Documentos de Académico
Documentos de Profesional
Documentos de Cultura
N° Objetivo 5 6 7 8
0= NL
1= L
P:1, O:5 Se desea probar la efectividad de un nuevo insecticida para el
control de plagas en la siembra de maíz. Se probaron distintas dosis en
gramos de dicho insecticida en 10 parcelas de 100 plantas cada una. A las
tres semanas de la aplicación se realizó una evaluación del daño,
considerando el tamaño promedio de las manchas en hoja. Los datos se
resumen en el siguiente cuadro:
Respuesta:
a) Se realiza una tabla con los datos a necesitar para facilitar los cálculos:
(∑ X )
2
(1700 )2
SC X =∑ X − 2
=496250− =14583,3333
n 6
Sustituyendo para calcular b 1:
SC XY −3458,3333
b 1= = =−0,2371
SC X 14583,3333
Obteniendo los promedios de X y Y:
Y=
∑ Y = 124 =20 ,67
n 6
X=
∑ X = 1700 =283 ,33
n 6
Para calcular b 0:
b 0=Y −b1 X=20 , 67−(−0,2371 ) .283 ,33=87,8475
De allí que la recta de regresión es:
Y^ =b0 +b 1 X ,
Y^ =87,8475−0,2371 X
El intercepto b 0=87,8475 representa el valor esperado de daño en las hojas si no
se aplica la dosis de insecticida en los cultivos y b 1, la pendiente de la recta, indica
que por cada incremento de la dosis reducirá 0,2371 el daño en las hojas. Las
dosis pueden utilizarse como variable explicativa del daño. Es una relación lineal
negativa tal como se observa en la siguiente gráfica:
45 Modelo de Regresión Lineal
40
35
30
25
Daño
20
15 Y=-0,2371X+87,8475
10
0
180 200 220 240 260 280 300 320 340 360
Dosis
Previamente se calcularon:
Sb es el error estándar del coeficiente de regresión:
1
Se 1,8176
Sb = = =0,0151
1
√ SC X √ 14583,3333
Se que es el error estándar de estimación
Se= √ CME=√ 3,3036=1,8176
CME es el cuadrado medio del error
SCE 13,2143 13,2143
CME= = = =3,3036
n−2 6−2 4
SCE es la suma de cuadrados del error
2
( SC XY ) (−3458,3333 )2
SCE=SCY − =833,3333− =13,2143
SC X 14583,3333
(∑ Y )
2
( 124 )2
SCY =∑ Y − 2
=3396− =833,3333
n 6
Luego, t ∝/2 , n−2
Como n=6 n-2=4 y el nivel de significancia, α=100%-95%=5% α=0,05, en
este caso ∝/2=0,05/2=0,025 entrando a tabla de Distribución T de Student para
hallar el valor de t, se tiene que t ∝/2=¿ 0,025;n=4 = 2,776.
De modo que sustituyendo para obtener el intervalo de confianza queda:
b 1−t ∝ /2 ,n−2 S b < β 1< b1 +t ∝ /2 ,n −2 S b
1 1
Otras:
X19: Porcentaje de oro presente en los composites.
X20: Tenores de oro, gr/t.
X21: Tenores de plata, gr/t.
X22: Cantidad de materia procesada, m3/cuadrillas de dos hombres por día.
Respuesta:
El modelo de regresión lineal múltiple permite relacionar una variable dependiente
con varias variables independientes o explicativas. En el caso dado, la variable
dependiente sería “X19: Porcentaje de oro presente en los composites” que pasa a
llamarse Y^ y las variables independientes serían “X7: Pirita”, “X9: Cuarzo”, “X11:
Zircon”, “X13: Hematita-Goethita”, “X16: Cobre” y “X17: Zinc”. La ecuación de
regresión lineal múltiple viene dada por:
X 19=Y^ =b 0+ b1 X 7 +b2 X 9 +b 3 X 11 +b 4 X 13+ b5 X 16+ b6 X 17
Siempre que cumplan dos condiciones, la primera es que el número de
observaciones “n” exceda el número de variables independientes “k” en por lo
menos 2, n=k+2. Así para el caso en estudio, n debería ser como mínimo
n=6+2=8. Asimismo, los grados de libertad serán gl=n-(k+1)=n-7, con n ≥ 8 . Por
tanto, tendrá al menos un grado de libertad.
