3 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE.

13

3 Resolución de algunos ejercicios del tema 3.

3.1 Ejercicios.
Ejercicio 17 En una muestra de 1500 individuos se recogen datos sobre dos
medidas antropométricas X e Y . Los resultados que se obtienen son

x = 14, y = 100, sx = 2, sy = 25, sxy = 45.

Obtener el modelo de regresión lineal que mejor aproxima Y en función de X.

Utilizando este modelo calcular de modo aproximado la cantidad Y esperada
cuando X = 15.
Buscamos la recta Ŷ = a + b X que mejor aproxima los valores de Y , según el
criterio de los mı́nimos cuadrados, en la nube de puntos que resulta de repre-
sentar en un plano (X, Y ) las 1500 observaciones. Los coeficientes de esta recta
son:
sxy 45
b= 2 = = 11.25,
sx 4
a = y − b x = 100 − (11.25)(14) = −57.5.
Ası́, el modelo lineal es: Ŷ = −57.5 + 11.25 X. Por tanto, si x = 15, el modelo
lineal predice un valor de Y de

ŷ = −57.5 + 11.25(15) = 111.25.

En este punto hay que preguntarse cómo de fiable es esta predicción.

Ejercicio 18 De una muestra de 8 observaciones conjuntas de valores de dos

variables X e Y se obtiene la siguiente información:
X X X
xi = 24, xi yi = 64, yi = 40, s2y = 12, s2x = 6.

a) Obtener la recta de regresión de Y sobre X. Explicar el significado de los

parámetros.
b) Calcular el coeficiente de determinación. Comentar el resultado e indicar
el porcentaje de variación de Y que no está explicado por el modelo de
regresión lineal.
c) Si el modelo es adecuado, ¿cuál es la predicción para un valor de x = 4?
d) Obtener la recta de regresión de X sobre Y .

a) Buscamos la recta Ŷ = a + b X:

sXY xy − x y 64/8 − (24/8)(40/8)

b= 2 = 2 = = −1.167,
sX sX 6

40 24
a = y − bx = − (−1.167) = 8.5.
8 8
el parámetro b es la pendiente de la recta de regresión y mide la variación de Y
cuando X aumenta una unidad. Puesto que b < 0 esto significa que a medida
que X aumenta la variable Y tiende a disminuir, es decir, existe una relación
inversa entre X e Y . El parámetro a es el valor de la ordenada en el origen,
3 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 14

es decir, el punto en que la recta cruza el eje vertical. La recta de regresión es

Ŷ = 8.5 − 1.167 X.
b) Puesto que se trata de un modelo lineal, el coeficiente de determinación co-
incide con el coeficiente de correlación lieal de Pearson al cuadrado:

s2XY (−7)2
R2 = rXY
2
= 2 2 = = 0.68,
sX sY 6 · 12

esto significa que el modelo de regresión lineal explica el 68% de la variabilidad

de Y en función de la de X. Por tanto, queda un 32% de variabilidad no
explicada.
c) La predicción que realiza este modelo es

ŷ = 8.5 − 1.167(4) = 3.83,

que hay que considerar con ciertas reservas, puesto que el modelo explica sola-
mente un 68% de la variabilidad total.
d) Buscamos la recta X̂ = ã + b̃ Y :
sXY −7
b̃ = 2 = = −0.583,
sY 12

24 40
ã = x − b̃ y = − (−0.583) = 5.915,
8 8
por tanto, el modelo es X̂ = 5.915 − 0.583 Y . Observemos que los valores que
se obtienen para la pendiente de la recta y para el término independiente no
coinciden en absoluto con los que se obtendrı́an despejando en la ecuación Ŷ =
8.5 − 1.167 X.

