UNIVERSIDAD MILITAR NUEVA GRANADA III ACTIVIDAD COMPLEMENTARIA PROBABILIDAD Y ESTADISTICA INGENIERIA CIVIL

V SEMESTRE

UNIVERSIDAD MILITAR NUEVA GRANADA FACULTAD DE INGENIERA CIVIL INTEGRANTE: EDWIN JAVIER VILLAMIL GONZALEZ CODIGO D7300860 PRESENTADO A:

MARGARITA PATRICIA TRUJILLO VELEZ TUTORA PROBABILIDAD Y ESTADISTICA

BOGOTA 2011

PROBABILIDAD Y ESTADISTICA

ACTIVIDAD COMPLEMENTARIA 1. El concreto sin finos hecho de un agregado grueso uniformemente graduado y una pasta de cemento y agua es benfico en reas propensas a lluvias intensas debido a sus excelentes propiedades de drenaje. Un grupo de ingenieros emple un anlisis mnimo cuadrtico al estudiar cmo y = porosidad (%) est relacionada con x = peso unitario (pcf) en especmenes de concreto. Considere los siguientes datos representativos, mostrados en forma tabular para calcular los valores de los estadsticos.

Observa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Peso Unitario (pcf)

99 101,1 102,7 103 105,4 107 108,7 110,8 112,1 112,4 113,6 113,8 115,1 115,4 120

Porosidad (%) 28,8 27,9 27 25,2 22,8 21,5 20,9 19,6 17,1 18,9 16 16,6 13 13,6 10,8

Se pide:
a. Elaborar el diagrama de dispersin correspondiente b. calcular los valores de B0 y B1 c. plantear la ecuacin mnimo cuadrtica que mejor represente la relacin entre las variables d. Qu significa el valor de B0? e. Qu significa el valor de B1? f. Cul es la estimacin de 2 y de g. Encuentre e interprete los valores de los coeficientes de determinacin y correlacin. h. Que valor tomara la porosidad, si el peso fuera de 121,5 i. Calcule B1 j. Cual es la probabilidad de que la pendiente estimada sea menor a -0,91 k. Calcule los lmites de confianza del 99% para B1

a). Diagrama de Dispersin.

b). El B1 se calcula como la covarianza entre las variables dividido en la varianza de la variable explicativa. B1 = Cov (Peso, Porosidad)/Var (Porosidad) = -0.905586. El B0 se calcula a partir de la propiedad de qu E(y) = B0 + B1 E(x) despejando B0 por el valor correspondiente nos quedara que B0 = 118.9968. c). Con los valores de B0 y de B1 calculados se tiene que la regresin que mejor se ajusta seria: Y= 118.9968 0.905586X + u d). El valor de B0 se interpreta como el valor que tomara la variable explicada cuando la variable explicativa es igual a cero. Para este caso se dira el nivel de porosidad dado que el peso unitario fuera cero, es decir 118.9968. Sin embargo daran resultados extremos ya que el peso debe ser mayor que cero. e). El valor de B1 nos indica cuanto varia la variable explicada ante un cambio de una unidad de la variable explicativa. En este casi es 0.905586, se puede interpretar como cuando cambia el porcentaje de porosidad ante un incremento en el peso unitario de una unidad.

f). Usando el mtodo para calcular la desviacin estndar de la regresin, donde se toma la media y se resta cada uno de los datos, luego la suma de los cuadrados dividido en el tamao de la muestra nos da que el error tpico de la regresin es de 0.932246 y la varianza es de 0.86908. g). El coeficiente de correlacin se calcula a partir de la covarianza dividido en el producto de las desviaciones estndar. Para el caso del problema planteado el resultado seria -0.98703. El coeficiente de determinacin nos dice que tanto las variables explicativas determinan la variabilidad de la explicada. Se calcula a partir de la suma de residuos al cuadrado y restarle la variabilidad total de la variable explicada. Al resultado se le resta uno, para este caso el coeficiente de determinacin es de 0.9742. Este resultado nos dice que la variable explicadora determina la variabilidad de la explicada en un 97.42% lo cual es un resultado bastante alto en trminos comparativos. h). Si el peso fuera 121.5 se reemplaza en la regresin estimada y nos quedara: Y= 118.9968 0.905586*(121.5) = 8.968%.

