INSTITUTO TECNOLOGICO DE ORIZABA

INGENIERIA INDUSTRIAL
ESTADISTICA INFERENCIAL II
TRABAJO UNIDAD 1.
NOMBRE:

FECHA: 17/MARZO/2017 HORA: 13:00 – 14:00 _

1. ¿Cuál es el propósito general del análisis de regresión?

Uno de los propósitos principales es estimar una de las variables (la variable
dependiente) el proceso de estimación se conoce como regresión. Si “Y” se va a
estimar a partir de “X” por medio de alguna ecuación la llamamos ecuación de
regresión de y sobre x y y a la curva correspondiente curva de regresión de y
sobre x.

2. En el análisis de regresión intervienen dos tipos de variables. Explique con sus

palabras y a través de dos ejemplos las características de estas variables.
Las variables que intervienen en el análisis de regresión son dependientes e
independientes.
En donde podemos encontrar que las variables dependientes: Es la que depende
de otras variables y se presenta por Y en el eje de las coordenadas. Y la variable
independiente: Es aquella que no depende de otras variables y se representa por
X en el eje de las abscisas.

Ejemplo:
1. Las materias primas empleadas en la producción de una fibra sintética son
almacenadas en un lugar donde no se tiene control sobre la humedad. Las
mediciones de la humedad relativa en el lugar del almacenamiento y la
humedad en una muestra de las materias primas (ambas en porcentaje) en
12 días dieron los siguientes resultados.
Donde X= humedad y Y= contenido de humedad.

2. Una compañía de productos químicos desea estudiar los efectos que el

tiempo de extracción tiene en la eficiencia de una operación de extracción.
Obteniendo los datos que aparecen en la tabla.
Donde X= tiempo de extracción y Y= eficiencia de extracción.

3. Considere el modelo Y= a+bx y suponiendo que para estimar los parámetros

utilizaron 10 observaciones, es decir n=10 conteste lo siguiente:
A. Suponga una buena relación entre las variables X y Y; construya un
diagrama de dispersión hipotético que refleje esta relación.
B. Sobre el diagrama anterior, ajuste a “ojo” la mejor línea recta que describa
la relación observada.

C. Utilice el procedimiento de mínimos cuadrados y explique en forma

esquemática el procedimiento matemático para estimar los parámetros.
X Y X2 XY Ῠ 𝒀𝟐
X1 Y1 X21 X1Y1 Ῠ𝟏 Y21
X2 Y2 X22 X2Y2 Y22
Ῠ𝟐
X3 Y3 X23 X3Y3 Ῠ𝟑 Y23
X4 Y4 X42 X4Y4 Y24
Ῠ𝟒
X5 Y5 X25 X5Y5 Ῠ𝟓 Y25
X6 Y6 X26 X6Y6 Ῠ𝟔 Y26
X7 Y7 X72 X7Y7 Y27
Ῠ𝟕
X8 Y8 X27 X8Y8 Ῠ𝟖 Y28
X9 Y9 X92 X9Y9 Y29
Ῠ𝟗
X10 Y10 X210 X10Y10 Ῠ𝟏𝟎 Y210
∑𝒙 ∑𝒚 ∑ 𝑿𝟐 ∑ 𝑿𝒀 ∑Ῠ ∑ 𝒀𝟐
 D. Explique el significado de los dos parámetros del modelo (a y b).
a. Es el espacio que queda entre el origen (0,0) y el cruce de la recta
vertical.
b. Inclinación de la recta (pendientes).

E. Escriba las expresiones que estiman a los dos parámetros del modelo.
(∑ 𝑦)(∑𝑥 2)−(∑ 𝑥)(∑ 𝑥𝑦)
a.
𝑛 ∑𝑥 2−(∑𝑥)2

𝑛(∑ 𝑦)(∑𝑥 2)−(∑ 𝑥)(∑ 𝑥𝑦)

b.
𝑛 ∑𝑥 2−(∑𝑥)2

F. ¿Cuáles son las suposiciones que se hacen sobre los errores?

En la situación más simple se satisfacen los siguientes supuestos:
1. Los errores 𝜀1 , … , 𝜀𝑛 son aleatorios e independientes. En particular la
magnitud de cualquier error 𝜀𝑖 no influye en el valor del siguiente error
𝜀𝑖+1.
2. Los errores 𝜀1 , … , 𝜀𝑛 tienen media 0.
3. Los errores 𝜀1 , … , 𝜀𝑛 tienen la misma varianza, que se denota por
medio de 𝜎 2 .
4. Los errores 𝜀1 , … , 𝜀𝑛 están distribuidos normalmente.

4. Considere el modelo de regresión lineal simple y conteste:

A. Formule las hipótesis que se hacen sobre los parámetros del modelo y
explique la consecuencia de aceptar o rechazar cada una de las hipótesis.
Hipótesis:
𝐻0 : 𝛽 = 0
𝐻0 : 𝛽 ≠ 0
Si la hipótesis nula es aceptada se puede concluir que la variable
dependiente no está afectando a la independiente y por lo tanto no hay
relación entre ellas. Pero al rechazar la hipótesis nula se entender que
estas variables tienen relación y que la variable dependiente esta
afectando a la variable independiente.

B. Escriba en forma detallada el estadístico de prueba Tp para cada una de

las hipótesis de una explicación racional de porque sirven para aprobar las
hipótesis.
Es decir, vea cuando estos estadísticos tienen valores pequeños o
grandes, y la decisión que se tomaría respecto a su correspondiente
hipótesis.
El estadístico Tp, que se va a ocupar para probar la hipótesis nula, se
calcula:
(𝑏 − 𝛽)
𝑡𝑝 = √𝑠𝑥𝑥
𝑠𝑒
Este sirve junto con el estadístico calculado de las tablas para probar si la
hipótesis se rechaza, el estadístico de las tablas t de Student nos da los
límites de aceptación. Este se va a encontrar mediante los grados de de
libertad (n-2) y los grados de libertad que el problema nos da sobre 2,
estos se localizan en las tablas y nos va dar el estadístico de tablas

Limites
Limites

Se acepta Ho
Se acepta Hi Se acepta Hi

Si el estadístico de prueba Tp se encuentra dentro de los límites de

aceptación, la hipótesis nula se acepta y las variables no tienen relación
Y si el estadístico de prueba Tp no se encuentra dentro de estos límites la
hipótesis se rechaza y las variables tienen relación