Universidad de Las Fuerzas Armadas Espe-Sede Latacunga

Departamento de Ciencias Exactas

Área de Conocimiento: Estadística

Nombre: Roberto Carlos Guamaní Llamba

Fecha:06/08/2023
Tema: Modelos de Regresión lineal múltiple
1. El Gobierno Municipal de Cantón Latacunga desea estimar la recaudación de adeudos
en los servicios públicos en función de los gastos de publicidad en Televisión y en
volantes de los descuentos disponibles que ofrece a sus habitantes. Los datos históricos
de una muestra de 8 semanas son los siguientes.

Recaudación semanal Anuncios en TV Anuncios en volantes

(miles de $) (miles de $) (miles de $)

96 5.0 1.5

90 2.0 2.0

95 4.0 1.5

92 2.5 2.5

95 3.0 3.3

94 3.5 2.3

94 2.5 4.2

94 3.0 2.5

a) Deduzca una ecuación de regresión lineal estimada con la cantidad de

anuncios por Televisión como variable independiente. Interprete los
coeficientes estimados.

Interpretación: Esto quiere decir que la recaudación aumentará en $1,000 cada vez
que los anuncios en TV aumenten $1,604 según la ecuación donde la cantidad de
anuncios por televisión como variable independiente.
b) Determine el coeficiente de correlación, el coeficiente de determinación y.
Interprete y comente sus resultados.

Coef. Correlación = 80.80%

Coef. Determinación = 65.3%
Coef. Determinación Ajustado = 59.5%
Interpretación: Existen una correlación fuerte entre los valores, aunque no llega
a ser una correlación perfecta de manera que podemos tener un buen modelo de
regresión.
c) Obtenga un diagrama de dispersión para el modelo de regresión lineal
anterior

d) Deduzca una ecuación de regresión estimada con la cantidad de anuncios por

TV y volantes como variables independientes. Interprete los coeficientes
estimados.

Interpretación: Por cada $1000 pesos gastados en anuncios de TV, se recaudarán

$2290 Al igual que en el caso anterior, por cada $1,301 gastados en Volantes, se
recaudarán $1300.
e) Obtenga la gráfica de superficie de respuesta.

f) Determine el coeficiente de correlación, el coeficiente de determinación

múltiple y el coeficiente de determinación múltiple ajustado. Interprete y
comente sus resultados.

Interpretación: Existen una correlación fuerte entre los valores, Llegando a ser
una correlación casi perfecta de manera que podemos tener un buen modelo de
regresión.
g) Con la información obtenida en los incisos b) y e), explique si existió una
mejora en el modelo.
Existió una mejora en el nivel de ajuste del modelo de regresión lineal múltiple,
en comparación de la regresión lineal simple. (El coeficiente cambió de 65.3% a
91.9%) de esta manera podemos decir que se optimizo el ajuste de los diferentes
modelos.
h) ¿Cuál es el ingreso bruto estimado para una semana en la que se gastarán
$4?5 miles en publicidad en TV y $2.8 miles en publicidad en periódicos?

y = 83.2 + 2.29 x1 + 1.30 x2

y = 83.2 + 2.29(4.5) + 1.30(2.8)

y = 97.145
 El ingreso bruto estimado es de 97. 145 miles de dólares asumiendo un gasto de
$4,5miles de dólares en anuncios de TV y 2,8 miles de dólares en publicidad en
periódicos.
i) Aplique una prueba de hipótesis para determinar si el modelo completo es
significativo. Use  = 0.05.

