Problema 1 Para hacer un modelo de regresi´on necesitamos l´apiz (o bol´ıgrafo), folios y una

calculadora elemental. Nada m´as. En las pr´acticas era suficiente con introducir los datos
relativos a x y a y. Sin embargo, para hacer las cosas sin ordenador hay que trabajar un poquito
m´as. Por ese motivo vamos a hacer ejercicios con pocos datos. La idea es escribir una tabla
como la siguiente: xi yi x 2 i y 2 i xiyi 0.8 1 0.64 1 0.8 1 2 1 4 2 1.2 3 1.44 9 3.6 1.3 5 1.69 25 6.5
Suma 4.3 11 4.77 39 12.9 X = 4,3 4 = 1,075 Y = 11 4 = 2,75 SXY = 1 n Xn i=1 xiyi − XY = 12,9 4 −
1,075 · 2,75 ≈ 0,26875 S 2 X = 1 n Xn i=1 x 2 i − X 2 = 4,77 4 − 1,0752 ≈ 0,0369 En dicha tabla,
adem´as de introducir los valores de x e y, nos ayudamos de la calculadora para hacer el resto
de columnas y las sumas finales de cada una de ellas. A partir de esta tabla, y conociendo las f
´ormulas de la varianza y la covarianza, las calculamos tal y como aparecen a la derecha de la
tabla. A partir de las medias, las varianzas y la covarianza se calculan los coeficientes de la
recta de regresi´on de y sobre x. Recordemos que en la recta de regresi´on y = a + bx, los
coeficientes a y b est´an dados por las siguientes f´ormulas: b = SXY S 2 X ≈ 0,26875 0,0369 ≈
7,283 y a = Y − bX ≈ 2,75 − 7,283 · 1,075 ≈ −5,0847. Por lo tanto, la recta es y = −5,0847 +
7,283x . Esta recta es la que mejor predice el comportamiento de la variable y en funci´on de la
variable x. As´ı, para calcular lo que podemos esperar que cueste un autom´ovil de 1,1 Tm,
basta sustituir en la recta de regresi´on la x por 1,1: y(1,1) = −5,0847 + 7,283 · 1,1 = 2,9266
millones. Este es el ´ valor esperado (o valor que predice) nuestra regresi´on lineal para x = 1,1.
Para saber si la predicci´on es fiable (si el ajuste es bueno), calculamos el coeficiente de
correlaci´on lineal r: S 2 Y = 1 n Xn i=1 y 2 i − Y 2 = 39 4 − 2,752 ≈ 2,1875, luego r = SXY SXSY ≈
0,26875 √ 0,0369√ 2,1875 ≈ 0,9459, que es bastante pr´oximo a 1. Por tanto, los resultados se
pueden considerar fiables.