UNIVERSIDAD NACIONAL DE TUMBES

FACULTAD DE CIENCIAS ECONÓMICAS

ESCUELA PROFESIONAL DE ECONOMÍA

EJERCICIOS PROPUESTOS II UNIDAD

AUTORES:

Cespedes Alemán, Jhosua Anthony

DOCENTE:

Blas Pérez, Juan Santiago

Tumbes –Perú

2019
 EJERCICIOS
12.1 Se llevó a cabo un conjunto de ensayos experimentales con un horno para
determinar una forma de predecir el tiempo de cocción y, a diferentes niveles de
ancho del horno, X1 y a diferentes temperaturas, X 2 se registraron los siguientes
datos:

y x1 x2
6.40 1.32 1.15
15.05 2.69 3.40
18.75 3.56 4.10
30.25 4.41 8.75
44.85 5.35 14.82
48.94 6.20 15.15
51.55 7.12 15.32
61.50 8.87 18.18
100.44 9.80 35.19
111.42 10.65 40.40

Estime la ecuación de regresión lineal múltiple

 y x1 , x2  0  1 x1  2 x2

Solución:

Resumen

Estadísticas de la regresión
R 0.999862111
R^2 0.999724241
R^2 ajustado 0.999645453
Error típico 0.656971152
Observaciones 10

Análisis

FV GL SC CM F
Regresión 2 10953.20257 5476.601286 12688.74075
Residuos 7 3.021277663 0.431611095
Total 9 10956.22385
 Coeficientes Error típico Estadístico t
Intercepción 0.579987895 0.606853464 0.955729726
2.712237579 0.202086444 13.42117522
2.049707487 0.048081813 42.62958013

^
y  0,579987895  2, 712237579 x1  2, 049707487 x2   i

1 : Cuando se aumenta el ancho del horno en una unidad y la temperatura se

mantiene constante, la predicción del tiempo de cocción se acerca en 2,712237579.

 2 : Cuando el ancho del horno se mantiene constante y la temperatura se aumenta

en una unidad, la predicción del tiempo de cocción se acerca en 2,049707487.

12.2 En Applied Spectroscopy se estudiaron las propiedades de reflectancia

infrarroja de un líquido viscoso que se utiliza como lubricantes en la industria
electrónica. El experim ento que se diseñó consistió en medir el efecto de frecuencia
de banda x1 y el espesor de película x2 sobre la densidad óptica, y, usando un
espectrómetro infrarrojo Perkin – Elmer Modelo 621.

y x1 x2
0.231 740 1.10
0.107 740 0.62
0.053 740 0.31
0.129 805 1.10
0.069 805 0.62
0.030 805 0.31
1.005 980 1.10
0.559 980 0.62
0.321 980 0.31
2.948 1235 1.10
1.633 1235 0.62
0.934 1235 0.31

Estime la ecuación de regresión lineal múltiple

^
y   0  1 x1   2 x2

Solución:

Resumen

Estadísticas de la regresión
R 0.907107156
R^2 0.822843392
R^2 ajustado 0.783475256
Error típico 0.406301405
Observaciones 12

Análisis de varianza

FV GL SC CM F
Regresión 2 6.900792767 3.450396383 20.90125
Residuos 9 1.485727483 0.165080831
Total 11 8.38652025

Coeficientes Error típico Estadístico t

-
Intercepción 3.372673254 0.635996342 -5.30297587
0.003616718 0.00061214 5.908318452
0.947598885 0.360894323 2.62569629

^
y  3,372673254  0, 003616718 x1  0,947598885 x2   i

1 : Cuando la frecuencia de banda aumenta y el espesor de película se mantiene

constante, la densidad óptica aumenta en 0.003616718.

 2 : Cuando la frecuencia de banda se mantiene constante y el espesor de película

aumenta en una unidad, la densidad óptica aumenta en 0.947598885.

12.3 En el ejercicio de repaso 11.53 de la página 437 suponga que también se

proporciona el número de periodos de clases perdidos por los 12 estudiantes que
toman el curso de química. A continuación se presentan los datos completos.

Estudiante Calificación en Calificación en Clases

química y el examen x1 Perdidas x2
1 85 65 1
2 74 50 7
3 76 55 5
4 90 65 2
5 85 55 6
6 87 70 3
7 94 65 2
8 98 70 5
9 81 55 4
10 91 70 3
11 76 50 1
 12 74 55 4

a) Ajuste una ecuación de regresión lineal múltiple de la forma

^
yi   0  1 x1   2 x2

Resumen

Estadísticas de la regresión
R 0.86476271
R^2 0.747814544
R^2 ajustado 0.691773332
Error típico 4.517300795
Observaciones 12

Análisis de varianza

FV GL SC CM F
Regresión 2 544.5959418 272.2979709 13.34401
Residuos 9 183.6540582 20.40600647
Total 11 728.25

Coeficientes Error típico Estadístico t

Intercepción 27.54669998 12.49811297 2.204068729
Calificación en el
examen 0.921678442 0.185826852 4.959877621
Clases perdidas 0.284249526 0.7535967 0.377190513

^
yi  27.54669998  0,921678442 x1  0, 284249526 x2   i

1 : Cuando la calificación en el examen varia en una unidad y las clases perdidas

se mantienen constantes la calificación en química aumenta en 0,921678442.

