6.

La siguiente tabla contiene la producción de espárragos del Perú en el periodo

2006-2010 en miles de toneladas métricas.

Años 2006 2007 2008 2009 2010

Producció
n 259.97 284.10 328.37 316.88 341.71

a. Determine y grafique los datos de la producción de

x y espárragos en el Perú
1 259.97
2 284.10
3 328.37
4 316.88
5 341.71

Producción de espárragos del Perú en el

periodo 2006-2010 en miles de toneladas
métricas
400

350

300

250

200

150

100

50

0
2005 2006 2007 2008 2009 2010 2011

Datos generados con una calculadora de mano:

n=5
x=3
y=306.206
∑ x =15
∑ x 2=225
∑ y=1531.03
 ∑ y2 =2344052.861
∑ xy =4789.35
b. Determine e interprete el coeficiente de correlación

n∗∑ xy−( ∑ x ¿¿ ∑ y)
r= ¿
√ 2
( n∗∑ x −( ∑ x ) )( n∗∑ y −( ∑ y ) )
2 2 2

5∗4789.35−(15∗1531.03)
r=
√(5∗55−152)(5∗473302.7263−1531.032)
r =0.925986106

Como r = 0.925986106 está cerca de 1, podemos decir que existe una alta
correlación directa entre las variables años y la producción de espárragos
del Perú.

c. Determine e interprete el coeficiente de determinación

r 2=0.9259861062=0.857450269

Por lo tanto, podemos afirmar que la producción de espárragos del Perú es

explicada en un 85.75% por el periodo de tiempo en años.

d. En La ecuación de la recta, ¿Cuál será la producción de espárragos

estimada para el año 2013?

Años 2006 2007 2008 2009 2010 2011 2012 2013

x 1 2 3 4 5 6 7 8

Ecuación de la recta

Fórmulas:

( ∑ x)( ∑ y)
∑ xy − n
b 1= 2
∑x
∑ 2
x−
n
b 0= y−( b1 ) ( x )

Desarrollo:
 (15)(1531.03)
4789.35−
5
b 1= 2
=19.626
15
225−
5
b 0=306.206−( 19.626 )( 3 )=247.328

La recta de regresión esta queda determinada de la siguiente manera:

Yc = 247.328+ 19.626 x

Y = 247.328 + 19.626(8)
Y = 247.328 + 157.008
Y = 404.336

Por lo tanto, podemos afirmar que la producción de espárragos del Perú en

el año 2013 es de 404.336.

e. Determinar la estimación de error (MSE)

Fórmulas:
MSE=SSE/(n−r )
SSE=Y ' Y −SSR
SSR=B ‘ X ‘ Y

Desarrollo:

SSR=( b0 b1 ) |∑∑xyy |
| |
SSR=( 247.328 19.626 ) 1531.03 =( 247.328 ) ( 1531.03 ) + ( 19.626 ) ( 4789.35 )
4789.35
SSR=472662.3709

'
SSE=Y Y −SSR
SSE=473302.7263 – 472662.3709=640.35536

MSE=SSE/(n−r )

640.35536
MSE=
5−2
MSE=213.4517867
 En conclusión, la estimación del error (MSE o σ2) es 213.4517867

f. Calcular las varianzas y las desviaciones estándares de los estimadores

Fórmula:

Var ( ^β )=(x x) σ u
' −1 2

|15 55|
( x ' x )= 5 15

Determinante: 5∗55−(15∗15)=50

Por lo tanto:

|
Var ( ^β )=
V ( A)
COV (BA) V ( B) |
COV ( AB) 2
∗σ

|¿ −15
55 −15
5 |
∗213.4517867
50

|
¿ 234.7969653 −64.035536
−64.035536 21.34517867 |
Entonces las varianzas y las desviaciones estándares de los estimadores
son:

VAR (A )=234.7969653
VAR (B)=21.34517867
S ( A )= √234.7969653=15.32308603
S ( B )=√ 21.34517867=4.620084271

g. Construir e interpretar un intervalo de confianza de la pendiente de la recta

al 95%

Fórmula:

Ic=b 1 ± t α / 2 S b1
Ic=19.626 ± 3.182∗4.620084271
Ic=19.626−3.182∗4.620084271; 19.626+3.182∗4.620084271
 Ic=4.924891851; 34.32710815

Interpretación:
Con un nivel de confianza del 95%, podemos afirmar que el intervalo de
confianza para la pendiente es de (4.924891851; 34.32710815)

h. Probar e interpretar la siguiente hipótesis:

Ho: ß1 = 0 en oposición a
Ha: ß1  0
Siendo el nivel de riesgo del 5%.

