Matrícula Alumno

2958670 Chaidez López Ana Carolina

2970265 Mata Martínez Paola Thais
2957344 Mesta Amaya Gladis Ivonne
2974259 Silva Salas Eddy Heceeff

1. Define los siguientes términos:

a. Criterios de estimación de la precisión de un pronóstico (desviación absoluta media, error cuadrático medio
b. Análisis de la regresión simple
c. Estimadores de mínimos cuadrados
d. Intervalo de confianza
e. Coeficiente de regresión
f. Coeficiente de correlación
g. Coeficiente de determinación

2. Busca información de 20 casas en venta en donde las variables son Y (metros de construcción) y X (metros de
a. Realiza el diagrama de dispersión y describe el comportamiento de ambas variables.
b. Calcula la recta de regresión de mínimos cuadrados.
c. ¿Existe evidencia que indique que a mayor cantidad de metros de construcción, mayor es el precio de vent
d. Pronostica el precio de la vivienda si la cantidad de metros de construcción es de 90, 105 y 120 metros de c
e. Calcula el coeficiente de correlación y determinación (puedes considerar los resultados de la actividad 3).
f. En un terreno urbano, ¿a mayor cantidad en metros de construcción, mayor es el precio de la vivienda?

3. Se utilizaron dos modelos de pronóstico para producir los valores futuros de una serie de tiempo; estos valore
Valores de pronóstico
Ŷt
Mes Valor observ Modelo 1 Modelo 2
Yt
1 70 71 69
2 89 85 87
3 94 90 92
4 80 84 98
5 68 70 74
6 72 68 70
7 60 61 59
8 75 71 75
9 86 84 88
10 90 88 88
Calcula la DAM, el ECM, el EPAM y el EPM. ¿Alguno de los dos métodos parece superior? Explica.

4. En una compañía fabricante de helados se sospecha que almacenar el helado a temperaturas bajas durante la
Pérdida de peso (gr) Y 28 37 36 30 28
Tiempo (semanas) X 26 32 35 27 25
a. Ajusta e interpreta a los datos un modelo de regresión lineal simple.
 b. Prueba la significancia de la pendiente β1.
c. Calcula e interpreta R2.
d. Elabora un intervalo de confianza del 90% para β1.
e. Pronostica la pérdida cuando el tiempo es de 33 semanas.
Preguntas de discusión en el aula

Con los conceptos vistos y puestos en práctica, da una respuesta justificada a las siguientes cuestiones:

a. ¿Para qué utilizarías la regresión lineal simple en un problema de tu especialidad?

b. ¿Qué relación tiene con la correlación?
c. ¿Cómo medirías el ajuste del modelo de regresión lineal obtenido?
d. ¿Qué es el coeficiente de determinación?
e. ¿Por qué crees que se llama regresión lineal?
f. ¿Cuál es la relación de la prueba de hipótesis con el intervalo de confianza en la regresión?
luta media, error cuadrático medio, error porcentual absoluto medio y error porcentual medio)

s de construcción) y X (metros de terreno); y realiza lo que se indica (puedes emplear los datos de la actividad 3).
as variables.

ucción, mayor es el precio de venta? Prueba la significancia de la recta de regresión con un nivel de significancia α = 0.01. ¿Es significativa
ón es de 90, 105 y 120 metros de construcción.
los resultados de la actividad 3).
yor es el precio de la vivienda?

una serie de tiempo; estos valores (Ŷt) se muestran en la tabla siguiente, junto con los valores reales observados (Yt).

e superior? Explica.

o a temperaturas bajas durante largos periodos tiene un efecto lineal en la pérdida de peso del producto. En la planta de almacenamiento
36 35
31 30
as siguientes cuestiones:

a en la regresión?
ancia α = 0.01. ¿Es significativa esta regresión?

n la planta de almacenamiento de la compañía se obtuvieron los siguientes datos:

1. Define los siguientes términos:
a. Criterios de estimación de la precisión de un pronóstico (desviación absoluta media, error
Desviación absoluta media: Es la media de las desviaciones absolutas
Error cuadrático medio: Es la diferencia entre el resultado y el pronostico estimado.
Error porcentual absoluto medio: Mide el tamaño del error absoluto en términos porcentu

b. Análisis de la regresión simple

Pretende describir la relación entre dos variables. X independiente y Y dependiente.

