EJERCICIOS REGRESION LINEAL

1. Los estudiantes universitarios que aprenden más rápido tienen mejores

calificaciones promedio (CP) y, por lo tanto, mejores oportunidades de obtener
buenos empleos después de graduarse. Supóngase que los datos que se
encuentran en la siguiente tabla representan las calificaciones promedio de 15
recién graduados y sus correspondientes salarios iniciales.
Salario
CP Inicial
2.95 18.5
3.2 20
3.4 21.1
3.6 22.4
3.2 21.2
2.85 15
3.1 18
3.85 18.8
3.05 15.7
2.7 14.4
2.75 15.5
3.1 17.2
3.15 19
2.95 17.2
2.75 16.8
a) Realice el diagrama de dispersión de los datos.
X: calificación promedio (V.P)
Y: salario inicial (V.R)
Gráfica de dispersión de Salario Inicial vs. CP
23

22

21

20
Salario

19

18

17

16 2.6 2.8 3.0 3.2 3.4 3.6 3.8 4.0

CP
15

b) Estime los parámetros del modelo.

yˆ  ˆ  ˆ x
14
 1
 xy  x y
ˆ  i i i i
n1
x   x 
2
 2

i i
n
ˆ  y  ˆx
1
 xy   x 830.425 
45.6 270.8
y i i
ˆ  i i
x 
2
n1
x
2
15  8.12
45.62

139.51
  15

i i
n

ˆ  y  ˆ x  18.05  8.12 3.04  6.63

yˆ  ˆ  ˆx
yˆ  6.63  8.12x

X Y X*Y X^2 Y^2 Y^i(salario) residuo(Yi-^Yi residuo^2

2.95 18.5 54.575 8.7025 342.25 17.32 1.18 1.38
3.2 20 64 10.24 400 19.35 0.65 0.42
3.4 21.1 71.74 11.56 445.21 20.98 0.12 0.01
3.6 22.4 80.64 12.96 501.76 22.60 -0.20 0.04
3.2 21.2 67.84 10.24 449.44 19.35 1.85 3.41
2.85 15 42.75 8.1225 225 16.51 -1.51 2.29
3.1 18 55.8 9.61 324 18.54 -0.54 0.29
2.85 18.8 53.58 8.1225 353.44 16.51 2.29 5.23
3.05 15.7 47.885 9.3025 246.49 18.14 -2.44 5.93
2.7 14.4 38.88 7.29 207.36 15.29 -0.89 0.80
2.75 15.5 42.625 7.5625 240.25 15.70 -0.20 0.04
3.1 17.2 53.32 9.61 295.84 18.54 -1.34 1.80
3.15 19 59.85 9.9225 361 18.95 0.05 0.00
2.95 17.2 50.74 8.7025 295.84 17.32 -0.12 0.02
2.75 16.8 46.2 7.5625 282.24 15.70 1.10 1.21
45.6 270.8 830.425 139.51 4970.12

c) Interprete los resultados obtenidos.

Contiene los salarios promedios estimados para cada calificación
promedio.
Para xˆ  2.95 , salario inicial estimado yˆ  17.32 miles de dólares.
es
El valor residual indica la distancia vertical que existe entre la
observación y el punto sobre la recta estimada
d) Realice el ANOVA
F.V g.l SC CM F

  Yˆ  Y  Yˆ Y 
Regresión 1 2
  Yˆ  Y

i

2 2

i 1 i
CMR
F 1
2
CME
 Y  Yi ˆ
i 
n2
 
2
Error n-2 Y  Yˆ
i i   Y  Yˆ

2

i i

n2
2
Total n-1  Y Y 
i

   58.42
2
SCR   Yˆi  Y

SCE   Y  Yˆ   SCTo  SCR  81.28  58.42  22.86

2

SCTo   Y  Y 2


2
 Y 2 Y  i 4970.12 
2
 81.28
 
i i
n 15

FV gl SC CM F
Regresion 1 58.42 58.42 33.22
Error 13 22.86 1.758
Total 14 81.28
 PRUEBA DE HIPÓTESIS
Ho: no existe una regresión lineal entre el salario inicial y CP.
Ha: existe una regresión lineal entre el salario inicial y CP.
Nivel de significancia:   0.99
Estadístico de prueba: Fo=33.22
Fc=F(0.99;1y13)=9.07
Conclusión: Fo mayor Fc, entonces se rechaza la Ho; es decir, el salario
inicial promedio está influenciado por la calificación promedio
e) Determine el coeficiente de determinación
r 2  1 SCE ; 0  r2  1
SCTo
22.86
r  1
2
 0.7187
81.28
La presencia lineal de CP en el modelo de regresión explica el 71.87% de
la variación total en los salarios iniciales.

EJERCICIOS

2. Las siguientes son las calificaciones de un grupo de 9 estudiantes en un informe

de medio semestre (X) y en el examen final (Y):

X Y
77 82
50 66
71 78
72 34
81 47
94 85
96 99
99 99
67 68