i). A partir de los resultados obtenidos en la regresin y la forma de los errores al cuadrado se tiene que la desviacin estndar de B1 es igual a 0.04051. j). Para hallar la probabilidad de que el B1 sea menor a -0.91, tomamos el beta le restamos -0.91 y luego lo dividimos en la desviacin estndar. Despus comparamos el resultado en una tabla de distribucin de probabilidad, en este caso por ser una muestra pequea trabajamos con el estadstico t. (-0.91+0.9055) / 0.04051= -0.11108 La probabilidad de que se encuentre por debajo de -0.91 es cercana al 46%. k). Para calcular los intervalos de confianza tomamos el valor medio de los betas que es 0.905586 y le sumamos y le restamos 2.15 desviaciones estndar que es lo correspondiente en la tabla t. Entonces el intervalo de confianza nos quedara: [0.8184035 , 0.9925965].

2). Realizar una investigacin sobre la regresin mltiple que contenga: a). Que es y cuando se utiliza: La regresin mltiple: es un modelo estadstico utilizado para explicar la variabilidad de una variable en funcin de otras (Variables explicativas). Se diferencia del caso del ejercicio anterior en que el numero de variables explicativas es mayor que uno. Es ms difcil ver la relacin entre las variables en un grfico cuando son mas de tres variables, por lo tanto esto nos da un mtodo propicio para indicar la determinacin de las variables independientes sobre las variables dependientes. Se utiliza cuando una sola variable no es la encargada de determinar a otra variable, una de las ventajas es que se logra un mejor ajuste del modelo y permite un mayor nivel de prediccin. b). Que modelos existen: Existen modelos de regresin lineal, donde los parmetros son lineales, Existen modelos logartmicos donde no se explica la variacin absoluta sino se explica la variabilidad en trminos porcentuales, generalmente son llamados modelos MELI por que son de mxima eficiencia relativa, es decir de mnima varianza.

c). Buscar un ejercicio resuelto de regresin mltiple que tenga relacin con la carrera . Para la construccin de un puente (de la misma dimensin) se necesitan cierta cantidad de materiales, sin embargo no se tienen en este momento los precios de los insumos adecuados (tubos, cemento, vigas, etc) por lo tanto con la informacin disponible se va tratar de ver el precio del puente dependiendo de los insumos ms bsicos como el precio del petrleo, precio de la arena y precio del acero. Con los datos disponibles en el momento se llego a la siguiente regresin.

Donde Y es el costo del puente, X1 es el precio del petrleo, X2 es el precio de la arena y X3 es el precio del acero. El resultado de elaborar la regresin dio de la siguiente forma (las magnitudes estn en millones de pesos de la variable explicada y en dlares para la variables explicadoras).

Donde los trminos entre parntesis son las desviaciones estndar de cada uno de los parmetros. Al hacer la prueba de significancia individual nos dan que todos lo parmetros son significativos. En la interpretacin de los betas se tiene que un incremento en un dlar en el precio del petrleo, incrementara el precio el puente en 856.000 pesos. En cuanto al precio de la arena un incremento en el precio de un dlar aumentara el costo del puente en 356.000 pesos y el precio del acero un incremento de un dlar aumentara el costo del puente en 1.230.000 pesos. Adems, para minimizar el riesgo de que el proyecto se quede sin financiacin es posible elaborar lo intervalos de confianza al 95% de significancia y tomar los extremos superiores del intervalo, con eso se tendr el costo mximo que se asumira a una variacin del algn precio de un insumo. El coeficiente de determinacin de la regresin fue de 0.72, lo cual indica que las variables explicativas determinan la variacin de la variable explicada en un 72%. A pesar de que no fue tan alto como en el primer punto, cuando se tiene desconocimiento de los precios de todos los insumos puede ser considerado como una buena aproximacin.