Universidad Nacional Mayor de San Marcos

Facultad de Ciencias MatemáticasEP. Investigación Operativa

Guía N.º 2
Problema 1
Se quiere estudiar la relació n que existe entre la variable tiempo de impresió n ( en
segundos) y nú mero de pá ginas impresas en la impresora SonPe. En tabla siguiente se
muestran los datos obtenidos:
Número de
páginas 1 2 3 4 5 6 7 8 9 10
Tiempo de
impresión 28.76 32.48 36.04 6.95 54.16 96.79 74.37 79.67 101.1 105.3

Realice el aná lisis respectivo, considerando las siguientes preguntas:

a. La variable independiente es : Nú mero de paginas
La variable dependiente es : Tiempo de impresió n
b. Ajuste a un modelo de regresió n e interprete los pará metros estimados
Solución
X Y X^2 Y^2 XY
827.137
1 28.76 1 6 28.76
4 6.95 16 48.3025 27.8
5530.89
7 74.37 49 7 520.59
11088.0
10 105.3 100 9 1053
2 32.48 4 1054.95 64.96
1298.88
3 36.04 9 2 108.12
2933.30
5 54.16 25 6 270.8
9368.30
6 96.79 36 4 580.74
6347.30
8 79.67 64 9 637.36
10221.2
9 101.1 81 1 909.9
48718.3
Totales 55 615.62 385 9 4202.03
media 5.5 61.562

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

n
2
SCT=SC ( Y )=∑ y 2i −n ý 2=48718.39−10 ( 61.562 ) =10819.5892
i=1

n
SC ( X )=∑ x2i −n x́2 =385−¿
i=1

n
SP ( X ,Y ) =∑ x i y i−n x́ ý=4202.03−( 10∗5.5∗61.562 ) =816.12
i=1

El modelo ajustado este dado por:

Y^ i= β^ 0 + β^ 1 X i = 7.1538 + 9.8924 Xi

Calculando ^β 1 :
n

∑ xi . y i−n x́ . ý 816.12
^β 1= i=1 = =9.8924
n
82.5
∑ x 2i −n x́ 2
i=1

^β 0= ý − ^β1 . x́=61.562−9.8924 (5.5)=7.1538

Interpretación para ^β 0
Como “0” no se encuentra en el rango de la variable independiente, no tiene
interpretació n prá ctica.

Interpretación para ^β 1
Por cada pagina adicional que se imprime, el tiempo de impresió n se incrementa
en 9.8924 segundos.

c. Presente los datos en una tabla ANOVA

Fuente de Grado de Suma de Cuadrado FC
variació n libertad cuadrado medio
Regresió n p-1 SCReg CMReg CMReg
F C=
CME

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

Error n-p SCE CME

total n-1 SCT

p: nú mero de pará metros estimados

SCT =10819.5892

SCReg= ^β 1 SP ( X ,Y ) =9.8924 ( 816.12 )=8073.3855

SCE=SCT −SCReg=10819.5892+ 8073.3855=2746.2037

SCReg 8073.3855
CMReg= = =8073.3855
p−1 2−1

^S2E=CME= SCE = 2746.2037 =343.2755

n− p 10−2
Tabla Anova
Fuente de Grado de Suma de Cuadrado FC
variació n libertad cuadrado medio
Regresió n p-1=2-1=1 8073.3855 8073.3855 CMReg
F C=
CME
Error n-p=10-2=8 2746.2037 343.2755
total n-1=10-1=9 10819.5892

d. En qué porcentaje Y está siendo explicado por X ( R2, coeficiente de

determinación)
Solución
SCReg 8073.3855
R 2= = =0.7462
SCT 10819.5892

¿Qué parte del modelo no está siendo explicado?