Planteamiento de la hipótesis
H 0 : 0 = 1 = 2
H1 : No todas las medias son iguales (Alguna distinta)

Calculo estadístico
Tabla 1
Análisis de Varianza
Fuente GL SC Ajustado MC Ajustado Valor Valor
F p
Factor 2 23,435 11,718 28,38 0,002

Error 5 2,065 0,413

Total 7 25,500
Autor: Roberto Guamaní

Conclusión: Se rechaza Ho, por lo tanto, el modelo es significativo. P≤α

(0.002≤0.05), no todas las medias son iguales (Alguna es distinta).

j) Aplique una prueba de hipótesis para cada coeficiente  0 , 1 y  2 . Use  =

0.05.
Para determinar la hipótesis de cada uno de los coeficientes realizamos el análisis
de la regresión donde obtendremos los p- valor para optimizar el proceso.
Tabla 2
Coeficientes
Término Coeficiente EE del Valor T Valor p
coeficiente
Constante 83,23 1,57 52,88 0,000
Anuncios de TV 2,290 0,304 7,53 0,001
Anuncios en volantes 1,301 0,321 4,06 0,010

Autor: Roberto Guamaní

 Conclusión: los 3 coeficientes son individualmente significativos dado que
P(  0 )   , P( 1 )   , P(  2 )   llegando a la conclusión de que las medias no
son iguales y son distintas mutuamente.

k) Realice el diagrama de Pareto e interprete los resultados

Interpretación: los anuncios de televisión tienen una mayor influencia en

la recaudación semanal podemos decir que los anuncios de volantes si tienes
un efecto sobre la recaudación semanal, pero es muy inferior a la de
anuncios de TV.

2. Los siguientes datos describen el experimento para determinar la influencia de:

x1 : temperatura del baño ácido.

x 2 : concentración de ácido de cascada.

x3 : temperatura del agua.

x 4 : concentración de sulfuro.

x5 : cantidad de blanqueador de cloro.

Sobre una medida adecuada de blancura del rayón ( y ).

 concentración cantidad de
Temperatura temperatura concentración blancura del
de ácido de blanqueador
de ácido del agua de sulfuro rayón
cascada de cloro

x1 x2 x3 x4 x5 y

35 0.3 82 0.2 0.3 76.5

35 0.3 82 0.3 0.5 76

35 0.3 88 0.2 0.5 79.9

35 0.3 88 0.3 0.3 83.5

35 0.7 82 0.2 0.5 89.5

35 0.7 82 0.3 0.3 54.2

35 0.7 88 0.2 0.3 85.7

35 0.7 88 0.3 0.5 99.5

55 0.3 82 0.2 0.5 89.4

55 0.3 82 0.3 0.3 97.5

55 0.3 88 0.2 0.3 103.2

55 0.3 88 0.3 0.5 108.7

55 0.7 82 0.2 0.3 115.2

55 0.7 82 0.3 0.5 111.5

55 0.7 88 0.2 0.5 102.3

55 0.7 88 0.3 0.3 108.1

25 0.5 85 0.25 0.4 80.2

65 0.5 85 0.25 0.4 89.1

45 0.1 85 0.25 0.4 77.2

45 0.9 85 0.25 0.4 85.1

45 0.5 79 0.25 0.4 71.5

45 0.5 91 0.25 0.4 84.5

45 0.5 85 0.15 0.4 77.5

45 0.5 85 0.35 0.4 79.2

45 0.5 85 0.25 0.2 71

45 0.5 85 0.25 0.6 90.2

 a) Deduzca una ecuación de regresión lineal múltiple estimada con la blancura
del rayón como variable dependiente. Interprete los coeficientes estimados.

Interpretación: La blancura del rayón aumentará cada vez que: la temperatura

del ácido aumente 0.87°C, la concentración del ácido cascada aumente en 14 ml/L,
la temperatura del agua aumente 1.21°C, la concentración del sulfuro aumente en
0.6% y la cantidad de blanqueador de cloro aumente en 29.7 ml/L.
b) Determine la matriz de varianza y covarianza e interprete.

