Actividad 4.

Obtención de la recta de regresión ajustada por med

de mínimos cuadrados
Instrucciones:

1. Define los siguientes términos:

a. Criterios de estimación de la precisión de un pronóstico (desviación absoluta media,

medio, error porcentual absoluto medio y error porcentual 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.
h. Error estándar de estimación.

Durante la actividad colaborativa

1. En equipos, desarrollen los siguientes ejercicios y respondan las preguntas planteadas.

En una compañía fabricante de helados se sospecha que almacenar el helado a temperaturas b
periodos, tiene un efecto lineal en la pérdida de peso del producto. En la planta de almacenamie
se obtuvieron los siguientes datos:
Perdida de peso en gr
28 37 36
(Y)
Tiempo en semanas
26 32 35
(X)

a. Según los datos, ajusten e interpreten un modelo de regresión lineal simple.

b. Calculen el error estándar de estimación.
c. Prueben la significancia de la pendiente β 1.
d. Calculen e interpreten (R 2).
e. Elaboren un intervalo de confianza del 90% para β 1.
f. Pronostiquen la pérdida cuando el tiempo es de 33 semanas.
 ajustada por medio del método

desviación absoluta media, error cuadrático

dio).

reguntas planteadas.
el helado a temperaturas bajas, durante largos
n la planta de almacenamiento de la compañía

30 28 36 35

27 25 31 30

esión lineal simple.

s.
1. Define los siguientes términos:

a. Criterios de estimación de la precisión de un pronóstico (desviación absoluta medi

Columna1
Desviación absoluta media
Error cuadrático medio

Error porcentual absoluto medio

Error porcentual medio

Análisis de la regresión simple
Estimadores de mínimos cuadrados

Intervalo de confianza
Coeficiente de regresión
Coeficiente de correlación
Coeficiente de determinación
Error estándar de estimación
de un pronóstico (desviación absoluta media, error cuadrático medio, error porcentual absoluto medio y e

Es la media de las desviaciones absolutas promedio es una medida de dispersión estadística.

Es un estimador mide el promedio de los errores al cuadrado, es decir, la diferencia entre el estimador y l
cuadrática. La diferencia se produce debido a la aleatoriedad o porque el estimador no tiene en cuenta la
Es un indicador del desempeño del Pronóstico de Demanda que mide el tamaño del error (absoluto) en té
por los encargados de elaborar pronósticos debido a su fácil interpretación.
Es la manifestación de un error relativo en términos porcentuales. En otras palabras, es un error numérico
Es un modelo matematico usado para aproximar la relacion de dependencia entre una variable dependien
Tecnica de analisis numerico enmarcada dentro de la optimizacion matematica, en la que, dado un conjun
se intenta encontrar la funcion continua.
A un par o varios entre los cuales se estima que estara cierto valor desconocido con una determinada pro
Cuantifica la pendiente de una line a de regresion lineal creada con los datos de una serie de puntos.
Es una medida de la relacion lineal entre dos variables aleatorias cuantitativas.
Es un estadistico usado en el contexto de un modelo estadistico cuyo principal proposito es predecir futuro
Mide la desviación en una muestra valor poblacional. Es decir, el error estándar de estimación mide las po
2. En una compañía fabricante de helados se sospecha que almacenar el helado a temperaturas bajas, durante la
almacenamiento de la compañía se obtuvieron los siguientes datos:

Tiempo en
Perdida de peso en gr (Y)
semanas (X)

26 28
32 37
35 36
27 30
25 28
31 36
30 35

a. Según los datos, ajusta e interpreta a un modelo de regresión lineal simple.

Tiempo en
Perdida de peso en gr (Y) xy
semanas (X)
1 26 28 728
2 32 37 1184
3 35 36 1260
4 27 30 810
5 25 28 700
6 31 36 1116
7 30 35 1050
n 206 230 6848

∑▒𝑋𝑌= ∑▒𝑋^2 =
𝑋 ̅= 29.42857 𝑌 ̅= 32.8571428571429 6848

Presentando la ecuación lineal se puede observar que la pendiente tiene un valor de , mostrando una relación positi
 Y por cada semana, aumentará el peso corporal en o bien por cada semanas que este el helado almacenado aume

b. Calcula el error estándar de estimación.

c. Prueba la significancia de la pendiente β 1.

sb1 es error estándar de b1 y se define como:

𝑆_𝑏1=0.200857805752

d. Calcula e interpreta (R2).

r²= 0.838148533749789

e. Elabora un intervalo de confianza del 90% para β 1.

1) Establecimiento de hipótesis:
H0 : β1 = 0 en oposición a Ha : β1≠ 0

La hipótesis nula especifica que no existe relación lineal entre X y Y, lo cual implica que la pendiente

2) Estadística de prueba:
β₁=0
t= 5.08846952550927

𝑡_(∝⁄2) (𝑛−2)=𝑡_(0.10⁄2) (7−2)=𝑡_0.05 (5);𝑠𝑒 𝑟𝑒𝑣𝑖𝑠𝑎𝑛 𝑡𝑎𝑏𝑙𝑎𝑠 𝑝𝑎𝑟𝑎 𝑡_0.05 (5)=2.015

3) Regla de decisión: Rechazar H0 si |tcalculada| es mayor que 2.015.

4) Conclusión:
Como la t calculada es mayor que la t de tablas, entonces se rechaza Ho y decimos que existe evidencia suficiente pa
pendiente de la ecuación es distinta de 0, y que es válida para realizar un pronóstico con esta variable.

El intervalo de confianza al 90% se determina con:

𝐿í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎=

𝐿í𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎=

Por lo que se estima que el intervalo ( , ) incluye el parámetro de la pendiente β 1.

f. Pronostica la pérdida cuando el tiempo es de 33 semanas.

l helado a temperaturas bajas, durante largos periodos, tiene un efecto lineal en la pérdida de peso del producto. En la plant

sión lineal simple.

x² y²

676 784
1024 1369
1225 1296
729 900
625 784
961 1296
900 1225
6140 7654 Totales

∑▒𝑋^2 = ∑▒𝑌^2 =
6140 7654

b₁= 1.02205882352942

b₀= 2.77941176470569

valor de , mostrando una relación positiva entre el tiempo y perdida de peso.

emanas que este el helado almacenado aumentara el peso corporal en gramos.

error estándar

𝑆_𝜀= 1.7706761753

𝑆_(𝑥=)
3.59894164336976
r= 0.915504524155828
𝑆_(𝑦=)
4.01781746012152

ntre X y Y, lo cual implica que la pendiente es cero.

5 (5)=2.015
y decimos que existe evidencia suficiente para suponer que la
pronóstico con esta variable.

a pendiente β 1.
el producto. En la planta de