La segunda condición es que ninguna de las variables independientes tenga algún
tipo de relación lineal entre ellas para evitar problemas de multicolinealidad.
Además, para poder obtener el intersecto b 0 y los coeficientes de regresión en una
ecuación de regresión múltiple, normalmente, se hace uso de software
especializado (SPSS, AD+, Minitab y Excel), ya que de manera manual los
cálculos resultan largos y tediosos porque se tienen que atender tantas
ecuaciones como variables independientes haya, generadas por el método de
mínimo de cuadrados, en este caso serían 6 ecuaciones diferentes y como no se
cuenta con valores numéricos ni observaciones, es decir, no hay datos
cuantitativos, se deja planteada solamente la ecuación general, señalando
además que se puede obtener el error estándar de regresión múltiple y el
coeficiente de determinación múltiple de existir dichos datos, inclusive puede
realizarse un análisis de varianza ANOVA y pruebas individuales para los
coeficientes de regresión..
Un aumento en una unidad en X 7 se asocia con un aumento de b 1 unidades en Y,
suponiendo que las demás variables independientes se mantienen constantes, y
así sucesivamente. Por tanto, b, es la cantidad por la cual Y cambiaría si X
cambia, cambia en una unidad asumiendo que todas la otras variables
independientes se mantienen constantes.
P:3, O:7 La siguiente tabla recoge el número de nuevas empresas
registradas durante los últimos 10 años en el Registro Mercantil de un
determinado distrito:
Año 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Nº de casas 240 350 230 260 280 320 220 310 240 310
(a) ¿Cuántas nuevas empresas se esperan registrar para el año 2023? Utilice
el método de medias móviles de tres años.
(b) ¿Cuántas nuevas empresas se esperan registrar para el año 2023? Utilice
el método de suavizado exponencial con 𝛼 = 0, 2.
Respuestas:
Claramente hay un error de transcripción en el enunciado y no se refiere a número
de casas sino número de empresas.
Año 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
Nº de empresas 240 350 230 260 280 320 220 310 240 310
Pronóstico 273,33 280,00 256,67 286,67 273,33 283,33 256,67 286,67
Año 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
Nº de empresas 240 350 230 260 280 320 220 310 240 310
Pronóstico (α=0,2) 240 262 255,60 256,48 261,18 272,94 262,35 271,88 265,50 274,40
Para el 2015:
F2014+1= (0,2).350 + (1 – 0,2).240 = 262
Para el 2016:
F2015+1= (0,2).230 + (1 – 0,2).262 = 255,60
Para el 2017:
F2016+1= (0,2).260 + (1 – 0,2).255,60 = 256,48
Para el 2018:
F2017+1= (0,2).280 + (1 – 0,2).256,48 = 261,18
Para el 2019:
F2018+1= (0,2).320 + (1 – 0,2).261,18 = 272,94
Para el 2020:
F2019+1 = (0,2).220 + (1 – 0,2).272,94 = 262,35
Para el 2021:
F2020+1= (0,2).310 + (1 – 0,2).262,35 = 271,88
Para el 2022:
F2021+1= (0,2).240 + (1 – 0,2).271,88 = 265,50
Entonces, para el año 2023:
F2022+1 = (0,2).310 + (1 – 0,2).265,50 = 274,40
Año 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Precio 33,22 48,36 56,35 64,74 86,74 57,08 71,97 101,06 103,42 98,08 88,42
Construya una tabla que muestre ¿cuál ha sido el comportamiento del precio
promedio de dicha cesta con relación al precio de 49,60 dólares? Realizar los
cálculos correspondientes.
Respuesta:
Si se considera como precio base de la cesta de mercado los 49,60$, los índices
relativos son:
Año 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Precio 33,22 48,36 56,35 64,74 86,74 57,08 71,97 101,06 103,42 98,08 88,42
Índice 0,67 0,98 1,14 1,31 1,75 1,15 1,45 2,04 2,09 1,98 1,78