TAREA DE REPASO DE REGRESIÓN LINEAL SIMPLE

Nombre:_Sussan Mariel Gonzalez Caal____________________Carné:____15-059-0030___

Serie I Para cada pregunta marque la respuesta que considere correcta

1. El objetivo principal del modelo de correlación lineal simple es:
a) Determinar la fuerza de la relación entre X e Y;
b) predecir los valores de Y (variable dependiente) a partir de los valores de X (variable predictora);
c) valorar las diferencias entre variables que miden las mismas características.

2. En el modelo de regresión lineal simple, donde Y es la variable dependiente y X la

predictora (con valores fijados por el investigador), el parámetro beta (pendiente) indica:
a) el cambio en el valor esperado de Y por unidad de cambio en la variable X;
b) el cambio en el valor esperado de Y según la variación aleatoria de X;
c) el cambio en el valor esperado de X por unidad de cambio en la variable Y.

3. Cuando el investigador está interesado en realizar “predicciones”, las técnicas estadísticas

apropiadas son:
a) pruebas de diferencia de medias para muestras relacionadas;
b) técnicas de regresión;
c) técnicas de Análisis de Varianza

4. Cuando llevamos a cabo un análisis de regresión, el método de estimación por mínimos

cuadrados garantiza que:
a) las predicciones son exactas;
b) la ordenada en el origen de la recta de regresión es nula;
c) los errores de predicción son mínimos

5. En un modelo de regresión lineal, la parte no explicada por el modelo se expresa por medio
de:
a) El error estándar
b) Los residuos
c) El coeficiente de determinación
Serie II Ejercicio sobre Análisis de Regresión Lineal Simple
En una evaluación de un bosque natural puro de Pino, se midieron los DAP de los árboles dentro de las parcelas,
por lo costoso que es la toma de datos de altura, solo se tomó la altura total de algunos árboles, con el fin de
obtener una regresión lineal para inferir los valores de altura comercial del total de los árboles dentro de las
parcelas. Los datos obtenidos (DAP-altura total) y la salida proporcionada por Infostat, fueron los siguientes:
Coeficientes de regresión y estadísticos asociados

Con esta información:

a) De acuerdo con el diagrama de dispersión, ¿qué tendencia observa?
La tendencia es positiva, ascendente que va en incremento
b) Plantee las hipótesis: global del modelo y las individuales por cada parámetro, concluya a partir de su
significancia.
H0: Cuando incrementa el DAP, el incremento en Altura es Igual a cero.
Ha: Cuando incrementa el DAO, el incremento en Altura no es igual a cero.
H0: Cuando el DAP es igual a cero el árbol tiene 14.25 metros de altura.
Ha: Por cada centimetro que aumenta el DAP el árbol crece 0.34 metros de altura.
CONCLUSION: se rechaza la hipotesis nula debido a que el nivel de significancia esta por debajo de
0.05, por lo que se acepta la hipotesis alternativa ya que por cada centrimetro que aumente el DAP el
árbol va a tener un crecimiento de 0.34 metros.

c) Construya la ecuación de recta de mínimos cuadrados e interprete cada parámetro estimado.

Y=14.25 +0.34 (DAP)

En la ecuación el valor de 14.25 es constante y por cada centimetro que aumenta el DAP la altura
comercial incrementa 0.34 metros.

d) Trace la recta de regresión de mínimos cuadrados en el gráfico de dispersión, deje constancia del
procedimiento utilizado.

La ecuación de recta de mínimos cuadrados para la estimación de la Altura Comercial es la siguiente:

Y=14.25 +0.34 (DAP)
Se aplicó esta ecuación con los datos de DAP de la evaluación del bosque natural del pino.

Altura Comercial = 0.3367*(23) +14.253= 22.00 metros.

Altura Comercial =0.3367*(45) +14.253= 29.40 metros.
Altura Comercial =0.3367*(36) +14.253= 26.37 metros.
Altura Comercial =0.3367*(28) +14.253= 23.68 metros.
Altura Comercial =0.3367*(30) +14.253= 24.35 metros.
Altura Comercial =0.3367*(42) +14.253= 28.39 metros.
Altura Comercial =0.3367*(48) +14.253= 30.41 metros.
Altura Comercial =0.3367*(25) +14.253= 22.67 metros.
Altura Comercial =0.3367*(37) +14.253= 26. 71 metros.
Altura Comercial =0.3367*(20) +14.253= 20. 99 metros.

Construya el gráfico de o diagrama de dispersión e indique la tendencia observada.

e) Calcule el valor del coeficiente de determinación e interprételo.
R2= 09482
El coeficiente de determinación representa la proporción en la que se reduce el error con el modelo.
El R2 se encuentra próximo a 1 por lo que se puede determinar un ajuste perfecto.

f) Con la ecuación de regresión lineal simple anterior, para un valor de DAP = 40 cm, ¿cuál es el valor
predicho de la altura?
Altura de arbol: 14.25 +0.34 (40) = 27.85 metros.

g) Aplicando la ecuación de regresión lineal simple anterior , si la altura de un árbol es de 24 metros ¿cuál
es su DAP?