Universidad Nacional de Ingeniería

Facultad de Ingeniería en Computación

Clase Práctica #3.

I unidad: Análisis de Regresión.
Tema: Regresión Lineal Múltiple.
Contenido:
 Coeficientes de regresión.
 Ecuación de Regresión Ajustada.
 Estimación de la varianza y análisis de varianza o prueba de hipótesis global.
 Coeficientes de Determinación, determinación ajustado y correlación.
 Prueba de Hipótesis de los coeficientes de regresión de forma individual.
 Estimación de intervalos de confianza para los parámetros regresión.
 Predicción- Intervalos de Predicción.
OBJETIVOS:
- Analizar e interpretar la relación existente entre las variables de estudio mediante el
análisis de regresión lineal múltiple.
- Desarrollar de manera ordenada, clara y precisa el análisis del modelo.

Ejercicios Propuestos.
1. Se llevo a cabo un conjunto de ensayos experimentales con un horno para
determinar una forma de predecir el tiempo de cocción, y , a diferentes niveles de
ancho del horno, x 1, y a diferentes temperaturas, x 2.
y x1 x2 Se registraron los siguientes datos:

6.40 1.32 1.15

a. Estime la ecuación de regresión lineal
15.05 2.69 3.40 múltiple μ y / x x =β 0 + β 1 x 1+ β2 x 2
d. Pruebe 1,
la hipótesis de que β 1=2 ,en comparación
2

b. Estimecon la varianza
la hipótesis delalternativa
modelo. de que β ≠ 2
1
18.75 3.56 4.10 2.Sec.creeRealice
que la un análisis
energía de varianza
eléctrica que global.
una planta química
e. Determine un intervalo de confianza del 95%
consume cada mes
Establezca sus se relaciona
propias con la temperatura
conclusiones.
30.25
y x 14.41 x 2 8.75
x3 x4 para los coeficientes
ambiental promedio, de regresión
x 1, el número de días del mes x 2,
240 25 24 91 100 la pureza
f. promedio
En cada incisodel producto
establezcaensus propias x 3, y las
porcentaje,
44.85
236 31 5.35 21 14.82
90 95 toneladas fabricadas
conclusiones. del producto, x 4 . Se dispone de
290 45 24 88 110 datos históricos del año anterior, los cuales se presentan
48.94
274 606.20 25 15.15
87 88 en la siguiente tabla.
301 65 25 91 94
51.55 7.12 15.32
316 72 26 94 99
300
61.50 808.87 25 87
18.18 97 a. Ajuste un modelo de regresión lineal múltiple.
296 84 25 86 96 μy /x x 2 , x3 =β 0+ β 1 x1 + β 2 x 2 + β 3 x 3
1,
1
267
100.44 759.80 24 88
35.19 110 b. Prediga un consumo de energía para un mes en que la
276 60 25 91 105 temperatura ambiental promedio es 75 ° F , el número de
288
111.42 5010.6525 90
40.40 100 días es 24, la pureza promedio del producto es 90% y las
261 38 23 89 98
 Universidad Nacional de Ingeniería
Facultad de Ingeniería en Computación

3. Se llevo a cabo un estudio sobre un tipo de conexión para conocer la relación entre
la cantidad de desgaste, y, para x 1 : viscosidad del aceite y x 2 : la carga.

a. Estime σ 2 usando regresión múltiple de y sobre x 1 y x 2.

b. Calcule valores predichos, un intervalo de confianza de 95% para el desgaste
promedio y un intervalo de predicción de 95% para el desgaste observado si
x 1=20 y x 2=1000 .
c. A un nivel de 0.05 pruebe:
1. H 0 : β 1=0en comparación con H 1 : β1 ≠ 0
2. H 0 : β 2=0en comparación con H 1 : β2 ≠ 0

d. Existe alguna razón para creer que habría que cambiar el modelo. Explique su
respuesta.

4. Se realizó un experimento para estudiar el tamaño de los calamares consumidos por

tiburones y atunes. Las variables regresoras son características de la boca del
calamar los datos de estudio son los siguientes:

En el estudio las variables regresoras y la

respuesta considerada son:

x 1 : longitud del rostral, en pulgadas.

x 2 : longitud de la aleta, en pulgadas.

x 3 :longitud del rostral a la cola, en pulgadas.

x 4 :longitud de la cola a la aleta en pulgadas.

x 5 : ancho, en pulgadas.

Y: peso, en libras. 2
 Universidad Nacional de Ingeniería
Facultad de Ingeniería en Computación

a. Estime la ecuación de regresión lineal

múltiple.
μy /x 1, x 2. x 3 , x 4 , x5 =β 0+ β 1 x1 + β 2 x 2 + β 3 x 3 + β 4 x 4 + β 5 x 5
b. Realice una prueba de hipótesis global.
c. Con que variable regresora se justifica mejor
el modelo.
5. Los siguientes datos reflejan la información obtenida en 17 hospitales de la marina
ubicados en diversos sitios del mundo. Los regresores son variables de la carga de
trabajo, es decir, conceptos que dan como resultados la necesidad de personal en un
hospital. A continuación, se presenta una descripción breve de las variables:
y : horas de trabajo mensuales,
x 1 : carga diaria promedio de pacientes,
x 2 : exposiciones de rayos X mensuales,
x 3 : días-camas ocupados por mes.
x 4 :población elegible en área/1000
x 5 : duración promedio de la estancia de un paciente, en días.

3
 Universidad Nacional de Ingeniería
Facultad de Ingeniería en Computación

a. Estime la ecuación de regresión lineal

múltiple.
μy / x 1, x 2. x 3 , x 4 , x5 =β 0+ β 1 x1 + β 2 x 2 + β 3 x 3 + β 4 x 4 +
b. Realice una prueba de hipótesis global.
c. Con que variable regresora se justifica
mejor el modelo.

6. En Applied Spectroscopy se estudiaron las propiedades de reflectancia infrarroja de

un líquido viscoso que se utiliza como lubricante en la industria electrónica. El
experimento que se diseñó consistió en medir el efecto de frecuencia de banda, x 1 , y
el espesor de la película x 2 , sobre la densidad óptica y usando un espectrómetro
infrarrojo Perkin-Elmer Modelo 621.

a. Estime la ecuación de regresión lineal múltiple

μy /x 1, x 2 , x3 =β 0+ β 1 x1 + β 2 x 2 + β 3 x 3
b. A un nivel de significancia de 0.05 pruebe la hipótesis
H 0 : β 1=0 ; H 1 : β 1 ≠ 0
c. Calcular intervalos de confianza del 95% para la
respuesta predicha y la respuesta media cuando
x 1=900 y x2 =¿1.00.