Ejercicio 1

Los datos mostrados son de una encuesta en la que se busca averiguar si la experiencia laboral (en
años) de las personas tiene impacto sobre el nivel salarial (en dólares al año) de las mismas.

Estimación. N Xi Yi XiYi Xi^2

1 1.10 39,343.00 43,277.30 1.21
2 1.30 46,205.00 60,066.50 1.69
3 1.50 37,731.00 56,596.50 2.25
4 2.00 43,525.00 87,050.00 4.00
5 2.20 39,891.00 87,760.20 4.84
6 2.90 56,642.00 164,261.80 8.41
7 3.00 60,150.00 180,450.00 9.00
8 3.20 54,445.00 174,224.00 10.24
9 3.20 64,445.00 206,224.00 10.24
10 3.70 57,189.00 211,599.30 13.69
11 3.90 63,218.00 246,550.20 15.21
12 4.00 56,794.00 227,176.00 16.00
13 4.00 56,957.00 227,828.00 16.00
14 4.10 57,081.00 234,032.10 16.81
15 4.50 61,111.00 274,999.50 20.25
16 4.90 67,938.00 332,896.20 24.01
17 5.10 66,029.00 336,747.90 26.01
18 5.30 63,088.00 334,366.40 28.09
19 5.90 81,363.00 480,041.70 34.81
20 6.00 93,940.00 563,640.00 36.00
20 71.80 1,167,085.00 4,529,787.60 298.76

Gráfica de dispersión
100,000.00
90,000.00
80,000.00
70,000.00
Salario en miles $

60,000.00
50,000.00
40,000.00
30,000.00
20,000.00
10,000.00
-
1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50 5.00 5.50 6.00
Años de experiencia
N = 20 (número de observaciones)
n

∑ Y i=1,167,085
i=1

n n n

∑ x i=71.80∑ x i y i=4,529,787.60∑ x i2=298.76

i=1 i=1 i=1

( 20 ) ( 4,529,787.60 )−( 71.80 ) ( 1,167,085 )

β^1 =
( 20 ) ( 298.76 )−( 71.80 )2
( 6,799,049 )
β^1 =
( 819.96 )

β^1 = 8,291.93

1 1
β^0 = ( 1,167,085 )−( 8,291.93 ) ( 71.80 )
20 20

β^0 = ( 58,354.25 )−( 29,768.02 )

β^0 = 28,586.23

Y i=β^0+ β^1 X i = ( 28,586.23 ) + ( 8,291.93 ) ( X i )

^

β̂1…
Cada vez que los años de experiencia laboral se incrementa en 1%, el salario aumenta
$8,291.93 miles de dólares.
El impacto del cambio de +1% en los años de experiencia laboral tiene un impacto en el
salario de $8,291.93 miles de dólares.
β̂0….
cuando los años de experiencia laboral es del 0%, el salario es de $28,586.23 miles de
dólares
Inferencia.
N Xi Yi Ŷ = 28,586.23 + 8,291.93 X ûi = Yi − Ŷ ûi^2 (Xi − X̅) (Xi − X̅)^2
1 1.10 39,343.00 37,707.35 1,635.65 2,675,350.47 (2.49) 6.20
2 1.30 46,205.00 39,365.74 6,839.26 46,775,536.58 (2.29) 5.24
3 1.50 37,731.00 41,024.12 (3,293.12) 10,844,647.24 (2.09) 4.37
4 2.00 43,525.00 45,170.09 (1,645.09) 2,706,304.75 (1.59) 2.53
5 2.20 39,891.00 46,828.47 (6,937.47) 48,128,497.76 (1.39) 1.93
6 2.90 56,642.00 52,632.82 4,009.18 16,073,524.93 (0.69) 0.48
7 3.00 60,150.00 53,462.01 6,687.99 44,729,174.35 (0.59) 0.35
8 3.20 54,445.00 55,120.40 (675.40) 456,162.75 (0.39) 0.15
9 3.20 64,445.00 55,120.40 9,324.60 86,948,198.46 (0.39) 0.15
10 3.70 57,189.00 59,266.36 (2,077.36) 4,315,433.05 0.11 0.01
11 3.90 63,218.00 60,924.75 2,293.25 5,259,006.69 0.31 0.10
12 4.00 56,794.00 61,753.94 (4,959.94) 24,601,008.16 0.41 0.17
13 4.00 56,957.00 61,753.94 (4,796.94) 23,010,636.61 0.41 0.17
14 4.10 57,081.00 62,583.13 (5,502.13) 30,273,468.69 0.51 0.26
15 4.50 61,111.00 65,899.90 (4,788.90) 22,933,603.11 0.91 0.83
16 4.90 67,938.00 69,216.68 (1,278.68) 1,635,010.34 1.31 1.72
17 5.10 66,029.00 70,875.06 (4,846.06) 23,484,304.88 1.51 2.28
18 5.30 63,088.00 72,533.45 (9,445.45) 89,216,455.62 1.71 2.92
19 5.90 81,363.00 77,508.60 3,854.40 14,856,377.14 2.31 5.34
20 6.00 93,940.00 78,337.80 15,602.20 243,428,780.62 2.41 5.81
20 71.80 1,167,085.00 1,167,085.00 - 742,351,482.21 0.00 41.00

