Estadística Aplicada 2

Ejercicios propuestos Regresión Lineal Simple

1. El vicepresidente de Motor Perú S.A es informado por el equipo de la compañía, que

la resistencia al corte de la unidad ensamblada está en función de la antigüedad de
la carga propulsora cuando se moldea el motor. Para ello se toman al azar 20
observaciones para probar esta relación. La información recogida se muestra en la
siguiente tabla:

N° Resistencia al corte Antigüedad

Observación (PSI) (Semanas)
1 2158.7 15.5
2 1678.15 23.75
3 2316 8
4 2061.3 17
5 2207.5 5
6 1708.3 19
7 1784.7 24
8 2575 2.5
9 2357.9 7.5
10 2277.7 11
11 2165.2 13
12 2399.55 3.75
12 1779.8 25
14 2336.75 9.75
15 1765.3 22
16 2053.5 18
17 2414.4 6
18 2200.5 12.5
19 2654.2 2
20 1753.7 21.5

Use un nivel de significación del 2%. Los datos se encuentran en la hoja Resistencia.
a. Verifique los supuestos.

I. Normalidad de errores
Hipótesis:

Nivel de significación:

Estadístico de prueba:

P-valor:

1
Decisión:

Conclusión:

II. Autocorrelación de errores:

Hipótesis:

Durbin Watson:

Conclusión:

b. Valide el modelo de regresión lineal.

Hipótesis:

Nivel de significación:

Estadístico de prueba:

P-valor:

Decisión:

Conclusión:

c. Presente la ecuación estimada e interprete ambos coeficientes.

Ecuación:

Coeficiente de intercepción:

Coeficiente de regresión poblacional estimado:

d. Estime la resistencia al corte de un motor fabricado por una carga propulsora de

20 semanas de antigüedad.

2
 e. Estime con un intervalo de confianza del 98%, la resistencia media al corte de un
motor fabricado por una carga propulsora de 20 semanas de antigüedad.

f. Estime con un intervalo de confianza del 98%, la resistencia al corte de un motor

fabricado por una carga propulsora de 20 semanas de antigüedad.

2. Un ingeniero que labora en una distribuidora eléctrica, desea encontrar un modelo

de regresión lineal que le permita predecir el consumo de electricidad en su localidad
a partir de las temperaturas mínimas que se pronostican para el día siguiente. Los
datos de la temperatura y el consumo real, obtenidos de una muestra de diez días
son los siguientes:
Temperatura
-12 0 13 25 -7,5 18.5 15.5 28 14.5 20
(°C)
Consumo
15.5 13.5 11 8.5 14.8 9.85 10.5 8,5 10 9.5
(megawatios)
Use un nivel de significación del 6%. Los datos se encuentran en la hoja Electricidad.
a. Verifique los supuestos.

I. Normalidad de errores
Hipótesis:

Nivel de significación:

Estadístico de prueba:

P-valor:

Decisión:

Conclusión:

II. Autocorrelación de errores:

Hipótesis:

Durbin Watson:
Conclusión:

3
 b. Valide el modelo de regresión lineal.
Hipótesis:

Nivel de significación:

Estadístico de prueba:

P-valor:

Decisión:

Conclusión:

c. Presente la ecuación estimada e interprete ambos coeficientes.

Ecuación:

Coeficiente de intercepción:

Coeficiente de regresión poblacional estimado:

d. Determine la varianza total de la variable dependiente explicada a través del

modelo.

e. Interprete el coeficiente de correlación.

f. Estime el consumo de electricidad cuando la temperatura es de 15 °C.

g. Estime con un intervalo de confianza del 94%, el consumo de electricidad cuando

la temperatura es de 15 °C.

4
 h. Estime con un intervalo de confianza del 94%, el consumo promedio de
electricidad cuando la temperatura es de 15 °C.

3. Un ingeniero químico está calibrando un espectrómetro para medir la concentración

de CO en muestras de aire, esta calibración implica que debe comprobar que existe
una relación lineal en la concentración verdadera de CO (X) y la concentración medida
por el espectrómetro (Y). Para tal fin, selecciona 11 muestras de aire en las que
conoce su verdadera concentración de CO y las compara con la concentración medida
por el espectrómetro. Los datos son los siguientes (las unidades son ppm):

Concentración de CO 0 10 20 30 40 50 60 70 80 90 100
Concentración 1 12 20 29 38 48 61 68 79 91 97

Use un nivel de significación del 8%. Los datos se encuentran en la hoja

Concentración.
a. Verifique los supuestos.

I. Normalidad de errores
Hipótesis:

Nivel de significación:

Estadístico de prueba:

P-valor:

Decisión:

Conclusión:

II. Autocorrelación de errores:

Hipótesis:

Durbin Watson:

Conclusión:

b. Valide el modelo de regresión lineal.

5
Hipótesis:

Nivel de significación:

Estadístico de prueba:

P-valor:

Decisión:

Conclusión:

c. Presente la ecuación estimada e interprete ambos coeficientes.

Ecuación:

Coeficiente de intercepción:

Coeficiente de regresión poblacional estimado:

d. ¿Qué porcentaje de la concentración medida por el espectrómetro es explicada

por el modelo de regresión estimado?

e. Interprete el coeficiente de correlación

f. ¿Cuál será la concentración medida por el espectrómetro cuando la concentración

de CO en el aire sea de 82 ppm?

g. Con un 92% de confianza, ¿cuál será la concentración medida por el

espectrómetro cuando la concentración de CO en el aire sea de 90 ppm?