Académique Documents
Professionnel Documents
Culture Documents
4. Predecir la distancia por carretera entre dos ciudades cuya distancia en línea recta
es 25. Calcular un intervalo de predicción al 90 %. Repetir el apartado si la distancia
(LR) es 50.
5. DC LR DC LR DC LR
0 0 0 0 0
¿Existe un modelo li 10 7 95 16 6 12 1 28 8 210 6 nealizable mejor?
60 5 50 0 290 0 220 0 310 2 260 5
290 4 230 0 400 5 280 2 60 5 40 8
170 2 150 2 140 2 120 1 250 7 210 7
180 4 110 4 110 7 90 8 260 5 180 0
190 7 110 8 250 6 190 0 330 1 280 0
160 3 140 6 90 5 80 3
1
2 Modelos estadísticos aplicados. Juan Vilar
Este módulo proporciona la correlación de doce ajustes. Con los datos de este problema
los ajustes “doble recíproco” y “multiplicativo” mejoran ligeramente (en correlación) a la
regresión lineal y habría que evaluar la conveniencia de trabajar con ellos. Para calcular
el ajuste de alguno de estos modelos “linealizables”se utiliza el apartado de opciones en
resumen del procedimiento.
Este módulo también proporciona las observaciones con residuos grandes (residuos
atipicos), las observaciones in‡uyentes (puntos influyentes) y diferentes grá…cos que
permiten evaluar la bondad del ajuste y el cumplimiento de las hipótesis básicas.
5. Hacer predicciones para X = 10; 20; 30; 40; 50; 100: Calcular intervalos de con…anza
y de predicción.
- Crear la variable valor_x = 5; 8; 12; 15; 20; 22; 25; 27; 30; 33:
Introducir codes = x.
Igual que en el problema anterior el análisis de regresión se realiza en
Pn
Pn 2
X X X0 0 0 0
i
^0 = y y^
^1i)x =
= 57 6227 8 108 5 44 = 13 515
X X X X
i i
1 X 2 8025 61
s^2R = e i = 0 s
75 75 75
2 2 0 0 2
e = (yi yi 13 515 + 8 108xi = 8025061:
i=1 i=1 i=1
s2 2
Las varianzas de los parámetros
n 2 son
) 2
^R yi = 4;32107 y = 5754
06227 = 147 735:
V ar(^0) = i=1 03245 0
2 = 3;951096 2 0
i=1 yi = 296;397
Intervalos de cony
…anza (al 90 %) y scontrastes
y = 631 586 sy = 2501313
de hipótesis sobre los parámetros del
modelo son:
0 0 sxy = 6406995
i=1 xiyi = 28;362 5 xy = 378 167
2
Intervalo de con…anza para
(n 2) ^R 73 73 109 94
2 005
= 80 108: 0 2
73
0095 )
2
2 0
7 9797 0
=
8025 62
5403245sx 6406995
0
850325 =
8025 62 9400592 )
0
9400592 2 8025062
Intervalo de con…anza para ^1
^1 1 1
tn 2
(^1) 13 515
) t73 0005 00 t73 0 95 )
1 2 6272 0
13 515
106664 0 0 1 6664 ) 106664 = 80108 007142 = 703938; 808222 :
2 80108 0 004286
21 6272
6 Modelos estadísticos aplicados. Juan Vilar
^0 0
jH = 0
= 18 917
tn 2
(^0) (^1) 0 0 4286 0
0
El coe…ciente de correlación es
6406995
= 0
sxsy
En el siguiente grá…co se representa la nube de puntos y la recta ajustada
8 108
) t73 0005 0 0 t73 0 95 )
0 4286 0
8 108
106664 0 0 1 6664 )
0 4286 0
Figura 4.1. Nube de observaciones y recta ajustada.
Prácticas y problemas de regresión lineal simple. 7
de donde
se ^
Contraste de regresión.
se
^ = 357 86
H0;reg :s2 “el modelo 0
109094 de regresión lineal ajustado no es in‡uyente”
H1 : “el modelo ajustado es in‡uyente”
8 Modelos estadísticos aplicados. Juan Vilar
^2 39;343034
dreg = = F 1;73
^R
) p valorreg = P (F 1;73 > 357086) = 000000:
Contraste de linealidad.