√∑ (Xi− X)2 √ 41

√
= (8,291.93)
√ = 8.267589
t β̂ 1 = β̂1 1 1
∑ ûi
2
(742,351,482.21)
n−2 20−2

Suponiendo una confiabilidad de

95% (es decir, α = 0.05) en dos
colas y conociendo que los grados
de libertad son GL = 20 − 2 = 18,
se puede sacar el valor crítico de
tablas de distribución
la probabilidad de error máxima
aceptable de α = 1 − 0.95 = 0.05:
t α / 2= 2.101
Sustituyendo el valor de t α / 2= 2.101, incluyendo en la gráfica el valor de t β̂ 1 = 8.267589:
Se rechaza la hipótesis nula; la hipótesis nula consiste en que β̂1 es no significativa. Sin
embargo, rechazar la hipótesis nula hace que el coeficiente β̂1 sea en realidad
estadísticamente significativo.

√n ∑( Xi−X )2 =( 28,586.23 )
√ ( 20 ) 41

√ √
t β̂ 0= β0 1 1 = 7.374524
√∑ Xi2 n−2
∑ ûi
2
√ 298.76
20−2
( 742,351,482.21 )

Es decir, se rechaza la hipótesis nula, la cual consiste en que β̂0 es no significativa. Sin
embargo, rechazar la hipótesis nula hace que el coeficiente β̂0 sea estadísticamente
significativo.

t β̂ 1=8.2675

t β̂ 0=7.3745

-2.101 0 2.101

La conclusión es que el siguiente modelo, resultante de la estimación MCO, tiene una

confiabilidad mínima del 95%.
^
Yi=( 28,586.23 )+ ( 8,291.93 ) ( X i )

Cada vez que ocurre un aumento unitario en X, se presenta un aumento de 8,291.93 en la

variable Y. Además, cuando la variable X tiene un valor de 0 (cero), la variable Y tiene un
valor de 28,586.23. Se puede asegurar lo anterior con una confiabilidad de 95%, lo que quiere
decir que la probabilidad de error máxima es del 5%.

Ejercicio 2
Los datos mostrados son de una segunda encuesta en la que se estudia si la antigüedad en la misma empresa
(en años) de las personas tiene alguna relación con su nivel salarial (en dólares al año). Al igual que en el
ejercicio anterior, se requiere obtener la gráfica de dispersión, comentándola; luego, realizar los procesos de
estimación y de inferencia y presentar el modelo final con su debida interpretación.

Estimación. N Xi Yi XiYi Xi^2

1 1.00 52,497.00 52,497.00 1.00
2 1.00 72,496.00 72,496.00 1.00
3 2.00 50,497.00 100,994.00 4.00
4 3.00 83,495.00 250,485.00 9.00
5 5.00 9,499.00 47,495.00 25.00
6 6.00 53,997.00 323,982.00 36.00
7 7.00 74,996.00 524,972.00 49.00
8 7.00 86,495.00 605,465.00 49.00
9 8.00 90,995.00 727,960.00 64.00
10 9.00 91,495.00 823,455.00 81.00
11 12.00 33,998.00 407,976.00 144.00
12 12.00 22,998.00 275,976.00 144.00
13 15.00 47,497.00 712,455.00 225.00
14 16.00 24,498.00 391,968.00 256.00
15 19.00 55,997.00 1,063,943.00 361.00
16 19.00 80,996.00 1,538,924.00 361.00
17 21.00 11,499.00 241,479.00 441.00
18 24.00 24,999.00 599,976.00 576.00
18 187.00 968,944.00 8,762,498.00 2,827.00
N= 18
Gráfica de dispersión
100,000.00
90,000.00
80,000.00
70,000.00
Salario en miles $

60,000.00
50,000.00
40,000.00
30,000.00
20,000.00
10,000.00
-
1.00 3.00 5.00 7.00 9.00 11.00 13.00 15.00 17.00 19.00 21.00 23.00 25.00
Años de antigüedad

(número de observaciones)
n

∑ Y i=968,944
i=1

n n n

∑ x i=187 ∑ x i y i=8,762,498∑ x i2=2,827

i=1 i=1 i=1

( 18 ) ( 8,762,498 )− ( 187 ) ( 968,944 )

β^1 =
( 18 ) ( 2,827 )−( 187 )2
(−23,467,564 )
β^1 =
( 15,917 )

