Taller MA145 – Estadística

Aplicada II
Tutor: Jordano Espinoza
Indicador de logro: Reforzar sus conocimientos obtenidos durante sus clases teóricas
Enlace de asistencia: https://forms.gle/wPAayiz2PpoWBh1h7
 Caso 1: Inspección a la empresa de transportes Nuevo Sol
Ante la ola de choques y accidentes, el Ministerio de Transportes y
Comunicaciones (MTC) realiza una inspección a la empresa Nuevo Sol, la
cual brinda servicio de transporte público en Lima metropolitana, esto se
hace como parte de la reforma de transporte y del cumplimiento de las
normas vigentes establecidas por la Municipalidad Metropolitana de Lima.
Debido a las inspecciones que está realizando el MTC, la empresa Nuevo Sol
quiere encontrar el mejor modelo no lineal, que explique el número de
papeletas del bus (en decenas), en función de la antigüedad del bus (en
años). Para ello se selecciona una muestra aleatoria de 15 buses,
registrando la antigüedad del bus y el número de papeletas que a la fecha
tenían.

.
Papeletas
4 5 12 3 2 9 7 7 12 5 8 7 9 8 8
(en decenas)
Antigüedad
7 8 15 6 4 15 10 9 15 8 10 8 12 13 11
(en años)

Se sabe, que el MTC tiene como política clausurar indefinidamente a las

empresas de transportes si el número de papeletas de un bus de 5 años
supera las 45 papeletas. Teniendo en cuenta el mejor modelo obtenido
¿El MTC clausurara indefinidamente a la empresa Nuevo Sol?
Para el análisis respectivo, use la información procesada por el software
Minitab que se encuentra en el Anexo Nro. 1. Asuma que se cumplen los
supuestos, considere un nivel de significancia del 5% y un nivel de
confianza del 95%.
Interpretación:
¿El MTC clausurará indefinidamente a la empresa Nuevo Sol?

Representación:
Variable dependiente (Y): Número de papeletas (decenas)
Variable independiente (X): Antigüedad del bus (años)
Técnica estadística: Análisis de regresión no lineal simple.

Plan de análisis:
1. Ranking de modelos (Estimación de los modelos y medidas de bondad de
ajuste)
2. Verificación de validez y cumplimiento de los supuestos del mejor modelo
3. Empleo del modelo válido en pronósticos
Cálculo y análisis:
1. Ranking de modelos (Estimación de los modelos y medidas de bondad de ajuste)

Modelo Ecuación del modelo estimado R2 Ranking

Cuadrático y! = -2.76 + 1.185X - 0.0187X2 89.01% 2
Exponencial $ " y# = 0.515 + 0.1332X
Ln 83.41% 3
Potencia $ " y# = -1.017 + 1.278Ln(X)
Ln 91.81% 1
 1. Verificación de validez y cumplimiento de los supuestos del mejor modelo
Para validar el modelo potencia se debe realizar la prueba conjunta o individual:
Prueba conjunta (ANOVA) Prueba individual (Coeficientes)
H0: β1 = 0
H0: β1 = 0
H1: β1 ≠ 0
H1: β1 ≠ 0

F cal =145.66
T cal = 12.07
Valor – p = 0.000
Valor – p = 0.000
Decisión: Como p – valor < α, se rechaza H0
Decisión: Como p – valor < α, se rechaza H0
Con un 5% de nivel de significación, la evidencia
Con un 5% de nivel de significación, la evidencia
muestral es suficiente para afirmar que existe un
muestral es suficiente para afirmar que el
modelo potencia que relacione el número de
coeficiente de regresión es significativo. Por lo
papeles con la antigüedad del bus. Por lo tanto,
tanto, el modelo potencia es válido.
el modelo potencia es válido.
 1. Verificación de validez y cumplimiento de los supuestos del mejor modelo
Para validar el modelo potencia se debe realizar la prueba conjunta o individual:

Normalidad de los errores No autocorrelación y Varianza constante de los

H0: Los errores se distribuyen normalmente errores
H1: Los errores no se distribuyen normalmente H0: Los errores no están autocorrelacionados
H1: Los errores si están autocorrelacionados

