Nombre: Antonio Borges Arciniega Matrícula: 2897338

Nombre del curso: Nombre del profesor:

Estadística y pronósticos para la toma de Cesar Ricardo Dzul Dzul
decisiones
Módulo: Modulo 2 Actividad: Actividad 5
Fecha: 10/07/19
Bibliografía:

Realiza los siguientes ejercicios. Utiliza Excel o cualquier otro paquete estadístico.

1. Revisa las explicaciones del tema 11 y 12. Contesta las siguientes preguntas:
a. ¿A qué se le llama una predicción puntal?

Pronostico que se obtiene al evaluar la función de regresión estimada en X

b. ¿Cuáles son las dos fuentes de incertidumbre asociadas a una predicción puntual?

Incertidumbre debido a la dispersión de los datos respecto a la línea de regresión de

la muestra.
Incertidumbre debido a la dispersión de la regresión de la muestra respecto a la lineal
de regresión de la población

c. ¿A qué se le llama residuos? ¿Qué tipo de información te pueden dar?

Son las diferencias entre los valores de la variable dependiente observados y los
valores que predecimos a partir de la recta de regresión

d. ¿Qué es una regresión lineal múltiple? ¿Cuándo se recomienda aplicarla?

Extensión de la regresión lineal simple para permitir mas de una variable

independiente este nos permite conocer los factores que influyen en el
comportamiento de los valores que puede adquirir la variable Y

e. ¿Qué es una matriz de correlación? ¿Para qué sirve la matriz de correlación?

Es aquella que se construye calculando los coeficientes de correlación simples para

cada combinación de pares de variables y los coeficientes de correlación, incidan la
relación que existe entre las variables independientes y la independiente.
 2. En un experimento con conejos se hizo variar la cantidad de alimento administrado, y
además se les añadió 1 g diario de colesterol en la dieta durante varias semanas. La
cantidad de alimento X está expresado como gramos diarios por kg de peso al inicio del
experimento, y el colesterol Y al final del experimento en mg. Los datos se presentan a
continuación:

Cantidad de colesterol, Cantidad de colesterol,

alimento, g mg alimento, g mg
X Y X Y
10 313 33 677
15 370 35 151
18 424 36 280
19 356 37 245
20 310 39 396
21 349 42 278
21 365 45 297
24 245 54 224
25 373 56 346
27 395 56 141
28 156 59 139
30 243 59 424
30 150 60 316
31 463 64 379

Media 35.5

Núm. datos 28

a. Estima la ecuación de regresión lineal.

Y=362.06-1.34X

b. Calcula las predicciones (valores puntuales) para los siguientes valores de X0: 11, 12,
15, 25, 30, 35.5, 39, 45, 60, 70, 80, 90.

X0 Predicción puntual Error Error total Límite superior

 Límite
inferior
11 347.32 1.061345856 347.6257286 694.9457286 -0.305728635
12 345.98 1.0193875 333.882985 679.862985 12.09701501
15 341.96 1.020335218 334.1933939 676.1533939 7.766606148
25 328.56 1.025002459 335.722069 664.282069 -7.162068994
30 321.86 1.028198898 336.769008 658.629008 -14.909008
35.5 314.49 1.032371259 338.1355935 652.6255935 -23.64559352
39 309.8 1.035380736 339.1212966 648.9212966 -29.32129657
45 301.76 1.041173057 341.0184724 642.7784724 -39.2584724
60 281.66 1.059069893 346.8802759 628.5402759 -65.22027586
70 268.26 1.073617162 351.6449856 619.9049856 -83.38498562
80 254.86 1.090161284 357.0637304 611.9237304 -102.2037304
90 241.46 1.108612863 363.1072305 604.5672305 -121.6472305

3. Reúnanse en equipos de 2 personas y resuelvan los siguientes ejercicios.

Se tomó una muestra de 20 automóviles con relación al número de kilómetros por litro (Y),
caballos de fuerza X1 y peso total en kg X2.

Kilómetros por litro, Caballos de Peso en kg

Y fuerza, X1 X2
19 67 1844
19 50 1998
17 62 1752
16 69 1980
16 66 1797
15 63 2199
15 90 2404
14 99 2611
13 63 3236
12 91 2606
11 94 2580
11 88 2507
11 124 2922
 10 97 2434
9 114 3248
9 102 2812
8 114 3382
8 142 3197
7 153 4380
7 139 4036

4.

Estima e interpreta los coeficientes de la ecuación de regresión lineal múltiple.

Y=24.74-0.06X1-0.002X2

Si un vehículo tiene 92 caballos de fuerza y un peso de 1750 kg ¿cuál será el número de

kilómetros por litro que se esperaría?

Y=24.74-0.06(92)-0.002(1750)
Y= 15.72 Km/L

Coeficientes Error Estadístico Prob Inferio Supe Inferi Super

típico t abilid r 95% rior or ior
ad 95% 95.0 95.0%
%
Intercepción 24.7455635 1.55075 15.957073 1.15 21.47 28.0 21.47 28.01
5 8281 29 58E- 37495 1737 3749 7377
11 7 753 57 53
Variable X 1 - 0.02529 - 0.01 - - - -
0.06963044 0691 2.7532044 3576 0.122 0.01 0.122 0.016
3 79 482 98913 6271 9891 2717
7 75 37 5
Variable X 2 - 0.00103 - 0.05 - 2.93 - 2.939
0.00216075 8077 2.0814955 2815 0.004 984E 0.004 84E-
3 14 196 35090 -05 3509 05
5 05