Ejercicios

Uno de los problemas más desafiantes que enfrenta el campo del control de la
contaminación del agua lo representa la industria de la peletería, ya que sus desechos
son químicamente complejos; se caracterizan por valores elevados de la demanda de
oxigeno químico, solidos volátiles y otras medidas de contaminación. Considere los
datos experimentales de la tabla 11.1, que se obtuvieron de 33 muestras de desechos
tratados químicamente en un estudio realizado en Virginia Tech. Se registraron los
valores de x, la reducción porcentual de los sólidos totales, y de y, el porcentaje de
disminución de la demanda de oxigeno químico. Estime la recta de regresión para los
datos de contaminación de la tabla 11.1.

Solución
33 33 33 33

∑ 𝑥𝑖 = 1104 , ∑ 𝑦𝑖 = 1124 , ∑ 𝑥𝑖 𝑦𝑖 = 41,355 , ∑ 𝑥 2 𝑖 = 41,086

𝑖=1 𝑖=1 𝑖=1 𝑖=1

Por lo tanto,
𝑛 ∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − (∑𝑛𝑖=1 𝑥𝑖 )(∑𝑛𝑖=1 𝑦𝑖 )
𝑏=
∑𝑛𝑖=1 𝑥𝑖 2 − (∑𝑛𝑖=1 𝑥𝑖 )2
(33)(41,355) − (1104)(1124)
𝑏= = 0.903643
(33)(41,086) − (1104)2
Entonces:
∑𝑛𝑖=1 𝑦𝑖 − 𝑏 ∑𝑛𝑖=1 𝑥𝑖
𝑎= = 𝑦̅ − 𝑏𝑥̅
𝑛
 1124 − (0.903643)(1104)
𝑎= = 3.829633
33
Por lo siguiente, la recta de regresión estimada es dada por:
𝑦̂ = 3.829633 + 0.9036𝑥

Si utilizáramos la recta de regresión del ejemplo 11.1, podríamos pronosticar una

reducción de 31% en la demanda de oxigeno químico si los sólidos totales se redujeran
un 30%. La reducción de 31% en la demanda de oxigeno químico se puede interpretar
como un estimado de la media de la población µ como un estimado de una observación
nueva si la reducción de solidos totales es de 30%. Sin embargo, dichas estimaciones
están sujetas a error. Incluso si el experimento estuviera controlado para que la
reducción de los sólidos totales fuera de 30%, es improbable que la reducción en la
demanda de oxigeno químico que se midiera fuera exactamente igual a 31%. De hecho,
los datos originales registrados en la tabla 11.1 indican que se registraron medidas de
25% y de 35% en la reducción de la demanda de oxígeno, cuando la disminución de los
sólidos totales se mantuvo en 30%.

Un equipo de investigadores que trabajan en seguridad en el trabajo está tratando de

analizar cómo la piel absorbe un cierto componente químico peligroso. Para ello, coloca
diferentes volúmenes del compuesto químico sobre diferentes segmentos de piel durante
distintos intervalos de tiempo, midiendo al cabo de ese tiempo el porcentaje de volumen
absorbido del compuesto. El diseño del experimento se ha realizado para que la
interacción esperable entre el tiempo y el volumen no influya sobre los resultados.
Los datos aparecen en el Cuadro 10.1. Lo que los investigadores se cuestionan es si la
cantidad de compuesto por un lado y el tiempo de exposición al que se somete por otro,
influyen en el porcentaje que se absorbe. De ser así, sería interesante estimar el
porcentaje de absorción de personas que se sometan a una exposición de una
determinada cantidad, por ejemplo, durante 8 horas.
En una primera aproximación al problema, podemos observar una representación
gráfica de los datos en los diagramas de dispersión o nubes de puntos de la Figura 10.1.
¿Qué afirmaríamos? Parece que sí hay una relación lineal más o menos clara (pero no
definitiva) entre el tiempo de exposición y el porcentaje de absorción, pero ¿la hay entre
el volumen y el porcentaje de absorción?
Solución
Para los datos vamos a calcular e interpretar las dos rectas de regresión posibles.
En primer lugar, vamos a considerar la recta de regresión para explicar el porcentaje de
absorción (y) conocido el volumen de sustancia (x):
𝑆𝑆𝑥𝑦 = 36.24 , 𝑆𝑆𝑥𝑥 = 37.31
Luego
𝑆𝑆𝑥𝑦
𝑏̂ = = 0.97
𝑆𝑆𝑥𝑥
𝑎̂ = 𝑦̅ − 𝑏𝑥̅ = 63.69
Así que la recta de regresión ajustada es
𝑦̂ = 63.69 + 0.97𝑥
La interpretación de 𝑏 = 0.97 es que el porcentaje de absorción, Y, aumenta en
promedio 0.97 por cada incremento de 1 unidad de volumen de compuesto. La
interpretación de 𝑎 = 63.69 sería la del valor promedio de Y cuando x = 0, pero es que
en este caso este supuesto no tiene sentido, así que no debe tenerse en cuenta.

Vamos con la recta de regresión para explicar el porcentaje de absorción (y) en función
del tiempo de exposición (x):
𝑆𝑆𝑥𝑦 = 1187.96 , 𝑆𝑆𝑥𝑥 = 374
Luego
𝑆𝑆𝑥𝑦
𝑏̂ = = 1.60
𝑆𝑆𝑥𝑥
𝑎̂ = 𝑦̅ − 𝑏𝑥̅ = 46.82
Así que la recta de regresión ajustada es
𝑦̂ = 46.82 + 1.6𝑥
Por cada incremento de una unidad del tiempo de exposición, el porcentaje de absorción
aumenta en media 1.60.
Ahora vamos a representar las nubes de puntos de nuevo con sus rectas de regresión
ajustadas. De esa manera podremos comprobar de una forma gráfica cómo de buenas
son las rectas en cuanto a su capacidad de ajuste de los datos. Los resultados aparecen
en la Figura 10.3. Podemos ver que el ajuste es mucho mejor cuando la variable
explicativa es el tiempo de absorción, mientras que si la variable explicativa es el
volumen, la recta no puede pasar cerca de los datos.