TAREA 3.

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. 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.

X Y XiYi Xi^2
1.10 39,343.00 43,277.30 1.21
1.30 46,205.00 60,066.50 1.69
1.50 37,731.00 56,596.50 2.25 80,000.00
2.00 43,525.00 87,050.00 4.00 Se nota que las observaciones no se
70,000.00
2.20 39,891.00 87,760.20 4.84 encuentran alineadas, por lo que se podría
60,000.00
suponer que una recta no es la función que
2.90 56,642.00 164,261.80 8.41
relaciona la variable Y con la X.
50,000.00
3.00 60,150.00 180,450.00 9.00
40,000.00
3.20 54,445.00 174,224.00 10.24
3.20 64,445.00 206,224.00 10.24 30,000.00

3.70 57,189.00 211,599.30 13.69 20,000.00

3.90 63,218.00 246,550.20 15.21 10,000.00

4.00 56,794.00 227,176.00 16.00 0.00
0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50 5.00 5.50
4.00 56,957.00 227,828.00 16.00
4.10 57,081.00 234,032.10 16.81
4.50 61,111.00 274,999.50 20.25 β̂1 = n ∑ XiYi−∑ Xi ∑ Yi = 2,337,948.1 =
4.90 67,938.00 332,896.20 24.01 2
n ∑ Xi −(∑ Xi)
2
331.35
7,055.83
49.50 862,665.00 2,814,991.60 173.85

1 1
β̂0 = ∑ Yi− ^β 1 ∑ Xi=53916.56−21828.96 = 32,087.59
n n
 Por lo tanto, la Función de Regresión Muestral (FRM) es:
Ŷ = 32,087.59 + 7,055.83 X
β̂1…
• Cada vez que los años de experiencia laboral se incrementa en 320,875.9%, el
salario aumenta $7,055.83 de dólares.
• El impacto del cambio de +% en los años de experiencia laboral tiene un impacto
en el salario de $7,055.83 de dólares.
β̂0….
32,087.59: cuando los años de experiencia laboral es del 0%, el salario es de
$32,087.59 de dólares.

INFERENCIA.

X Y Ŷ = 32,087.59 + 7,055.83 X ûi = Yi − Ŷ ûi^2 (Xi − X̅)^2

1.10 39,343.00 39,849.01 -14,573.56 212,388,723.94 3.98
1.30 46,205.00 41,260.17 -7,711.56 59,468,196.19 3.22
1.50 37,731.00 42,671.34 -16,185.56 261,972,433.44 2.54
2.00 43,525.00 46,199.25 -10,391.56 107,984,571.19 1.20
2.20 39,891.00 47,610.42 -14,025.56 196,716,403.44 0.80
2.90 56,642.00 52,549.50 2,725.44 7,428,009.57 0.04
3.00 60,150.00 53,255.08 6,233.44 38,855,743.07 0.01
3.20 54,445.00 54,666.24 528.44 279,246.19 0.01
3.20 64,445.00 54,666.24 10,528.44 110,847,996.19 0.01
3.70 57,189.00 58,194.16 3,272.44 10,708,847.19 0.37
3.90 63,218.00 59,605.32 9,301.44 86,516,739.57 0.65
4.00 56,794.00 60,310.91 2,877.44 8,279,646.57 0.82
4.00 56,957.00 60,310.91 3,040.44 9,244,260.19 0.82
4.10 57,081.00 61,016.49 3,164.44 10,013,664.69 1.01
4.50 61,111.00 63,838.82 7,194.44 51,759,930.94 1.98
4.90 67,938.00 66,661.15 14,021.44 196,600,709.57 3.26
49.50 862,665.00 0.00 1,369,065,121.94 20.71

√∑(Xi− X)2 √2,153.54

= 33.11
√
= (7,055.83)
√
t β̂ 1 = β̂1 1 1
∑ûi 2 (1,369,065,121.94 )
n−2 16−2
Suponiendo una confiabilidad de 95% (es decir, α = 0.05) en dos colas y
conociendo que los grados de libertad son GL = 16 − 2 = 14, se puede sacar el
valor crítico de tablas de distribución t α / 2:
la probabilidad de error máxima aceptable de α = 1 − 0.95 = 0.05:
t α / 2= 2.145

Sustituyendo el valor de t α / 2= 2.145, incluyendo en la gráfica el valor de tβ̂1 =

4.65:

t β̂ 1=33.11

-2.145 0 2.145

Zona de rechazo de H0
Zona de no rechazo de H0 Zona de rechazo de H0
β̂1 es significativa
β̂1 es no significativa β̂1 es significativa

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 =( 32,087.59 )
√ 34,456.64

√
t β̂ 0 = β0 1 √ 173.85 √ 97,790,365.85 = 45.68
√∑ Xi2 n−2
∑ûi
2

Por lo anterior, mostrando los valores de tα/2 y tβ̂0 en la gráfica de decisión,

llegamos a la siguiente figura.

t β̂ 1=45.68

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.
La conclusión es que el siguiente modelo, resultante de la estimación MCO, tiene
una confiabilidad mínima del 95%.

Ŷ = 32,087.59 + 7,055.83 X

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

7,055.83 en la variable Y. Además, cuando la variable X tiene un valor de 0 (cero),
la variable Y tiene un valor de 32,087.59. 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.

