Problema n 1) En una estacin experimental de Rafaela, Santa Fe se realiz un ensayo para evaluar el efecto del nivel de suplementacin con

alimento balanceado (Kg/da/animal) sobre la produccin de leche (Lts/da/animal) en vacas Holando-Argentino. En las siguientes tablas y figuras se resumen los resultados obtenidos de un anlisis de regresin lineal efectuado por los investigadores que condujeron el estudio. Anlisis de Regresin Lineal
Variable N R Leche 9 0.9 3 LS(95% ) 19.59 1.81

Matriz de coeficientes de regresin

Coeficiente Estimado Error LI(95%) Intercepci n Pendiente 17.87 1.45 0.73 0.15 16.14 1.09 t p

< 24.51 0.001 9.47 < 0.001

Escriba la ecuacin de regresin lineal ajustada e interprete en trminos agronmicos los estimadores de los parmetros. Indique en el grfico el valor de la ordenada al origen. = 17.87+1.45x bo = 17.87 Para una dosis de balanceado nula, la produccin de leche en un da ser de 17.87 litros (no tiene sentido en trminos del problema) b1 = 1.45 Ante un aumento unitario de dosis de balanceado por da, se obtendr un aumento en la produccin de leche de 1.45. Segn la ecuacin propuesta en (a), qu produccin de leche promedio puede obtenerse con un nivel de suplemento de 5.5 Kg. diarios de balanceado por animal? Si x = 5.5, entonces = 25.845 Especifique y calcule una medida de error para la estimacin realizada en el punto anterior. Residuo para x = 5.5 e = y observado(del grfico) y esperado e = 25.5 25.845 = -0.345 Interprete el valor p < 0.001 de la pendiente en la salida de la matriz de coeficientes de regresin. La pendiente es significativa para un a del 5% H0: b1 = 0 vs. H1: b1 0.

n 2) Se quiere conocer la relacin funcional entre la edad al primer parto y la prdida de peso post parto en vacas Jersey. Con este objetivo se toma una muestra al azar de 15 vacas de un tambo, se miden ambas variables y se realiza un anlisis de regresin en planilla de clculo que produce los siguientes resultados: Estadsticas de la regresin Coeficiente de determinacin R Error standard N de observaciones 0.945 0.920 15

Coeficiente Error Estadstico Probabilidad LI 95% LS 95% s standard t Intercepci n Pendiente 55.2843 -0.368 0.8378 0.0246 65.98 -14.93 8.310-18 1.510-9 53.4742 57.0943 -0.4213 -0.3148

Identifique las variables. X = edad al primer parto Y = prdida de peso post parto Escriba el modelo lineal correspondiente y describa cada parmetro desde el punto de vista del problema. Calcule y grafique la recta de regresin. El modelo bsico puede formalizarse de la siguiente manera: Yi = b0 + b1Xi + ei donde Yi es el valor de la variable respuesta en el i-simo ensayo, b0 y b1 son parmetros, Xi es el valor de la variable independiente en el i-simo ensayo y ei es un trmino de error aleatorio. bo = 55.28 estimador de b0 (ordenada al origen) no tiene sentido en trminos del problema b1 = -0.368 estimador de b1(pendiente)indica cuanto disminuye la prdida de peso post parto ante un aumento unitario de la edad al primer parto = 55.28 0.368.X Pruebe la hiptesis que sostiene: a medida que aumenta la edad de la vaca, la perdida de peso post parto es menor Prueba de hiptesis para b1 El valor p es 1.510-9 por lo tanto rechazo la hiptesis nula y hay regresin. Por lo tanto puedo afirmar que a medida que aumenta la edad de la vaca, la perdida de peso post parto es menor Estime un intervalo de confianza del 95% para cada uno de los parmetros estimados. Lmites de confianza con 1 - a para b0: .b0 t(n - 2;1 - /2) .s(b0) P{b1 - t(1 - /2;n - 2).s(b1) 1 b1 + t(1 - /2;n - 2).s(b1)} = 1 - LI 95% -0.4213 LS 95% -0.3148

53.4742 57.0943 Estime la varianza poblacional.

CME = error tpico2 = 0.8464

Si la vaca Jersey tiene 24 meses al momento de parir, cual sera el peso promedio estimado de perdida? Adems de la estimacin puntual, presente un intervalo de confianza del 90%.

Estimacin puntual
Si x = 24(24) = 55.28 - 0.368*24 = 46.448

Estimacin por intervalo

Datos: CME = 0.8464 n = 15 Sb1 = 0.00060516 Sb0 = 0.70190884 Para calcular

S.(b1) = CM E.[1/n + (Xk - X)/(Xi - X)] primero debo despejar S.(b1) = CM E/(Xi - X) = 0,8464/(Xi - X) = 0,00060516 luego (Xi - x) = 1398.6383 debo seguir despejando S.(bo) = CM E.[1/n + X/(Xi - X)] 0,70190884 = 0,8464.[1/15 + X/1398,6383] luego X = 1066.63054 entonces X = 32.6593102 Finalmente s(A) = 0,8464.[1/15 + (24 - 32,659)/1398,6383] s(A) = 0,1018 s(A) = 0,319 Intervalo de confianza para E(Yk) Un IC de 1 - a para E(Yk) es: k t(n - 2;1 - /2).s(k) 46,448 1,77*0,319 Finalmente el intervalo ser 45.88337 47.01263

Interprete el Coeficiente de Determinacin desde el punto de vista del problema. El 94.5% de las variaciones en y, estn explicadas por las variaciones en x.

