Escuela de ingenierías

Modelos de regresión y series de tiempo

TALLER 2
REGRESIÓN LINEAL SIMPLE

En este taller se presentan un conjunto de ejercicios con el fin de que usted pueda utilizarlos
para repasar algunos conceptos estudiados durante la unidad de regresión lineal simple.
Recuerde que este taller no es un pre-parcial y sólo contiene ejercicios como apoyo
complementario al material de clase. Se recomienda adicionalmente revisar los ejercicios
de clase y el material de la plataforma Moodle.

1. La alta densidad de población de Japón ha provocado un sinnúmero de problemas de

consumo de recursos. Una dificultad especialmente seria tiene que ver con la
eliminación de desechos. El artículo “Innovative Sludge Handling Through Pelletization
Thickening” (Water Research, 1999: 3245-3252) reportó la intervención de una nueva
máquina de compresión para procesar lodos de albañal. Una parte importante de la
investigación implicó relacionar el contenido de humedad de gránulos comprimidos (y,
en %) con la velocidad de filtración de la máquina (x, en kg-DS/m/h). Los siguientes
datos se tomaron de una gráfica incluida en el artículo1

Observación X Y Observación X Y

1 125.3 77.9 11 159.5 79.9

2 98.2 76.8 12 145.8 79.0
3 201.4 81.5 13 75.1 76.7
4 147.3 79.8 14 151.4 78.2
5 145.9 78.2 15 144.2 79.5
6 124.7 78.3 16 125.0 78.1
7 112.2 77.5 17 198.8 81.5
8 120.2 77.0 18 132.5 77.0
9 161.2 80.1 19 159.6 79.0
10 178.9 80.2 20 110.7 78.6

X: velocidad de filtración de la máquina (en kg-DS/m/h)

Y: contenido de humedad de gránulos comprimidos (en %)

Con la información anterior realice los puntos siguientes:

a) Realice el diagrama de dispersión XvsY. ¿Es adecuado un análisis de regresión

lineal simple?

b) Ajuste un Modelo de Regresión Lineal Simple para relacionar X vs Y.

c) Estime la tabla ANOVA para el modelo ajustado

1
Enunciado y datos obtenidos de forma textual del libro Devore, J. (2008). Probabilidad y estadística para
ingenierías y ciencias (7th ed.). Cengage Learning Latin America.

Página 1 de 5
 Escuela de ingenierías
Modelos de regresión y series de tiempo

d) Utilizando la información de los puntos anteriores responda:

i. Con una confianza del 95%, ¿es el MRLS ajustado significativo?

ii. ¿Cuál es la interpretación de 𝛽0 en el contexto del ejercicio?
iii. ¿Cuál es la interpretación de 𝛽1 en el contexto del ejercicio?
iv. Compruebe con un nivel de confianza del 95% si la ordenada al origen es
significativa.
v. Compruebe con un nivel de confianza del 95% si la velocidad de filtración de
la máquina es una variable significativa para el MRLS.
vi. ¿Qué proporción de la variabilidad total de y es explicada por el modelo de
RLS?

2. Algunos investigadores consideran que la inflación está relacionada con el índice de

pobreza extrema en los países. Se tomó una muestra de 14 países y a continuación se
presentan los datos.

País Índice de Pobreza Inflación

extrema (%) anual (%)
AA 4.6 3.5
AB 0.7 1
AC 1.2 4.7
AD 0 3.1
AE 0.1 2.5
AF 1.9 1.9
AG 0.1 1.6
AH 0.2 2.5
AI 0.9 3.1
AJ 0.1 3.5
AK 0.4 2.2
AL 0 0.6
AM 21.1 59.1
AN 4.1 6

Con esta información se solicita que responda las siguientes preguntas:

a) Construya un modelo que permita explicar el índice de pobreza extrema de acuerdo

con la inflación anual.
b) ¿Qué porcentaje de la variabilidad en el índice de pobreza extrema en un país logra
ser explicado por la inflación?
c) Si en un país se incrementa la inflación anual en un punto porcentual, ¿Cuál es el
impacto esperado en el índice de pobreza extrema?
d) ¿Cuál es el índice esperado de pobreza en un país en donde la inflación anual fue
del 0%?
e) Con un 95% de confianza indique en qué rango de valores podría estar B1 e
interprete ese valor.
f) Con un 95% de confianza, ¿dentro de qué rango de valores del índice de pobreza
extrema podría encontrarse un país cuya inflación anual es del 6%?

Página 2 de 5
 Escuela de ingenierías
Modelos de regresión y series de tiempo

3. Considere la siguiente información y responda los literales de acuerdo con ella

a) Especifique un modelo de regresión lineal múltiple coherente con la información

suministrada.
b) ¿Es el modelo ajustado significativo con un 95% de confianza?
c) Con un alfa del 5%, ¿Son el intercepto y la ordenada al origen significativos en el
MRLS?
d) ¿Cuál es el porcentaje de bondad de ajuste del modelo?, ¿Cómo lo interpretaría?

4. ¿Qué puede concluir con la siguiente gráfica?, ¿Por qué?

Página 3 de 5
 Escuela de ingenierías
Modelos de regresión y series de tiempo

5. ¿Qué puede concluir con la siguiente gráfica?, ¿Por qué?

6. ¿Qué puede concluir con la siguiente gráfica?, ¿Por qué?

Página 4 de 5
 Escuela de ingenierías
Modelos de regresión y series de tiempo

7. Complete la información de la siguiente tabla y responda las preguntas

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.24
Coeficiente de determinación R^2
Error típico 132.30
Observaciones 11

Grados de Suma de Promedio de los

libertad cuadrados cuadrados F
Regresión 1 9869.69
Residuos
Total 167391.05

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 132.24 47.27 2.80 0.02 25.31 239.1797
Variable X 1 -7.65 10.19 -0.75 0.47 -30.70 15.39524

a) Indique cuál es el modelo ajustado

b) Indique el valor del R2.
c) Con una confianza del 95%, ¿Es la regresión significativa?
d) Con una confianza del 95%, ¿Es el intercepto significativo?

Página 5 de 5