X Dado X que para cada
Xvalor de x seX
dispone de varias obser-
vaciones de Y; se puede hacer iel contraste y y
75 75
2
scR = e2 = (yi ^i) = 2;765084 + 5259077 = 8;025061:
i=1 i=1
^R;1 3450731
dlin = = F 8;65
^R;2
) p valorlineal = P (F 8;65 > 4027) = 000004
Prácticas y problemas de regresión lineal simple. 9
^
Predicciones.
“Calcular intervalos de con…anza al 90 % para el tiempo medio de impresión
de los trabajos que tienen 6 y 12 hojas respectivamente.
1+
Calcular intervalos de predicción al 9075
% para el tiempo de impresión de un
1+
xt Calcular el intervalo de predicción para el tiempo
n 6 hojas.
trabajo que tiene
1 + 0 1982 = 0 013857:
de impresión de75un trabajo 0 ”.
0 de 212 hojas
= 72 1651 (número de observaciones equivalente):
ht de m0t = E(Y =X = 6) es
Para xt = 6; el estimador
1
=
1
) nt =
) (mt) = 102343:
La predicción para Y =X = 6 es
^t = 130515 + 80108 xt = 130515 + 80108 6 = 620163:
La varianza de predicción es
^R 109094
V ar (^t) =
(^t) = 1005576:
10 Modelos estadísticos aplicados. Juan Vilar
1 s2
= ^ = 9 3707:
1107323 0
1 =
nq ^ 109094
) nq =
La varianza de mq es
^R
V ar (mq) =
) (mq) = 300612:
s2 + s^ = 109 9
y R +1 = 119 31:
ynq
La predicción de Y =X = 12 es 2 0 1107323 0
4
y
^q = 130515 + 80108 12 = 1100811:
s2 + s^ =
y R + 109 94 = 111 4635 )
nh 2 7201651 0 0
^R 1
V ar (^q) = y
) (^q) = 100923:
Un intervalo de predicción al 90 % para yq es
Problema 4.5. “La resistencia del cemento (r) depende, entre otras cosas, del tiempo
de secado del cemento (t). En un experimento se obtuvo la resistencia de bloques de
cemento con diferente tiempo de secado los resultados fueron los siguientes (Hald, A.
(1952) “Statistical theory with engneering applications. Wiley & Sons). En base a esta
muestra,
1. Analizar la posible e año Y X año Y X año Y X xistencia de una r
elación entre estas dos va 1920 1;006 5 5 1945 747 9 7 1970 476 120 7
0 0 riables.
1925 1;162 40 8 1950 732 90 6 1975 386 110 5
2. ¿Qué conclusiones se deducen del contra
1930 1;479 70 8 1955 683 80 9 1980 368 110 4
ste de regresión y del con traste de linealida
d? 1935 805 80 2 1960 686 110 4
1940 795 80 6 1965 493 100 6
3. Si se utilizase un aju ste cuadrático ¿se
obtienen mejores resultados?
Prácticas y problemas de regresión lineal simple. 13
4. Estudiar el modelo paramétrico propuesto por A. Hald que estudiba la relación del
logaritmo de la resistencia del cemento sobre la inversa del tiempo de secado.”
Problema 4.7. “Se llevó a cabo un estudio para determinar la relación entre el
número de años de experiencia (X) y el salario mensual, en miles de pesetas, (Y ) entre los
informáticos de una región española. Se tomó una muestra aleatoria de 17 informáticos y
se obtuvieron los siguientes datos
14 Modelos estadísticos aplicados. Juan Vilar
1. Para cada uno de los cuatro conjuntos de datos, calcular la recta de regresión de Y
frente a X y el coe…ciente de correlación.
2. Para cada uno de los cuatro casos, dibujar la grá…ca de Y frente a X y la grá…ca
de los residuos frente a las predicciones. ¿Qué conclusiones se deducen?”
Prácticas y problemas de regresión lineal simple. 15
X1 = X2 = X3 Y1 Y2 Y 3 X4 Y4
10 8004 0 0
9 14 7 46 8 6058
8 6095 8014 6077 8 5076
13 7058 0 0
8 74 12 74 8 7071
9 8081 8077 7011 8 8084
11 8033 9026 7081 8 8047
14 9096 8010 8084 8 7004
6 7024 0 0
6 13 6 08 8 5025
4 4026 3010 5039 8 5056
12 10084 9013 8015 8 7091
7 4082 0 0
7 26 6 42 8 6089
5 5068 4074 5073 19 12050
Problema 4.10. “Los datos de la tabla adjunta muestran la cantidad de ozono reg-
istrada (Y ) y su presión parcial (X) para cada capa de altitud. Cada capa tiene aprox-
2. Ajustar una función de regresión lineal del ozono frente a la capa. Calcular la tabla
A N O V A y los contrastes de regresión y de linealidad. Conclusiones.