 2 : Cuando la calificación se mantiene constante y las clases perdidas varían en

una unidad la calificación en química aumenta en solo un 0,284249526.

b) Estime la calificación de química para un estudiante que en la prueba de

inteligencia obtuvo 60 de calificación y perdió 4 clases.
^
yi  27.54669998  0,921678442(60)  0, 284249526(4)  83.9844046

Cuando: x1  60 y x2  4 la calificación en química es 83.9844046

12.4 Se realizó un experimento para determinar si era posible predecir el peso de un
animal después de un periodo determinado con base en su peso inicial y la cantidad
de alimento que consumía. Se registraron los siguientes datos, en kilogramos.

Peso final y Peso inicial x1 Peso del alimento x2

95 42 272
77 33 226
80 33 259
100 45 292
97 39 311
70 36 183
50 32 173
80 41 236
92 40 230
84 38 235

a) Ajuste una ecuación de regresión múltiple de la forma

 y x1 , x2  0  1 x1  2 x2

Resumen

Estadísticas de la regresión
R 0.93442923
R^2 0.87315798
R^2 ajustado 0.8369174
Error típico 6.05078864
Observaciones 10

Análisis de varianza

FV GL SC CM F
Regresión 2 1764.2157 882.107849 24.0933795
Residuos 7 256.284302 36.6120431
Total 9 2020.5

Estadístico
Coeficientes Error típico t
- -
Intercepción 22.9931639 17.7625433 1.29447476
Peso inicial 1.39567292 0.58254166 2.39583365
Peso del alimento 0.21761341 0.05776696 3.76709101

 y x1 , x2  22.9931639  1.39567292x1  0.21761341x2   i

1 : Con su peso inicial constante y la cantidad del alimento variando en una unidad
su peso final aumenta en 1,39567292.

2 : Cuando el peso inicial varía en una unidad y la cantidad de alimento se

mantiene constante el peso final aumenta en 0,21761341.

b) Prediga cuanto pesara un animal que comienza pesando 35 kilogramos

después de consumir 250 kilogramos de alimento.

 y x1 , x2  22.9931639  1.39567292(35)  0.21761341(250)  126, 2450686

Cuando: x1  35 y x2  250 la calificación en química es 126,2450686

12.5 Se cree que la energía eléctrica que una planta química consume cada mes se
relaciona con la temperatura ambiental promedio, x1 el número de días del mes x2
la pureza promedio del producto x3 y las toneladas fabricadas del producto x4 . Se
dispone de datos históricos del año anterior, los cuales se presentan en la siguiente
tabla.

y x1 x2 x3 x4
240 25 24 91 100
236 31 21 90 95
290 45 24 88 110
274 60 25 87 88
301 65 25 91 94
316 72 26 94 99
300 80 25 87 97
296 84 25 86 96
267 75 24 88 110
276 60 25 91 105
288 50 25 90 100
261 38 23 89 98

a) Ajuste un modelo de regresión lineal múltiple usando el conjunto de datos

anteriores

Resumen

Estadísticas de la regresión
R 0.86298887
R^2 0.74474978
R^2 ajustado 0.59889252
Error típico 15.5793327
Observaciones 12
Análisis de varianza

FV GL SC CM F
Regresión 4 4957.24074 1239.31019 5.10601768
Residuos 7 1699.00926 242.715608
Total 11 6656.25

Estadístico
Coeficientes Error típico t
- -
Intercepción 102.713236 207.858851 0.49414897
0.60537054 0.36889695 1.64102883
8.9236442 5.30052224 1.68354056
1.43745673 2.39162051 0.60103881
0.01360931 0.73382144 0.0185458

^
yi  102.713236  0.60537054 x1  8.9236442 x2  1.43745673x3  0.01360931x4   i

1 : Cuando la temperatura ambiente promedio aumenta en una unidad y el resto de

las variables independientes se mantienen constantes, el consumo de energía se da
en 0,60537054.

 2 : Cuando el día del mes varía y las demás variables se mantienen constantes, el
consumo de energía aumenta en 8,9236442

 3 : Cuando la pureza promedio del producto aumenta en una unidad y el resto de

las variables se mantienen constantes el consumo de energía aumenta en
1,43745673.

