EXAMEN DE APLAZADOS

NOMBRES Y APELLIDOS: GRECIA KATHERIN CHURA ALAY

X Y
134 2
Determine e interprete:
125 3
a) Modelo de regresión lineal
11 5 b) Inferencia para B1
96 6 c) ANOVA
85 7 d) Intervalos de confianza para Y estimado del noveno valor
e) Intervalos de confianza cuando Y=40
74 9
63 11 Nota: Crear variables coherentes y diferentes al que se realizó en clase
55 13
43 15
33 18
28 15
20 12

SE TOMAN LAS VARIABLES, MILLAS Y COSTOS ENTENDIENDOSE QUE SE REFIEREN A COSTOS EN

MONEDAS POR MILLAS RECORRIDAS POR ALGUN VEHICULO.

a) Modelo de regresión lineal (METODO MATRICIAL)

2 1 134
3 1 125
5 1 11 TRASPUESTA
Y= 6 X= 1 96
7 1 85
9 1 74
11 1 63
13 1 55
15 1 43
18 1 33
15 1 28
12 1 20

Trasponer X

TRASPUESTA= 1 1 1 1 1 1 1 1 1 1 1 1
X' = 134 125 11 96 85 74 63 55 43 33 28 20
 MULTIPLICAR X CON SU TRASPUESTA
1 134
1 125
1
1
134
125
1 11111111111 11
ܺԢ‫ܺ כ‬ൌ 134 125 1 96 85 74 63 5 43 3 28 20 1 96
1 1 1 1 1 1 1 1 1 1 1 1 1 11
ܺԢ
‫ܺ כ‬ൌ 134 125 11 96 85 74 63 55 43 33 28 20 1 96
1 85

ܺ ‫כ‬Ԣ
ܺൌ 12
767
767
66735
1
1
1
74
63
55
1 85
(ܺԢ
‫ܺ כ‬ሻLJͽ ൌ Cܷܱ ‫ܦ‬ ‫ܣ‬
ܰ
1
1
1
43
33
28
1 74
1 20
12 767 1 63
Ԣ
ܺ‫ܺכ‬ൌ
767 6 735 15
1 43
13
(ܺԢ‫ܺ כ‬ሻLJͽൌ Cܷܱ ‫ܰܣ ܦ‬ 1 28
1 20

12 767
ܺ ‫כ‬Ԣ
ܺൌ
767 66735

‫ܺ כ‬ሻLJ
(ܺԢ ͽൌ Cܷ ‫ܱܦ ܰܣ‬

0.31 0.00
‫ܺ כ‬ሻLJ
(ܺԢ ͽ ൌ 0.00 0.0001

INVERSA DE MATRIZ RESULTANTE

12 767
ܺ ‫כ‬Ԣ
ܺൌ
767 66735

‫ܺ כ‬ሻLJ
(ܺԢ ͽൌ Cܷ ‫ܱܦ ܰܣ‬

0.31 0.00
‫ܺ כ‬ሻLJ
(ܺԢ ͽ ൌ 0.00 0.0001

MULTIPLICAR TRANSPUESTA DE X CON Y 0.31 0.00

(ܺ‫כ‬ԢܺሻLJͽൌ 0.000.00 1
2
3
(ܺ ‫כ‬Ԣ
ܺሻLJͽ ൌ
0.31
0.00
0.00
0.0001
2
ܺԢ‫ܻ כ‬ൌ 1 1 1 1 1 1 1 1 1 1 1 1 5
134 125 1 96 85 74 63 5 43 33 28 20 6
3
ܺԢ‫ܻ כ‬ൌ 1 1 1 1 1 1 1 1 1 1 1 1 5
134 125 11 96 85 74 63 55 43 33 28 20 6
7

7
9
ܺԢ
‫ܻ כ‬ൌ 116 11
5842 13
15
B  (X l
X ) 1
X l
Y Y 
Millas
0

 1 X
 0  1
( Costos )
18
15
12
9
ܺԢ‫ܻ כ‬ൌ 1 6
B=
1
15.341
- 0.089 Millas=15.341-0.089(Costos)

5842 13
15
l 1 l
B  (X X ) X Y 0 1 Y    X 18
15
MULTIPLICAMOS MATRICES 12
RESULTANTES
ܺ ‫כ‬Ԣ
ܻൌ 116 B= 15.341 Mil a s   
0 1 ( C ostos )