3. Analizar detenidamente los residuos. ¿Se veri…can las hipótesis estructurales del
modelo? ¿Son los datos homocedásticos?
X Y X Y X Y X Y X Y
0
30 99 971 18 8 99 942 46 8 99 863 12 3 99 956 25 8 990 858
0 0 0 0 0 0 0 0
40 7 990 979 180 9 990 932 460 8 990 811 710 3 990 821 180 8 990 975
80 3 990 982 210 7 990 908 580 1 990 877 120 5 990 972 300 6 990 987
90 3 990 971 210 9 990 970 620 3 990 798 120 6 990 889 360 2 990 958
90 9 990 957 220 8 990 985 700 6 990 855 150 9 990 961 390 8 990 909
110 0 990 961 240 2 990 933 710 1 990 788 160 7 990 982 440 3 990 859
830 2 990 830 830 6 990 718 990 5 990 642 1110 2 990 658
Problema 4.11. “El …chero problema-4-11 contiene once variables de 200 datos.
La primera variable se corresponde con el vector de predicción de un ajuste lineal sim-
ple y las restantes diez variables se correponden con diferentes vectores de residuos del
16 Modelos estadísticos aplicados. Juan Vilar
Problema 4.12. “E
n Dif. temp Consumo Dif. temp Consumo Dif. temp Consumo 34 lotes de 120 libr
a 100 3 0
69 81 0
13 4 0
75 32 15 60
860 35 s de cacahuetes se ob
s 110 4 820 75 130 6 690 81 160 4 1100 23 ervó el nivel medio
110 5 810 75 150 0 780 54 160 5 1060 55 de a‡atoxin (partes p
o 120 5 800 38 150 2 810 29 170 0 850 50 r billón) (X) y el por
c 130 1 850 89 150 3 990 20 170 1 900 02 entaje de cacahuetes
n o contaminados (Y ) :
1. Analizar estos datos e investigar la relación entre estas dos variables para predecir
Y en función de X. ¿Es adecuado el ajuste lineal?
Problema 4.13. “
En quince casa Altura Peso Altura Peso Altura Peso Altura Peso Altura Peso s de la
ciudad de Milt 135 26 141 28 149 46 148 32 149 32 on Key
nes se observó 146 33 136 28 147 36 149 34 141 32 durante
un período de t 153 55 154 36 152 47 141 29 iempo l
a diferencia de 154 50 151 48 140 33 164 47 temper
atura promedi 139 32 155 36 143 42 146 37 o (en gr
ados centígrados 131 25 137 31 146 35 137 34 ) entre
la temperatura 149 44 143 36 133 31 135 30 en la ca
lle y la temper atura e
n casa, y el consumo de gas diario en kWh.
1. Hacer una grá…ca de los datos. ¿Existe relación entre estas dos variables?
2. ¿Se puede explicar el consumo de gas por una relación lineal con la diferencia de
temperatura?.
Problema 4.14. “Se midió la altura (en centímetros) y el peso (en kilogramos) de
treinta chicas de once añ
Qui Mag Qui Mag Qui Mag Qui Mag Qui Mag Qui Mag
os del Heaton M eiddle S
24 25 18 19 17 12 21 18 20 21 25 16
chool de Bradfor d. Estud
16 22 20 10 19 15 24 22 24 18 15 16
iar estos datos
24 17 21 23 16 15 15 20 24 20 16 26
y la relación entr e ambas
18 21 20 20 15 15 20 21 23 25 27 28
variables.
18 20 21 19 15 15 20 21 29 20 27 28
10 13 15 15 13 17 25 25 27 18 30 30
14 16 16 16 24 18 27 22 23 19 29 32
16 14 15 16 22 16 22 18 19 16 26 28
25 28 25 36 32 40 28 33 25 33
2. En la regresión lineal de peso frente a altura, ¿se observa alguna observación atípica?.
Problema 4.15. “El contenido en hierro de las escorias de los altos hornos puede
ser determinada por una prueba química en laboratorio o, de forma más barata y rápida,
por un test magnético. Se está interesado en estudiar la relación entre los resultados
del test químico y del test magnético. En particular, se desea saber si a partir de los
resultados del test magnético (X) se pueden estimar los resultados del test químico (Y )
sobre el contenido del hierro. Para ello, se han realizado los dos test a un conjunto de
lotes recogidos secuencialmente en el tiempo. Los resultados obtenidos son los de la tabla
adjunta.
