2.Thompson Photo Works compró varias máquinas nuevas de procesamiento muy complejas.

El
departamento de producción necesitó ayuda respecto de las aptitudes necesarias para un opera-
dor de estas máquinas. ¿La edad es un factor? ¿Es importante el tiempo de servicio como opera-
dor (en años)? A fin de explorar más a fondo los factores necesarios para estimar el desempeño
de las nuevas máquinas de procesamiento, se señalaron cuatro variables:
X1= Tiempo del empleado en la industria.
X2= Calificación en la prueba de aptitud mecánica.
X3=Calificaciones anteriores en el trabajo
X4= Edad.
El desempeño de la máquina nueva se designa Y.
Se seleccionaron 30 empleados al azar. Se recopilaron datos de cada uno, y se registraron sus
desempeños en las máquinas nuevas. Algunos resultados son:

Desempeño
en la Tiempo en Calificación Desempeño
máquina la industria en aptitud anterior en Edad,
nueva mecánica el trabajo
Nombre Y X1 X2 X3 X4
Mike_Miragli 112 12 312 121 52
Sue_Trythall 113 2 380 123 27
 complejas. El
para un opera-
o como opera- La ecuación es: Yˆ= 11.6 +0.4X1+ 0.286X2+ 0.112X3+ 0.002X4
el desempeño a) ¿Cómo se le denomina a esta ecuación?
s: b) ¿Cuántas variables dependientes hay?, ¿cuántas independientes?
c) ¿Cómo se denomina al número 0.286?
cánica. d) Conforme aumenta la edad en un año, ¿cuánto aumenta el desempeño estimado en la nueva
en el trabajo máquina?
e) Carl Knox solicitó trabajo en Photo Works. Konx ha estado en el negocio durante seis años, y
obtuvo una calificación de 280 en la prueba de aptitud mecánica. La calificación del desem-
peño anterior en el trabajo de Carl fue 97, y tiene 35 años de edad. Estime su desempeño en
gistraron sus la nueva máquina.

a) La ecuación se denomina: Ecuación de Regresión Múltiple.

b) Existe 1 variable dependiente y 4 variables independientes.

Variable Dependiente
Desempeño en la máquina nueva.

Variable Independiente
Tiempo del empleado en la industria, representado por X 1
Calificación en la prueba de aptitud mecánica, representado por X 2
Calificaciones anteriores en el trabajo, representado por X 3
Edad, representada por X4

c) Cantidad en que Y cambia.

d)
Si la edad aumenta 1 año y las otras tres variables independientes se mantienen
constantes, se estima un aumento de 0.002 en el desempeño de la nueva máquina.

e) ŷ = 11,6 + 0,4X1+ 0,286X2+ 0,112X3+ 0,002X4

ŷ=11,6 + 0,4*(6) + 0,286*(280) +0,112*(97) + 0,002*(35)

El desempeño estimado de Carl en la nueva máquina es:
105.014
.002X4

endientes?

ño estimado en la nueva

ocio durante seis años, y

calificación del desem-
time su desempeño en

ntes se mantienen
e la nueva máquina.
8.La siguiente captura de pantalla de regresión se obtuvo de un estudio de empresas de
arquitectura. La variable dependiente es la cantidad total de honorarios, en millones de
dólares.
 X1 es el número de arquitectos que trabajan en la compañía.
X2 es el número de ingenieros que trabajan en la compañía.
X3 es el número de años invertidos en proyectos de cuidado de la salud.
X4 es el número de estados en los que opera la empresa.
X5 es el porcentaje del trabajo de la empresa que se relaciona con el cuidado de la salud.
a) Elabore la ecuación de regresión.
b) ¿Cuál es el tamaño de la muestra? ¿Cuántas variables independientes hay?
c) Realice una prueba de hipótesis global para ver si alguno de los coeficientes de regresión del
conjunto puede ser diferente de 0. Utilice el nivel de significancia 0.05. ¿Cuál es su conclusión?
d) Realice una prueba de hipótesis por cada variable independiente. Utilice el nivel de significancia 0.05. ¿Qué variables
consideraría eliminar?
e) Formule una estrategia para eliminar variables independientes en este caso.

a)
ŷ= 7,987 + 0,12242X1 - 0,12166X2 - 0,06281X3 + 0,5235X4 - 0,06472X5

b)
# de observaciones 52
var. Independientes 2

c) planteamiento de hipótesis

H0= todos los coeficientes son iguales a 0

H1= uno de los coeficientes es diferente de 0

valor de F 12.89

REGLA DE DECISIÓN
N.S. 0.05

F. CRÍTICO 2.42

Como la F calculada es mayor que F crítico se rechaza la hipótesis nula y se

acepta la hipótesis alternativa
ñía.
ñía.
la salud.
a.
dado de la salud.

dientes hay?
ntes de regresión del
uál es su conclusión?
significancia 0.05. ¿Qué variables
en este caso.

d)
 12. Un constructor de bienes raíces desea estudiar la relación entre el tamaño de una casa que com-
praría un cliente (en pies cuadrados) y otras variables. Las posibles variables independientes son
el ingreso familiar, el número de miembros en la familia, si hay un adulto mayor viviendo con la
familia (1 para sí, 0 para no), y los años totales de educación adicionales al bachillerato del esposo y la esposa. La
información muestral se reporta en la siguiente tabla.

