Ce87 201700 Ejercicios Propuestos RLS

Estadística Aplicada 2
Ejercicios propuestos Regresión Lineal Simple
1. El vicepresidente de Motor Perú S.A es informado por el equipo de la compañía,

que la resistencia al corte de la unidad ensamblada está en función de la antigüedad
de la carga propulsora cuando se moldea el motor. Para ello se toman al azar 20
observaciones para probar esta relación. La información recogida se muestra en la
siguiente tabla:
N° Resistencia al corte Antigüedad

Observación (PSI) (Semanas)
1 2158.7 15.5
2 1678.15 23.75
3 2316 8
m
er as
4 2061.3 17
co
5 2207.5 5
eH w
6 1708.3 19
o.
rs e 7 1784.7 24
8 2575 2.5
ou urc
9 2357.9 7.5
10 2277.7 11
11 2165.2 13
o
12 2399.55 3.75
aC s
12 1779.8 25
v i y re
14 2336.75 9.75
15 1765.3 22
16 2053.5 18
ed d
17 2414.4 6
ar stu
18 2200.5 12.5
19 2654.2 2
20 1753.7 21.5
sh is
Use un nivel de significación del 2%. Los datos se encuentran en la hoja Resistencia.
Th
a. Verifique los supuestos.
I. Normalidad de errores
Hipótesis:
Ho: Los errores tienen distribución normal.
H1 : Los errores no tienen distribución normal.
Nivel de significación:
Alfa = 0.02
Estadístico de prueba:
AD= 0.877
P-valor: 0.020 (P-valor ≥ Alfa ) RHo
1
This study source was downloaded by 100000826950886 from CourseHero.com on 09-01-2021 14:18:17 GMT -05:00
https://www.coursehero.com/file/40031662/ce87-201700-ejercicios-propuestos-RLSdocx/
Decisión:
RHo
Conclusión:
A un nivel de significación del 2% el supuesto de normalidad se cumple
II. Autocorrelación de errores:

Hipótesis:
Ho: Los errores no están autocorrelacionados.
H1 : Los errores están autocorrelacionados.
Durbin Watson:
1.80601 No RHo (Si DW esta entre 1 y 3 NO RHo)
Conclusión:
A un nivel de significación del 2% el supuesto de no autocorrelación se cumple.
b. Valide el modelo de regresión lineal.

Hipótesis:
Ho: B1 = 0
m
H1: B1 ≠ 0
er as
co
eH w
Alfa = 0.02
o.
F = 155.21
rs e
P-valor:
ou urc
0.000
Decisión:
o
Como p-valor = 0.000 < alfa = 0.02 entonces se Rechaza Ho.

Conclusión:
aC s
v i y re
A un nivel de significación del 5%, existe relación lineal entre la resistencia al corte y
la antigüedad
ed d
c. Presente la ecuación estimada e interprete ambos coeficientes.

ar stu
Ecuación:
Resistencia = 2625.4 - 36.96 Antigüedad

sh is
Coeficiente de intercepción:
Th
βo: 2625.4
Coeficiente de regresión poblacional estimado:

β1: -36.96
(Formato general: cuando incrementamos en una unidad la variable X, Y disminuye en
B1 unidades.)
Cuando incrementamos en una unidad la variable Antiguedad, la Resistencia

disminuye en -39.96 unidades.
2
d. Estime la resistencia al corte de un motor fabricado por una carga propulsora de
20 semanas de antigüedad.
Y-Resistencia = 2625.4 – 26.96(20) = 1886.15 psi
e. Estime con un intervalo de confianza del 98%, la resistencia media al corte de un

motor fabricado por una carga propulsora de 20 semanas de antigüedad.
En amarillo dato de Minitap
IC de 98%
(1810.38,
1961.92)
(solo si lo pide se copia parte del enunciado) El intervalo de confianza del 98%,
m
la resistencia al corte de un motor fabricado por una carga propulsora de 20
er as
semanas de antigüedad, esta contenido en 1810.38 y 1961.92 PSI
co
eH w
o.
f. Estime con un intervalo de confianza del 98%, la resistencia al corte de un motor
rs e
fabricado por una carga propulsora de 20 semanas de antigüedad.
ou urc
IP de 98%
(1622.22,
o
2150.08)
aC s
v i y re
Para crear el grafico la ruta es:

ed d
Grafica  Grafica de dispersión  Seleccionar CON REGRESION  ACEPTAR y colocar

ar stu
las variables que pide.

