Profesional

Reporte
Estadística y pronósticos para la toma de decisiones

Nombre: Pedro Soto Valdez Matrícula: 2810828

Nombre del curso: Estadística y Nombre del profesor: Ing. Carlos
pronósticos para la toma de Alberto Galván García.
decisiones.

Módulo: 2 (Series de tiempo y Actividad: Ejercicio 10

regresión lineal simple).
Tema: 10 (Inferencia estadística:
contrastes de hipótesis e intervalos
de confianza).
Fecha: miércoles, 11 de marzo de 2020
Bibliografía: Universidad Tecmilenio. (s.f.). Canvas. Recuperado el 09 marzo,
2019, de https://cursos.tecmilenio.mx/courses/10963/pages/mi-curso?
module_item_id=31995

Objetivo: Realizar una prueba de hipótesis sobre la pendiente poblacional.

Procedimiento: Para poder realizar este ejercicio 9, del curso de estadística y

pronósticos para la toma de decisiones, fue necesario realizar una serie de
pasos que conllevaran a la organización correcta para su debida revisión,
simplificación y orden dentro de su contenido.
Primero: Se estudió el tema 10, Inferencia estadística: contrastes de hipótesis
e intervalos de confianza, de la materia de Estadística y pronósticos para la toma
de decisiones.
Segundo: Una vez comprendido lo que venía en el tema 10, se comenzó el
ejercicio correspondiente al tema 10 realizando un diagrama de dispersión para
los datos proporcionados en el primer punto del ejercicio.
Tercero: Una vez terminado el diagrama de dispersión, en función a las
ventas de línea blanca y el estado del mercado de casas nuevas, se desarrolló
una ecuación para la relación entre las ventas de línea blanca (en miles) y la
construcción de casas (miles).

1
 Profesional
Reporte
Estadística y pronósticos para la toma de decisiones
Cuarto: Teniendo la ecuación, se interpretó la pendiente de la recta de
regresión.
Quinto: Luego, se calculó e interpretó el coeficiente de determinación de la
muestra, r2, para esos datos.
Sexto: De igual manera, se determinó e interpretó el error estándar de
estimación.
Séptimo: Después, la construcción de casas durante el año próximo puede
ser mayor que el intervalo registrado; se han pronosticado estimaciones hasta
de 8000 (en miles) unidades. Se calculó un intervalo de predicción de 90% de
confianza para las ventas de línea blanca, con base en los datos anteriores y el
nuevo pronóstico de construcción de casas.
Octavo: Pasando al ejercicio 2, se encontró el error estándar del coeficiente
de la pendiente de regresión.
Noveno: Siguiendo el mismo plan de trabajo, se construyó un intervalo de
confianza del 95% para la pendiente de la población.
Décimo: Se interpretó el intervalo de confianza del paso anterior (noveno).
Undécimo: Pasando al ejercicio 3, se realizó un diagrama de dispersión para
verificar que una línea recta se ajustara bien a los datos.
Duodécimo: Se obtuvo una línea de regresión estimada.
Décimo tercero: Utilizando la ecuación estimada de regresión, se predicó la
eficiencia de extracción cuando el tiempo de extracción es de 35 minutos.
Décimo cuarto: Se probó la hipótesis de que:

Décimo quinto: Al término de prueba de hipótesis, se obtuvo in intervalo de

confianza al 99% para

Décimo sexto: Finalmente para dar por terminado este ejercicio 10, se elaboró
una conclusión breve sobre lo hecho en este ejercicio 10.

