

a) Como las exportaciones para el ao 1997 son de 69045704 millones,
entonces la produccion interna seria para este ao de:
Y=1.55070(69045709)+ 179.2643
Y =1070693525 millones de pesetas, comparando este valor y el del
punto anterior el grado se confianza sea de 95%.
3. Para esto calculamos
Ry/x= r
2
=

S
2
xy=

S
2
xy =

S
2
xy =

11




S
2
xy = 5273.78
Sxx=

Sxx= 1089.28

= 46.830870
Syy=

= 114.0283
r
2
=

r
2
=

r
2
=0,9876
r
2
=98.76%
100-98.76%=1.24% de varianza que no es explicada por las variables.
Coeficiente de correlacion
r=

r =

= 0.9937

4. De una distribucin de dos variables se conocen los siguientes datos:
rxy = 09; sx = 12; sy = 21; x =5; y =10
A partir de los mismos, obtnganse las rectas de regresin mnimo
cuadrticas de X sobre Y y de Y sobre X.


rXy=0.9, sx= 1,2 , sy=2,1 , x=5, y=10
12



como
rxy=

= mxy= rxsxsy
mxy=(0.9)(1.20)(2.10)
mxy =2,26
bxy=

= bxy=

=0.51
x=bxy(y-y^)+x
x =0,51(y-10)+5
x =0,51(y-10)+5
x =0,51y-5,1+5
X= 0,51y-0,1

Y para y sobre x
y= bxy(x-x)+y
y=0.51(x-5)+10
y =0,51x 2,25 + 10
y =0,51x 7,45

5. A partir de un conjunto de valores de las variables X e Y, se ha
determinado la regresin de Y sobre X, obtenindose la siguiente
recta:
Y*=10+045X; R
2
=09; x =20

Se pide que, a partir de la definicin de la anterior recta, determine
los parmetros de la recta de regresin de X sobre Y.


sea y= 10 + 0.45x , un r
2
= 0,9

, x=20
13



Hallar los parametros a y b de la ecuacion y= bx + a
a= y bx de la ecuacion bxy 0,45, pero x=bxy(y-y) + x sobre y.
como bxy= 0,45
axy= 10
dyx= y bxy X
r
2
= byxbxy entonces 0.9= byxbxy
byx=

byx=2
entonces ayx= 10 0,45(20)
ayx =1
luego los parametros son ayx=1 , byx=2
7. Se han observado, en varios modelos de automviles, los datos de
potencia del motor (X), en caballos, y la aceleracin (Y), medida en el
nmero de segundos necesarios para acelerar de 0 a
100 Km./h. La tabla adjunta refleja los valores obtenidos.

X 50 75 90 100 120 150
Y 15 12 105 10 9 8

A partir de tales datos, se ha decidido expresar la aceleracin en
funcin de la potencia mediante el ajuste de una funcin potencial
(mediante el correspondiente cambio logartmico). Bajo esta hiptesis:
a) Determine la funcin de ajuste y el
ECM conseguido.
b) Si aumenta la potencia de un motor en un 10%, en qu
porcentaje repercutir dicho aumento en la aceleracin prevista?
Depende ello de la potencia que tenga el motor en cuestin?
c) El coeficiente de correlacin.
14



Sea y: variable aceleracin
X: variable motor
a) Para determinar la funcin de ajuste y ECM mediante el modelo = bx + a

b =

= -0.06796

a =

= 20.85132, luego la funcin

de ajuste es:
= -0.06796x + 20.85132
El error cuadratico medio es:
SSE =

]
SSE = 30.875 28.11845 = 2.75655
b) si x= 10 y se aumenta en 10% entonces x= 10.1
= -0.06796(10.1) + 20.85132 = 20.1649
= -0.06796(10) + 20.85132 = 20.17
Repercutir en el aumento significativo de 0.01 o 1% en la aceleracin
prevista, si clara a mayor potencia mayor aceleracin.}

c)

= 5875 -

= -413.75
Sxx =

= 63125 -

= 6087.5
15



Syy =

= 724.25 -

= 30.875

= -0.9530

8. En un nuevo proceso artesanal de fabricacin de cierto artculo que
est implantado, se ha considerado que era interesante ir anotando
peridicamente el tiempo medio (medido en minutos) que se utiliza
para realizar una pieza (variable Y) y el nmero de das desde que
empez dicho proceso de fabricacin (variable X). Con ello, se
pretende analizar cmo los operarios van adaptndose al nuevo
proceso, mejorando paulatinamente su ritmo de produccin conforme
van adquiriendo ms experiencia en l. A partir de las cifras recogidas,
que aparecen en la tabla adjunta, se decide ajustar una funcin
exponencial que explique el tiempo de fabricacin en funcin del
nmero de das que se lleva trabajando con ese mtodo.