2. Un ingeniero que labora en una distribuidora eléctrica, desea encontrar un modelo
de regresión lineal que le permita predecir el consumo de electricidad en su
sh is
localidad a partir de las temperaturas mínimas que se pronostican para el día

siguiente. Los datos de la temperatura y el consumo real, obtenidos de una muestra
Th
de diez días son los siguientes:

Temperatura
-12 0 13 25 -7,5 18.5 15.5 28 14.5 20
(°C)
Consumo
15.5 13.5 11 8.5 14.8 9.85 10.5 8,5 10 9.5
(megawatios)
Use un nivel de significación del 6%. Los datos se encuentran en la hoja Electricidad.
I.Normalidad de errores
3
Hipótesis:
Ho: Los errores tienen distribución normal.
H1 : Los errores no tienen distribución normal.
Alfa = 0.06
AD = 0.468
P-valor:
0.193
Decisión:
Como p-valor = 0.193 ≥ alfa=0.06 entonces No se rechaza Ho.
Conclusión:
A un nivel de significación del 6% el supuesto de normalidad se cumple.

Hipótesis:
Ho: Los errores no están autocorrelacionados.
H1 : Los errores están autocorrelacionados.
m
er as
Durbin Watson: 2.58032 No RHo (Si DW esta entre 1 y 3 NO RHo)
Conclusión:
co
eH w
A un nivel de significación del 6% el supuesto de no autocorrelación se
cumple.
o.
rs e
ou urc
Hipótesis:
o
Ho: B1 = 0
H1 : B1 ≠ 0
aC s
v i y re
Alfa = 0.06
F = 726.88
ed d
P-valor:
ar stu
0.000
Decisión:
Como p-valor = 0.000 < alfa = 0.06 entonces se Rechaza Ho
sh is
Conclusión:
A un nivel de significación del 6%,existe relación lineal entre el consumo
Th
y la temperatura.

Ecuación:
Y-Consumo (megawatios) = 13.310 - 0.18653 X-Temperatura (°C)
βo: 13.310
4
Β1: 0.187
(Formato general: cuando incrementamos en una unidad la variable X, Y disminuye en

B1 unidades.)
Cuando incrementamos en una unidad la variable Temperatura, El Consumo

disminuye en -0.187 unidades.
d. Determine la varianza total de la variable dependiente explicada a través del

modelo. (Dependiente es el consumo)
R2: El 98.91 % de la varianza total del consumo es explicada a través del modelo de
regresión línea simple.
m
er as
co
eH w
o.
e. Interprete el coeficiente de correlación.
rs e
R: RAIZ(0.9891) = -0.995 (es negativo porque la pendiente es negativa -0187)
ou urc
f. Estime el consumo de electricidad cuando la temperatura es de 15 °C.

o
(estimación puntual)
aC s
v i y re
Y estimado = 10.512
ed d
ar stu
g. Estime con un intervalo de confianza del 94%, el consumo de electricidad cuando

sh is
la temperatura es de 15 °C. (estimación valor individual porque no dice

Th
Promedio)
IP de 94%
(9.86499,
11.1593)
5
h. Estime con un intervalo de confianza del 94%, el consumo promedio de
electricidad cuando la temperatura es de 15 °C. (estimación para valor medio o
promedio)
IC de 94%
(10.3106,
10.7137)
3. Un ingeniero químico está calibrando un espectrómetro para medir la concentración

