Documente Academic
Documente Profesional
Documente Cultură
PROBLEMA 1
Un ingeniero está investigando el efecto de la temperatura de operación de proceso en el
rendimiento del producto. El estudio da como resultado los siguientes datos:
Temperatura, ℃ 100 110 120 130 140 150 160 170 180 190
Rendimiento, % 45 51 54 61 66 70 74 78 85 89
Tabla 1. Datos asociados a la temperatura de operación de cierto proceso y rendimiento del producto procesado. 1
SOLUCIÓN 1-A
Sean:
X: Temperatura de operación de proceso de cierto producto, en ℃.
𝑌𝑖 = 𝛽0 + 𝛽1 ∙ 𝑥𝑖 + 𝑢𝑖 , ∀𝑖 = 1,2, … , 𝑛 (1)
Conclusión
El valor -2,7394 no tiene sentido práctico y el valor 0,4830 indica que si la temperatura de
operación del proceso aumenta en 1℃, el rendimiento promedio del producto aumenta en
0,483%. Además, para que logremos visualizar de mejor forma el ajuste realizado, se
expone el siguiente gráfico en el cual se han dispuesto los puntos asociados a las variables
de interés, para luego obtener la línea de tendencia con sus respectivos parámetros.
Ajuste Lineal
2
100
90
y = 0,483x - 2,7394
80 R² = 0,9963
70
Rendimiento , en %
60
50
40
30
20
10
0
0 50 100 150 200
Temperatura de Operación, en ºC
SOLUCIÓN 1-B
En este caso, se planteará un test de hipótesis que pruebe si existe relación lineal entre las
variables estudiadas.
Dócima
𝐻0 : ⍴ = 0
𝐻1 : ⍴ ≠ 0
Estadística
El estadístico de prueba a utilizar en este caso, se presenta en la ecuación (2), donde "𝑟" es
el coeficiente de correlación, "𝑟 2 " el coeficiente de determinación y "𝑛" el número de
muestra. El valor asociado al coeficiente de correlación, es posible determinarlo
directamente de la calculadora, ingresando los parámetros estipulados en el enunciado.
𝑟 ∙ √𝑛 − 2
𝑇= (2)
√1 − 𝑟 2
3
0,9981√8
𝑇= → 𝑇 = 46,169
√1 − 0,99812
Región Crítica
En este tipo de dócima, la región de rechazo está dada según la ecuación (3).
𝑅𝐶: 𝑇 < −𝑡(8 ; 0,975) ˅ 𝑇 > 𝑡(8 ;0,975) → 𝑇 < −2,3060 ˅ 𝑇 > 2,3060
Conclusión
Con un 95% de confianza, es posible observar que el valor asociado al estadístico de prueba
(T) pertenece a la región de rechazo, por lo que se rechaza la hipótesis nula. Con esto, es
posible inferir que el modelo lineal es significativo, por lo que sí existe asociación lineal
entre las variables en estudio.
SOLUCIÓN 1-C
SOLUCIÓN 1-D
En este caso, se planteará un test de hipótesis que pruebe lo que se plantea en el enunciado,
el cual está dado como se expone a continuación.
Dócima
𝐻0 : 𝛽1 ≥ 0,5
𝐻1 : 𝛽1 < 0,5
Observación
Lo anteriormente expuesto, es posible interpretarlo de la siguiente forma:
Estadística
En este tipo de dócimas, el valor del estadístico de prueba según el formulario oficial, está
dado según la ecuación (4).