Prueba del parámetro de regresión poblacional B 1

Paso 1: Formulación de la hipótesis

Ho: ß1 = 0 x no influye en la producción de espárragos

Ha: ß1  0 x si influye en la producción de espárragos

Paso 2: Nivel de significancia

α =0.05

Paso 3: Estadístico de prueba bajo H0

B1 – 0
tc= →(n−r )
S( B1 )

Paso 4: Región de aceptación y rechazo

-3.182 t(3)(0.975) = 3.182 4.25

R . A .=[ −3.182 ,3.182 ]

R . R .=(−∞ ,−3.182 ) U ( 3.182, ∞ )
 Paso 5: Cálculo del valor de prueba

|15 55|
( x ' x )= 5 15

Determinante: 5*55-(15*15) = 50

Por lo tanto:

|¿ −15
55 −15
5 |∗213.4517867
50

¿|234.7969653
−64.035536
−64.035536
21.34517867|
Entonces ahora calculado V(B)= 21.34517867 S(B) = 4.620084271

19.626−0
tc= =4.247974463
4.620084271

Paso 6: Decisión

Como tc= 4.247974463 > 3.182, cae en la región de rechazo, entonces

rechazamos H0 y aceptamos H1

Paso 7: Conclusión

Con un nivel de confianza estadística del 95%, podemos afirmar que el

periodo de años, si influye en la producción de espárragos del Perú.

13.-Los que siguen son los datos acerca de la demanda de un bien en función del
precio y del precio del bien sustituto

DEMANDA:Y PRECIO DEL BIEN: X1 PRECIO DEL BIEN

SUSTITUTO: X2
22 12 16
41 30 26
48 22 20
52 31 30
63 44 41
70 46 48
81 56 52
90 60 56
100 65 54
108 74 72
 a. Determine el plano de regresión Yi = Bo+ B1 X1+ B2 X2

()
¿ β0
−1
β = β 1 =( X ' X) ∗( X ' Y )
β2

( )( )
n ∑ X1 ∑ X2 10 440 415
¿ ( X X )= ∑ X 1
' 2
∑ X1 ∑ X1 X2 = 440 22978 21464
∑ X2 ∑ X 1 X2 ∑X
2 415 21464 20157
2

INVERSA DE UNA MATRIZ:

( )
10 440 415 10 440
Adj ( A )
A =
−1
|X ' X|= 440 22978 21464 440 22978
| A|
415 21464 20157 415 21464

| X ' X|=3514050

( )
(∑ X 21∗∑ X 22−∑ X 1 X 2∗∑ X 1 X 2 ) −(∑ X 1∗∑ X 22−∑ X 1 X 2∗∑ X 2 ) ( ∑ X 1∗∑ X 1 X 2−∑ X 21∗∑ X 2)
Adj( X ' X )= −( ∑ X 1∗∑ X 22−∑ X 1 X 2∗∑ X 2) (n∗∑ X 22−∑ X 2∗∑ X 2) −( n∗∑ X 1 X 2−∑ X 1∗∑ X 2 )
2
(∑ X 1∗∑ X 1 X 2 −∑ X ∗∑ X 2)
1 −(n∗∑ X 1 X 2−∑ X 2∗∑ X 1 ) (n∗∑ X 21−∑ X 1∗∑ X 1)

( )
2464250 38480 −91710
Adj( X ' X )= 38480 29345 −32040
−91710 −32040 36180

( )( )
∑Y 6 75
¿ ( X Y )= ∑ X 1 Y = 34582
'

∑ X 2Y 32309

()
¿ β0
−1
β = β 1 =( X ' X) ∗( X ' Y )
β2

( )
∑Y
Adj ( X X )
'

= ∑ X1 Y
| X ' X| ∑ X2 Y

( )( )
2464250 38480 −91710 675
1
¿ 38480 29345 −32040 34582
3514050
−91710 −32040 36180 32309

()( )
¿ β0 8.829049103
β = β 1 = 1.594294333
β 2 −0.276578307
y i=β 0 + β 1 x 1 + β 2 x 2
y i=8.829049103+1.594294333 x 1−0.276578307 x 2

b. Determine e interprete el coeficiente de correlación.

r =0.984487383

Como r = 0.984487383 está cerca de 1, podemos decir que el precio del

bien y el precio del bien sustituto tiene una alta correlación directa con la
variable Demanda.

c. Realizar la prueba para el coeficiente de población correlacional: P

Paso1: Formulación de la hipótesis:

Ho: ρ=0 no existe correlación lineal entre las variables X 1, X2 e Y

Ha: ρ≠0 si existe correlación lineal entre las variables X 1, X2 e Y

Paso 2: Nivel de significancia

α= 0.05

Paso 3: Estadístico de prueba

Paso 4: Región de aceptación y rechazo

- 2.306 t(8)(0.975) = 2.306 22.36

Paso 5: Cálculo
 Sr= √
1−0.984487383
=0.044034954
√10−2
0.984487383
t k= =22.35695281
0.044034954

Paso 6: Decisión

Como tk = 22.35695281 > 2.306, rechazamos la hipótesis nula y

aceptamos la hipótesis alternativa.

