UNIVERSIDAD CENTRAL

TALLER DE REGRESIÓN

LINEAL

1. Escriba la ecuación de la recta en cada uno de los siguientes casos:

A x-y+1=0
B x-y=0
C x+y+2=0
D 3x+y+2=0

2. Observe los siguientes gráficos de dispersión que muestran los niveles de fertilidad global
por país en los años 1994 y 2014 y responda cada una de las preguntas:
a. ¿Cómo se calcula una tasa de fertilidad?
Tasa de fertilidad: Número medio de hijos nacidos de las mujeres que, en una determinada
sociedad o grupo, han completado su ciclo reproductivo.
Tasa de fertelidad general: El número total de nacimientos de un país o zona dividido por
la población femenina que está en edad fértil (15 a 49 años) y luego el resultado se
multiplica por 1.000.

b. ¿Cuál es la unidad de observación usada en cada gráfico?

Niveles de fertilidad global por país en los años 1994 y 2014

c. ¿Qué significan la línea diagonal de cada gráfico?

Muestra los cambios en los niveles de fertilidad en las fechas en cada uno de los países

d. ¿Qué significan las líneas punteadas vertical y horizontal?

Son líneas de referencia con las que comparo los países y los continentes entre si
También nos indican el nivel de fertilidad en el año 1994 y 2014

e. ¿Cuál es la relación del comportamiento de la tasa de global de fertilidad en 1994

y en 2014 en África?
La tasa de fertilidad o de nacimientos por mujer en el año 1994 es muy alta a comparación
del año 2014, hacia el año 1994 en algunos países una mujer daba a luz entre 2 y 8 hijos

f. ¿Cuál es la relación del comportamiento de la tasa de global de fertilidad en 1994 y

en 2014 en Europa?
La concentración en Europa es mucho mayor, los países son mucho más parecidos en
cuanto a su nivel de fertilidad, en ciertos países el nivel de fertilidad aumento para el año
2014.

g. ¿Qué diferencias observa entre continentes?

Se observa la fertilidad en los países de Asia, Oceanía y América Latina y el Caribe donde
se ha seguido reduciendo hacia el nivel de reemplazo o por debajo de este.
4. Un grupo de investigadores interesados en conocer las causas del ausentismo
laboral, creen que este puede estar relacionado con condiciones laborales no tan
favorables, falta de motivación y salarios bajos. Se intenta predecir el ausentismo
laboral en horas al año a partir del salario en miles diarios. La información
recogida se muestra a continuación.

Salario Ausentismo
30 15
40 20
44 17
33 16
19 89
X Y

Grafica de dispersión
100
90 y = -2,6558x + 119,57
80 R² = 0,6353
70
Ausentismo

60
50
40
30
20
10
0
0 10 20 30 40 50
Salario

a. Defina la variable dependiente e independiente:

DEPENDIENTE: Ausentismo
INDEPENDIENTE: Salario
b. Escriba el modelo de regresión lineal que ajusta estos datos.

c. ¿Cuál es la interpretación de los parámetros β0 y β1 estimados?

β0=0 Hipótesis nula
β0≠0 Hipótesis alternativa

Como el P-valor es de 0,057 que es más grande que 0,05, nos quedamos con la hipótesis
nula β0=0 por lo que B0 debe ser eliminada del modelo

β1=0 Hipótesis nula

β1≠0 Hipótesis alternativa

Como el P-valor es de 0,10 que es más grande que 0,05, nos quedamos con la hipótesis
nula β1=0 por lo que β1 debe ser eliminada del modelo.

d. ¿Estas variables tienen fuerte correlación lineal?, explique su respuesta con los
coeficientes estadísticos apropiados.
5. Los siguientes datos se obtuvieron de un estudio de relación entre el peso en
kilogramos y el tamaño del tórax en centímetros de recién nacidos en la clínica Beta
de Bogotá.

