Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Construimos un modelo de regresin lineal simple para explicar la variabilidad en el tiempo de reaccin
(TR) ante cierto estmulo, medido en segundos, a partir de la edad del paciente, empleando una muestra
formada por 20 individuos afectados por cierta dolencia, obteniendo: Y = 0,35 + 0,01X. Indica cul de las
siguientes conclusiones se puede alcanzar a partir del enunciado:
a. El coeficiente de correlacin lineal entre la edad y el TR es negativo.
b. El modelo explica el 35% de la variabilidad en el TR para los 20 individuos incluidos en la muestra.
c. El tiempo medio de reaccin se incrementa 0,01 segundos por cada ao adicional del paciente.
d. Si un individuo tiene una edad de 30 aos, su TR es igual a 0,65.
e. El modelo explica el 10% de la variabilidad en el TR para los 20 individuos incluidos en la muestra.
a es falsa, ya que el coeficiente de correlacin lineal tiene el mismo signo que la pendiente, que es
b=0,01>0.
b es falsa, ya que no conocemos el valor del coeficiente de determinacin lineal R2 y en b afirma que es
0,35.
d es falsa, ya que lo que sabemos es que para los individuos de 30 aos TR vale, en promedio 0,65.
e es falsa por el mismo motivo que lo era b.
2.
Se ha realiza un estudio de regresin lineal simple para establecer una ecuacin mediante la cual se
pueda utilizar la concentracin de estrona en saliva para predecir la concentracin del esteroide en
plasma libre. Se extrajeron los siguientes datos de 14 varones sanos:
X
Y
1,4 7,5 8,5 9,0 9,0 11,0 13,0 14,0 14,5 16,0 17,0 18,0 20,0 23,0
30,0 25,0 31,5 27,5 39,5 38,0 43,0 49,0 55,0 48,5 51,0 64,5 63,0 68,0
Por cada unidad que aumenta la concentracin del esteroide en plasma libre la concentracin de
estrona en saliva aumenta, en promedio, 2,26 unidades.
Para los individuos con una concentracin de estrona en saliva de 0 unidades el promedio de la
concentracin del esteroide en plasma libre es igual a 2,26 unidades.
El 83,56% de los individuos tendrn una concentracin del esteroide en plasma libre correcta, segn
el modelo.
Por cada unidad que aumenta la concentracin de estrona en saliva la concentracin del
esteroide en plasma libre aumenta, en promedio, 2,26 unidades.
La relacin entre la concentracin de estrona en saliva y la concentracin del esteroide en plasma
libre es inversa, es decir, cuando una de ellas aumenta la otra tiende a disminuir.
El modelo es una lnea recta en la que Y es la concentracin de estrona en plasma libre (variable
respuesta) y X es la concentracin de estrona en saliva (variable explicativa). 2,26 es la pendiente de la
recta, es decir, lo que vara Y, en promedio, por cada unidad que aumenta X; en nuestro caso, por cada
unidad que aumenta la concentracin de estrona en saliva, la concentracin de estrona en plasma
aumenta, en promedio, 2,26 unidades, con lo que la respuesta correcta es la d.
a es falsa porque intercambia los papeles de ambas variables.
b es la interpretacin de la ordenada en el origen, pero en el modelo el valor es 15,85 y pone 2,26.
c es una interpretacin incorrecta del coeficiente de determinacin lineal R2. Debera ser: el modelo
explica el 83,56% de la variabilidad de la concentracin de estrona en plasma libre, para las 14
observaciones empleadas para estimarlo.
e es incorrecta, ya que el coeficiente de correlacin lineal tiene el mismo signo que la pendiente, que
es positiva (2,26), con lo que la relacin es directa, no inversa.
En el estudio de una reaccin qumica se sospecha que la temperatura con que entra uno de los reactivos
puede afectar al tiempo necesario para completar la reaccin. Para comprobar el efecto de la
temperatura del reactivo (en C) sobre el tiempo necesario para completar la reaccin (en minutos) se ha
recogido datos correspondientes a 20 realizaciones de la reaccin, segn se muestra en la siguiente
figura, en la que tambin se muestra el modelo de regresin lineal y el coeficiente de determinacin
lineal:
70
60
50
40
30
y = 50,37 - 2,01x
R = 0,64
20
10
0
-8
-6
-4
-2
10
12
3.a La variable respuesta es: Tiempo necesario para completar la reaccin, en minutos.
3.b La variable explicativa es: Temperatura con que entra el reactivo, en C.
3.c Qu podemos decir del tiempo de reaccin para los casos en que la temperatura con la que entra
el reactivo es igual a 2C?
3.e
3.f
3.g
Cuando la temperatura con que entra el reactivo es de 2C, el tiempo de reaccin es, en promedio,
de 46,35 minutos.
Interpreta el valor 50,37 que aparece en la expresin del modelo:
Cuando la temperatura con que entra el reactivo es de 0C, el tiempo de reaccin es, en promedio,
de 50,37 minutos.