Temperatura Concentración Temperatura Concentración Cantidad Blancura

de Acido de ácido de del agua del sulfuró de del rayón
cascada blancura
96,00000

-0,00000 0,03840

0,00000 0,00000 8,64000

0,00000 -0,00000 0,00000 0,00240

0,00000 -0,00000 0,00000 -0,00000 0,00960

83,56000 0,53680 10,45200 0,00140 0,28520 209,98702

Interpretación: la diagonal principal contine en su mayoría numero positivos esto

quiere decir que todas las variables independientes tienen de a aumentar de manera
mutua.
c) Determine el coeficiente de correlación, el coeficiente de determinación
múltiple y el coeficiente de determinación múltiple ajustado. Interprete y
comente sus resultados.
 Correlación: 0.6949
Determinación: 0.483
Determinación ajustada: 0.353
Interpretacion:Coeficiente de Deeterminacion al ser el valor de 48.27%
obtenemos que es una correlacion positiva debil .Al referirnos el Coeficiente de
Correlacion al ser el valor de 35.33% obtenemos que es una correlacion es una
correlacion positiva debil lo cual dice existe algun tipo entre las varaibles. Para la
cual seria recomenddo usar otro modelo.
d) Aplique una prueba de hipótesis para determinar si el modelo completo es
significativo. Use  = 0.05.
Planteamiento de la hipótesis

H 0 : 0 = 1 = 2
H1 : No todas las medias son iguales (Alguna distinta)

Calculo Estadístico
Tabla 3
Análisis de varianza
Fuente GL SC Ajustado MC Ajustado Valor F Valor p

Factor 5 2533.8 506.8 3.73 0,015

Error 20 2715.8 135.8
Total 25 5249.7
Autor: Roberto Guamaní

Conclusión: Se rechaza la hipótesis nula y se acepta la hipótesis

alternativa esto quiere decir que no todas las medias son iguales y el
modelo es significativo.

e) Aplique una prueba de hipótesis para cada coeficiente. Use  = 0.05.

Para determinar la hipótesis de cada uno de los coeficientes realizamos el análisis
de la regresión donde obtendremos los p- valor para optimizar el proceso.
Planteamiento de la hipótesis

H 0 : 0 = 1 = 2
H1 : No todas las medias son iguales (Alguna distinta)

Calculo Estadístico
Tabla 4
Coeficiente
Término Coeficiente EE del Valor T Valor p
coeficiente
 Constante -73,1 70,2 -1,04 0,310
Temperatura de Acido 0,870 0,238 3,66 0,002
Concentración de 14,0 11,9 1,18 0,254
Acido de casca
Temperatura del agua 1,210 0,793 1,53 0,143
Concentración de sulfuro 0,6 47,6 0,01 0,990
Cantidad de blanqueador de 29,7 23,8 1,25 0,226
cloro
Autor: Roberto Guamaní

 0 Valor P  
1 Valor P  
 2 Valor P  
3 Valor P  
 4 Valor P  
5 Valor P  

Interpretación: En este caso, solo el coeficiente β1 es significativo. Aceptar Ho

significa que ningún término o variable en el modelo tiene una contribución
significativa al explicar la variable de respuesta. Mientras que rechazar Ho
implica que por lo menos un término en el modelo contribuye de manera
significativa a explicar Y.

f) Estime un intervalo de confianza y un intervalo de predicción del 95%, para

X1=40, X2=0.4, X3=80, X4=0.25 y X5=0.3. Interprete sus resultados.
Tabla 5
Intervalos de confianzas
Factor N Media Desv.Est. IC de 95%
Temperatura de Acido 26 45,00 9,80 (42,19; 47,81)
Concentración de Acido de casca 26 0,5000 0,1960 (-2,3063; 3,3063)
Temperatura del agua 26 85,000 2,939 (82,194; 87,806)
Concentración de sulfuro 26 0,25000 0,04899 (-2,55632; 3,05632)
Cantidad de blanqueador de cloro 26 0,4000 0,0980 (-2,4063; 3,2063)
Blancura del rayón 26 87,93 14,49 (85,12; 90,74)

Autor: Roberto Guamaní

Interpretación: los intervalos de confianza los valores admitidos por el nivel de
significancia de 0,005 de esta manera podemos encontrar el inérvalo de
confiabilidad de las diferentes variables.
g) ¿Qué puede hacer para mejorar el modelo de regresión? Sugerencia utilice
gráfico de Pareto

Interpretación: para mejorar el modelo de regresión bien deberíamos eliminar

las variables que no aportan significativamente o aumentar su valores para que
exista una igualdad de aportes por partes de las variables que no tienen
relevancia.