𝛽1
𝑇= (4)
𝑠𝛽1
Dónde:
𝑠𝑦𝑥
𝑠𝛽1 = (5)
√∑(𝑥𝑖 − 𝑥̅ )2
𝑛−1 2
𝑠𝑦𝑥 = √ (𝑠 − 𝑏12 𝑠𝑥2 ) (6)
𝑛−2 𝑦
Reemplazando, se obtiene:
5
9
𝑠𝑦𝑥 = √ (14,65192 − 0,48302 ∙ 30,27652 ) = 0,9503
8
0,9503
𝑠𝛽1 = = 0,0105
√218500 − 10 ∙ 1452
0,483 − 0,5
𝑇= → 𝑇 = −1,6191
0,0105
Observación
Se sabe que los formularios se plantean, en base a una dócima igualada a cero, por lo que
en este caso fue necesario restar el valor 0,5 que corresponde al valor porcentual del
rendimiento del producto, el cual se pide probar en el enunciado.
Región Crítica
Conclusión
Con un 95% de confianza, es posible observar que el valor asociado al estadístico de prueba
[T] no pertenece a la región de rechazo, por lo que no existe información suficiente para
rechazar la hipótesis nula. A partir de esto, es posible inferir que al aumentar la temperatura
en 1ºC, el rendimiento del producto no aumenta en menos de un 0,5%, por lo que no se
acepta la información planteada.
SOLUCIÓN 1-E
1 (𝑥 − 𝑥̅ )2
𝐼𝐶 (𝑌) = 𝑏0 + 𝑏1 𝑥 ∓ 𝑡(𝑛−2;1−𝛼) ∙ 𝑠𝑦𝑥 ∙ √1 + + (7)
2 𝑛 ∑(𝑥𝑖 − 𝑥̅ )2
1 (150 − 145)2
𝐼𝐶 (𝑌/𝑥 = 150) = −2,7394 + 0,483 ∙ 150 ∓ 𝑡(8;0,975) ∙ 0,9503√1 + +
10 8250
Conclusión
Con un 95% de confianza, es posible afirmar que cuando la temperatura de operación es de
150ºC, el rendimiento del producto fluctúa entre un 67,41% y un 72,01%.
SOLUCIÓN 1-F
Conclusión
Con un 98% de confianza, cuando la temperatura de operación del proceso aumenta en 10
ºC, el rendimiento del producto fluctúa entre un 45,26% y un 51,34%.
SOLUCIÓN 1-G
El intervalo de confianza solicitado, es posible obtenerlo a partir de las ecuaciones (9) y (10).
1 𝑥̅ 2
𝑠𝑏0 = 𝑠𝑦𝑥 ∙ √ + (10)
𝑛 ∑(𝑥𝑖 − 𝑥)2
1 1452
𝑠𝑏0 = 0,9503 ∙ √ + → 𝑠𝑏0 = 1,5465
10 10 ∙ 28,72282
Conclusión
Con un 95% de confianza, es posible inferir que el valor del intercepto fluctúa entre -6,3056
y 0,8268. Como el cero pertenece al intervalo confidencial, podríamos afirmar con 95% de
confianza que en el modelo no debiera incluirse el intercepto. El modelo más adecuado
sería 𝑦𝑖 = 𝛽 𝑥𝑖 + 𝑢𝑖 .
PROBLEMA 2
Para determinar si existe una relación lineal entre el consumo de electricidad (Kw-hora) y
el número de habitaciones en una vivienda se recogieron datos para un mismo mes de una
muestra de viviendas, obteniendo los siguientes datos:
∑12 12 12 2 12 2 12
𝑖=1 𝑥𝑖 = 105; ∑𝑖=1 𝑦𝑖 = 80; ∑𝑖=1 𝑥𝑖 = 1067; ∑𝑖=1 𝑦𝑖 = 570; ∑𝑖=1 𝑥𝑖 ⋅ 𝑦𝑖 = 758
a) Estime la ecuación de regresión muestral por medio del método de los mínimos
cuadrados e interprete los valores obtenidos de los coeficientes en el contexto del
problema. 8
b) Estime con 95% de confianza el consumo de electricidad esperado en una vivienda
con 8 habitaciones.
c) ¿Podría afirmar que por cada habitación adicional en una vivienda, el consumo de
electricidad aumenta en más de 350 w-hora? Use α = 0,05
SOLUCIÓN
Sean:
X=Número de habitaciones en la vivienda
SOLUCIÓN 2-A
𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 + 𝑢𝑖
∑𝑛𝑖=1 𝑦𝑖 ∑𝑛𝑖=1 𝑥𝑖
̂0 =
𝑏0 = 𝛽 − 𝑏1 ∙ (12)
𝑛 𝑛
Reemplazando en las ecuaciones (11) y (12), se obtienen los parámetros de la regresión,
como se muestra a continuación.