Paso 7: Conclusión

Si existe correlación lineal entre el precio del bien y el precio del bien
sustituto con la demanda.

d. Determine e interprete el coeficiente de determinación

2 2
r =0.984487383 =0.969215407

Por lo tanto, podemos afirmar que el precio del bien con el precio del bien
sustituto es explicado en un 96.92% por la demanda.

e. En La ecuación del plano de regresión, ¿Cuál será la demanda si el precio

del bien es 76 y el precio del bien sustituto 74?

Yc = 8.829049103 + 1.594294333 x1 - 0.276578307 x2

Y = 8.829049103 + 1.594294333 x1 - 0.276578307 x2

Y = 8.829049103 + 1.594294333 (76) - 0.276578307 (74)
Y = 109.5286237

La demanda estimada si el precio del bien es 76 y el precio del bien

sustituto es de 74 será de 109.5286237.

f. Determinar la estimación de la varianza del error

( )
675
SSR=( 8.829049103 1.594294333−0.276578307 ) 34582
32309
SSR=( 8.829049103 ) ( 675 ) + ( 1.594294333 ) ( 34582 )+(−0.276578307)(32309)
SSR=52157.52624
' ' '
SSE=Y Y x B X Y
'
SSE=Y Y −SSR
SSE=52367 – 52157.52624=209.4737639
 SSE
MSE=
n−r
209.4737639
MSE=
10−2
MSE = 41.89475278

g. Calcular las varianzas y las desviaciones estándares de los estimadores

Fórmula:

Var ( ^β )=(x' x)−1 σ 2 u

| |
10 440 415
( x ' x )= 440 22978 21464
415 21464 20157

( )
Adj ( A ) 10 440 415 10 440
−1
A = |X ' X|= 440 22978 21464 440 22978
| A|
415 21464 20157 415 21464

Determinante :|X ' X|=3514050

Por lo tanto:

| |
2464250 38480 −91710
38480 29345 −32040
−91710 −32040 36180
Var ( ^β )= ∗41.89475278
3514050

| |
29.37896289 0.458761283 −1.09337311
0.458761283 0.349853167 −0.381983147
−1.09337311 −0.381983147 0.43134052

S ( A )= √29.37896289=5.420236424
S ( B )=√ 0.349853167=0.591483868
S ( C ) =√ 0.43134052=0.656765194

h. Construir e interpretar un intervalo de confianza de para el parámetro B 1 y

para el parámetro B2 del plano de regresión al 95%
 Fórmula:
Ic=b 1 ± t α / 2 S b1

Desarrollo para el parámetro B1

Ic=1.594294333 ± 2.306∗0.591483868
Ic=1.594294333−2.306∗0.591483868; 1.594294333+2.306∗0.591483868
Ic=0.230332532 ;2.958256133

Interpretación:
Con un nivel de confianza del 95%, podemos afirmar que el intervalo de
confianza para la pendiente es de (0.230332532; 2.958256133)

Desarrollo para el parámetro B1

Ic=−0.276578307± 2.306∗0.656765194
Ic=−0.276578307−2.306∗0.656765194 ;−0.276578307+2.306∗0.656765194
Ic=−1.791078845 ; 1.237922231

Interpretación:
Con un nivel de confianza del 95%, podemos afirmar que el intervalo de
confianza para la pendiente es de (-1.791078845; 1.237922231)

i. Realizar la prueba de confiabilidad del Modelo: Use α= 5%

Paso 1: Formulación de la hipótesis

H 0 :B=0 ; El modelo no tiene confianza estadística del 95 %
H 1 : B ≠ 0 ; El modelo sitiene confianza estadística del 95 %

Paso 2: Nivel de significancia

α =0.05

Paso 3: Tabla de análisis de varianza

Fuente de Grados de Suma de cuadrados Estadística F FT

Variación Libertad cuadrados medios

Debido a r SSR = B‘X‘Y MSR=SSR/r F(R)=MSR/MSE Fr , n - r, 

la
regresión
Error n-r SSE = Y‘Y - MSE = SSE/n - r    
residual B‘X‘Y = ²
TOTAL n SST = Y‘Y      

Paso 4: Región de aceptación y rechazo

R.A  Nivel de significancia

CE   R.R

4.347 414.9885

Paso 5: Cálculo del valor de prueba

Fuente de Grados de Suma de cuadrados Estadístic FT

Variación Libertad cuadrados medios aF

Debido a r = 3 SSR = MSR = F(R)= Fr , n - r,  F(3,7)(0.95)= 4.347

la 52157.52624 17385.84208 414.98853
regresión 5
Error n – r =(10- SSE = MSE =  
residual 3)= 7 209.4737639 41.89475278
TOTAL n =10 SST =      
52367

