Eugenio Chávez 543837

Sebastián Aguirre 589858

En este problema nos preguntan sobre el posible sesgo de β1, por lo que sería probablemente
negativo, esto es porque se puede observar que avgprod y avgbil tienen relación positiva, mientras
que avgbil y avgtrain tienen relación negativa.

Se pueden observar los promedios, el mínimo y el máximo.

Para escribir los resultados en forma de ecuación debemos ver el intercepto, atend$proGPA y
atend$ACT por lo tanto nos queda que,

Y=75.7+17.261x+(-1.717x2)

Tal y como en la fórmula de la pendiente (Y=Mx+B), el intercepto es la B, o en este caso β0, es para
ver dónde empieza nuestra gráfica. En este caso, en 75.7

Por cada aumento en uno de la variable GPA, β1 se verá afectada y aumentará en 17.26%, por lo
que consideramos que no hay ninguna sorpresa. Por el otro lado, observamos que el puntaje no se
ve afectado positivamente por la asistencia debido a que en este caso por cada disminución en
uno del ACT la asistencia disminuye en 1.717%

Evaluamos en la función original = Y = 75.7+17.261x+(-1.717x2) = 75.7 + 17.261(3.65) – 1.717(20)

=atndrte = 104.36
Student A: Evaluamos en la función original = Y = 75.7+17.261x+(-1.717x2) = 75.7 + 17.261(3.1) –
1.717(21) =93.15

Student B: Evaluamos en la función original = Y = 75.7+17.261x+(-1.717x2) = 75.7 + 17.261(2.1) –

1.717(26) =

Student B = 67.31

3. Utilice los datos de la Encuesta Nacional de Ingresos y Gastos de los Hogares que se
emplearon en el Problema 5 de la Tarea 1. En la base de datos hay una variable que muestra el
número total de integrantes del hogar (tot_integ)

i) Qué correlación espera entre el número total de integrantes del hogar y el ingreso.

Nosotros pensamos que se espera una correlación positiva debido a que entre más personas hay
para producir, en teoría debe de aumentar el ingreso.

ii) Qué signo espera para el estimador de la variable tot_integ si la añade en el modelo en donde
la variable explicada es el logaritmo del gasto en alimentos y la variable explicativa es el
logaritmo del ingreso.

En este caso, para la variable tot_integ creemos que va haber un signo positivo para el estimador,
debido a que entre mayores ingresos mayor es el gasto en los alimentos.

iii) Lleve a cabo una regresión entre el número total de integrantes del hogar y el logaritmo del
ingreso. ¿Se satisface su respuesta del inciso i?

iv) Lleve a cabo una regresión con el logaritmo del gasto en alimentos como variable explicativa
y el logaritmo del ingreso y el número de integrantes del hogar como variables explicadas. ¿Se
satisface su respuesta en el inciso ii?
(La imagen incluye ambas regresiones)

En conclusión estamos de acuerdo y satisfechos con los resultados obtenidos por la regresión y lo
que habíamos previsto. El gasto en los alimentos incrementa cuando β1 incrementa.

v) Qué tipo de sesgo tenía el estimador de 𝛃1 la regresión simple del problema 5 en la Tarea 1.
¿Puede explicar numéricamente la diferencia?

Creemos que se trata de un sesgo positivo.

vi) ¿Cuánto se incrementa el gasto en alimentos por cada integrante del hogar adicional?

5% aproximadamente (4.7)
4. Para analizar la bondad de ajuste se ha desarrollado una medida alternativa al R2 conocida
como R2 ajustado, cuya expresión es la siguiente:

Donde es el tamaño de la muestra, es el número de variables independientes en el modelo y es

la medida de bondad de ajuste tradicional. Un investigador estima los dos siguientes modelos:

Suponga que la variable es irrelevante para el modelo de modo que 𝛃3=0. Explique por qué el R2
ajustado puede disminuir cuando se incluye la tercera variable independiente.

El R2 ajustado puede disminuir cuando se incluye la tercera variable pues al darle más variables
a tener en cuenta al modelo, teóricamente lo hace más “preciso” tomando en cuenta esos
datos, bajando el R 2 .

5. Mostrar que en la regresión lineal simple el R 2 es igual al coeficiente de correlación entre y al

cuadrado. (Pista: podría ser útil primero mostrar que: , Para ello pueden

recordar que