Problema n 3) Se desea construir una tabla que permita a los productores de una localidad estimar el volumen de madera de una plantacin a travs de observaciones no destructivas, como contar el nmero de rboles y medir el dimetro del tronco. Con ese fin se estudi la relacin entre el dimetro a la altura del pecho (D.A.P.) y el volumen de madera por rbol (VOL), en rboles de 14 a 16 aos de edad de la especie Pinus elliotti, en la localidad de Esquina (Corrientes). Se obtuvieron las siguientes observaciones y se realiz un grfico de dispersin. Ver Tabla 1

Ejercicios de regresin (primera parte)

ARBOL 1 2 3 4 5 6 7 8 9 10 11 12 13 14 D.A.P. (cm) 24.9 21.4 29.4 18.5 15.2 13.4 16.6 27 11.5 25.3 12.2 21.6 23.2 15.4 VOL (dm) 52.24 33.21 70.14 25.29 14.60 11.75 19.39 59.24 6.83 50.55 7.86 31.07 39.31 13.24 ARBOL 15 16 17 18 19 20 21 22 23 24 25 D.A.P. (cm) 27.2 17.3 11.1 29.4 18.6 20.4 23 11.5 15.7 17.4 12.2 VOL (dm) 58.30 18.67 7.11 71.56 23.70 30.35 43.95 8.69 15.09 21.55 6.33

El anlisis de regresin produjo los siguientes resultados:

R = 0.9676 Intercepci n Pendiente Coeficiente s -37.044 3.4754 Error standard 2.6535 0.1326 t Probabilidad Student -13.9602 1.0204 10-12 26.2090 1.24153 10-18

Estadsticas de la regresin
Coeficiente de correlacin 0.98366776

mltiple Coeficiente de determinacin R R ajustado Error tpico Observaciones

7 0.96760227 7 0.96619368 3.79290977 1 25

ANLISIS DE VARIANZA
Grados de libertad Regresi n Residuos Total 1 23 24 Suma de cuadrados 9882.2366 330.8817841 10213.11838 Promedio de los cuadrados 9882.2366 14.3861645 F 686.92642 7 Valor crtico de F 1.2412.10-18

Ver Tabla 2

Ejercicios de regresin (primera parte)

Coeficientes D.A.P. (cm) (x) Error tpico Estadstico t Probabilidad Inferior 95% Superior 95.0% -31.5583427 3.74995585 Intercepcin -37.04788413 2.653676876 -13.9609628 1.0192.10-12 -42.5374255 3.47563017 0.132610663 26.2092813 1.2412.10-18 3.20130449

Anlisis de los residuales

Observacin 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Pronstico VOL (dm) (y) 49.49530709 37.3306015 65.13564285 27.25127401 15.78169445 9.525560141 20.64757668 56.79413045 2.921862819 50.88555916 5.354803937 38.02572753 43.5867358 16.47682048 57.48925648 23.0805178 1.531610751 65.13564285 27.59883702 33.85497133 42.89160977 2.921862819 17.51950953 23.42808082 5.354803937 Residuos 2.74469291 -4.120601497 5.004357147 -1.961274005 -1.181694446 2.224439859 -1.257576683 2.445869554 3.908137181 -0.335559158 2.505196063 -6.955727531 -4.276735802 -3.23682048 0.81074352 -4.410517802 5.578389249 6.424357147 -3.898837022 -3.504971327 1.058390232 5.768137181 -2.429509531 -1.878080819 0.975196063

Presente el modelo de regresin lineal estimado para predecir el volumen por rbol en funcin del dimetro del tronco. Identifique los estimadores de los parmetros y las variables explicativa y de respuesta. Yi = 0 + 1Xi + i Con Yi = volumen del arbol (variable respuesta) Xi = dimetro del tronco (variable explicativa) b0 = estimador de ordenada al origen = -37.044 b1 = estimador de pendiente = 3.4754 Proponga hiptesis de inters para poner a prueba y comente los resultados. H0: 1 = 0; H1: 1 0. Dado que el valor p = 1.2412.10-18 la pendiente es significativa. Qu interpretacin biolgica puede darse a una pendiente significativa de 3.475 en este contexto? Que ante un aumento de 1 cm en el dimetro del rbol, se obtendr un aumento de 3.475 dm en el volumen del rbol. Qu indica un coeficiente de determinacin (R) igual a 0.9676? Que el 96.76% de las variaciones en el volumen estn explicadas por las variaciones en el dimetro del rbol. Calcule el valor estimado y el residual de la observacin correspondiente al rbol 16. Y(16)esperado = -37.044+3.4754*17.3 = 23.08042 Y(16)observado = 18.67 e(16) = 18.67 23.08042 = -4.41042 Se puede afirmar, con una probabilidad de error del 5%, que el volumen de madera aumenta significativamente cuando el D.A.P. aumenta? H0: 1 = 0 vs. H1: 1 0. Si H0 es cierta, entonces se estima que no existe asociacin alguna entre X e Y. tc = (b1 - 1)/s(b1) = (3.4754-0)/0.1326 = 26.20 tiene distribucin tn-2 para el modelo que estamos utilizando, luego t tabla = tn-2;/2 = t23;0.025 = 2.068654794 Como t calculado > t tabla rechazo Ho entonces hay regresin. Calcule un IC90 para la pendiente del modelo. P{b1 - t(/2;n - 2).s(b1) 1 b1 + t(/2;n - 2).s(b1)} = 1 - con b = 3.4754 S(b1) = 0.1326 tn-2; /2 = t23;0.025 = 1.713870006 3.24835273 3.70290761