Está en la página 1de 9

Estadstica Aplicada a la ingeniera

REGRESIN LINEAL MULTIPLE


MII. Paloma Serrano Ruiz
Hctor Armando Garca Crdenas
Ing. Tecnologas de la Produccin
7-A

1. Dados los siguientes conjuntos de datos:

U
V
W
X

1
3
4.54
3
6.64
6

2
5
4.54
3
6.64
6

3
6
4.54
3
6

4
5
4.54
3
6

5
7
4.54
3
6

6
9
4.54
3
7

7
10
4.54
3
7

8
9
4.54
3
5.68
4

9
10
4.54
3
8.83
8

10
10
14.11
7
14.18
6

a. Dibujar el diagrama de dispersin de cada uno de los conjuntos de datos.


Grfica de dispersin de V vs. U

Grfica de dispersin de X vs. W

10
14
9

13
12

11

10
9

7
4

6
5

2
0

10

10

12

14

b. Calcular la recta de regresin de cada uno de los conjuntos de datos y


dibujarla en el diagrama de dispersin, considerando como variables
independientes las variables U, W, X.

c.

Calcular
coeficiente de correlacin lineal para cada uno de los conjuntos.
RAjustado = 0.8769
R = 0.229
d. Qu podemos observar?

el

R = 0.1286

El conjunto de datos V/U tiene una correlacin notablemente ms fuerte que los
otros dos
2.- Un gerente de recursos humanos desea determinar el salario que debe pagar a
cierta categora de obreros. Para determinar dicho salario que debe pagar a cierta
categora de obreros. Se realiza un estudio en el que intervienen las variables
Salario Mensual (en miles de pesos), Nivel de Produccin Anual en la Empresa (en
millones de pesos) y Nivel de especializacin Media del Trabajador (de 0 a 10). El
gerente obtiene esta serie de resultados:
Salario
Produccin

123
.4
300.
5
4.3

135
.7
325.
9
5.5

115
.9
298.
6
7.8

100
.6
200.
9
4.9

98.
7
300.
4
4.3

150
.4
359.
8
8.5

124
.6
279.
6
6.4

110
215.
6
5.6

138
.6
250

123
.4
300

a)

Especializa
5.3
5
cin
Calcular el plano de regresin lineal mnimo cuadrtico que explica el salario en funcin
de la produccin y del nivel de especializacin.
b) Estudia la validez de la funcin obtenida en el apartado anterior por medio de una
medida descriptiva. Cunto vale la varianza residual?
c) Calcula el coeficiente de correlacin parcial para dos variables explicativas.
d) Qu salario se debera pagar si el nivel de produccin fuese de 315 millones de
pesos y el nivel medio de especializacin de 6.6?

A) Y = a0 + a1 x1 + a2 x2 --------> Y = 56.22 + 0.1584 . X1 + 3.6522 . X2 ...


B)
C)

D) 0.1584*315+3.6522*6.6+56.22 = 130.22
Aunque este pronstico no es demasiado fiable puesto que R^2
Ajustado es demasiado bajo

Coeficiente de correlacin para produccin y especializacin por


separado

Grfica de dispersin de Salario vs. Produccin, Especializacin


4

Produccin

Especializacin

150

Salario

140

130

120

110

100
200

240

280

320

360

3.- Los ahorros S y los ingresos Y mensuales en cientos de euros de una


muestra de 10 familias de una determinada regin se presentan en la
siguiente tabla:
Ahorros

1.9

1.8

2.1

1.9

2.2

2.3

2.7

Ingreso
s

20.5

20.8

21.2

21.7

22.1

22.3

22.2

22.6

23.1

e. Ajustar los datos anteriores a un modelo lineal que explique lo


ahorros familiares en funcin de los ingresos de la regin dada.

Y = - a 0 + a1 . X 1

y = 5,4 +

0,34.y
f.

Qu ahorro se puede prever para una familia de la regin que


ingrese 2500 (141.8 euros) pesos mensuales?
= 5,4 + 0,34y ---- 5.4 + 0.34 * 141.8 = 42.78

Grfica de dispersin de Ingresos vs. Ahorros


24.0
23.5

R^2 = 0.7242

Ingresos

23.0
22.5
22.0
21.5
21.0
20.5
1.8

2.0

2.2

2.4

2.6

2.8

3.0

Ahorros

4.- Se considera que la energa elctrica que consume una planta qumica cada
mes est relacionada con la temperatura ambiente promedio (x 1), el nmero de
das del mes(x2), la pureza promedio del producto (x3) y las toneladas de producto

23.5

fabricadas (x4). Se dispone de los datos histricos del ao pasado y se presentan


en la siguiente tabla:
Y
240
236
290
274
301
316
300
296
267
276
288
261

X1
25
31
45
60
65
72
80
84
75
60
50
38

X2
24
21
24
25
25
26
25
25
24
25
25
23

X3
91
90
88
87
91
94
87
86
88
91
90
89

X4
100
95
110
88
94
99
97
96
110
105
100
98

g. Ajuste un modelo de regresin lineal mltiple con el conjunto de datos


anterior.

Y = -103 + 0.605.X1 + 8.92.X2 + 1.44.X3 + 0.014.X4


h. Pronosticar el consumo de energa para un mes en el que x 1=75 F, x2=
24 das, X3= 90 pureza promedio y x4= 98 toneladas.

Para un pronstico para el consumo de energa con una temperatura


de 75F, 24 das, 90 pureza promedio y 98 toneladas de producto
fabricado es de:
-103+ (0.605*75)+ (8.92*24)+ (1.44*90)+ (0.014*98) = 287.4 de consumo
de energa elctrica.

PRONOSTICO CALCULADO POR MINTAB

Grfica de dispersin de Y vs. X1, X2, X3, X4


X1

X2

320
300
280
260
240

20

40

60

80

22

24

X3

320

26

X4

300
280
260
240
85.0

87.5

90.0

92.5

95.0

90

95

100

105

En el anlisis de correlacin vemos que X 2


tiene un coeficiente de 0.803, siendo
tambin la variable X1 con una R^2 de
0.751

110

En las grficas de
dispersin se
observa que la
variable con mayor
relacin al
consumo de
energa elctrica,
en donde los datos
se ajustan ms a la
recta de energa
elctrica son los
das del mes (X2)

5.- Se llev a cabo un estudio sobre el desgaste de un cojinete y su relacin con


x1= viscosidad del aceite y x2= carga. Se obtienen los siguientes datos.
Y
193
230
172
91
113
125

X1
1.6
15.5
22
43
33
40

X2
851
816
1058
1201
1357
1115

i.

Estime los parmetros de la ecuacin de regresin lineal mltiple.


Y = a0 a1 . X1 a2 . X2
parmetros estimados
Y = 351
1.27 * 20 - 0.1539 * 1200

j.

Pronostique el uso de la viscosidad del aceite es 20 y la carga de 1200

El pronstico de desgaste con los siguientes predictores: viscosidad


de 20 y una carga de 1200 es de: R = 140.92
Y =351-1.27*20-0.1539*1200 = 140.92

Grfica de dispersin de desgaste vs. viscocidad, carga


800

viscocidad

250

desgaste

200
175
150
125
100

10

20

1200

1400

carga

225

1000

30

40

En ambas
variables
tenemos una
correlacin
negativa
masomenos
fuerte, para
viscosidad:
-0.852

Y para carga: - 0.898


Lo que nos indica que conforme aumentan la velocidad
y la carga el desgaste es menor