Tamaño del torax peso en kg

29,5 2,75
26,3 2,15
32,2 4,41
36,5 5,52
27,2 3,21
27,7 4,32
28,3 2,31
30,3 4,3
28,7 3,71
X Y

Diagrama de dispersión
6

5 y = 0,2815x - 4,7109
4 R² = 0,6154
Peso en Kg

0
0 10 20 30 40
Tamaño del torax

a. Defina apropiadamente la variable dependiente e independiente.

DEPENDIENTE: peso en kg
INDEPENDIENTE: Tamaño del torax
b. ¿Cuál es el valor de la covarianza, coeficiente de correlación y determinación;
¿cómo se interpretan?

c. Defina las hipótesis nula y alternativa usadas en la tabla ANOVA PARA

REGRESIÓN, el estadístico de prueba, valor crítico y p-valor. Tome la decisión
apropiada con respecto a estas hipótesis.

β1=0 Hipótesis nula

β1≠0 Hipótesis alternativa

Como el P-valor es de 0,012 que es más pequeño que 0,05, rechazamos la hipótesis nula
y nos quedamos con la alternativa, por lo tanto, β1≠0

d. Defina las hipótesis nula y alternativa usada para el parámetro β0 del modelo,
revise estadístico de prueba, p-valor y tome una decisión con respecto a esta
hipótesis.
β0=0 Hipótesis nula
β0≠0 Hipótesis alternativa

Como el P-valor es de 0,10 que es más grande que 0,05, nos quedamos con la hipótesis
nula β0=0 por lo que B0 debe ser eliminada del modelo
e. Defina las hipótesis nula y alternativa usada para el parámetro β1 del modelo,
revise estadístico de prueba, p-valor y tome una decisión con respecto a esta
hipótesis.
β1=0 Hipótesis nula
β1≠0 Hipótesis alternativa

Como el P-valor es de 0,012 que es más pequeño que 0,05, rechazamos la hipótesis nula
y nos quedamos con la alternativa, por lo tanto, β1≠0.

f. Decida cuál es el modelo de regresión lineal ajustado.

ŷ=0,124*X no tiene punto de corte solo pendiente

h. Si el modelo es adecuado, pronostique el peso de un bebé con una longitud en su

tórax de 30 centímetros.
ŷ=0,124*X
ŷ=0,124*30 3,72
El peso del bebe seria 3,72 Kg con una longitud en su tórax de 30 centímetros.
6. Una empresa está interesada en saber si el gasto en publicidad tiene relación
con las ventas al final de mes, recoge la información de los últimos 6 meses,
obteniendo los siguientes resultados:

Publicidad Ventas
20 79
25 70
26 68
28 70
29 80
30 90
X y

Diagrama de dispersión
95
90
85
80 y = 0,6684x + 58,566
R² = 0,0818
Ventas

75
70
65
60
55
50
10 15 20 25 30 35
Publicidad
a. Teniendo en cuenta las hipótesis correspondientes para el punto de corte y la
pendiente del modelo, sus estadísticos de prueba, valores críticos, p-valores. ¿Qué
decisión toma sobre el modelo final?

β0=0 Hipótesis nula

β0≠0 Hipótesis alternativa
Como el P-valor es de 0,12 que es más grande que 0,05, nos quedamos con la hipótesis
nula β0=0 por lo que B0 debe ser eliminada del modelo

β1=0 Hipótesis nula

β1≠0 Hipótesis alternativa

Como el P-valor es de 0,58 que es más grande que 0,05, nos quedamos con la hipótesis
nula β1=0 por lo que β1 debe ser eliminada del modelo.

b. ¿Qué tan bueno es el ajuste del modelo?

No es viable este modelo porque el coeficiente de correlación es 0,28 es cercano a 0 tiene

una relación positiva débil, además del error típico que es un 9,05, es grande tendría que
ser pequeño, también el coeficiente de determinación es muy bajo no es alto es del 8% un
porcentaje muy pequeño.

c. ¿Cuál es el modelo final?