INSTITUTO TECNOLÓGICO DE

LERMA
Carrera: Grupo:

ING. EN GESTION EMPRESARIAL G5A

TEMA:

Ejercicios de Selección del libro – Cap. 11

Región Simple y Correlacional, Pág. 343

UNIDAD DE APRENDIZAJE:
Estadísticas Inferencial 2

PROFESOR:
Wilbert Alejandro de Jesus Borges Ontiveros

ALUMNA:
Nieto Caballero Monica Nicte-Ha

SAN FCO CAMPECHE, CAM. A 05 DE SEPTIEMBRE DEL 2023

Monica Nicte-Ha Nieto Caballero Eje. De selección pag.343 Estadística Inferencial 2

Leer y razonar de la pagina pdf 334 a la página 343 y después resolver lo siguiente

Ejercicios de la sección

1. ¿Cuál es la diferencia entre la regresión simple y la regresión múltiple?

R= En la regresión simple, se establece una relación entre una variable independiente (X) y una
variable dependiente (Y).

En la regresión múltiple, se establece una relación entre una variable dependiente (Y) y dos o más
variables independientes (X1, X2, X3, etc.).

2. ¿Cuál es la diferencia entre la regresión lineal y la regresión curvilínea? ¿Cómo cambia Y cuando
X cambia en cada caso?

R= En la regresión lineal, se asume que la relación entre las variables es lineal, es decir, una línea
recta puede representar la relación. Cuando X cambia, Y cambia de manera constante en una
dirección específica (aumenta o disminuye).

En la regresión curvilínea, se permite que la relación entre las variables tenga una forma no lineal,
como una curva. Cuando X cambia, Y puede cambiar de manera no constante, siguiendo una curva.

3. Diferencie entre los componentes estocásticos y aleatorios de un modelo de regresión.

R= Son aquellos que se pueden medir, pero varían aleatoriamente debido a factores no
controlados y se incorporan en el modelo como errores. Los componentes aleatorios son
simplemente resultados aleatorios que no se pueden medir.

4. ¿Por qué el método de mínimos cuadrados ordinarios para determinar el modelo de regresión
se denomina “mínimos cuadrados ordinarios"? ¿Qué papel juega el error en este análisis?

R= Se llama así porque busca minimizar la suma de los cuadrados de los errores residuales
(diferencia entre los valores observados y los valores predichos) en un modelo de regresión.

El error desempeña un papel fundamental ya que el objetivo es encontrar la línea (o curva) que
minimiza estos errores, lo que proporciona la mejor estimación de la relación entre las variables.

5. Identifique la variable dependiente y la independiente en cada uno de estos casos

a. El tiempo que se pasa trabajando en una composición (Variable independiente) y la nota

obtenida (Variable dependiente).

b. La estatura del hijo (Variable dependiente) y la estatura del padre (Variable independiente).

c. La edad de una mujer (Variable Independiente) y el costo de su seguro de vida(Variable

dependiente).

d. El precio de un producto (Variable Independiente) y el número de unidades vendidas (Varieble

dependiente).

pág. 2
Monica Nicte-Ha Nieto Caballero Eje. De selección pag.343 Estadística Inferencial 2

e. La demanda de un producto (Variable dependiente) y el número de consumidores en el mercado

(Variable Independiente).

6. Dados los siguientes datos para X y Y:

X 28, 54, 67, 37, 41, 69, 76

Y 14, 21, 36, 39, 18, 54, 52

a. Haga un diagrama de dispersión para los datos.

b. ¿Qué sugieren los datos sobre una relación entre X y Y?

R= La relación entre X , Y parece ser positivo , ya que a medida que X aumenta generalmente y
también aumenta.

c. Haga una recta para aproximar la relación

pág. 3
Monica Nicte-Ha Nieto Caballero Eje. De selección pag.343 Estadística Inferencial 2

7. ¿Cuál es la diferencia entre Ye "sombrero" sub índice "i "y Ye con únicamente subíndice i, en el
análisis de regresión?

R= La Y "sombrero" subíndice "i" representa las predicciones o valores estimados de Y para cada
observación i en función del modelo de regresión.

La Y con únicamente subíndice "i" generalmente se usa para denotar los valores observados de Y
en cada observación i.

8. ¿Qué es el término ε, en el modelo de regresión y por qué ocurre?

R= Indica la diferencia entre el valor observado de la variable dependiente (Y) y el valor predicho
(Y) por el modelo de regresión. Este error se debe a factores no controlados o aleatorios que
afectan a la variable dependiente y no se explican por las variables independientes del modelo. =

pág. 4