Ejercicio 19 La tabla siguiente contiene la edad X y la máxima de la presión

sanguı́nea Y de un grupo de 10 mujeres:

Edad 56 42 72 36 63 47 55 49 38 42
Presión 14.8 12.6 15.9 11.8 14.9 13.0 15.1 14.2 11.4 14.1

a) Calculad el coeficiente de correlación lineal entre las variables y decid qué

indica.

b) Determinad la recta de regresión de Y sobre X, justificando la adecuación

de un modelo lineal. Interpretad los coeficientes.

c) Valorad la bondad del modelo.

d) Haced las predicciones siguientes, sólo cuando creáis que tengan sentido:
d.1) Presión sanguı́nea de una mujer de 51 años.
d.2) Presión sanguı́nea de una niña de 10 años.
d.3) Presión sanguı́nea de una hombre de 54 años.

Respuestas: Construimos la tabla auxiliar para realizar los cálculos de los

apartados a) y b):
3 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 15

xi yi x2i yi2 xi yi
56 14.8 3136 219.04 828.8
42 12.6 1764 158.76 529.2
72 15.9 5184 252.81 1144.8
36 11.8 1296 139.24 424.8
63 14.9 3969 222.01 938.7
47 13 2209 169 611
55 15.1 3025 228.01 830.5
49 14.2 2401 201.64 695.8
38 11.4 1444 129.96 433.2
42 14.1 1764 198.81 592.2
500 137.8 26192 1919.28 7029
Las medias son:
500 137.8
x= = 50, y= = 13.78,
10 10
las varianzas y covarianza son:
26192 1919.28
s2X = x2 −x2 = −502 = 119.2, s2Y = y 2 −y 2 = −13.782 = 2.04,
10 10
7029
sXY = xy − x y = − 50 · 13.78 = 13.9
10
y el coeficiente de correlación lineal es
sXY 13.9
rXY = =√ = 0.89,
sX sY 119.2 · 2.04
que indica una dependencia lineal moderada y directa entre X e Y . Cuanto
mayor es X mayor tiende a ser Y .
La recta de regresión de Y sobre X es Ŷ = a + b X, cuyos coeficientes son:
sXY 13.9
b= 2 = = 0.12,
sX 119.2

a = y − b x = 137.78 − 0.12 · 50 = 7.95.

El coeficiente a es la intersección con el eje de ordenadas, mientras que b es la
pendiente de la recta de regresión.
c) El ajuste del modelo se mide mediante el coeficiente de determinación R2 ,
2
que en el caso del modelo lineal coincide con rXY . Entonces, R2 = 0.892 = 0.79,
que indica que un 79% de la variabilidad de Y viene explicada por el modelo de
la recta de regresión, mientras que queda sin explicar un 21% de la variabilidad.
d) Sólo tiene sentido realizar la predicción del apartado (d1). Para un valor de
x = 51 el modelo predice un valor de y = 7.95 + 0.12 · 51 = 13.90.

Ejercicio 20 Se ha llevado a cabo un ajuste lineal a una nube de puntos for-

mada por observaciones de dos variables X e Y y se ha obtenido un coeficiente
de determinación de 0.03. Discutid si las siguientes afirmaciones son ciertas y
por qué:
a) El coeficiente de correlación lineal entre X e Y valdrá 0.173.
b) La covarianza entre X e Y puede ser negativa.
3 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 16

c) Las variables X e Y son casi independientes.

d) El coeficiente de determinación entre −X e Y valdrá -0.03.
e) El coeficiente de determinación entre −X y −Y valdrá 0.03.
f) Sólo el 3% de la variabilidad total de Y queda sin explicar en el modelo.

Respuestas:
√ √
a) Falso, rXY = ± R2 = ± 0.03 = ±0.173.
b) Cierto.
c) Falso, pues la relación entre X e Y puede ser no lineal.
d) Falso, R2 nunca puede ser negativo. En este caso R2 = 0.03.
e) Cierto.
f) Falso, el modelo sólo explica un 3% de la variablidad de Y , por tanto,
queda por explicar un 97%.