2
 Profesional
Reporte
Estadística y pronósticos para la toma de decisiones

Resultados:
Ejercicio 1
1. Las ventas de línea blanca varían según el estado del mercado de casas nuevas: cuando las ventas de casas nuevas son
buenas, también se reflejan éstas en las cifras de lavaplatos, lavadoras de ropa, secadoras y refrigeradores. Una asociación de
comercio compiló los siguientes datos históricos (en miles de unidades) de las ventas de línea blanca y construcción de casas.
Ventas de Hecho en Minitab
Construcción
línea
de casas (X)(Y) ܺଶ ܻଶ
blanca
(miles) X
(miles) Y
2 5 10 4 25
2.5 5.5 13.75 6.25 30.25
3.2 6 19.2 10.24 36
3.6 7 25.2 12.96 49
3.3 7.2 23.76 10.89 51.84
4 7.7 30.8 16 59.29
4.2 8.4 35.28 17.64 70.56
4.6 9 41.4 21.16 81
4.8 9.7 46.56 23.04 94.09
5 10 50 25 100
37.2 75.5 295.95 147.18 597.03
n 10 b1 1.7155525
b0 1.1681446

Promedio de X 3.72
Promedio de Y 7.55

Interpretación de la pendiente de la recta de regresión: Nos indica que hay un aumento de 1.716 por cada mil de
casas construidas sumándole 1.168, esto quiere decir que si no hay construcción de casas, habrán ventas de línea
blanca. Cabe mencionar que este función trata de dar una explicación al comportamiento de datos, que por lo 3
general, también se puede decir que ya está a muy poco para que pueda tener este mismo patrón de la ecuación.
 Profesional
Reporte
Estadística y pronósticos para la toma de decisiones

Ecuación para la relación entre las ventas de línea blanca (en

miles) y la construcción de casas (miles)

Coeficiente de determinación de la Coeficiente de 0.97909434

muestra ‫ ݎ‬ଶ correlación
Sx 0.9886017
Coeficiente de determinación 0.9586257
Sy 1.7322112
Interpretación de determinación: En el presente caso, el coeficiente de
determinación es R2=(r)2, teniendo en este ejercicio un 95% de variabilidad de Y
(Ventas de línea blanca en miles) que está en función de X (Construcciones en
casas
Fórmula para determinar el error estándar de la estimación
Interpretación del error estándar de la estimación: Puede suponerse que el
valor de Se es cero cuando todos los puntos coinciden con la línea de regresión.
Error estándar de la De este modo, cuando Se es pequeño, el ajuste es excelente y el modelo lineal
0.3737165
estimación es probablemente una herramienta para el pronóstico, para este caso, esta
cercano al cero, por lo que se puede decir que si hay que tomar en cuenta el
Error estándar de $373.00 modelo de regresión lineal simple

La construcción de casas durante el año próximo puede ser Fórmula para determinar el intérvalo de confianza
mayor que el intervalo registrado; se han pronosticado
estimaciones hasta de 8000 (en miles) unidades. Calcula un Un intérvalo de confianza al 100 (1-
intervalo de predicción de 90% de confianza para las ventas de
línea blanca, con base en los datos anteriores y el nuevo 90)% para la pendiente b1 de la
pronóstico de construcción de casas. regresión lineal simple

Límite Inferior de Confianza (LSC)= 1.9499283 t 1.86

2.96580512
σ‫ ݔ‬ଶ െ݊ሺᐑሻଶ Ῠ 14.892565 Pronóstico para las
Límite Superior de Confianza (LIC)= 1.4811768 8000 mil unidades

4
 Profesional
Reporte
Estadística y pronósticos para la toma de decisiones
Ejercicio 2
2. En un problema de regresión con tamaño de muestra 17, se encontró que la
pendiente era de 3.73 y el error estándar de 28.654. La cantidad:
a. Encuentra el error estándar del coeficiente de la pendiente de regresión.
Fórmula para el error estándar para el coeficiente de
regresión

σ‫ ݔ‬ଶ െ ݊ᐑଶ ൌ ͺ ͹ͳǤͷ͸ Sb1 4.00185245

b1 3.73
n 17 σ ‫ ݔ‬ଶ െᐑ ଶ ൌ
ͺ ͹ͳǤͷ͸Ȁͳ͹ 7.16018403
Error estándar 28.654

b. Construye un intervalo de confianza del 95% para la pendiente de la muestra.

Fórmula para determinar el intérvalo de confianza

σ‫ ݔ‬ଶ െ݊ሺᐑሻଶ 29.522195

Límite Inferior de Confianza (LSC)= 5.7983311

Construcción del intérvalo del 95% para
Límite Superior de Confianza (LIC)= 1.6616689
la pendiente de la muestra
‫ݐ‬௦௧௨ௗ௧௘௡௧ 2.131

C. Interpreta el intervalo de confianza de la parte b). Por lo que se estima que

el intervalo (1,661.6689, 5,798.3311) incluye el parámetro de la pendiente β1.
Interpretación: con una confianza de 95% se va incrementando a 3.73 por
unidad lo que se esté analizando.
Ejercicio 3
3. Una compañía de productos químicos desea estudiar los efectos que el
tiempo de extracción tiene en la eficiencia de una operación de extracción,
obteniéndose los datos que aparecen en la siguiente tabla:
Eficiencia
Tiempo de
de
extracción (X)(Y) ܺଶ
extracción
(minutos) X
(%) Y
27 57 1539 729 3249
45 64 2880 2025 4096
41 80 3280 1681 6400
19 46 874 361 2116
35 62 2170 1225 3844
39 72 2808 1521 5184
19 52 988 361 2704
49 77 3773 2401 5929
15 57 855 225 3249
31 68 2108 961 4624
320 635 21275 11490 41395 5
 Profesional
Reporte
Estadística y pronósticos para la toma de decisiones

n 10 Ecuación para la relación entre el tiempo de extracción

(minutos) y la eficiencia de extracción (%)

b1 0.764
b0 39.052
Promedio de X 32
Promedio de Y 63.5

Ῠ 65.792

Límite Inferior de Confianza (LSC)= 0.142754

Límite Superior de Confianza (LIC)= 1.385246

Por lo que se estima que el intervalo (0.142754,

1.385246) incluye el parámetro de la pendiente β1.

6
 Profesional
Reporte
Estadística y pronósticos para la toma de decisiones
Prueba de hipótesis de la pendiente ß1
1. Establecimiento de hipótesis

La hipótesis nula especifica que no existe relación lineal entre X y Y, lo cual

implica que la pendiente es cero.
2. Estadística de prueba:
En donde Sb1 es error estándar de b1 y se define como:
3. Establecer la región de rechazo α.
4. Regla de decisión: Rechazar H0 si |tcalculada| es mayor que tα/2 (n-2).
5. Conclusión, en el contexto del problema.

 Establecimiento de hipótesis
 Estadística de prueba: =
‫ݐ‬௖௔௟௖௨ௗ
௟௔ௗ௔ 4.125934

En donde Sb1 es error estándar de b1 y se define como:

= ܵ௕ଵ 0.1851702

 Establecer la región de rechazo con α=0.01. En este caso:

 Regla de decisión: Rechazar H0 si | | es mayor que 3.355.

 Conclusión: en el contexto del problema. Puesto que en este caso el valor

absoluto de = 4.125934 es mayor que = 3.355, se concluye
que se rechaza Ho, por lo que se quiere decir que la pendiente, no es igual a
cero, pero que también no hay que descartar la posibilidad de que puede ser
cierta la conclusión de que haya relación entre el tiempo de extracción y la
eficiencia de extracción, por lo que se puede decir que habría de hacerse otro
análisis que nos dé resultados más específicos para tomar una decisión.
Conclusión: El modelo de regresión lineal, nos ayuda a poderle dar un
determinado comportamiento a los datos que se tienen al momento, sin
embargo, también nos ayuda a poder verificar si la relación de dichos datos es
fuerte o débil. Y con la prueba de hipótesis, verificar si realmente tienen que ver
una con la otra, ya que pueden mostrar las operaciones resultados similares.