β^1 =−1,474.37
1 1
β^0 = ( 968,944 )−(−1,474.37 ) ( 187 )
18 18

β^0 = ( 53,830.22 )−(−15,317.08 )

β^0 = 69,147.30

Yi=β^0+ β^1 X i = ( 69,147.30 ) + (−1,474.37 ) ( X i )

^

β̂1…
Cada vez que los años de antigüedad laboral se incrementa en 1%, el salario disminuye en
$1,474.37 miles de dólares.
El impacto del cambio de +1% en los años de antigüedad laboral tiene un impacto en el
salario de $1,474.37 miles de dólares.
β̂0….
cuando los años de antigüedad laboral es del 0%, el salario es de $69,147.30 miles de dólares
Inferencia.
N Xi Yi Ŷ = 69,147.30 - 1,474.37 X ûi = Yi − Ŷ ûi^2 (Xi − X̅) (Xi − X̅)^2
1 1.00 52,497.00 67,672.93 (15,175.93) 230,308,796.43 (9.39) 88.15
2 1.00 72,496.00 67,672.93 4,823.07 23,262,021.68 (9.39) 88.15
3 2.00 50,497.00 66,198.56 (15,701.56) 246,538,896.63 (8.39) 70.37
4 3.00 83,495.00 64,724.19 18,770.81 352,343,454.83 (7.39) 54.60
5 5.00 9,499.00 61,775.44 (52,276.44) 2,732,826,596.31 (5.39) 29.04
6 6.00 53,997.00 60,301.07 (6,304.07) 39,741,335.64 (4.39) 19.26
7 7.00 74,996.00 58,826.70 16,169.30 261,446,201.34 (3.39) 11.48
8 7.00 86,495.00 58,826.70 27,668.30 765,534,720.25 (3.39) 11.48
9 8.00 90,995.00 57,352.33 33,642.67 1,131,829,188.13 (2.39) 5.71
10 9.00 91,495.00 55,877.96 35,617.04 1,268,573,553.22 (1.39) 1.93
11 12.00 33,998.00 51,454.85 (17,456.85) 304,741,494.68 1.61 2.60
12 12.00 22,998.00 51,454.85 (28,456.85) 809,792,120.80 1.61 2.60
13 15.00 47,497.00 47,031.73 465.27 216,472.92 4.61 21.26
14 16.00 24,498.00 45,557.36 (21,059.36) 443,496,746.49 5.61 31.48
15 19.00 55,997.00 41,134.25 14,862.75 220,901,358.57 8.61 74.15
16 19.00 80,996.00 41,134.25 39,861.75 1,588,959,169.41 8.61 74.15
17 21.00 11,499.00 38,185.51 (26,686.51) 712,169,666.19 10.61 112.60
18 24.00 24,999.00 33,762.39 (8,763.39) 76,797,075.17 13.61 185.26
18 187.00 968,944.00 968,944.00 - 11,209,478,868.70 0.00 884.28

√∑(Xi− X)2 √ 884.28

√
= (-1,474.37)
√ = -1.656414
t β̂ 1 = β̂1 1 1
∑ûi 2 (11,209,478,868.70 )
n−2 18−2

Suponiendo una confiabilidad de

95% (es decir, α = 0.05) en dos
colas y conociendo que los grados
de libertad son GL = 18 − 2 = 16,
se puede sacar el valor crítico de
tablas de distribución
la probabilidad de error máxima
aceptable de α = 1 − 0.95 = 0.05:
t α / 2= 2.120
Sustituyendo el valor de t α / 2= 2.120, incluyendo en la gráfica el valor de t β̂ 1 = -1.656414: Se
confirma la hipótesis nula; la hipótesis nula consiste en que β̂1 es no significativa.

√n ∑( Xi−X )2 =( 69,147.30 )
√ ( 18 ) 884.28

√ √
t β̂ 0= β0 1 1 = 6.198844
√∑ Xi2 n−2
∑ ûi
2
√ 2,827
18−2
( 11,209,478,868.70 )

incluyendo en la gráfica el valor de t β̂ 0 = 6.1988: Es decir, se rechaza la hipótesis nula, la cual

consiste en que β̂0 es no significativa.

t β̂ 1=−1.65

t β̂ 0=6.1988

-2.120 0 2.120

La conclusión es que el siguiente modelo, resultante de la estimación MCO, tiene una

confiabilidad mínima del 95%.
^
Yi = ( 69,147.30 )+ (−1,474.37 ) ( X i )
^
Yi = ( 69,147.30 ) ( X i )

Cada vez que ocurre un aumento unitario en X, se presenta un aumento de 69,147.30 en la

variable Y. Además, cuando la variable X tiene un valor de 0 (cero), la variable Y tiene un
valor de 69,147.30. Se puede asegurar lo anterior con una confiabilidad de 95%, lo que quiere
decir que la probabilidad de error máxima es del 5%.