CASOS PRÁCTICOS DE REGRESIÓN LINEAL SIMPLE

CASO N° 1 COMPAÑÍA MANUFACTURERA

Una compañía manufacturera da empleo a miles de personas en la fabricación de
teclados, estuches para equipos y cables para la industria de las computadoras
pequeñas. Recientemente, el presidente de la compañía ha estado preocupado por la
tasa de ausentismo entre los empleados y pidió al departamento de personal que
investigue este asunto. El departamento se da cuenta que un método efectivo para
pronosticar el ausentismo fortalecería mucho su capacidad para planear adecuadamente.
El director de personal decide echar un vistazo a unos cuantos expedientes del personal
en un intento para evaluar el problema. Decide seleccionar 15 expedientes de manera
aleatoria y registra el número de faltas durante el año fiscal pasado, junto con la edad del
empleado. El director cree que la edad podría tener un efecto significativo en el
ausentismo. Si descubre que la edad y las faltas manifiestan una buena correlación en su
pequeña muestra, tomará una muestra de 200 o 300 expedientes y formulará una buena
ecuación de predicción.
La siguiente tabla contiene los valores de los datos recopilados en la muestra inicial:

N° DE FALTAS EDAD
3 25
4 36
7 41
4 27
3 35
3 31
5 35
7 41
9 56
12 60
8 51
5 33
6 37
2 31
2 29

PREGUNTAS
1. ¿Qué bien relacionados están las faltas al trabajo y la edad? ¿Podría generalizarse
esta correlación para la fuerza laboral completa?
2. ¿Cuál es la ecuación de mejor ajuste para pronosticar?
3. ¿Qué porcentaje de variabilidad en días de ausencia se puede explicar al conocer la
edad del empleado?
4. ¿Existe una relación significativa entre las faltas al trabajo y la edad? Al responder esta
pregunta use los procedimientos estadísticos pertinentes para fundamentar su respuesta
5. Suponga que una persona recién contratada tiene 24 años. ¿Cuántas faltas
pronosticaría usted en el caso de esta persona durante el año fiscal?
6. ¿Debe proceder el director de personal a tomar una muestra más grande de los
empleados con base en los resultados preliminares de su muestra?

CASO N° 2 ¿SU AUTOMÓVIL ES “MADE IN THE USA?”

La frase “made in the USA” se volvió un grito de batalla en los últimos años, porque los
obreros de Estados Unidos intentan proteger sus empleos contra la competencia
extranjera. Durante las últimas décadas la inundación de productos importados que entran
al país y se venden a un precio más bajo que los similares que se producen en este país
ocasionó un gran desequilibrio comercial. Lo anterior preocupa, en especial a la industria
automotriz, ya que durante los años noventa aumentó de manera constante la cantidad de
automóviles importados. A la industria automovilística de Estados Unidos le han llovido
quejas sobre la calidad del producto, despidos de obreros y altos precios y gastados miles
de millones de dólares en publicidad e investigación para producir un automóvil hecho en
USA que satisfaga la demanda de los consumidores. ¿Tendrá éxito en detener la
inundación de automóviles importados que compran los consumidores estadounidenses?
Los datos de tabla siguiente representan las cantidades de automóviles importados y
vendidos en USA (en millones) durante los años 1969 a 1996:
AÑO VENTAS (millones)
1 1.1
2 1.3
3 1.6
4 1.6
5 1.8
6 1.4
7 1.6
8 1.5
9 2.1
10 2.0
11 2.3
12 2.4
13 2.3
14 2.2
15 2.4
16 2.4
17 2.8
18 3.2
19 3.1
20 3.1
21 2.8
22 2.5
23 2.1
24 2.0
25 1.8
26 1.8
27 1.6
28 1.4
1. En un diagrama de dispersión localice los datos para los años 1 hasta el 20. ¿Parece
haber una relación lineal entre la cantidad de automóviles importados y el año?
2. Por medio del GRETL determine la recta de mínimos cuadrados que permite predecir el
número de automóviles importados como función del año para el período 1 hasta el 20
3. ¿Hay alguna relación lineal significativa entre la cantidad de automóviles importados y
el año?
4. Mediante la ecuación de mínimos cuadrados pronostique el número de automóviles que
se importarían para los años 26, 27 y 28
5. Ahora observe los puntos de los datos reales para los años 26 al 28. ¿Las
predicciones obtenidas en el paso 4 proporcionan estimaciones exactas de los valores
observados con los pronosticados? Si no es así, obtenga los respectivos residuales
6. Determine nuevamente por medio del GRETL la recta de mínimos cuadrados que
permite predecir el número de automóviles importados como función del año para el
período 1 hasta el 28. ¿Qué efectos tuvieron los nuevos datos en el coeficiente de
regresión? ¿Cuál es el efecto de la SCE?
7. Compare los diagramas de dispersión para los años 1 hasta 20 y para los años 1 hasta
28. ¿Cuál recta proporciona un modelo más exacto de los datos? Explique brevemente su
resultado (Use los gráficos de los residuos para su explicación)

CASO N° 3 MINISTERIO DE TRANSPORTE DE COLOMBIA

Como parte de un estudio sobre seguridad en el transporte, el Ministerio de Transporte de
Colombia, de una muestra de 42 ciudades, recogió datos sobre el número de accidentes
fatales por cada 1000 licencias y sobre el porcentaje de licencia de conductores menores
de 18 años. A continuación, se presentan los datos recogidos en el lapso de un año.

% MENORES DE ACCIDENTES % MENORES DE ACCIDENTES

18 AÑOS FATALES 18 AÑOS FATALES
13 2.962 17 4.100
12 0.708 8 2.190
8 0.885 16 3.623
12 1.652 15 2.623
11 2.091 9 0.835
17 2.627 8 0.820
18 3.830 14 2.890
8 0.368 8 1.267
13 1.142 15 3.224
8 0.645 10 1.014
9 1.028 10 0.493
16 2.801 14 1.443
12 1.405 18 3.614
9 1.433 10 1.926
10 0.039 14 1.643
 9 0.338 16 2.943
11 1.849 12 1.913
12 2.246 15 2.814
14 2.855 13 2.634
14 2.352 9 0.926
11 1.294 17 3.256

Informe administrativo

1. Presente resúmenes numéricos y gráficos de los datos.

2. Emplee el análisis de regresión para investigar la relación entre el número de

accidentes
fatales y el porcentaje de conductores menores de18 años. Analice sus hallazgos.

3. ¿Qué conclusión y qué recomendaciones puede deducir de su análisis?