c. Estimadores de mínimos cuadrados

Intenta encontrar una función continua de las variables X, Y

d. Intervalo de confianza
Es un rango establecido para determinar donde se encuentra nuestro valor correcto.

e. Coeficiente de regresión
Es un estadístico cuya función es predecir resultados futuros o probar una hipótesis.

f. Coeficiente de correlación
Mide la intensidad o grado de la asociación entre X y Y

g. Coeficiente de determinación
Es un estadístico cuya función es predecir resultados futuros o probar una hipótesis.
ción absoluta media, error cuadrático medio, error porcentual absoluto medio y error porcentual medio)

ronostico estimado.
luto en términos porcentuales.

e y Y dependiente.

stro valor correcto.

obar una hipótesis.

r una hipótesis.
entual medio)
2. Busca información de 20 casas en venta en donde las variables son Y (metros de construcción) y X (metros de
a. Realiza el diagrama de dispersión y describe el comportamiento de ambas variables.
b. Calcula la recta de regresión de mínimos cuadrados.
c. ¿Existe evidencia que indique que a mayor cantidad de metros de construcción, mayor es el precio de venta? P
¿Es significativa esta regresión?
d. Pronostica el precio de la vivienda si la cantidad de metros de construcción es de 90, 105 y 120 metros de c
e. Calcula el coeficiente de correlación y determinación (puedes considerar los resultados de la actividad 3).
f. En un terreno urbano, ¿a mayor cantidad en metros de construcción, mayor es el precio de la vivienda?

X (mts Y (mtrs
CASAS
terreno) const)
1 222 m² 361 m²
2 124 m² 182 m²
3 180 m² 177 m²
4 200 m² 280 m² 600

5 500 m² 500 m² 500

Metros construidos
6 200 m² 276 m² 400
f(x) = 0.7
R² = 0.66
7 218 m² 263 m²
300
8 200 m² 391 m²
9 128 m² 200 m² 200

10 180 m² 190 m² 100

11 160 m² 231 m² 0
12 450 m² 500 m² 100 150 200
13 223 m² 300 m² M
14 208 m² 250 m²
15 270 m² 170 m²
16 318 m² 295 m²
17 400 m² 360 m² C)
18 479 m² 428 m² Es correcto debido a que entr
19 192 m² 255 m² cantidad de precio aumenta p
20 250 m² 280 m²

E)

0.817590894
onstrucción) y X (metros de terreno); y realiza lo que se indica (puedes emplear los datos de la actividad 3).

ayor es el precio de venta? Prueba la significancia de la recta de regresión con un nivel de significancia α = 0.01.

de 90, 105 y 120 metros de construcción.

sultados de la actividad 3).
el precio de la vivienda?
B)

A) X Y
222 361
124 182
CASAS
180 177
600 200 280
500 500 500
Metros construidos

400
f(x) = 0.721659455311434 x + 110.354672950053 200 276
R² = 0.668454869210908
218 263
300 CASAS
200 391
200 Linear (CASAS)
128 200
100 180 190
0 160 231
100 150 200 250 300 350 400 450 500 550 450 500
Metros de terreno 223 300
208 250
270 170
318 295
400 360
s correcto debido a que entre mayor cantidad de metros cuadrados la 479 428
antidad de precio aumenta por su valor en el mercado actual 192 255
250 280

F)
Sí, en el área urbana los precios varían bastante dependiendo de la magnitud de
contrucción con las que cuente la casa.
XY X^2 Y ^2
80142 49284 130321
22568 15376 33124
31860 32400 31329
56000 40000 78400
250000 250000 250000
55200 40000 76176
57334 47524 69169
78200 40000 152881
25600 16384 40000
34200 32400 36100
36960 25600 53361
225000 202500 250000
66900 49729 90000
52000 43264 62500
45900 72900 28900
93810 101124 87025
144000 160000 129600
205012 229441 183184
48960 36864 65025
70000 62500 78400
 3. Se utilizaron dos modelos de pronóstico para producir los valores futuros de una serie de tiempo; estos valore
Valores de pronóstico
Ŷt
Mes Valor observado Modelo 1 Modelo 2
Yt
1 70 71 69
2 89 85 87
3 94 90 92
4 80 84 98
5 68 70 74
6 72 68 70
7 60 61 59
8 75 71 75
9 86 84 88
10 90 88 88
Calcula la DAM, el ECM, el EPAM y el EPM. ¿Alguno de los dos métodos parece superior? Explica.
el modelo 1 ya que todos sus resultados son positivos