12 ∙ 758 − 105 ∙ 80
𝑏1 = = 0,3912
12 ⋅ 1067 − (105)2
80 105
𝑏0 = − 0,3912 ∙ = 3,2434
12 12
𝑦𝑖 = 3,2434 + 0,3912𝑥𝑖
Conclusión
El valor del intercepto en este caso no tendría sentido práctico y la pendiente indica que
por cada habitación adicional en la vivienda el consumo de electricidad aumenta en 0,391
Kw-hora. 9
SOLUCIÓN 2-B
1 (𝑥 − 𝑥̅ )2
𝐼𝐶 (µ) = 𝛽0 + 𝛽1 𝑥 ∓ 𝑡(𝑛−2;1−𝛼) ∙ 𝑠𝑦𝑥 ∙ √ + (13)
2 𝑛 ∑(𝑥𝑖 − 𝑥)2
𝑛−1 2
𝑠𝑦𝑥 = √ (𝑠𝑦 − 𝑏12 𝑠𝑥2 ) (14)
𝑛−2
11
𝑠𝑦𝑥 = √ (3,333 − 0,39122 ∙ 13,4773) = 1,1822
10
1 (8 − 8,75)2
𝐼𝐶 (µ/(𝑥 = 8)) = 3,2434 + 0,3912𝑥 ∓ 𝑡(10;0,975) ∙ 1,1822 ∙ √ +
12 148,25
1 (8 − 8,75)2
𝐼𝐶 (µ/(𝑥 = 8)) = 3,2434 + 0,3912𝑥 ∓ 2,2281 ∙ 1,1822 ∙ √ +
12 148,25
Conclusión
Con un 95% de confianza, es posible inferir que el consumo de electricidad esperado en una
vivienda que contiene 8 habitaciones, fluctúa entre 6,1437 [kw/h] y 6,6027 [kw/h]
SOLUCIÓN 2-C
En este caso, se planteará un test de hipótesis que pruebe lo que se plantea en el enunciado,
el cual está dado como se expone a continuación.
Dócima
𝐻0 : 𝛽1 ≤ 0,35
10
𝐻1 : 𝛽1 > 0,35
Observación
Lo anteriormente expuesto, es posible interpretarlo de la siguiente forma:
Estadística
En este tipo de dócimas, el valor del estadístico de prueba según el formulario oficial, está
dado según la ecuación (15).
𝛽1
𝑇= (15)
𝑠𝛽1
Dónde:
𝑠𝑦𝑥
𝑠𝛽1 = (16)
√∑(𝑥𝑖 − 𝑥̅ )2
Reemplazando, se obtiene:
1,1822
𝑠𝛽1 = = 0,0971
√1067 − 12 ∙ 8,752
0,3912 − 0,35
𝑇= → 𝑇 = 0,4243
0,0971
Observación
Se sabe que los formularios se plantean, en base a una dócima igualada a cero, por lo que
en este caso fue necesario restar el valor 0,35 que corresponde al consumo en [kw/hr], el
cual se pide probar en el enunciado.
Región Crítica
Conclusión
Con un 95% de confianza, es posible observar que el valor asociado al estadístico de prueba 11
[T] no pertenece a la región de rechazo, por lo que no existe información suficiente para
rechazar la hipótesis nula. A partir de esto, no podríamos afirmar que por cada habitación
adicional en una vivienda, el consumo de electricidad aumenta en más de 350 [w/h]