Asignatura Datos del alumno Fecha

Apellidos:
Estadística II
Nombre:

Actividades

Actividad ordinaria

1. Un concesionario de coches está interesado en estudiar si existe relación

(lineal) entre el número de vendedores y el número de coches vendidos en
exposiciones durante varios fines de semana y así poder prever sus ventas
futuras. Disponemos de los siguientes datos: (nivel de significación del
2.5 %).

Nº de vendedores 8 5 6 7 4 3 4
Nº de coches vendidos 21 13 16 21 14 6 10

Calcular:
A. Las estimaciones de los coeficientes de regresión.

Para poder calcular las estimaciones de los coeficientes de regresión

necesitamos hacer unos cálculos previos que además nos servirán para hacer el resto
del ejercicio.
X Y X^2 Y^2 XY
8 21 64 441 168
5 13 25 169 65
6 16 36 256 96
7 21 49 441 147
4 14 16 196 56
3 6 9 36 18
4 10 16 100 40
37 101 215 1639 590

∑ 𝑥 37
𝑋̅ = = = 5,286
𝑛 7
∑ 𝑦 101
𝑌̅ = = = 14,429
𝑛 7
∑ 𝑥2 215
𝑆𝑥2 = − 𝑥̅ 2 = − 5,2862 = 2,772
𝑛 7

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

∑ 𝑦2 1639
𝑆𝑦2 = − 𝑦̅ 2 = − 14,4292 = 25,947
𝑛 7

∑ 𝑥𝑦 590
𝑆𝑥𝑦 = − 𝑥̅ 𝑦̅ = − 5,286 ∙ 14,429 = 8,014
𝑛 7

La recta de regresión lineal es del tipo:

𝑦̂ = 𝑎 + 𝑏𝑥
Donde a y b son los coeficientes de regresión. Se calculan de la siguiente
manera:
𝑆𝑥𝑦 8,014
𝑏= = = 2,891
𝑆𝑥2 2,772
𝑎 = 𝑦̅ − 𝑏𝑥̅ = 14,429 − 2,891 ∙ 5,286 = −0,853

La recta de regresión quedará:

𝑦̂ = −0,853 + 2,891𝑥

B. Varianza residual.
La varianza residual es la varianza de los errores y la podemos calcular:
𝑛(𝑆𝑦2 − 𝑏 2 𝑆𝑥2 ) 7(25,947 − 2,8912 ∙ 2,772)
𝑆𝑒2 = = = 3,891
𝑛−2 7−2

C. ¿Es significativa la regresión? (Construye la tabla de ANOVA)

TABLA DE ANOVA
𝑆𝐶𝑇 = 𝑛 ∙ 𝑆𝑦2 = 7 ∙ 25,947 = 181,629
𝑆𝐶𝐸 = (𝑛 − 2) ∙ 𝑆𝑒2 = 5 ∙ 3,891 = 19,455
𝑆𝐶𝑅 = 𝑆𝐶𝑇 − 𝑆𝐶𝐸 = 181,629 − 19,455 = 162,174

Fuentes de Suma de Grados de Cuadrados

Estadístico
variación cuadrados libertad medios
MCR=SCR/1=
Regresión SCR=162,174 1
162,174 F=MCR/MCE=
MCE=SCE/5= 41,679
Residual SCE=19,455 n-2=7-2=5
3,891
TOTAL SCT=181,629

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

El estadístico de contraste es el obtenido en la tabla, ahora buscaremos el valor

crítico:
𝐹1;5;0,025 = 10,007

Como podemos observar el estadístico es mayor que el valor crítico

41,679>10,007, por lo tanto podemos rechazar la H0 y afirmar que es globalmente
significativa.

D. Proporción de variabilidad de nº de coches explicada por el nº de

vendedores.

La proporción de la variabilidad explicada es la R2

Para calcularla:
𝑆𝐶𝑅 162,174
𝑅2 = = = 0,8929
𝑆𝐶𝑇 181,629
El 89,29% de la variabilidad del número de coches es explicada por el número
de vendedores.

E. ¿Cuántos coches pronosticaremos de media si a una exposición

asisten 9 vendedores?