X Y XiYi Xi^2
6.00 53,997.00 323,982.00 36.00
15.00 47,497.00 712,455.00 225.00
24.00 24,999.00 599,976.00 576.00
1.00 52,497.00 52,497.00 1.00
9.00 91,495.00 823,455.00 81.00
5.00 9,499.00 47,495.00 25.00
2.00 50,497.00 100,994.00 4.00
21.00 11,499.00 241,479.00 441.00
16.00 24,498.00 391,968.00 256.00
7.00 74,996.00 524,972.00 49.00
8.00 90,995.00 727,960.00 64.00
7.00 86,495.00 605,465.00 49.00
1.00 72,496.00 72,496.00 1.00
19.00 55,997.00 1,063,943.00 361.00
3.00 83,495.00 250,485.00 9.00
12.00 33,998.00 407,976.00 144.00
12.00 22,998.00 275,976.00 144.00
19.00 80,996.00 1,538,924.00 361.00
187.00 968,944.00 8,762,498.00 2,827.00

Se nota que las observaciones

no se encuentran alineadas,
por lo que se podría suponer
que una recta no es la función
que relaciona la variable Y con
la X.
100,000.00
90,000.00
80,000.00
70,000.00
60,000.00
50,000.00
40,000.00
30,000.00
20,000.00
10,000.00
0.00
0.00 5.00 10.00 15.00 20.00 25.00 30.00

n ∑ XiYi−∑ Xi ∑ Yi −23467564
β̂1 = 2
n ∑ Xi −(∑ Xi)
2
=
15,917 = -1,474.37

1 1
β̂0 = ∑ Yi− ^β 1 ∑ Xi=53830.22−(−15317.07) = 69,147.29
n n

Por lo tanto, la Función de Regresión Muestral (FRM) es:

Ŷ = 69,147.29 + (-1,474.37) X

β̂1…
• Cada vez que los años de antigüedad de la empresa se incrementa en
691,472.9%, el salario disminuye $1,474.37 miles de dólares.

• El impacto del cambio de +691,472.9% en los años de antigüedad tiene un

impacto en el salario de $-1,474.37 miles de dólares.

β̂0….
69,147.29: cuando los años de antigüedad es del 0%, el salario es de $69,147.29

INFERENCIA.
 X Y Ŷ = 69,147.29 + (-1,474.37) X ûi = Yi − Ŷ ûi^2 (Xi − X̅)^2
6.00 53,997.00 60,301.07 166.78 27,814.83 19.26
15.00 47,497.00 47,031.73 -6,333.22 40,109,703.72 21.26
24.00 24,999.00 33,762.39 -28,831.22 831,239,374.83 185.26
1.00 52,497.00 67,672.93 -1,333.22 1,777,481.49 88.15
9.00 91,495.00 55,877.96 37,664.78 1,418,635,485.05 1.93
5.00 9,499.00 61,775.44 -44,331.22 1,965,257,263.72 29.04
2.00 50,497.00 66,198.56 -3,333.22 11,110,370.38 70.37
21.00 11,499.00 38,185.51 -42,331.22 1,791,932,374.83 112.60
16.00 24,498.00 45,557.36 -29,332.22 860,379,260.49 31.48
7.00 74,996.00 58,826.70 21,165.78 447,990,148.94 11.48
8.00 90,995.00 57,352.33 37,164.78 1,381,220,707.27 5.71
7.00 86,495.00 58,826.70 32,664.78 1,066,987,707.27 11.48
1.00 72,496.00 67,672.93 18,665.78 348,411,260.05 88.15
19.00 55,997.00 41,134.25 2,166.78 4,694,925.94 74.15
3.00 83,495.00 64,724.19 29,664.78 879,999,040.60 54.60
12.00 33,998.00 51,454.85 -19,832.22 393,317,038.27 2.60
12.00 22,998.00 51,454.85 -30,832.22 950,625,927.16 2.60
19.00 80,996.00 41,134.25 27,165.78 737,979,482.27 74.15
187.00 968,944.00 0.00 13,131,695,367.11 884.28

√∑(Xi− X)2 √ 884.28

√
= (-1,474.37)
√
t β̂ 1 = β̂1 1 1 = -9.0891
∑ûi 2 (13,131,695,367.11)
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 t α / 2:
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 tβ̂1 =

-9.0891
 tβ̂1 = -9.0891

Zona de no rechazo de H0
β̂1 es no significativa

-2.120 0 2.120
Zona de rechazo de H0 Zona de rechazo
Por lo que se rechaza la hipótesis nula; la hipótesis nula consiste en quedeβ̂1
H0es no
β̂1 es significativa β̂1 es significativa
significativa. Sin embargo, rechazar la hipótesis nula hace que el coeficiente β̂1
sea en realidad estadísticamente significativo.

√n ∑(Xi−X )2 =( 69,147.29 )
√561,446.72

√
t β̂ 0 = β0 1 √ 2,827 √ 820,730,960.4 = 34.01
√∑ Xi2 n−2
∑ûi 2

t β̂ 0=34.01 34.01

-2.120 0 2.120
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.
La conclusión es que el siguiente modelo, resultante de la estimación MCO, tiene
una confiabilidad mínima del 95%.

Ŷ = β̂0 + β̂1 X
Ŷ = 69,147.29 + (-1,474.37) X

Cada vez que ocurre un aumento unitario en X, se presenta una disminución de

1,474.37 en la variable Y. Además, cuando la variable X tiene un valor de 0 (cero),
la variable Y tiene un valor de 69,147.29. Se puede asegurar lo anterior con una
confiabilidad de 95%, lo que quiere decir que la probabilidad de error máxima es
del 5%.