Y   0  1 X
5842 -0.089 Mil as=15.341-0.089(Costos)
B  ( X l X ) 1 X lY

B= 15.341 Mil as   0   1 (Costos )

-0.089 Millas=15.341-0.089(Costos)

OBTENEMOS RESULTADOS PARA B1 Y B0

B  ( X l X ) 1 X l Y Y   0  1 X

B= 15.341
Millas   0   1 ( Costos )
-0.089 Millas=15.341-0.089(Costos)

Millas=15. 341−0 . 089(Costo)

b) INFERENCIA PARA B1
variables
MILLAS COSTOS Y estim

Item Y X X;

1 2 134 17956 3.44

2 3 125 15625 4.24
3 5 11 121 14.36
4 6 96 9216 6.82
5 7 85 7225 7.79
6 9 74 5476 8.77
7 11 63 3969 9.75
8 13 55 3025 10.46
9 15 43 1849 11.52
10 18 33 1089 12.41
11 15 28 784 12.86
12 12 20 400 13.57
Total 116 767 66735 116

Paso 1: Formular las pruebas de hipótesis

 Hipótesis Nula (H0): B1=0 (El ingreso no influye en el gasto)

 Hipótesis Alterna (H1): B1≠0: (El ingreso influye en el gasto)

Paso 2: Margen de error alfa: 5% =0,05

Paso 3: Diseño estadístico: t- estudent

∑ (Y −Yestim)(2Y
S=
√ 
 ( Y Yestim
N °Svar−2
S 
Yestim
N  var  2
)

N  var  2
2
)2 =
151.08
12.00 -2
=
3.8869

S
S β 1= S 1  S =
3.8869 3.8869 = 0.0292
√∑ X 2−N °var(
=
X 2 promX
N  var(promX
)2 )
2
66735 -12 64 133.0824

β^ 1−β 1 -0.089 = -3.040 se asume B1 = 0

t c= 0.029
Sβ 1
 variables
MILLAS COSTOS Y estim

Item Y X

1 2 134 3.44
2 3 125 4.24
3 5 11 14.36
4 6 96 6.82
5 7 85 7.79
6 9 74 8.77
7 11 63 9.75
8 13 55 10.46
9 15 43 11.52
10 18 33 12.41
11 15 28 12.86
12 12 20 13.57
Total 116 767 116

Y^ 1 =515. 341−0 . 089(134 )=3 . 44

Y 2 =515. 341−0. 089(125 )=4 .24
Y^ 3 =515. 341−0. 089(11)=14 . 36
Y^ 4 =515 . 341−0 . 089(96 )=6 . 82
Y 5 =515. 341−0. 089(85 )=7 . 79
Y^ 6 =515 .341−0 .089(74 )=8 .77
Y^ =515 .341−0. 089(63 )=9. 75
7
Y^ 8 =515 .341−0 .089(55 )=10 . 46
Y^ 9 =515 .341−0 .089( 43)=11.52
Y^ 10=515 .341−0 .089 (33)=12 . 41
Y^ =515. 341−0 . 089(28 )=12. 86
11
Y^ 12=515 .341−0 .089(20 )=13 . 57
Paso 4: región critica
 t α t 0 ,05
1− ,n−2
2 1−
2
,12−2 t 0,975 ,10=2,22814

- 2.22814 2.22814 -3.040

Como Tc = -3.040 Es menor que T, por lo tanto se Acepta la Hipotesis Nula, dado que se
encuentra fuera de la region de rechazo y dentro del porcentaje establecido.

Paso 5: tomar una decisión o conclusión

Hay evidencia para afirmar que los costos no influyen en las millas, con un margen de error del
5%

c) ANOVA
‫ݐ݉݅ݏ ݐ‬
(ܻ݁ ( X  X )
Y X െ‫݉݋ݎ݌‬
ܻ‫݉ݎ‬ ሻ; (Y  Y )

2 134 58.7778 38.7112 -537.3056

3 125 44.4444 29.4071 -407.2222
5 11 21.7778 22.0695 246.9444
6 96 13.4444 8.1127 -117.6389
7 85 7.1111 3.5034 -56.2222
9 74 0.4444 0.8013 -6.7222
11 63 1.7778 0.0066 -1.2222
13 55 11.1111 0.6266 -29.7222
15 43 28.4444 3.4482 -111.5556
18 33 69.4444 7.5334 -257.6389
15 28 28.4444 10.1671 -191.5556
12 20 5.4444 15.2008 -102.4722
116 767 290.67 139.59 -1572.33
Coeficiente de determinacion