1 𝑥 −𝑥̅
𝐸(𝑦0 /𝑥0 ) ∈ (𝑦̂0 ± 𝑡𝑛−1,∝/2 ∙ √(𝑛 + ∑ 𝑥 20−𝑛𝑥̅ 2 ) 𝑆𝑒2 )

Tomando x0=9

1 9 − 5,286
𝐸(𝑦0 /𝑥0 ) ∈ (25,166 ± 2,968 ∙ √( + ) 3,891)
7 215 − 7 ∙ 5,2862

𝐸(𝑦0 /𝑥0 ) ∈ (21,781; 28,551)

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

2. Disponemos de la siguiente información tomada de una salida de Gretl

sobre un modelo de regresión lineal.

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,7898
Coeficiente de determinación R2 0,6238
R2 ajustado (fórmula a partir de R^2 para corregir la dependencia de R^2 de K) 0,5297
Error típico (desviación típica) 1,2829
Observaciones (N) 6,0000

Análisis de la varianza: TABLA ANOVA

Grados Suma de Promedio de Valor crítico

F
de libertad cuadrados los cuadrados de F
SCR=
Regresión 1 10,9163 10,9163 6,6323 0,0616
SCE=
Residuos 4 6,5837 1,6459
SCT=
Total 5 17,5000

Error Estadístico Probabilidad Inferior Superior

Coeficientes
típico t P-VALOR 95% 95%
Constante ALPHA_GORRO=
(ALPHA) 3,6077 1,2392 2,9112 0,0436 0,1670 7,0483
Variable X BETA_GORRO=
1 0,5598 0,2174 2,5753 0,0616 -0,0437 1,1633

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

Análisis de los residuos: estimación de Y_GORRO y los residuos (notación

«e» en ideas clave) para cada observación de i:

Pronóstico para Y Residuos

Observación
Y_GORRO «e»= Y – Y_GORRO
1 6,9665 1,0335
2 8,6459 0,3541
3 5,8469 1,1531
4 4,7273 0,2727
5 7,5263 -1,5263
6 5,2871 -1,2871

Calcula:
A. Las estimaciones de los coeficientes de regresión.

Las estimaciones, al igual que en el ejercicio anterior son los valores de a y b

de la recta de regresión y los obtenemos de la siguiente tabla:

La recta de regresión quedará:

𝑦̂ = 3,6077 + 0,5598𝑥

B. Varianza residual.

Para calcular la varianza residual sabemos que:

𝑆𝐶𝐸 = (𝑛 − 2) ∙ 𝑆𝑒2

𝑆𝐶𝐸 6,5837
𝑆𝑒2 = = = 1,646
𝑛−2 6−2

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

C. ¿Es significativa la regresión a un nivel de confianza del 90%? ¿y a

un nivel de confianza del 95 %?

Fijándonos en el valor crítico de F, para un nivel de confianza del 90%, α=0,1,

y como podemos ver este valor es más grande que el valor crítico de F 0,1>0,0616, por
lo tanto no podemos rechazar la H0 y podemos afirmar que no es significativa a un
nivel de confianza del 90%.
Haciendo lo mismo para un nivel de confianza del 95%, α=0,05, este valor es
más pequeño que el valor crítico de F, 0,05<0,0616, por lo tanto rechazamos la H 0 y
decimos que es significativa con un nivel de confianza del 95%.

D. ¿Qué proporción de variabilidad de Y es explicada por X?

La proporción de la variabilidad explicada es la R2
Para calcularla:
𝑆𝐶𝑅 10,9163
𝑅2 = = = 0,624
𝑆𝐶𝑇 17,5
El 62,4% de la variabilidad de Y es explicada por X

E. ¿Qué relación encuentras entre el estadístico F y el estadístico t de

regresión?
Podemos comprobar que 𝑡 2 = 𝐹

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

3. La siguiente información se ha obtenido una muestra de tamaño 14

productos sobre la relación existente entre la inversión realizada y el
rendimiento obtenido para estos:

𝟏𝟒 𝟏𝟒 𝟏𝟒

∑ 𝑿𝒊 = 𝟓𝟗; ∑(𝑿𝒊 )𝟐 = 𝟖𝟗𝟕; ∑ 𝑿𝒊 · 𝒀𝒊 = 𝟏𝟗𝟖;

𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝟏𝟒 𝟏𝟒

∑ 𝒀𝒊 = 𝟏𝟑; ∑(𝒀𝒊 )𝟐 = 𝟒𝟕
𝒊=𝟏 𝒊=𝟏

A. Indica cuáles son los valores de los coeficientes de la recta de

regresión. ¿Cuál es el rendimiento esperado para una inversión de
20?
Para poder calcular las estimaciones de los coeficientes de regresión
necesitamos hacer unos cálculos previos que además nos servirán para hacer el resto
del ejercicio.
∑ 𝑥 59
𝑋̅ = = = 4,214
𝑛 14
∑ 𝑦 13
𝑌̅ = = = 0,928
𝑛 14
∑ 𝑥2 897
𝑆𝑥2 = − 𝑥̅ 2 = − 4,2142 = 46,314
𝑛 14
∑ 𝑦2 47
𝑆𝑦2 = − 𝑦̅ 2 = − 0,9282 = 2,496
𝑛 14

∑ 𝑥𝑦 198
𝑆𝑥𝑦 = − 𝑥̅ 𝑦̅ = − 4,214 ∙ 0,928 = 10,232
𝑛 14

La recta de regresión lineal es del tipo:

𝑦̂ = 𝑎 + 𝑏𝑥
Donde a y b son los coeficientes de regresión. Se calculan de la siguiente
manera:
𝑆𝑥𝑦 10,232
𝑏= = = 0,221
𝑆𝑥2 46,314
𝑎 = 𝑦̅ − 𝑏𝑥̅ = 0,928 − 0,221 ∙ 4,214 = −0,003

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

La recta de regresión quedará:

𝑦̂ = −0,003 + 0,221𝑥

El rendimiento esperado para una inversión de 20 será:

𝑦̂ = −0,003 + 0,221 ∙ 20 = 4,417

B. Obtén la varianza residual y a partir de la construcción de la tabla

ANOVA indica si es significativa la regresión para un nivel de
confianza del 95 %.
La varianza residual es la varianza de los errores y la podemos calcular:
𝑛(𝑆𝑦2 − 𝑏 2 𝑆𝑥2 ) 14(2,496 − 0,2212 ∙ 46,314)
𝑆𝑒2 = = = 0,273
𝑛−2 14 − 2

TABLA DE ANOVA
𝑆𝐶𝑇 = 𝑛 ∙ 𝑆𝑦2 = 14 ∙ 2,496 = 34,944
𝑆𝐶𝐸 = (𝑛 − 2) ∙ 𝑆𝑒2 = 12 ∙ 0,273 = 3,276
𝑆𝐶𝑅 = 𝑆𝐶𝑇 − 𝑆𝐶𝐸 = 34,944 − 3,276 = 31,668

Fuentes de Suma de Grados de Cuadrados

Estadístico
variación cuadrados libertad medios
MCR=SCR/1=
Regresión SCR=31,688 1
31,688 F=MCR/MCE=
MCE=SCE/5= 116,073
Residual SCE=3,276 n-2=14-2=12
0,273
TOTAL SCT=34,944

El estadístico de contraste es el obtenido en la tabla, ahora buscaremos el valor

crítico:
𝐹1;12;0,05 = 4,747

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

Como podemos observar el estadístico es mayor que el valor crítico

116,073>4,747, por lo tanto podemos rechazar la H0 y afirmar que es globalmente
significativa.

Descripción de la actividad

» El material, tanto de evaluación ordinaria como extraordinaria, estará colgado al

comienzo de cada curso en temas y/o en el envío de actividades.
» Elige la correspondiente a la convocatoria en la que te encuentres: «ordinaria» o
«extraordinaria», realízala (puedes optar o no por medios tecnológicos) y envía. Es
importante que envíes un único archivo.
» Revisa bien los resultados para comprobar si tienen o no coherencia.

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos:
Estadística II
Nombre:

Objetivos

» Construir los estimadores de los coeficientes de la recta de regresión lineal simple

poblacional.
» Comprobar si la relación lineal es significativa o no. ANOVA de regresión lineal
simple.
» Realizar IC y CH para la pendiente poblacional en regresión lineal simple.
» Interpretar la capacidad explicativa de la variable independiente sobre la variable
dependiente en regresión lineal simple.
» Construir los estimadores de los coeficientes de la de regresión lineal múltiple
poblacional.
» Comprobar si la relación lineal es significativa o no.
» Realizar IC y CH para los coeficientes de regresión individualmente en regresión
lineal simple.
» Detectar posibles problemas de multicolinealidad.
» Interpretar la capacidad explicativa de las variables independientes sobre la variable
dependiente en regresión lineal múltiple.

Criterios de evaluación (comunes en todos los temas)

Se detallarán en la plantilla de correcciones.

TEMA4–Actividades © Universidad Internacional de La Rioja (UNIR)