Profesional

Reporte

Nombre: Ricardo Sepulveda Sandoval Matrícula: 3053327

Nombre del curso: Nombre del profesor:
Estadística y pronósticos para la Luis Armando De la Torre Cruz
toma de decisiones
Módulo: Módulo 1. Estadística y Actividad:
series de tiempo Actividad 2

Fecha:04/12/2023

Bibliografía: https://cursos.tecmilenio.mx/courses/153116/pages/mi-
curso?module_item_id=547114

Parte 1

1. Define los siguientes términos:

a. Análisis de la regresión simple.
Se define como un conjunto de técnicas que construyen y eval úan descripciones
entre interferencias que permiten formales inferencias de diferentes modelos

b. Estimadores de mínimos cuadrados.

Este es un estudio numérico en el cual se analiza cierto conjunto de datos con lo
cual se intenta determinar la función continua que mas se aproxime

c. Intervalo de confianza.
Es un rango donde se concentra la mayor probabilidad de encontrar alguna
variable desconocida

d. Coeficiente de regresión.
Se le nombra al valor de la línea de regresión

e. Coeficiente de correlación.
Es el índice que puede utilizarse para medir el grado de relación de dos variables
cuando ambas sean cuantitativas

f. Coeficiente de determinación.
Esta nos define cuál es la proporción de la variación total en la variable, y se
representa con R2

2. Desarrolla los siguientes ejercicios y da respuesta a las preguntas planteadas.

Confidential Information
 Profesional
Reporte
a. En una compañía fabricante de helados se sospecha que el almacenar el helado a
temperaturas bajas durante largos periodos tiene un efecto lineal en la pérdida de
peso del producto. En la planta de almacenamiento de la compañía se obtuvieron
los siguientes datos:

Pérdida de peso (gr) Y 28 37 36 30 28 36 35

Tiempo (semanas) X 26 32 35 27 25 31 30

b. Ajusta e interpreta un modelo de regresión lineal simple a los datos.

Pe s o (g r) YTie mpo (s e m) X XY X2 Y2
28 26 728 676 784
37 32 1184 1024 1369
36 35 1260 1225 1296
30 27 810 729 900
28 25 700 625 784
36 31 1116 961 1296
35 30 1050 900 1225
230 206 6848 6140 7654
COEFICIENTE DE CORRELACION Ym Xm
Sx 3.598 32.857 29.428
Sy 4.017
r 0.011

c. Prueba la significancia de la pendiente β1.

Es una asociación lineal positivo, esto se da ya que al β1ser mayor que 0 se define que de la misma forma
lo será r

d. Calcula e interpreta R2

R2= SSR/SST R2 = 40258.8/40804 R2= 0.9866

e. Elabora un intervalo de confianza del 90% para β1.

- 2.643 (=) 26.785

39.4285

+ 2.643 (=) 32.071

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

Confidential Information
 Profesional
Reporte
Considerando que la perdida promedio por semana es de 1.1Gr esto lo multiplicaremos por las semanas
que se solicita la proyección siendo a si 1.1x33= 34.1Gr

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

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

En el lugar donde trabajo manejamos cámaras de refrigeración, creo que en para la calibraci ón de estos
sensores se necesitaría la R. lineal ya que intervienen dos variables

b. ¿Qué relación tiene con la correlación?

En la relación de dos variables si una de ellas tiene la variación sistemáticamente

c. ¿Cómo medirías el ajuste del modelo de regresión lineal obtenido?

La medición la podemos realizar con la siguiente formula: Y= B0+B1X+E

d. ¿Qué es el coeficiente de determinación?

Es el cual no va a ayudar a predeterminar o predecir resultados dependiendo de las variables, esto se

pudiera utilizar en áreas como calidad de una manufacturera

e. ¿Por qué crees que se llama regresión lineal?

Por que podemos ver las variaciones y su dispersión en forma de forma lineal y contemplar variaciones
a futuro

f. ¿Cuál es la relación de la prueba de hipótesis con el intervalo de confianza en la

regresión?

