UNIVERSIDAD NACIONAL DE TRUJILLO

FILIAL SANTIAGO DE CHUCO

ESCUELA ACADÈMICA PROFESIONAL DE
INGENIERIA AMBIENTAL

TEMA:
  TAREA SEMANA 07

CURSO:
 ESTADÌSTICA APLICADA
DOCENTE:
 DIONICIO ROSADO DEYVI YOSIP

ALUMNO:
 ARANDA BRICEÑO JULIO NILVER
 BARRETO POLO ANAYELY
 QUISPE MEDINA JEYSI
 ROMAN BALTAZAR LEIDY FIORELLA
 RUIZ CABRERA JUAN HECTOR

CICLO: V
SANTIAGO DE CHUCO
2023
1. Para una nueva variedad de repollo se desea conocer si el crecimiento está
relacionado linealmente con las dosis de fertilizante de uso habitual en otras
variedades de la misma especie. Para comprobarlo, se realiza un experimento en
14 parcelas cultivadas con la nueva variedad. Se aplican distintas dosis de
fertilizante y se mide el crecimiento promedio del diámetro de la hortaliza al
cabo de tres semanas. A continuación, se presentan el cuadro con las
observaciones y el gráfico de dispersión:

a. Presente el modelo de regresión lineal estimado para predecir el

crecimiento en diámetro de las plantas de repollo de la nueva variedad
en función de la dosis de fertilizante. Identifique los estimadores de los
parámetros y las variables explicativa y de respuesta.
Modelo de regresión lineal:
Y =7.78 ( X )+ 2.63
Estimadores de los parámetros:
b 0=2.63

b 1=7.78

Variable explicativa y de respuesta:

Variable explicativa: dosis
Variable de respuesta: crecimiento
b. ¿Qué interpretación biológica puede darse a una pendiente significativa de
7?78 en este contexto? Indique las unidades en que se expresa la pendiente.
En medida el repollo gana un 7.78 en el crecimiento de su diámetro, por la cantidad de
dosis que se le aplique.
Indique las unidades en la que se expresa la pendiente:
2
m cm
L
c. Calcule el valor estimado y el residual de la observación correspondiente a
la parcela 11.

Y =7.78 ( 1.6 )+ 2.63=15.078 cm

e=16−15.078=0.922cm
2. En una estación experimental de Rafaela, Santa Fe se realizó un ensayo para
evaluar el efecto del nivel de suplementación con alimento balanceado
(Kg/día/animal) sobre la producción de leche (lts/día/animal) en vacas Holando-
argentino. En las siguientes tablas y figuras se resumen los resultados obtenidos
de un análisis de regresión lineal efectuado por los investigadores que
condujeron el estudio:

a. Escriba la ecuación de regresión lineal ajustada e interprete en términos

agronómicos los estimadores de los parámetros. Indique en el gráfico el
valor de la ordenada al origen.
La ecuación de regresión lineal ajustada es: y=1.30 ( x ) +18.36
b 0=18.36

Para una dosis de balanceado nula, la producción de leche en un día será de 18.39 litros.
b 1=1.30

Ante un aumento unitario de dosis de balance por día, se obtendrá un aumento de la

producción de leche de 1.30.
b. Según la ecuación propuesta en (a), ¿qué producción de leche promedio
puede obtenerse con un nivel de suplemento de 5.5 Kg. diarios de
balanceado por animal?
Y =1.30 ( x ) +18.39 →Y =1.30 ( 5.5 )+18.36=25.51
Según la ecuación encontrada con un nivel de 5.5 kg de suplemento se podría obtener
25.51L de leche diario.
c. Interprete el valor p < 0.001 de la pendiente.
Indica que la pendiente es significativa para un 5%.
3. Se quiere conocer la relación funcional entre la edad al primer parto (días) y la
pérdida de peso post parto (kg) en vacas Jersey. Con este objetivo se toma una
muestra al azar de 15 vacas de un tambo, se miden ambas variables y se realiza
un análisis de regresión en planilla de cálculo que produce los siguientes
resultados:

a. Identifique las variables.

X = edad del primer parto
Y = perdida de peso post parto
b. Escriba el modelo lineal correspondiente y describa cada parámetro
desde el punto de vista del problema. Calcule y grafique la recta de
regresión.
y i=b 0 +b1 X i +e i

b 0=55.2843 estimador de bi (ordenada al origen) no tiene sentido en términos del

problema.
b i=−0.368 estimador de bi (pendiente) indica cuanto disminuye la perdida de peso post
parto ante un aumento unitario de la edad del primer parto.
 c. Estime la varianza de la variable dependiente.
s s
error estandar= → 0.92= → s 2=12.7
√n √15
d. Ponga a prueba la hipótesis que sostiene que a medida que aumenta
la edad de la vaca, la pérdida de peso post parto es menor.
el valor de p es 1.5× 10-9 por lo tanto rechazo la hipótesis nula y hay regresión. Por lo
tanto, puedo afirmar que “a medida que aumenta la edad de la vaca, la pérdida de peso
post parto es menor”.
e. Estime un IC95 para b1.
IC 95 %=X prom ±1.96 (SE)
CME
=0.00060516
∑ ( X i −X prom )2
∑ ( X i− X prom )2=1398,6383