1-0.7462= 0.2538

e. Calcule la varianza de los residuales

Solución
^S2E=CME=343.2755

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

f. Calcule el error está ndar de los residuales e interprete

S y / x =S e =√ 343.2755=18.5277

g. ¿El modelo estimado es el adecuado? ( Y^ i= β^ 0 + β^ 1 X 1 i ¿

H 0=β 1=0(modelo no adecuado )
H 1=β 1 ≠ 0 (modelo adecuado)

α =0.05

Estadística de prueba:
CMReg 8073.3855
F C= = =23.5187
CME 343.2755

Valores críticos:
F T =F p−1 ;n− p ,1−α =F 1 ;8 ;0.95=5.318

Decisió n

Como F C =23.5187> F T =5.318, se rechaza Ho, es decir, el modelo planteado es el

adecuado al nivel de significació n del 5%.

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

h. Aporta informació n ^β 0 al modelo

H 0=β o =0( No aporta informacion al modelo)

H 1=β o ≠ 0(aporta informacion almodelo)

α =0.05
Estadística de prueba:
β^ 0
t c= t
E . E ^β n−2,1−α /2
0

Calculando la varianza de ^β 0
2
^ ( ^β 0 ) =S^ 2E 1 + x́
V
( n n

∑ x 2i −n x́ 2
i=1
)
2
^ ( ^β 0 ) =343.2755 1 + 5.5 =160.1952
V
10 82.5 ( )
E . E ^β = V
0
√
^ ( ^β 0 )= √160.1952=12.6568

β^ 0 7.1538
t c= = =0.5652
E . E ^β 12.6568
0

Valores críticos: t n−2,1−α / 2=t 8,0.975=(−2.306; 2.306)

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

En general:
Si|t C|>2.306 , entonces , se rechaza Ho . Caso contrario no se rechazo
Para nuestro problema:
Como t C se encuentra en el intervalo (−2.306 ; 2.306 ) , no se rechaza Ho . Es decir ,
^β 0 no aportainformacion al modelo y por tanto se≤debe retirar del modelo ajustado .

i. Aporta informació n ^β 1 al modelo

H 0=β 1=0( No aportainformacion al modelo)

H 1=β 1 ≠ 0 (aportainformacion al modelo)

α =0.05

Estadística de prueba
β^ 1
t c= t
E . E ^β n−2,1−α / 2
1

S^ 2E 343.2755
Var ( ^β ¿ ¿ 1)= n
= =4.1609 ¿
82.5
∑ X 2i −n X 2
i=1

E E ^β = V
1
√
^ ( ^β 1 )= √ 4.1609=2.0398

β^ 1 9.8924
t c= = =4. 8497
E . E ^β 2.0398
1

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

Valores críticos: -2.3036; 2.306

Regla de decisió n:
Si |t c|>2.306 , se rechaza Ho , caso contrario no se rechaza

Decisió n: se rechaza Ho, es decir, ^β 1 aporta informació n al modelo.

Por tanto, el modelo quedaría de la siguiente forma:

Y^ i= β^ 1 X 1 i

n−1 10−1
R2adj =1− [ ](n− p
1−R2 ) =1−
10−2 [
( 1−0.7462 ) =0.7145 ]
j. Halle el intervalo de confianza para ^β 0, al 95% de confianza

IC ( β0 ) = ^β 0 ± t . E . E β^
⟨ n−2 ,1−
α
2
0
⟩
=7.1538 ± ⟨ 2.306 . ( 12.6568 ) ⟩ =(−22,03278,+36.3404 )

Por tanto, ^β 0=0

k. Halle el intervalo de confianza para ^β 1 al 95% de confianza

IC ( β1 ) = ^β 1 ± t . E . E ^β =¿
⟨ n−2 , 1−
α
2
1
⟩
IC ( β1 ) =9.8924 ± ⟨ 2.306 (2.0398) ⟩ =(5.1886 ; 14.5962)

Por tanto, ^β 1 ≠ 0

l. Calcular intervalos de predicció n al 90 % para el tiempo de impresió n de un

trabajo que tiene 6 hojas.