Mes Valor observado Modelo 1 residual absoluto ^2 % error abs

Yt
1 70 71 -1 1 1 1.4286
2 89 85 4 4 16 4.4944
3 94 90 4 4 16 4.2553
4 80 84 -4 4 16 5.0000
5 68 70 -2 2 4 2.9412
6 72 68 4 4 16 5.5556
7 60 61 -1 1 1 1.6667
8 75 71 4 4 16 5.3333
9 86 84 2 2 4 2.3256
10 90 88 2 2 4 2.2222
sumatorias 12 28 94 35.2228

Mes Valor observado Modelo 2 residual absoluto ^2 % error abs

Yt
1 70 69 1 1 1 1.4286
2 89 87 2 2 4 2.2472
3 94 92 2 2 4 2.1277
4 80 98 -18 18 324 22.5000
5 68 74 -6 6 36 8.8235
6 72 70 2 2 4 2.7778
7 60 59 1 1 1 1.6667
 8 75 75 0 0 0 0.0000
9 86 88 -2 2 4 2.3256
10 90 88 2 2 4 2.2222
sumatorias -16 36 382 46.1192
de tiempo; estos valores (Ŷt) se muestran en la tabla siguiente, junto con los valores reales observados (Yt).

% error DAM ECM EPAM EPM

-1.4286 1.2 9.4 3.5223 1.3150

4.4944
4.2553
-5.0000
-2.9412
5.5556
-1.6667
5.3333
2.3256
2.2222
13.1500

% error DAM ECM EPAM EPM

1.4286 -1.6 38.2 4.6119 4.6119

2.2472
2.1277
22.5000
8.8235
2.7778
1.6667
 0.0000
2.3256
2.2222
46.1192
4. En una compañía fabricante de helados se sospecha que almacenar el helado a temperaturas bajas durante la
En la planta de almacenamiento de la compañía se obtuvieron los siguientes datos:
Pérdida de peso (gr) Y 28 37 36 30 28
Tiempo (semanas) X 26 32 35 27 25
a. Ajusta e interpreta a los datos un modelo de regresión lineal simple.
b. Prueba la significancia de la pendiente β1.
c. Calcula e interpreta R2.
d. Elabora un intervalo de confianza del 90% para β1.
e. Pronostica la pérdida cuando el tiempo es de 33 semanas.

Pérdida de peso (gr) Y 28 37 36 30 28

Tiempo (semanas) X 26 32 35 27 25
y= 2.7794 + 1.0221x 29.354 35.486 38.552 30.376 28.331
error (Y-y) -1.354 1.513 -2.552 -0.3761 -0.331
SST 40804 37249 37636 40000 40804
SSR 40258.817 37835.462 36651.992 39849.701 40670.022
SSE 1.8333 2.2903 6.5172 0.1414 0.1101
R^2 0.9866 1.0157 0.9738 0.9962 0.9967
a temperaturas bajas durante largos periodos tiene un efecto lineal en la pérdida de peso del producto.

36 35
31 30
efecto lineal en la perd
del producto
40
35
30
suma promedio 25
36 35 230 32.857
20
31 30 206 29.429
15
34.464 33.442 230.005 32.8578571
1.535 1.557 -0.0081 -0.00115714 10
37636 38025 272154 38879.1429 5
38234.131 38634.89 272135.015 38876.4307 0
26 28 30 32
2.3577 2.426 15.676 3.919
1.01589 1.016 7.00089 1.7502225
cto lineal en la perdida de peso
del producto
y= 1.0221x + 2.7794
R^2= 0.8381

28 30 32 34 36 38