Pies Ingreso(en miles de Miembros en la Padre

Familia Educación
cuadrados dólares) familia adulto
1 2.240 60.8 2 0 4
2 2.380 68.4 2 1 6
3 3.640 104.5 3 0 7
4 3.360 89.3 4 1 0
5 3.080 72.2 4 0 2
6 2.940 114 3 1 10
7 4.480 125.4 6 0 6
8 2.520 83.6 3 0 8
9 4.200 133 5 0 2
10 2.800 95 3 0 6
 casa que com- Formule una ecuación de regresión múltiple apropiada. ¿Qué variables independientes
ndientes son incluiría en la ecuación de regresión final? Utilice el método por pasos.
iendo con la
esposo y la esposa. La

ŷ= 0,71274741 + 0,01214703X1+0,37197159
Resumen

Estadísticas de la regresión Variable Independiente Ingresos y Miembro

Coeficiente d 0.94775671
Coeficiente 0.89824277
R^2 ajustado 0.86916928
Error típico 0.27342836
Observacione 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 2 4.61969851 2.30984926 30.8955916
Residuos 7 0.52334149 0.07476307
Total 9 5.14304

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 0.71274741 0.363277 1.96199433 0.09055321
Variable X 1 0.01214703 0.00538303 2.25654031 0.05862978
Variable X 2 0.37197159 0.10366483 3.58821386 0.00887827
 iables independientes
odo por pasos.

741 + 0,01214703X1+0,37197159X2

dependiente Ingresos y Miembros en la familia

Valor crítico de F
0.00033611

Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
-0.1462662 1.57176102 -0.1462662 1.57176102
-0.0005818 0.02487588 -0.0005818 0.02487588
0.12684321 0.61709997 0.12684321 0.61709997
22. En la siguiente tabla aparece el precio de venta de las acciones de PepsiCo, Inc., al cierre de
año.

Año Precio x Var. Porcentual

1990 129.135 1 0
1991 168.250 2 30.29%
a) Trace los datos.
1992 206.125 3 22.51% b) Determine la ecuación de la tendencia d
1993 203.024 4 -1.50% c) Calcule los puntos de 1995
d) Calcule el precio de venta en 2011. ¿Parece una esti
1994 183.160 5 -9.78% datos históricos?
1995 277.538 6 51.53% e) ¿En cuánto aumentó o disminuyó (por año) el precio
1996 290.581 7 4.70% periodo?
1997 360.155 8 23.94%
1998 406.111 9 12.76%
1999 350.230 10 -13.76%
2000 495.625 11 41.51% a)

495.625
Gráfica de Datos
2001 48.68 12 -90.18%

406.111
360.155

350.230
2002 42.22 13 -13.27%

Precios

290.581
277.538
2003 46.62 14 10.42%

206.125
203.024
2004 52.2 15 11.97%

183.160
168.250
129.135
2005 59.85 16 14.66% f(x) = - 10.9765518797x + 293.9829947368
R² = 0.2125578518
2006 62.00 17 3.59%

48.680

46.620
42.220
2007 77.51 18 25.02%
2008 54.77 19 -29.34%
2009 60.8 20 11.01% 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04
19 19 19 19 19 19 19 19 19 19 20 20 20 20 20
2011 63.463 21 4.38%
Años

b) y = -10,977x + 293,98
R² = 0,2126

63.463
 d) y = -10,977x + 293,98

63.463

a) Trace los datos.

a ecuación de la tendencia de mínimos cuadrados. e)
c) Calcule los puntos de 1995 y 2000. En relación al período anterior existe
nta en 2011. ¿Parece una estimación razonable con base en los un decrecimiento del 6,6,63% en las
datos históricos? ventas
sminuyó (por año) el precio accionario, en promedio, durante el
periodo?
Variación Porcentual

51.53%

41.51%
30.29%
0.6

25.02%
23.94%
22.51%

14.66%
12.76%

11.97%

11.01%
10.42%
0.4
495.625

4.70%

3.59%
-1.50%
0.00%

-13.27%
-13.76%
-9.78%
0.2
0
406.111

-29.34%
00

Vari aci ón
0
0.
360.155

350.230

6
4 00 -0.2 9 0 91 9 2 9 3 9 4 9 5 9 6 97 98 9 9 0 0 0 1 02 03 0 4 0 5 0 6 0 7 0 8 0 9
0
290.581