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

m. Calcular el intervalo de predicció n para el tiempo de impresió n de un trabajo

que tiene 12 hojas
n. Calcule el intervalo de confianza para σ 2E
o. Existe correlació n significativa entre las variables X e Y

Problema 2
Se llevo a cabo un estudio para determinar la relació n entre los añ os de experiencia y
el ingreso mensual en miles de soles, entre los profesionales de informá tica. Para el
estudio se ha considerado una muestra aleatoria de 20 profesionales. A continuació n,
se muestran los datos:
años de
1 2 4 4 6 7 8 10 13 13
experiencia
Ingreso mensual 5.63 5.5 6.6 5.1 6.37 7.13 8.8 8.2 8.7 10.47
                     
años de
15 16 19 20 23 25 25 27 30 31
experiencia
Ingreso mensual 10.33 11.07 11.27 12.17 11.5 12.17 8.9 12 12.03 12.13

Realice el aná lisis respectivo, considerando las preguntas del problema 1

Problema 3
Un estadístico que trabaja para un fabricante judío de automó viles desearía
desarrollar un modelo estadístico para predecir el tiempo de entrega (la cantidad de
días transcurridos entre el pedido de un automó vil y la entrega real del mismo) de los
pedidos de automó viles nuevos. El estadístico piensa que existe una relació n lineal
entre el nú mero de opciones pedidas y el tiempo de entrega. Se selecciono una
muestra aleatoria de 16 automó viles y se obtuvieron los resultados que se presentan a
continuació n:
Número de opciones
pedidas 3 4 4 7 7 8 9 11
tiempo entrega (días) 25 32 26 38 34 41 39 46

Número de opciones
pedidas 17 20 23 25 14 16 12 12
tiempo entrega (días) 61 64 66 70 53 58 44 51
Realice el aná lisis respectivo, considerando las preguntas del problema 1

Problema 4

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

Data Wire aumentó la productividad de 70 mil a 90 mil libras por semana cuando
instituyó un programa bá sico de capacitació n. Suponga que este programa es aplicado
durante un periodo de 18 meses y que los datos son el nú mero de horas totales
acumulados por capacitació n, así como las cantidades de productividad por semanas
tomadas una vez al mes durante este tiempo.
Utilice el reporte impreso y elabore un informe con los resultados hallados.

Scatterplot of Productividad vs Hora_acum

90000

85000
Productividad

80000

75000

70000

0 1000 2000 3000 4000

Hora_acum

Resumen del modelo

R cuadrado Error típ. de

Modelo R R cuadrado corregida la estimación
1 .988 a .976 .975 1005.644
a. Variables predictoras: (Constante), Horas acumuladas de
capacitación

Coeficientesa

Coeficientes no Coeficientes
estandarizados estandarizados
Modelo B Error típ. Beta t Sig.
1 (Constante) 70880.252 394.546 179.650 .000
Horas acumuladas
5.093 .198 .988 25.735 .000
de capacitación
a. Variable dependiente: Productividad (en libras por semana)

Problema 5
¿Puede pronosticarse el consumo de agua de una ciudad por medio de la temperatura?
Los siguientes datos representan una muestra del consumo de agua de un día y la
mayor temperatura para ese día.
Algunos resultados que se tienen son los siguientes:
Y : Cantidad de agua usada (millones de galones)

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias MatemáticasEP. Investigación Operativa

X : Temperatura (grados Fahrenheit)

∑ y2i =152711 ∑ yi =1025 ∑ x i=608

∑ x 2i =49584 ∑ x i∗ y i=86006
Scatterplot of Uso_agua vs Temperatura
225

200

175
Uso_agua

150

125

100

75

50
40 50 60 70 80 90 100 110
Temperatura

Presente un informe explicando paso a paso el procedimiento realizado.

Profesor: Nelly Demetria, Pillhuaman Caña Semestre:2021-1