Interpreta el valor 2,01 que aparece en la expresin del modelo.
Por cada C que aumenta la temperatura con que entra el reactivo, el tiempo de reaccin
disminuye, en promedio, 2,01 minutos.
Interpreta el valor del coeficiente de determinacin lineal R2 = 0,64.
El modelo explica el 64% de la variabilidad en el tiempo de reaccin para las 20 realizaciones de
la reaccin incluidas en la muestra.
El coeficiente de correlacin lineal es igual a:
r = 0,64 = 0,8 . En este caso es r = 0,8, ya que un aumento en la variable explicativa se asocia
con un descenso en el valor medio de la variable respuesta (relacin lineal inversa).
4. Se ha tomado una muestra de 100 trabajadores de una cierta categora laboral, para tratar de relacionar el
sueldo bruto anual de los mismos con la antigedad en la empresa en la que trabajan. Para alcanzar el
objetivo descrito se ha construido un modelo de regresin lineal simple a partir del cual se ha estimado
que los trabajadores nuevos (sin antigedad) que se incorporan a la empresa en dicha categora, ganan, en
promedio, 22.000 brutos al ao y que, cada ao de antigedad supone, en promedio, un incremento de
800 en el sueldo anual. El modelo resultante explica el 49% de la varianza del sueldo anual de dichos
trabajadores a partir de la antigedad de los mismos, para los 100 trabajadores incluidos en la muestra.
4.a Escribe la expresin del modelo de regresin lineal simple, si la antigedad se expresa en aos y el
sueldo bruto anual en miles de euros: ! !"#$%& = 22.000 + 800 !"#$%&'()(
4.b Calcula el sueldo medio de los trabajadores de dicha categora con una antigedad en la empresa
igual a 10 aos: ! !"#$%&|!"#$%&'()( = 10 = 22.000 + 800 10 = 30.000
4.c Cunto vale el coeficiente de correlacin lineal entre ambas variables? ! = ! ! = 0,49 = 0,7
6. Se observa que al aumentar la dosis de cierta medicacin, disminuye el tiempo que hay que tomar el
medicamento. Al construir un modelo de regresin entre ambas variables, ste explica el 36% de la
variabilidad en el tiempo que hay que tomar el medicamento. Cul de entre las siguientes afirmaciones
es compatible con el enunciado?:
2
a.
b.
c.
d.
e.
El 36% de las predicciones del modelo son correctas. Segn2 el enunciado R = 0,36 y al ser r la raz
de R , ser r = 0,60. El signo negativo se
r = +0,60
debe a que al aumentar el valor de una de las
r = 0,60
variables (la dosis) el valor de la otra
r = +0,36
disminuye (el tiempo). La respuesta correcta
Por cada 1% que se incrementa la dosis el tiempo es la c.
baja un 36%.
7. Hemos elaborado un modelo de regresin lineal simple para explicar la variabilidad en el grado de
satisfaccin que manifiestan los pacientes tratados de cierta enfermedad (medido mediante un ndice que
toma valores entre 0 y 10) a partir de la duracin del tratamiento (medida en nmero total de sesiones).
Para elaborar el modelo hemos recurrido a una muestra formada por 200 pacientes y el modelo resultante
es: y = 2,8 + 0,25 x , con un coeficiente de determinacin lineal R2 = 0,67.
7.a
8.c
1
2
3
19
20
X
Y
X
9,1
57,8
82,81
7,6
51,8
57,76
7,9
46,2
62,41
9,9
60
98,01
10,4
52,8
108,16
192,70 1.066,90 1.908,31
9,6350 53,3450 95,4155
XY
Y
3.340,84
525,98
2.683,24
393,68
2.134,44
364,98
3.600,00
594
2.787,84
549,12
57.814,13 10.458,90
2.890,7065 522,9450
60
50
40
7
9.a
10
11
12
13
14
Construye un modelo de regresin lineal adecuado para estimar el tiempo de montaje a partir del
peso de la pieza, representa el modelo junto a la nube de puntos del grfico de arriba.
!!! = ! ! ! ! = 95,4155 9,635! = 2,5823 !! = 2,5823 = 1,607
!!! = ! ! ! ! = 2890,7065 53,345! = 45,0175 !! = 45,0175 = 6,7095
!!" = !" ! ! = 522,945 9,635 53,345 = 8,9659
!!" 8,9659
!= ! =
= 3,4721
2,5823
!!
! = ! !! = 53,345 3,4721 9,635 = 19,8913
El modelo es: ! = 19,89 + 3,47!
9.b
Cunto vara, en promedio, el tiempo necesario para montar una pieza, por cada Kg que aumenta
su peso?
Por cada Kg que aumenta el peso de una pieza, el tiempo de montaje de la misma aumenta, en
promedio, 3,47 minutos.
9.c