139.59 0.4802 = 48.02%

= =
290.67

El grado de dependencia que tiene las millas respecto al costo es en un 48.02% o también por
cada variación que se da en el costo, las millas tienden a variar en un 89,63%, lo cual
demuestra que la dependencia es alta.
 Correlacion

^ Y )Ȳ )2
 (Y(ˆ Y
∑ 139.59 0.6930 = 69.30%

√ − 2
= =
RR=
 290.67
 (Y  Y ) 2 2
∑ (Y −Ȳ )

El grado de relación entre las millas y el precio es en un 69,30%, lo cual indica que la relación
es bastante alta.

Covarianza

( X  X )(Y  Y ) -1572.33 -142.9394

cov=
∑ ( X− X̄ )(Y −Ȳ ) cov 
n 1
=
12 -1
=

n−1

Existe dependencia es NEGATIVA entre las millas y los costos, es decir a medida que el costo
sube las millas tiende a bajar.

d) Intervalos de confianza para B1

p β^ 1−t ^
[ 
α
1− ; n−2
2
( S β 1 )≤β 1≤ β1 +t α (S β 1 )
1− ; n−2
2 
p  ˆ1  t  ( S  1 )  1  1  t  ( S  1 )  1  
1 ; n  2
ˆ
1 ; n  2
] =1−α

 2 2 
-0.089 2.22814 0.029 < B1 < -0.089 2.22814 0.029 = 0.95

P= -0.154 < B1 < -0.024 = 95.00%

P= -0.154 < -0.089 < -0.024 = 95.00%

La probabilidad de que B1=-0.089, tome valores entre -0.154 como mínimo y de -0.024 como
máximo es en un 95% de confianza.

e) Intervalos de confianza para Y estimado del noveno valor

NOVENO VALOR Y = 15
Millas= 15.341 -0.089 (X)
Millas= 15.341 -0.089 15
Millas= 14.01

[ ]
2 2
1 ( x0 − x̄ ) 1 ( x 0 − x̄ )
p ^y −t α
1− ; n−2
2
(S)
√ +
n ∑ x 2 −n x̄ 2
≤ y≤ y
^ −t α
1− ; n−2
(S ) +
n ∑ x 2−n x̄ 2
2 √=1−α

*Se desarrollan los limites independientemente, para este caso lo desarrolle con formulas en Excel.
1 2392.84 1 2392.84 = 0.95
<Y<
P 14.01 2.22814 3.8869 12 17710.92 14.01 2.22814 3.8869 12 17710.9

P= 9.96 < Y < 18.06 = 95%

Cuando el costo toma el valor de 15, entonces la probabilidad de que las millas se
encuentre entre 9.96 como mínimo, hasta 18.06 es en un 95% de confianza.
 f) Intervalos de confianza cuando Y=40
Intervalo de confianza para el pronóstico de “Y” = 40
Millas= 15.341 -0.089 (X)
Millas= 11.790

[ ]
2 2
1 ( x 0 − x̄ ) 1 ( x 0 − x̄ )
p y 0 −t α
1− ; n−2
2
( S ) 1+ +
n ∑ √
x 2
−n x̄ 2
≤ y≤ y 0 + t α
1−
2
; n−2
(S ) 1+ +
n ∑ x 2
−n x̄ 2
√
=1−α

*Se desarrollan los limites independientemente, para este caso lo desarrolle con formulas
 1 ( x0  x ) 2 1 ( x0  x ) 2 
enpExcel.
 y0  t1  ; n  2 ( S ) 1    y  y0  t  (S ) 1     1
 2
n  x  nx
2 2 1 ; n  2
2
n  x 2  nx 2 
1 572.01 1 572.01 = 0.95
1 <Y< 1
P 11.79 2.22814 3.8869 12 17710.9 11.79 2.22814 3.8869 12 17710.917

P 2.64 < Y< 20.94 = 95%

Cuando el costo tiene un valor de 40, entonces la probabilidad de que el gasto tome
valores entre 2.64 dólares como mínimo, hasta 20.94 es en un 95% de confianza