X 10 20 30 40 50 60 70
Y 35 28 23 20 18 15 13

Desde el correspondiente ajuste propuesto, se pide que determine:
a) Qu tiempo se predecira para la fabricacin del artculo cuando se
lleven 100 das?
b) Qu tiempo transcurrira hasta que el tiempo de fabricacin que
se prediga sea de 10
minutos?
c) Qu porcentaje de tiempo se reduce por cada da que pasa?
d) El coeficiente de correlacin

sea:
Y: la variable tiempo medio para realizar una pieza
X: la variable nmero de dias del proceso de fabricacin.

a) Determinar el modelo que prediga la

16



donde

b =

= -0.34642
a =

= 35.5714
= 35.5714- 0.34642(X)
Ahora para x = 100 das, el tiempo medio de fabricacin de la pieza
es de:
= 35.5714- 0.34642 (100) = 0.9294
b) Cuando y = 10 minutos, el tiempo transcurrido de fabricacin de la pieza es:
= 35.5714- 0.34642(X)
10 - 35.5714 = -0.34642(X)
- 25.5714 = 0.34642(X)
X =

c) El coeficiente de correlacin es:

= 2800

= 355.428

17



10. Un estudiante de la Escuela Universitaria de Estudios Empresariales
de la 10. Universidad de Sevilla, para poder pagarse sus estudios, debe
trabajar como camarero en un bar de copas de su localidad. A este
establecimiento, suelen acudir todos los jvenes de la zona. Este ao,
con los conocimientos aprendidos, decide por fin estudiar la relacin
existente entre la cantidad de sal de las galletas saladas y el consumo
de bebidas, ya que es costumbre dar al cliente este aperitivo cuando
pide una consumicin. Se sabe que las galletas no pueden tener una
concentracin de sal superior a 3'5 gramos por cada 1000 galletas y, por
ello, decide ir variando a partir de 1 gramo la concentracin de 0'5 en 0'5
gramos cada semana e ir anotando el incremento en caja semanalmente,
obteniendo la siguiente tabla:

Gramos de sal por 1000
galletas
Ingresos
(pesetas)
1 140300
1,5 150000
2 165000
2,5 175000
3 200000

A partir de tales cifras, se quiere conocer:
a) Considera justificado el planteamiento de un modelo lineal para
expresar la relacin entre
las variables?
b) Si el propietario desea unos ingresos de 160.000 pesetas, qu
cantidad de sal debera
aportar por cada 1000 galletas? Si aporta el mximo permitido de
sal, cul sera el ingreso en caja? Explicar cul de las dos
predicciones le merece mayor confianza.
c) Cul sera la variacin porcentual de los ingresos cuando la cantidad
de sal aumenta en un 1%
sobre el ltimo valor de la tabla? Si aumentamos en 1gr. la sal por
cada 1000 galletas, cunto
variarn los ingresos?
d) El coeficiente de correlacin
Sea:
y: La variable ingreso
x: La variables gramos de sal

18

= 1732800
= 10
= 830300

= 22.5

Luego el modelo es = bx +a entonces = 28880x + 108300
Si los ingresos son y=160000 pesetas

160000 = 28880x + 108300
160000 108300 = 28880x

Si se aparta el mximo de sal el ingreso ser:

= 28880(3.5) + 108300 = 209380 pesetas

El modelo formal explica mejor el comportamiento de los ingresos ya que est ms
ajustado.

c) Si se aumenta en 1% sobre el ltimo valor tenemos:
= 28880 (3.03) + 108300 = 195806.4 pesetas

Para x=3

= 28880 (3) + 108300 = 194940 pesetas

Luego la variacin porcentual es:
||

d) El coeficiente de correlacin es:
19

= 2.5

= 2154472000

20