de CO en muestras de aire, esta calibración implica que debe comprobar que existe
una relación lineal en la concentración verdadera de CO (X) y la concentración
medida por el espectrómetro (Y). Para tal fin, selecciona 11 muestras de aire en las
que conoce su verdadera concentración de CO y las compara con la concentración
medida por el espectrómetro. Los datos son los siguientes (las unidades son ppm):
m
er as
Concentración de
0 10 20 30 40 50 60 70 80 90 100
co
CO
eH w
Concentración 1 12 20 29 38 48 61 68 79 91 97
o.
rs e
ou urc
Use un nivel de significación del 8%. Los datos se encuentran en la hoja
Concentración.
o
aC s
I.Normalidad de errores
v i y re
Hipótesis:
ed d
ar stu
P-valor:
sh is
Decisión:
Th
Conclusión:

Hipótesis:
Durbin Watson:
Conclusión:
6
Hipótesis:
P-valor:
Decisión:
Conclusión:
Ecuación:
m
er as
co
eH w
o.
rs e
ou urc
o
aC s
v i y re
d. ¿Qué porcentaje de la concentración medida por el espectrómetro es explicada

por el modelo de regresión estimado?
ed d
ar stu
e. Interprete el coeficiente de correlación

sh is
Th
f. ¿Cuál será la concentración medida por el espectrómetro cuando la

concentración de CO en el aire sea de 82 ppm?
g. Con un 92% de confianza, ¿cuál será la concentración medida por el

espectrómetro cuando la concentración de CO en el aire sea de 90 ppm?
7
m
er as
co
eH w
o.
rs e
ou urc
o
aC s
v i y re
ed d
ar stu
sh is
Th
8
Powered by TCPDF (www.tcpdf.org)

Ce87 201700 Ejercicios Propuestos RLS

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ce87 201700 Ejercicios Propuestos RLS

Cargado por

Copyright:

Formatos disponibles

Estadística Aplicada 2

Ejercicios propuestos Regresión Lineal Simple

1. El vicepresidente de Motor Perú S.A es informado por el equipo de la compañía,

N° Resistencia al corte Antigüedad

a. Verifique los supuestos.

II. Autocorrelación de errores:

b. Valide el modelo de regresión lineal.

Como p-valor = 0.000 < alfa = 0.02 entonces se Rechaza Ho.

c. Presente la ecuación estimada e interprete ambos coeficientes.

Resistencia = 2625.4 - 36.96 Antigüedad

Coeficiente de regresión poblacional estimado:

Cuando incrementamos en una unidad la variable Antiguedad, la Resistencia

Y-Resistencia = 2625.4 – 26.96(20) = 1886.15 psi

e. Estime con un intervalo de confianza del 98%, la resistencia media al corte de un

Para crear el grafico la ruta es:

Grafica  Grafica de dispersión  Seleccionar CON REGRESION  ACEPTAR y colocar

las variables que pide.

localidad a partir de las temperaturas mínimas que se pronostican para el día

de diez días son los siguientes:

II. Autocorrelación de errores:

c. Presente la ecuación estimada e interprete ambos coeficientes.

(Formato general: cuando incrementamos en una unidad la variable X, Y disminuye en

Cuando incrementamos en una unidad la variable Temperatura, El Consumo

d. Determine la varianza total de la variable dependiente explicada a través del

f. Estime el consumo de electricidad cuando la temperatura es de 15 °C.

g. Estime con un intervalo de confianza del 94%, el consumo de electricidad cuando

la temperatura es de 15 °C. (estimación valor individual porque no dice

3. Un ingeniero químico está calibrando un espectrómetro para medir la concentración

II. Autocorrelación de errores:

c. Presente la ecuación estimada e interprete ambos coeficientes.

d. ¿Qué porcentaje de la concentración medida por el espectrómetro es explicada

e. Interprete el coeficiente de correlación

f. ¿Cuál será la concentración medida por el espectrómetro cuando la

g. Con un 92% de confianza, ¿cuál será la concentración medida por el

También podría gustarte