AD = 0.298 p – valor = 0.542

Como DW = 1.51715 está contenido en el
Decisión: Como p – valor > α, no se rechaza H 0 intervalo de 1.5 a 2.5, se asume que los errores
Conclusión: Al 5% de nivel de significación, se no están autocorrelacionados. Además, se
asume que los errores se distribuyen asume que la varianza de los errores es
normalmente. constante.
1. Empleo del modelo válido en pronósticos
IC95% (Y / X = 5) = [e0.677862; e1.39939] = [1.9697; 4.0527] decenas o [19.697; 40.527]
El intervalo que va desde 19.697 a 40.527 papeletas tiene un 95% de confianza de
contener el número de papeletas de un bus, cuando el bus tiene una antigüedad de 5
años. Se observa que el número de papeletas es menor a 45 papeletas.
Argumentación: Bajo las evidencias recogidas, se puede concluir que el MTC no
clausurara indefinidamente a la empresa Nuevo Sol, porque un bus de 5 años de
antigüedad tiene menos de 45 papeletas.
 Caso 2: Producción de Bebidas Gaseosas
El ingeniero Pedro Ruiz se desempeña como analista cuantitativo en la
planta de la empresa KOKA KOLITA S.A., la cual se dedica a la producción de
bebidas gaseosas. El ingeniero supone que el consumo de agua en metros
cúbicos se relaciona linealmente con la producción de bebidas gaseosas en
metros cúbicos.
El gerente general de la empresa le ha indicado al ingeniero Ruiz que, si el
consumo medio de agua es mayor a 220 metros cúbicos, cuando la
producción de bebidas gaseosas es de 78.4 metros cúbicos, debe elaborar
un informe indicando donde se pierde más agua. El ingeniero analiza
cuidadosamente la metodología que han utilizado y decide seleccionar al
azar 16 empresas de la misma zona geográfica y recabar la información
necesaria. Utilizando un nivel de significación del 5% y un nivel de confianza
del 95%, ¿debe elaborar el informe el ingeniero Pedro?
Interpretación:
Determinar si el ingeniero Pedro debe elaborar un informe indicando
en donde se pierde más agua.

Representación:
Variable independiente: Producción de bebidas gaseosas en metros
cúbicos (X)
Variable dependiente: Consumo de agua en metros cúbicos (Y)
Cálculo y análisis:
1. Estimación del modelo
 = 102.46 + 1.274 x

 = 0.09142  Cuando se produce un metro cúbico de bebida gaseosa, el consumo

de agua aumentará en promedio 1.274 m3.
Cálculo y análisis:
1. Medidas de Bondad de Ajuste
Coeficiente de determinación: R2 = 88.26%
El 88.26% de la variabilidad del consumo de agua está siendo explicado por la
producción de bebidas gaseosas.

Error estándar: S = 7.22752  La variabilidad de los datos muestrales (yi) alrededor

de la recta de regresión (ŷ) es 7.22752
Cálculo y análisis:
1. Verificación de los supuestos del modelo
Supuesto 1: Normalidad de los errores
H0: Los errores se distribuyen normalmente.
H1: Los errores no se distribuyen normalmente
α = 0.05
Valor p= 0.162 alfa=0.05
No se rechaza H0
con 5% de nivel de significación
Estadístico de Anderson-Darling los errores se distribuyen normalmente.
N=16
AD = 2.677
Valor-p = 0.162
Cálculo y análisis:
1. Verificación de los supuestos del modelo
Supuesto 2 y 3: Independencia de errores y homocedasticidad
El estadístico de D-W = 1.6456 pertenece al intervalo [1.5;2.5], se asume que los
errores no están autocorrelacionados y la varianza de los errores es constante
(homocedasticidad). Por lo tanto, se cumplen ambos supuestos..
Estadístico de Durbin-Watson = 1.645682
Cálculo y análisis:
1.Validación del modelo estimado
Prueba individual (coeficientes)
H0: β1 = 0
H1: β1 ≠ 0
Decisión: Valor p= 0.000 < alfa = 0.05, Rechazo Ho.
Conclusión: A un nivel de significación del 5%, la evidencia muestral es suficiente
para afirmar que existe una relación entre el consumo de agua y la producción de
bebidas gaseosas. Por lo tanto, el modelo es válido.
Cálculo y análisis:
1. Empleo del modelo en pronósticos
Intervalo de confianza para un valor medio
IC(μy/X=78.4)= [198.488; 206.248] m3