0. 19 19 19 1 9 19 19 19 19 19 19 20 20 20 20 2 0 2 0 20 20 20 20 2 0
-0.4
38 00

-90.18%
0
0. -0.6
30 00
0 -0.8
797x + 293.9829947368 0.
22 00 -1
0
77.510

0.
62.000

60.800
59.850

54.770
52.200
48.680

46.620
42.220

14 0 Años
0
.0
60 00
0
0.
-2
6 7 8 9 0 1 2 3 4 5 6 7 8 9
99 199 199 199 200 200 200 200 200 200 200 200 200 200

Años
 período anterior existe
ento del 6,6,63% en las
ventas

ón Porcentual
41.51%

25.02%
14.66%
12.76%

11.97%

11.01%
10.42%

4.38%
3.59%
-13.27%
-13.76%

-29.34%

98 9 9 9 0 0 0 0 0 1 0 02 0 03 00 4 00 5 0 0 6 0 0 7 0 0 8 0 0 9 01 1
1 2 2 2 2 2 2 2 2 2 2 2
-90.18%

Años
 27. Refiérase al ejercicio 15. Determine el error estándar de estimación y el coeficiente de determinación. Interprete el
coeficiente de determinación: La Bradford Electric Illuminating Company estudia la relación entre kilowatts-hora (miles)
consumidos y el número de habitaciones de una residencia privada familiar. Una muestra aleatoria de 10
casas reveló lo siguiente.

Número_de Kilowatts- X2 Y2 XY
habitaciones hora(miles)
RELACIÓN # DE HAB. / KW-HORA
12 9 144 81 108
12
9 7 81 49 63 10
14 10 196 100 140 10 f(x) = 0.6666666667x + 1.33333
R² = 0.8168498168 8
6 5 36 25 30 8 7 7

KW. HORA
6
10 8 100 64 80 6 5
8 6 64 36 48 4
4
10 8 100 64 80
2
10 10 100 100 100
5 4 25 16 20 0
4 5 6 7 8 9 10 11
7 7 49 49 49 # DE HABITACIONES
91 74 895 584 718
9.1 7.4

ERROR ESTÁNDAR 16.91

COEF. COR. 0.9038

COEF. DET. 0.8168 EL 81% DE LA VARIABILIDAD DEL CONSUMO DE KILOWATTS-HORA, ES

EXPLICADO POR EL NÚMERO DE HABITACIONES POR CASA.
 inación. Interprete el
kilowatts-hora (miles)
aleatoria de 10

ÓN # DE HAB. / KW-HORA

10 10
9
(x) = 0.6666666667x + 1.3333333333
R² = 0.8168498168 8
7 7
6
5

6 7 8 9 10 11 12 13 14 15
# DE HABITACIONES

ILOWATTS-HORA, ES
NES POR CASA.
 59. Un entrenador de perros investiga la relación entre el tamaño del can (peso en libras) y su
consumo alimentario diario (medido en tazas estándar). El resultado de una muestra de 18
observaciones es el siguiente:

Y x
Can Peso Consumo y = 22,933x - 29,7
1 41 3 39.09
2 148 8 153.74
3 79 5 84.95
4 41 4 62.02
5 85 5 84.95
6 111 6 107.88
7 37 3 39.09
8 111 6 107.88
9 41 3 39.09
10 91 5 84.95
11 109 6 107.88
12 207 10 199.6
13 49 3 39.09
14 113 6 107.88
15 84 5 84.95
16 95 5 84.95
17 57 4 62.02
18 168 9 176.67

225
210
195
f(x) = 22.93
180 R² = 0.9745
165
150
135
Peso de Ca n

120
105
90
75

4157
49
60
41
37
41

45
30
15
0
2 3 4
 a) Calcule el coeficiente de correlación. ¿Es razonable concluir que la correlación entre la población es mayor que 0?
Utilice el nivel de significancia 0.05.
b) Elabore la ecuación de regresión de las tazas con base en el peso del can. ¿Cuánto cambia el peso estimado del perro
cada taza adicional de alimento?
c) ¿Come demasiado o come menos uno de los perros?

a)COEF. CORR. Entre población

0.9872033534

Existe una correlación positiva fuerte , la cual nos indica que el peso
de los canes directamente proporcional al consumo de alimento.

b)

Consumo
225
207

210
195
f(x) = 22.9333333333x - 29.7
168

180 R² = 0.9745704609
165
148

150
135
Peso de Ca n

113 109
111

120
8595

105
84

90
91

75
4157
4149

79

60
41
37

45
30
15
0
2 3 4 5 6 7 8 9 10 11
Cons umo

La gráfica nos demuestra que a mayor consumo mayor será el peso del can.
c) y = 22,933x - 29,7
can 1 39.09
can 12 199.6

En comparación con el resto de canes el can 1 es uno de los que

come menos que el resto y el can 12 come más que el resto
ción es mayor que 0?

eso estimado del perro