 4 : Cuando las toneladas del producto aumentan en una unidad y las demás
variables se mantienen constantes, el consumo de energía aumenta en 0,01360931.

b) Prediga el consumo de energía para un mes en que x1 = 75 F, x2 = 24 días,

x3 = 90% y x4 = 98 toneladas

^
yi  102.713236  0.60537054(75)  8.9236442(24)  1.43745673(0,90)  0.01360931(98)  364,9109107

12.6 Se realizó un experimento sobre un modelo nuevo de una marca de automóvil

específica para determinar la distancia de frenado a distintas velocidades.

Se registraron los siguientes datos.

Velocidad, v (km/h) 35 50 65 80 95 110
Distancia de frenado d 16 26 41 62 88 119

a) Estime una curva de regresión múltiple de la forma  D v   0  1v   2 v 2

DISTANCIA DE VELOCIDAD
VELOCIDAD
FRENADO V^2
16 35 1225
26 50 2500
41 65 4225
62 80 6400
88 95 9025
119 110 12100

Resumen

Estadísticas de la regresión
R 0.99999213
R^2 0.99998425
R^2 ajustado 0.99997376
Error típico 0.20118695
Observaciones 6

Análisis de varianza

FV GL SC CM F
Regresión 2 7711.2119 3855.60595 95256.1471
Residuos 3 0.12142857 0.04047619
Total 5 7711.33333

Estadístico
Coeficientes Error típico t
Intercepción 13.3587302 0.71689646 18.6341136
- -
VELOCIDAD 0.33944444 0.02146044 15.8172168
VELOCIDAD
V^2 0.0118254 0.00014634 80.8065955

 D v  13.3587302  0.33944444v  0.0118254v 2   i

1 : Cuando la velocidad aumenta en una unidad, la distancia del frenado aumenta
en 0,339444444

 2 : Cuando la velocidad cuadrática aumenta en una unidad, la distancia del frenado

aumenta en 0,0118254

b) Estime la distancia de frenado cuando el automóvil viaja a 70 kilómetros por

hora.

 D v  13.3587302  0.33944444(70)  0.0118254(70)2  95, 0643

Cuando v = 70 la distancia de frenado es de 95,0643

12.7 Se realizó un experimento con el fin de determinar si el flujo sanguíneo cerebral

de los seres humanos de los seres humanos se podía predecir a partir de la tensión
arterial del oxígeno (milímetro de mercurio). En el estudio participaron 15 pacientes
y se reunieron los siguientes datos:

FLUJO SANGUINEO, y TENSION ARTERIAL DEL OXIGENO, x

84,33 603,40
87,80 582,50
82,20 556,20
78,21 594,60
78,44 558,90
80,01 575,20
83,53 580,10
79,46 451,20
75,22 404,00
76,58 484,00
77,90 452,40
78,80 448,40
80,67 334,80
86,60 320,30
78,20 350,30

Estime la ecuación de regresión cuadrática

 y x  0  1 x  2 x2

TENSION TENSION
FLUJO ARTERIAL ARTERIAL
SANGUINEO, DEL DEL
y OXIGENO, OXIGENO,
x x^2
84.33 603.4 364091.56
87.8 582.5 339306.25
 82.2 556.2 309358.44
78.21 594.6 353549.16
78.44 558.9 312369.21
80.01 575.2 330855.04
83.53 580.1 336516.01
79.46 451.2 203581.44
75.22 404 163216
76.58 484 234256
77.9 452.4 204665.76
78.8 448.4 201062.56
80.67 334.8 112091.04
86.6 320.3 102592.09
78.2 350.3 122710.09

Resumen

Estadísticas de la regresión
R 0.65439551
R^2 0.42823348
R^2 ajustado 0.33293906
Error típico 2.97897033
Observaciones 15

Análisis de varianza

FV GL SC CM F
Regresión 2 79.7582291 39.8791145 4.4937939
Residuos 12 106.491171 8.87426425
Total 14 186.2494

Estadístico
Coeficientes Error típico t
Intercepción 141.611781 22.9558427 6.16887748
- -
TENSION ARTERIAL DEL OXIGENO, x 0.28192708 0.10154856 2.77627832
TENSION ARTERIAL DEL OXIGENO, x^2 0.00030914 0.00010824 2.85613632

 y x  141,611781  0, 28192708x  0,00030914x2   i

1 : Cuando la tensión arterial aumenta en una unidad la predicción a partir de la

tensión arterial aumenta en 0,28192708.
 2 : Cuando la tensión arterial cuadrática aumenta en una unidad la predicción a
partir de la tensión arterial aumenta en 0,00030914.

12.8 El siguiente es un conjunto de datos experimentales codificados acerca de la

resistencia a la compresión de una alienación específica para distintos valores de la
concentración de cierto aditivo: