Profesional

Nombre: Luis Alfonso Loyo Hermida Matrícula:2952125

Nombre del curso: Nombre del profesor:
Estadística José Luis Ruiz Maldonado
Módulo: Actividad:
3 Ejercicio 12
Fecha: 28/10/2020

Realiza los siguientes ejercicios (utilicen Excel o un paquete de software estadístico

como Minitab).

Ejercicio 1

1. Una empresa ha estado buscando los factores que influyen en la cantidad de

acero (en millones de toneladas) que puede vender cada año. La administración
sospecha que los siguientes son los factores principales: la tasa anual de
inflación del país, el precio promedio por tonelada de acero importado que acota
los precios (en dólares) y el número de automóviles (en millones) que los
fabricantes de autos planean producir ese año. Se recolectaron los datos de los
últimos siete años:

Millone Tasa de inflación Cota de Número de

s X1 importacionesautomóviles
de tons. X2 (millones)
vendidas X3
Y
4.2 3.1 3.10 6.2
3.1 3.9 5.00 5.1
4.0 7.5 2.20 5.7
4.7 10.7 4.50 7.1
4.3 15.5 4.35 6.5
3.7 13.0 2.60 6.1
3.5 11.0 3.05 5.9

a. Estima la ecuación de regresión múltiple.

b. Análisis de regresión: Y vs. X1, X2, X3
c. Ecuación de regresión
Y = -1.05 - 0.0282 X1 - 0.051 X2
+ 0.890 X3
d. Coeficientes
Término Coef EE del coef. Valor T Valor p FIV
Constante -1.05 1.19 -0.88 0.444  
X1 -0.0282 0.0288 -0.98 0.400 1.38
X2 -0.051 0.107 -0.47 0.668 1.02
X3 0.890 0.213 4.18 0.025 1.39
e. Resumen del modelo
 Profesional

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.27728 86.70% 73.40% 30.93%
5
f. Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresió 3 1.50363 0.50121 6.52 0.079
n
  X1 1 0.07377 0.07377 0.96 0.400
  X2 1 0.01731 0.01731 0.23 0.668
  X3 1 1.34655 1.34655 17.51 0.025
Error 3 0.23066 0.07689    
Total 6 1.73429      

a. Interpreta los coeficientes de regresión estimados.

Y = -1.05 - 0.0282 X1 - 0.051 X2 + 0.890 X3

El eje Y que es igual a -1.05 y es igual al resultado que obtendría Y si X fuese
igual a 0, para hablar de la tasa de inflación respecto a la tonelada vendidas es el
valor de -0.0282 nos da a entender que el tonelaje vendido se reduce 0.028, b2
nos habla de cada unidad de cota importaciones respecto a las toneladas
vendidas en disminución de 0.051, por ultimo b3 es la relación de las toneladas
venidas con el número de automóviles que de igual manera presenta un
incremento de 0.890.

Ejercicio 2

2. Se llevó a cabo un conjunto de ensayos experimentales para determinar una

forma de predecir el tiempo de cocimiento en minutos (Y) a varios niveles de
amplitud del horno, pies (X1) y temperatura de cocción, grados Celsius (X2). Los
datos obtenidos fueron registrados como se muestra a continuación:

Tiempo de Niveles de Temperatura

Cocimiento amplitud en grados C
Y del horno, pies X2
X1
6.40 1.32 1.15
15.05 2.69 3.40
18.75 3.56 4.10
30.25 4.41 8.75
44.85 5.35 14.82
48.94 6.20 15.15
51.55 7.12 15.32
61.50 8.87 18.18
100.44 9.80 35.19
111.42 10.65 40.40
 Profesional

Análisis de regresión: Tiempo vs. Pies,

Grados
Ecuación de regresión
Tiempo = 0.580 + 2.712 Pies
+ 2.0497 Graddos
Coeficientes
Término Coef EE del coef. Valor T Valor p FIV
Constante 0.580 0.607 0.96 0.371  
Pies 2.712 0.202 13.42 0.000 8.27
Graddos 2.0497 0.0481 42.63 0.000 8.27
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.65697 99.97% 99.96% 99.91%
1
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresió 2 10953.2 5476.60 12688.74 0.000
n
  Pies 1 77.7 77.75 180.13 0.000
  1 784.4 784.36 1817.28 0.000
Graddos
Error 7 3.0 0.43    
Total 9 10956.2      
Ajustes y diagnósticos para observaciones poco comunes
Obs Tiempo Ajuste Resid Resid est.
9 100.440 99.289 1.151 2.22 R

Residuo grande R

a. Estima e interpreta los coeficientes de la ecuación de regresión lineal

múltiple.

Tiempo = 0.580 + 2.712 Pies + 2.0497 Grados

Por cada pie en el nivel de amplitud del horno al tiempo de cocimiento se

le incrementará un 2.712 así mismo por cada °C que se incremente la
temperatura se añadirán 2.0497 al tiempo.

b.  Pronostica el tiempo de cocimiento cuando el nivel de amplitud del

horno es de 5 pies y la temperatura de cocción es de 20 grados Celsius.

Tiempo = 0.580 + 2.712 (5) + 2.0497 (20)=55.13

 Profesional

Ejercicio 3

3. El supervisor de una empresa está examinando la relación existente entre la

calificación que obtiene un empleado en una prueba de aptitud, su experiencia
previa y el éxito en el trabajo. Se estudia y se pondera la experiencia de un
empleado en trabajos anteriores y se obtiene una calificación entre 2 y 12. La
medida del éxito en el empleo se basa en un sistema de puntuación que incluye
producción total y eficiencia, con valor máximo posible de 50. El supervisor
tomó una muestra de seis empleados con menos de un año de antigüedad y
obtuvo lo siguiente:

Y X1 X2
Evaluación del Resultado de la Experiencia en
desempeño prueba de aptitudtrabajos anteriores
(años)
28 74 5
33 87 11
21 69 4
40 93 9
38 71 7
46 97 10

a. Estima e interpreta los coeficientes de la ecuación de regresión lineal

múltiple.

Análisis de regresión: Desempeño vs. Prueba, Experiencia

Ecuación de regresión
Desempeñ = -3.4 + 0.360 Prueba
o + 1.08 Experiencia
Coeficientes
Término Coef EE del coef. Valor T Valor p FIV
Constante -3.4 28.2 -0.12 0.913  
Prueba 0.360 0.493 0.73 0.519 3.50
Experienci 1.08 2.12 0.51 0.646 3.50
a
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
7.1050 62.26% 37.11% 0.00%
9
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 249.89 124.94 2.47 0.232
  Prueba 1 26.83 26.83 0.53 0.519
  1 13.04 13.04 0.26 0.646
Experiencia
Error 3 151.45 50.48    
Total 5 401.33      

Si el empleado lo hace mal en su prueba de actitud suponiendo que

consigue la unidad y no tiene experiencia el desempeño sería negativo lo
cual podría decir que no sería alguien a quien se le debería contratar.
 Profesional

b. Si un empleado obtuvo 83 puntos en la prueba de aptitud y tenía una

experiencia en trabajos anteriores de 7 años ¿qué evaluación de
desempeño puede esperar?

Desempeño = -3.4 + 0.360 (83) + 1.08 (7)=34.04

Ejercicio 4

4. Se tomó una muestra de 20 automóviles con relación al número de kilómetros

por litro (Y), caballos de fuerza X1 y peso total en kg X2. 

Kilómetros por
Caballos de
litro, Peso en kg X2
fuerza, X1
Y
19 67 1844
19 50 1998
17 62 1752
16 69 1980
16 66 1797
15 63 2199
15 90 2404
14 99 2611
13 63 3236
12 91 2606
11 94 2580
11 88 2507
11 124 2922
10 97 2434
9 114 3248
9 102 2812
8 114 3382
8 142 3197
7 153 4380
7 139 4036

a. Estima e interpreta los coeficientes de la ecuación de regresión lineal

múltiple.

Análisis de regresión: KM/L vs. HP, KG

Ecuación de regresión
KM/L = 24.75 - 0.0696 HP
- 0.00216 KG
 Profesional

Coeficientes
Término Coef EE del coef. Valor T Valor p FIV
Constante 24.75 1.55 15.96 0.000  
HP -0.0696 0.0253 -2.75 0.014 3.48
KG -0.00216 0.00104 -2.08 0.053 3.48
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1.7512 81.55% 79.38% 75.07%
1
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresió 2 230.42 115.208 37.57 0.000
n
  HP 1 23.25 23.246 7.58 0.014
  KG 1 13.29 13.287 4.33 0.053
Error 17 52.13 3.067    
Total 19 282.55      
Ajustes y diagnósticos para observaciones poco comunes
Obs KM/L Ajuste Resid Resid est.
9 13.000 13.367 -0.367 -0.33 X

X  poco común X

Por cada unidad de caballos de fuerza se le restará 0.0696 a los km/L y

por cada unidad de peso se le restará .00216 a los KM/L lo cual nos dice
que el peso y la potencia afectan al rendimiento de combustible.

b. Si un vehículo tiene 92 caballos de fuerza y un peso de 1750 kg ¿cuál

será el número de kilómetros por litro que se esperaría?

KM/L = 24.75 - 0.0696 (92) - 0.00216 (1750)=14.56