Por qué de aquí parte los intervalos de confianza dende al obtenerlo podremos decidir por la hip ótesis
nula o laguna varíate

Parte 2

Realiza lo siguiente:

4. En un estudio de variables que afectan la productividad en el negocio de abarrotes al menudeo,

W. S. Good usa el valor agregado por hora de trabajo para medir la productividad de tiendas de
abarrotes al menudeo. Él define el “valor agregado” como el “excedente [dinero generado por el
negocio] disponible para pagar mano de obra, muebles accesorios y equipo”. Los datos de
acuerdo con la relación del valor agregado por hora de trabajo Y y el tamaño X de la tienda de
abarrotes descrita en el artículo de Good para diez tiendas de abarrotes ficticias se muestran
enseguida. Se establecerá un modelo para relacionar Y con X.

Datos en relación con el tamaño de tienda y el valor agregado

Tienda Valor agregado Tamaño de la tienda
por hora de trabajo (miles de pies cuadrados)

Confidential Information
 Profesional
Reporte
Y X
1 6.08 23.0
2 5.40 14.0
3 5.51 27.2
4 5.09 12.4
5 4.92 33.9
6 3.94 9.8
7 6.11 22.6
8 5.16 17.5
9 5.75 27.0
10 5.60 21.1

a. Realiza un diagrama de dispersión de los datos para Y contra X.

b. Calcula las rectas de mínimos cuadrados para Y contra X.

B0= 4
B1= .06
Se= 28.6

c. Obtén una gráfica de residuales contra el valor ajustado de Y, ya sea por medio de
Minitab. Observa la gráfica. ¿Qué patrón parecen seguir los datos? Éste es un
ejemplo de análisis de residuales.

Confidential Information
 Profesional
Reporte

5. En un experimento con conejos se tomaron en cuenta las siguientes variables:

Y: Proporción del peso final al peso inicial.
X: Gramos diarios de alimento por kg de peso inicial.

Proporción de peso Gramos diarios Proporción de peso final al Gramos diarios de

final al de alimento por kg de peso inicial alimento por kg de peso
peso inicial peso inicial inicial
Y
Y X X
0.91 10 1.16 33
0.88 15 0.96 35
0.90 18 1.08 36
0.79 19 1.13 37
0.94 20 1.00 39
0.88 21 1.10 42
0.95 21 1.11 45
0.97 24 1.18 54
0.88 25 1.26 56
1.01 27 1.29 56
0.95 28 1.36 59
0.95 30 1.40 59
1.05 30 1.32 60
1.05 31 1.47 64

Realiza un diagrama de dispersión de los datos para Y contra X.

Confidential Information
 Profesional
Reporte

a. Calcula las rectas de mínimos cuadrados para Y contra X.

Predictor Error Estandar T P

Constante 0.812 0.081 9.973 0
X 0.004 0.003 1.237 0.25
S 0.059

r2 0.16
r^2 0.558

b. Prueba la hipótesis de que la pendiente es cero. Realiza todas las etapas de la

prueba de hipótesis (α = 0.01).
c.

Ho = 0
Ha/=0
T calculada = b1- β1/Sb1= 0.0104 – 0 = 130.0008
√32.85 – 0.7(29.93) – 0.0104(1132.8) /28-2 =0.06730.0673 √41902-28(35.05) ^2 = 0.0008
a =0.01 = 2.779 = 13 > 2.779

d. Calcula las predicciones Ŷ para los siguientes valores de X0: 0, 5, 15, 25, 30, 35.5, 39,
45, 60, 70, 80, 90.

Confidential Information
 Profesional
Reporte
X0 Y=B0+B1(x) Y
0 0.8128+0.0049(0) 0.8128
5 0.8128+0.0049(5) 0.8373
15 0.8128+0.0049(15) 0.8863
25 0.8128+0.0049(25) 0.9353
30 0.8128+0.0049(30) 0.9598
35.5 0.8128+0.0049(35.5) 0.98675
39 0.8128+0.0049(39) 1.0039
45 0.8128+0.0049(45) 1.0333
60 0.8128+0.0049(60) 1.1068
70 0.8128+0.0049(70) 1.1558
80 0.8128+0.0049(80) 1.2048
B0 0.8128
B1 0.0049

6. Calcula el intervalo de confianza de los valores particulares de Y para los valores dados de X0
del inciso anterior.

Considerando un intervalo de confianza de el 95% aproximadamente, este quedar ía con un par ámetro
entre 4 a 58

Confidential Information