( )
2
1 X prom
0.70190884=0.8464 +
15 1398,6383
X prom =32.66

IC 95 %=32.66 ±1.96(0.0246)
finalmente , el intervalo : [ 32.61 ; 37.48 ]
f. Interprete el Coeficiente de Determinación desde el punto de vista
del problema.
El 94.5% de las variaciones en y, están explicadas por las variaciones en x.
4. Se analizaron los datos correspondientes a la cantidad de proteína en
subproductos alimentarios de porotos de soja, en función de la cantidad de
ácido ascórbico (en ppm) que se agregaban en el proceso. Se ensayaron dosis de
ácido ascórbico desde 50 a 54. El análisis de los datos arrojó los siguientes
resultados:

R2 = 0.3759; Error standard: 3.79931; SCREG = 200.000; SCE: 332.000

a. Escriba el modelo correspondiente, especificando cada término.
b 1=2

b 0=−58

Y =−58+2( x)
 b. ¿Cuál es la recta de ajuste para el modelo planteado en (a)?

c. ¿Es la pendiente de la recta de ajuste significativamente distinta de cero?

Explique cómo lo determina estadísticamente y qué significado tiene en
términos del problema que la pendiente sea cero o no.

Si, se puede determinar estadísticamente a través del diagrama de dispersión,

observando como cambia la variable dependiente Y por cada unidad de incremento de
la variable independiente X.
O también se puede expresar de la siguiente manera:
∆Y
β 1=
∆X
Se puede obtener el siguiente significado:
Si la pendiente de la recta de ajuste tiene valor cero, la recta es horizontal, es decir, ni se
incrementa ni disminuye, tanto en Y como también en X. también no indicaría ningún
ángulo de inclinación.
Y en cambio la pendiente es no 0 se puede determinar una pendiente positiva o
negativa.
d. ¿Qué porcentaje de proteína se espera encontrar con 52 ppm de ácido
ascórbico?
usamos la siguiente ecuaciòn:Y =−58+2(X )
Y =−58+2 (52 ) =46 %
e. ¿Qué proporción de la variación de la variable dependiente es explicada por
el modelo?
La proporción de la varianza esta definida por R2 = 0.3759
Donde R2 = 37.59% la cual se interpreta que el ajuste no esta bueno ya que esta lejano
del valor esperado.
Grafique la recta de regresión y agregue como las curvas de los intervalos de
confianza y predicción, si bien Ud carece de los datos exactos para dibujarlos
interesa la forma y ubicación de los mismos. Explique porque toman la forma
dibujada.
Para graficar partimos de la ecuación: 𝑌 = −58 + 2(𝑋)
Luego realizamos nuestra tabla, reemplazando valores para X, cabe resaltar que en el
problema nos dice que se ensayaron dosis de ácido ascórbico desde 50 a 54. Entonces
tomamos los siguientes valores:

X Y
50 42
51 44
52 46
53 48
54 50

5. Marcos, un becario de INTA Castelar, realizó un ensayo, para estudiar el efecto

de la compactación del suelo labrado sobre el rendimiento en maíz. Para esto
midió el grado de compactación del suelo (en hectopascales) con un aparato
conocido como penetrómetro. Las mediciones fueron realizadas a dos
profundidades: a 5 cm y a 20 cm de la superficie del suelo. Finalizado el ensayo,
cosechó las parcelas y midió el rendimiento y lo expresó en kilogramos por
hectárea. Los datos que obtuvo se muestran en la tabla de la izquierda. Marcos
se hace las siguientes preguntas:
 a. ¿se relaciona de manera lineal el rendimiento con la compactación
sufrida por el suelo a los 5 cm? ¿Y a los 20 cm?
Si hay una relación lineal entre el rendimiento con la compactación sufrida por el suelo a los 5
cm

Si hay una relación lineal entre el rendimiento con la compactación sufrida por el suelo a los 20
cm
 5 cm
20000
18000 5 cm
16000
20000 b. ¿puede obtener un modelo para predecir el rendimiento en función
14000
18000 de la compactación del suelo a los 5 cm? ¿Cuál sería su ecuación?
12000
16000
X prom =576.541667
10000
14000
8000
Y
12000 =15150.025
prom
6000
10000
∑ (X
4000
8000 i − X prom )( Y i−Y prom ) =−4843403.13
2000
6000
∑ 2
( 0X i− X prom ) =1854547.96
4000
0 200 400 600 800 1000 1200 1400
∑ ( X i− X prom )( Y i−Y prom ) ; b =Y −b ( X )
2000
b 1=0
0 ∑ (X
2 0 prom 1 prom
200 )
i − X prom400 600 800 1000 1200 1400

−4843403.13
b 1= =−2.6117
1854547.96
b 0=15150.025−(−2.6117 )( 576.541667 )=16656

Y =16656−2.6117( x)