Paso 6: Decisión
Como F(R) igual a 414.988535, cae en la región de rechazo, rechazamos H 0 y
aceptamos H1

Paso 7: Conclusión
Por lo tanto, podemos concluir que el modelo si tiene la confianza estadística del
95%

j. Probar e interpretar la siguiente hipótesis: a) Con la prueba T y con la F

Ho: ß1= = 0 en oposición a Ha: ß1  0
Siendo el nivel de riesgo del 5%.

Paso 1: Formulación de la hipótesis

Ho: ß1 = 0 x no influye en la demanda
Ha: ß1  0 x si influye en la demanda

Paso 2: Nivel de significancia

α =0.05

Paso 3: Estadístico de prueba bajo H0

B1 – 0
tc= →(n−r )
S( B1 )

Paso 4: Región de aceptación y rechazo

-2.306 t(8)(0.975) = 2.306 2.695

R . A .=[ −2.306 , 2.306 ]

R . R .=(−∞ ,−2.306 ) U ( 2.306 , ∞ )

Paso 5: Cálculo del valor de prueba

| |
10 440 415
( x x )= 440 22978 21464
'

415 21464 20157

( )
Adj ( A ) 10 440 415 10 440
A−1= |X ' X|= 440 22978 21464 440 22978
| A|
415 21464 20157 415 21464

Determinante :|X ' X|=3514050

Por lo tanto:
 | |
2464250 38480 −91710
38480 29345 −32040
−91710 −32040 36180
Var ( ^β )= ∗41.89475278
3514050

| |
29.37896289 0.458761283 −1.09337311
0.458761283 0.349853167 −0.381983147
−1.09337311 −0.381983147 0.43134052

Entonces:
VAR (A )=29.37896289
VAR (B)=0.349853167
VAR (C)=0.43134052
S ( A )= √29.37896289=5.420236424
S ( B )=√ 0.349853167=0.591483868
S ( C ) =√ 0.43134052=0.65676519 4

Entonces ahora calculado V(B)= 0.349853167 S(B) = 0.591483868

1.594294333−0
tc= =2.695414732
0.591483868

Paso 6: Decisión

Como tc= 2.695414732 > 2.306, cae en la región de rechazo, entonces

rechazamos H0 y aceptamos H1

Paso 7: Conclusión

Con un nivel de confianza estadística del 95%, podemos afirmar que el

precio del bien si influye en la demanda.

Ho: ß2= = 0 en oposición a Ha: ß2  0

Siendo el nivel de riesgo del 5%.

Paso 1: Formulación de la hipótesis

Ho: ß1 = 0 x no influye en la demanda

Ha: ß1  0 x si influye en la demanda

Paso 2: Nivel de significancia

α =0.05

Paso 3: Estadístico de prueba bajo H0

B1 – 0
tc= →(n−r )
S( B1 )

Paso 4: Región de aceptación y rechazo

-2.306 t(8)(0.975) = 2.306

-0.421

R . A .=[ −2.306 , 2.306 ]

R . R .=(−∞ ,−2.306 ) U ( 2.306 , ∞ )

Paso 5: Cálculo del valor de prueba

| |
10 440 415
( x ' x )= 440 22978 21464
415 21464 20157

( )
Adj ( A ) 10 440 415 10 440
−1
A = |X ' X|= 440 22978 21464 440 22978
| A|
415 21464 20157 415 21464

Determinante :|X ' X|=3514050

Por lo tanto:

| |
2464250 38480 −91710
38480 29345 −32040
−91710 −32040 36180
Var ( ^β )= ∗41.89475278
3514050
| |
29.37896289 0.458761283 −1.09337311
0.458761283 0.349853167 −0.381983147
−1.09337311 −0.381983147 0.43134052

Entonces:
VAR (A )=29.37896289
VAR (B)=0.349853167
VAR (C)=0.43134052
S ( A )= √29.37896289=5.420236424
S ( B )=√ 0.349853167=0.591483868
S ( C ) =√ 0.43134052=0.65676519 4

Entonces ahora calculado V(B2)= 0.43134052 S(B2)=0.656765194

−0.276578307−0
tc= =−0.421122053
0.656765194

Paso 6: Decisión

Como tc= -2.306 < -0.421122053 < 2.306, cae en la región de aceptación,
entonces aceptamos H0 y rechazamos H1

Paso 7: Conclusión

Con un nivel de confianza estadística del 95%, podemos afirmar que el precio del
bien sustituto no influye en la demanda.