Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Propuestos de Regresion PDF
Ejercicios Propuestos de Regresion PDF
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:
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.
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
.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.
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
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
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.
) 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.
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
# 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