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.

0. 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 92 92 96 100 102 102 106 106 121 143

Rendimiento 1,7 2,3 1,9 2,0 1,5 1,7 1,6 1,8 1,0 0,3

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

Desviación
Media típ. N
Rendimiento 1.580 .5633 10
DURACIÓN 106.00 15.470 10

Correlaciones

Duración Rendimiento
Duración Correlación de Pearson 1 -.940**
Sig. (bilateral) . .000
N 10 10
Rendimiento Correlación de Pearson -.940** 1
Sig. (bilateral) .000 .
N 10 10
**. La correlación es significativa al nivel 0,01 (bilateral).

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) 5.207 .471 11.047 .000
DURACIÓN -.034 .004 -.940 -7.768 .000
a. Variable dependiente: Rendimiento

Instituto de Matemática y Física – Universidad de Talca

estadistica@utalca.cl
 2.5 .3

.2
2.0

.1

1.5
0.0

Unstandardized Residual
-.1
1.0

-.2
Rendimiento

.5
-.3

0.0 -.4
90 100 110 120 130 140 150 90 100 110 120 130 140 150

DURACIÓN DURACIÓN

0. Un investigador cree que la inteligencia de los niños, medida a través del coeficiente intelectual (CI en puntos),
depende del número de hermanos. Toma una muestra aleatoria de 15 niños y ajusta una regresión lineal simple. Los
resultados aparecen en la salida adjunta.

CI 110 115 120 118 110 108 105 104 98 99 98 100 90 93 90

Hermanos 0 1 1 1 2 2 2 3 3 4 4 5 5 5 6

) Encuentre e interprete el coeficiente de correlación r.

) Dé la ecuación de la recta de regresión. Interprete los estimadores en el contexto de la pregunta.
) Verifique los supuestos de regresión.
) ¿Existe una relación lineal significativa entre el número de hermanos y el coeficiente intelectual?

Salida SPSS:
Correlaciones

CI nhermanos
Correlación de Pearson CI 1.000 -.929
Estadísticos descriptivos nhermanos -.929 1.000
Desviación Sig. (unilateral) CI . .000
Media típ. N nhermanos .000 .
CI 103.87 9.591 15 N CI 15 15
nhermanos 3.00 1.732 15 nhermanos 15 15

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) 119.295 1.955 61.016 .000
nhermanos -5.143 .569 -.929 -9.036 .000
a. Variable dependiente: CI

Instituto de Matemática y Física – Universidad de Talca

estadistica@utalca.cl
 130 8

6
120

110
2

Unstandardized Residual
0
100

-2

90
-4
CI

80 -6
0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7

nhermanos nhermanos

Unstandardized Residual Stem-and-Leaf Plot

Frequency Stem & Leaf

1.00 -0 . 5
6.00 -0 . 001344
6.00 0 . 000013
2.00 0 . 56

Stem width: 10.00000 Each leaf: 1 case(s)

0. Se desea saber si existe alguna relación entre la ingestión y la absorción de grasas en lactantes desnutridos. Se realizan
20 determinaciones de ingestión y absorción cuyos resultados se muestran en la tabla que sigue.

INGESTION Y ABSORCION DE GRASAS EN 20 LACTANTES DESNUTRIDOS.

Caso Nº Ingestión Absorción Caso Nº Ingestión Absorción
1 1,4 0,7 11 2,0 1,4
2 1,6 1,2 12 1,4 1,1
3 2,1 1,6 13 1,9 1,5
4 1,7 1,1 14 1,8 1,3
5 1,8 1,3 15 1,9 1,5
6 2,6 2,0 16 1,6 1,4
7 1,5 1,2 17 1,9 1,7
8 2,5 1,5 18 2,1 1,7
9 2,7 2,4 19 1,6 1,3
10 1,8 1,5 20 1,6 1,1

) Estime a y b mediante el método de mínimos cuadrados. Interprete los coeficientes de regresión.

) Encuentre e interprete el coeficiente de correlación r.
) ¿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.
) El gráfico de residuos se puede usar para verificar el supuesto de homocedasticidad.

Instituto de Matemática y Física – Universidad de Talca

estadistica@utalca.cl
 Correlaciones

Absorción Ingestión
Correlación de Pearson Absorción 1.000 .866
Estadísticos descriptivos Ingestión .866 1.000
Desviación Sig. (unilateral) Absorción . .000
Media típ. N Ingestión .000 .
Absorción 1.425 .3611 20 N Absorción 20 20
Ingestión 1.875 .3740 20 Ingestión 20 20

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) -.143 .217 -.659 .518
Ingestión .836 .114 .866 7.353 .000
a. Variable dependiente: Absorción

2.5 .4

.2
2.0

-.0

1.5
Unstandardized Residual

-.2

1.0
-.4
Absorción

.5 -.6
1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.8 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.8

Ingestión Ingestión

Unstandardized Residual Stem-and-Leaf Plot

Frequency Stem & Leaf

1.00 Extremes (=<-.45)

1.00 -3 . 2
.00 -2 .
2.00 -1 . 27
5.00 -0 . 13669
6.00 0 . 055788
2.00 1 . 03
3.00 2 . 058

Stem width: .10000 Each leaf: 1 case(s)

Instituto de Matemática y Física – Universidad de Talca

estadistica@utalca.cl
5. La tabla más abajo presenta los datos sobre el número de cambios de aceite al año (x) y el costo de la reparación (y, en
miles de pesos) de una muestra aleatoria de 10 autos de una cierta marca y modelo.

# 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, verifique el supuesto de linealidad y valores extremos.
) Encuentre la recta de regresión de mínimos cuadrados.
) Interprete los valores estimados del intercepto y de la pendiente.
) Estima cuál será el costo de reparación de un auto que ha tenido 4 cambios de aceite.
) Si cambia x por y, obtendrá la misma recta de regresión?
) Calcule el residuo para la primera observación (x=3, y=150).
) Verifique los supuestos de la regresión lineal.

Salida SPSS:
Correlaciones

Y X
Correlación de Pearson Y 1.000 -.907
Estadísticos descriptivos X -.907 1.000
Desviación Sig. (unilateral) Y . .001
Media típ. N X .001 .
Y 368.75 179.160 8 N Y 8 8
X 3.50 1.604 8 X 8 8

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) 723.611 72.964 9.917 .000
X -101.389 19.161 -.907 -5.291 .002
a. Variable dependiente: Y

800 100

700

600

0
500

400
Unstandardized Residual

300
-100

200

100

0 -200
Y

0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7

X X

Instituto de Matemática y Física – Universidad de Talca

estadistica@utalca.cl