1.

Pruebe la hipótesis de que el contenido promedio de los envases de un lubri-

cante especí…co es de 10 litros, si los contenidos de una muestra aleatoria
son los siguientes: 10.3, 10.1, 9.8, 9.9, 10.4,10.2, 9.7, 10.1, 10.3, 10.1, 9.8,
9.9, 10.4,10.2, 9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4,10.3, 10.1, 9.8, 9.9, 10.3,
9.8 y 10.8 litros. Utilice un nivel de signi…cancia de 0.01 y suponga que la
distribución del contenido es normal.

(a) z = 1.7778; p-value = 0.03771; no se rechaza H0

(b) z = 1.7778; p-value = 0.3771; se rechaza H0
(c) t = 1.7778; p-value = 0.04335; no se rechaza H0
(d) t = 1.7778; p-value = 0.4335; se rechaza H0
(e) Ninguna de las anteriores
Solución:

valor p=4.3% con un = 1% , se conlcuye que no se puede rechazar

H0 por tanto: Respuesta c)

2. Se tiene el nivel de ventas en miles de Bs y los años de experiencia, de un

grupo de funcionarios de una empresa. Suponiendo que se desea establecer
el valor de ventas, como función de los años de experiencia de los vende-
dores mediante un modelo de regresión lineal, con los siguientes años de ex-
periencia de 25 funcionarios: 6,5,3,1,4,3,6,2,6,4,6,5,3,1,4,3,6,2,6,4,6,5,3,1,4
y los respectivos niveles de ventas: 9,6,4,7,3,5,8,2,7,4,2,6,4,3,1,5,1,2,7,4,9,6,4,1,1.
Halle la estimación para B1, su error estándar, el valor t y su signi…cancia
e interprete la pendiente del modelo.

(a) B1=0.6404; Std. Error=0.2746; t=2.332, valor p=0.0288. Por cada

año de experiencia que incrementa un funcionario, su nivel de ventas
en promedio incrementa en 640.4Bs
(b) B1=0.6404; Std. Error=0.2746; t=2.332, valor p=0.0288. Por cada
año de experiencia que incrementa un funcionario, su nivel de ventas
en promedio incrementa en 0.6404Bs
(c) B1=6.404; Std. Error=2.746; t=2.332, valor p=0.2880. Por cada año
de experiencia que incrementa un funcionario, su nivel de ventas en
promedio incrementa en 0.6404Bs

1
 (d) Ninguno de los anteriores
Solución

Respuesta a

3. Resultado del análisis de una base de datos, para estimar un modelo de

regresión lineal con ordenada en el orígen, se tienen las siguientes matrices:
0 1 0 1
120 20 30 40 50 9800
B 20 200 400 1300 2000 C B 8000 C
B C B C
X 0X = BB 30 400 400 3000 3400 C X 0 Y = B 12500 C Y 0 Y = 958000
C B C
@ 40 1300 3000 500 4000 A @ 13500 A
50 2000 3400 4000 600 14000

Cuantos parámetros tiene el modelo? Cuantas variables incluye el modelo?

Cuantos datos se analizaron?

(a) 4 parámetros, 5 variables, 120 datos

(b) 5 parámetros, 4 variables, 120 datos
(c) 5 parámetros, 6 variables, 120 datos
(d) 6 variables, 5 parámetros, 95800 datos
Respuesta b)

4. Con los resultados del ejercicio anterior, calcular: el vector de estima-

ciones, hallar e interpretar R2

(a) B=(80.7 ; -15.7 ; 3.1 ; 8.1; 1.7) R2 = 0:1650: El 16.50% de la varianza

de los errores es explicado por el modelo y el restante no se puede
explicar.
(b) B=(80.7 ; -15.7 ; 3.1 ; 3.1; 1.1) R2 = 0:1650: El 16.50% del modelo
explican los errores y el restante la regresión.

2
(c) B=(80.7 ; -15.7 ; 1.1 ; 3.3; 8.3) R2 = 0:1650: De la varianza de la
regresión el modelo explica el 16.50% y el resto no se puede explicar.
(d) B=(80.7 ; -15.7 ; 8.3 ; 3.1; 1.1) R2 = 0:1650: De la varianza total, el
modelo explica el 16.50%.
Solución
120 20 30 40 50 9800
20 200 400 1300 2000 8000
X´X 30 400 400 3000 3400 X´Y= 12500 Y´Y 958000
40 1300 3000 500 4000 13500
50 2000 3400 4000 600 14000

0.00836 0.00048 -0.00029 -0.00010 -0.00001 80.7 B´= 80.7209 -15.67 8.27 3.138 1.0
(X´X)-1 0.00048 -0.01685 0.00779 0.00189 -0.00061 B= -15.7
-0.00029 0.00779 -0.00384 -0.00069 0.00044 8.3 B'X'Y= 826352.8
-0.00010 0.00189 -0.00069 -0.00039 0.00020 3.1
-0.00001 -0.00061 0.00044 0.00020 -0.00016 1.1 ny2= 800333.3

SCR 26019.51
SCE 131647.16
SCT 157666.67
SCT 157666.67

R2= 0.165029

Respuesta d)