Pregunta 2: Se realizó un estudio sobre la cantidad de azúcar convertida en

cierto proceso a distintas temperaturas. Los datos se codificaron y registraron

como sigue:

Temperatura Azúcar convertida

1.0 8.1

1.1 7.8

1.2 8.5

1.3 9.8

1.4 9.5

1.5 8.9

1.6 8.6

1.7 10.2

1.8 9.3

1.9 9.2

2.0 10.5

a) Estime la recta de regresión lineal.

b) Calcule la cantidad media de azúcar convertida que se produce cuando se

registra una temperatura codificada de 1.75.

Pasos para el análisis de regresión

1) Se supone la forma que tiene el modelo, en el caso de la relación entre dos
variables, se pueden graficar los puntos en el plano (esto es el diagrama de
dispersión) para observar la posible relación entre estas.

a) Estime la recta de regresión lineal.

 Se tiene como variable dependiente a la azúcar convertida. Siendo el

factor que altera nuestro modelo y la variable independiente que es la
temperatura con la que el azúcar puede llegar a convertirse.

 En la gráfica se puede mostrar una relación directa a medida que

aumenta la temperatura. Cierta cantidad de azúcar se convierte, pero se
tendrá que realizar una evaluación a los datos obtenidos para poder
corregir ese margen de error y así estar dentro del rango permisible
considerando el 49% ≅ 50% de relación entre las variables siendo muy
deficiente.

Diagrama de dispersión
12.0
Azúcar convertida

10.0
f(x) = 1.81 x + 6.41
8.0 R² = 0.5
6.0

4.0

2.0

0.0
0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2

Temperatura
2) Los datos de la muestra son utilizados para estimar los parámetros
desconocidos del modelo (los Bi), esto es el ajuste del modelo (suponiendo
un modelo de regresión lineal simple 𝒚=𝑩0+𝑩1𝒙).

𝒚=𝑩0+𝑩1𝒙
El modelo de regresión lineal simple es y = 1.8091x + 6.4136 (siendo la
misma en Excel y Spss).

b) Calcule la cantidad media de azúcar convertida que se produce cuando se

registra una temperatura codificada de 1.75.

Al obtener la ecuación de la recta se sustituyó x en la ecuación para

determinar cuanta cantidad media de azúcar convertida se produce a una
temperatura de1.75

y = 1.8091x + 6.4136 → y= 1.8091(1.75) + 6.4136= 9.5795 es la cantidad de

azúcar convertida.
y = 9.580 a temperatura 1.75

3) Especificar la distribución de probabilidad del error, estimando cualquier

parámetro desconocido de esta distribución.

S^2 0.40
→Se tiene una desviación estándar de 0.63
S 0.63
El modelo de RLS tiene una varianza de S2=0.40

4) Comprobar estadísticamente la adecuación del modelo (mediante prueba de

hipótesis, intervalos de confianza, coeficiente de determinación y
correlación).

R=0.707 como el valor de R positiva (r>0) Y se incrementa cuando X crece

y se tiene que 0.707 esta entre 0.7< r <0.89 por lo que existe una
correlación positiva alta a medida que incrementa la temperatura
R² = 0.4999 que en porcentaje es 49.9% ≅ 50% se puede mostrar que
corresponde a la mitad del 100%. Considerando que un buen modelo
debe acercarse al 100%. Esto quiere decir que el 50% de la variabilidad
de la azúcar convertida (Y) concluyendo que este modelo no es adecuado
para describir la relación que existe entre las variables.
Prueba de hipótesis
1) Planteamiento de las Hipótesis
H0:B1= 0 (H0: De que x no contribuye con información para predecir
Y)
H1: B1≠ 0
H0: Esto no se considera, ya que al darle valores a X en la ecuación de
regresión lineal varia su Y entonces B1 es diferente de 0. H0: B1= 0

H1: Se afirma que existe una relación lineal entre las variables ya que a
medida que la temperatura es mayor existe una cantidad de azúcar convertida.
H1: B1≠ 0 obteniendo 1.8091x ≠ 0

2) Estadístico de prueba
B1
t=
S
√ SSxx
1.8091
t=
0.63 =3.01 valor calculado, se utiliza el valor encontrado en Excel y
√ 1.10
spss porque nos ayuda a tener una mejor precisión de los valores
estimados.

X variable 1 estadístico t =2.999 en Excel y spss se confirmó este valor

y a través de la formula general.

3) Región Crítica tomando 𝛼 específico de 0.05 que es el 5% que es el

nivel de significación que se está dispuesto aceptar para dar como
valida la hipótesis.
Tenemos que 11-2=9 y t (1-0.05/2) =0.95

t (1- α/2), n-2= t (0.95,9) =1.833 el valor encontrado de la tabla de t-student

t(α/2), n-2= -1.833
4) Decisión estadística

Se tiene que t calculada =2.999

-1.833<t<1.833 tC =2.999 se rechaza la hipótesis nula

2.999>1.833
Se rechaza la hipótesis nula (H0), se acepta la hipótesis alterna (H1)
porque cae dentro de la zona crítica a un nivel de significancia de α =
0.05. La prueba resultó ser significativa.

5) Se concluye que la evidencia estadística demuestra que existe una

relación lineal entre azúcar convertida a un cierto grado de temperatura.
 En base a la conclusión, ahora se procede a realizar la estimación
mediante un intervalo de confianza.

5) Cuando se está satisfecho con la adecuación, se usa el modelo para hacer

predicciones, estimaciones, etc.
6)
0.63
s ^B = =0.600
1
√ 1.10
B1=1.8091x
B1± (1.833) (0.600) = 1.0998
1.8091± 1.0998, cuyo intervalo es de:
(0.7093,2.9089), este intervalo comprueba que la pendiente esta entre
0.7093 y 2.9089 al 95% de confianza.