Con un nivel de confianza del 95%, se estima que el consumo medio de agua, cuando
la producción de bebidas gaseosas es de 78.4 m3, se encuentra contenido en el
intervalo [198.488; 206.248] m3
Es inferior a 220 m3 de consumo de agua.
ARGUMENTACION: Sobre los resultados encontrados, el ingeniero Pedro Ruiz no
debe elaborar el informe.
 Caso 3: AlimenSost S.A.
AlimenSost S.A. es una empresa dedicada a la comercialización de productos
alimenticios a gran escala, a través de sus vendedores, que poseen experiencia
en el sector. El gerente desea obtener el mejor modelo de regresión que le
permita predecir el volumen de ventas (millones de soles) en función a los años
de experiencia de los vendedores. Para ello se tomó una muestra aleatoria de 12
vendedores de la empresa y sus respectivos volúmenes de ventas en el último
año.
Identifique el mejor modelo de regresión no lineal, para estimar las ventas (en
Ventas (millones de
millonessoles)
de soles), 4.26cuando
16.85 4.1el 9.17
vendedor tiene 3.06
14.06 20.18 11 años
38.55 de
4.13 experiencia. Si las
30.99 2.05 16.05
ventas estimadas
Experiencia de los son mayores a 24 millones, el gerente otorgará un bono
equivalente al 10%
vendedores (años)
4.5
del
5.5
sueldo
2.5
a sus6 vendedores.
5 7 1.5
¿Cuál
10
será 7.5la decisión
3 1 6
del
gerente?
Use un nivel de significancia del 1% y confianza del 99%. Asuma que se
cumplen todos los supuestos.
Interpretación:
¿Se otorgará un bono equivalente al 10% del sueldo.?

Representación:
Variable dependiente (Y): Volumen de ventas (millones de soles)
Variable independiente (X): Años de experiencia del vendedor
Cálculo y análisis:
1. Se ordenan los modelos según su R2

Modelo Ecuación del modelo R2 Ranking

Cuadrático 92,96% 1

Exponencial 91,83% 2

Potencia 85,30% 3
 1.Verificación de validez y cumplimiento de los supuestos del mejor modelo
Validar el Modelo Cuadrático Validar el Modelo
Exponencial
Prueba individual (Coeficientes) Prueba individual (Coeficientes)
H0: β1 = 0
H0: β1 = 0
H1: β1 ≠ 0
H1: β1 ≠ 0

Como Valor p = 0.000 < Alfa = 0,01

Como Valor p = 0.019 > Alfa = 0,01
Decisión: R Ho
Decisión: No R Ho
Conclusión: Al 5% de nivel de significancia, el
Conclusión: Al 1% de nivel de significancia, el
modelo Exponencial es válido.
modelo Cuadrático no es válido.
1. Utilizar el mejor modelo válido para el pronostico
Calcula el pronóstico utilizando este modelo válido.
Ecuación del mejor modelo válido:
X = 11
Modelo exponencial linealizado: Ln()=0.471+0.3532x
Estimación puntual: = 77.9606
Modelo exponencial: =
1. Utilizar el mejor modelo válido para el pronostico
Predicción
Intervalo de confianza:
Ajuste EE de ajuste IC de 99% IP de 99%
IC(Y/X=11)= [, 4.35571
] = [24.6156, 246.6672]
0.218116 (3.66444; millones
5.04698) (3.20338; 5.50804) de soles

Con un nivel de confianza del 99%, se estima que el volumen de ventas, cuando el
vendedor tiene 11 años de experiencia, está contenido en el intervalo [24.6156,
246.6672].
Argumentación: De acuerdo a los resultados, ventas estimadas son mayores a 24
millones, por lo que el gerente, otorgará un bono equivalente al 10% del sueldo a sus
vendedores. Se otorgará un bono equivalente al 10% del sueldo.