Problema 4.16. “Utilizando los datos del …chero problema-4-16 que contiene datos
de variables de coches.
1. Estudiar la regresión lineal entre la variable m p g (miles per galon: inversa del con-
sumo) y la regresora accel (aceleración). ¿Existe un ajuste mejor que el lineal?
Problema 4.18. “Para las compañías de seguros de hogar tiene interés estimar el
coste de reemplazar algunos objetos. Una de estas compañías estaba interesada en estimar
el coste de reemplazar una colección de 1554 libros a partir de una muestra de 100 libros.
El coste de los cien libros muestrales se obtenía de los catálogos de las editoriales y si
algún libro estaba descatalogado su valor se calculaba utilizando el precio de un libro de
similares características. Los precios están en peniques.
Prácticas y problemas de regresión lineal simple. 19
t p t p t p t p
Dado que e 0 0 0 0
l valor de los libros er
1 0 84 60 0 54 720 0 36 10080 0 08
a muy variable, 5 00 71 120 00 47 1440 00 26 en un intento de cons
eguir una mayo 15 00 61 240 00 45 2880 00 20 r
exactitud, se ut 30 00 56 480 00 38 5760 00 16 ilizó como regresora
para explicar e l precio de un libro e
l ancho del lomo
del mismo (medido en milímetros). El ancho total de los 1.554 libros era de 25.182 mm.
Los datos de los cien libros se encuentran en el …chero problema-4-18. En base a
estos datos, se pide:
Problema 4.19. “El …chero problema-4-19 contiene datos de dos nubes de pun-
tos bidimensionales ((x; Y1) y (x; Y2)). Estos datos son debidos a Wampler y los generó
por simulación para comprobar cuando un determinado programa estadístico realiza con
exactitud el ajuste por mínimos cuadrados.
Problema 4.20. “Los datos de la tabla adjunta son el conjunto clásico de datos del
test psicológico de Strong sobre retención de memoria. Los datos se tomaban de la siguiente
manera: un conjunto de individuos memorizaban una lista de objetos inconexos y pasado
un tiempo la recordaba. La variable p indica el porcentage de retención de memoria en
promedio y la variable t es el tiempo transcurrido. El objetivo del estudio era explicar la
variable p en función de t:
2. Estudiar analítica y gra…cámente un modelo del tipo p = exp( t) que sugiere una
pérdida geométrica de la memoria.
3. Estudiar analítica y gra…cámente un modelo del tipo log p = 0 + 1t: ¿Qué inter-
pretación tiene este modelo?, ¿Qué ajuste es mejor?”.
20 Modelos estadísticos aplicados. Juan Vilar
Problema 4.22. “En los sitemas productivos de ovejas tiene un gran interés controlar
las necesidades energéticas de cada animal ya que in‡uyen en la predicción de la producción
de carne. Por ello, se ha tomado una muestra de 64 ovejas australianas y, a cada una de
ellas, se le controló su peso x (en kilogramos), y sus necesidades energéticas diarias Y
medidas en Mcal/día. Los resultados de la muestra se presentan en el …chero problema-
4-22. En base a estos datos muestrales:
2. Estimar la media de consumo energético de las ovejas que pesan 30, 40, 50 y 60 Kgr.
Calcular intervalos de con…anza al 90 % para estos valores. Hacer el mismo cálculo
pero considerando la predicción del consumo energético de una oveja de ese peso.
Calcular intervalos de predicción.”
Problema 4.23. “El …chero problema-4-23 contiene dos conjuntos de datos bidi-
mensionales en los que no existe una relación lineal pero si es fácil encontrar la relación
existente entre las dos variables.
El primer conjunto tiene 25 observaciones de molinos de viento para la producción
de energía eléctrica, la variable X1 mide la velocidad del viento y la variable Y 1 mide la
corriente eléctrica obtenida.
El segundo conjunto tiene 19 observaciones relativas a la producción del papel, la
variable X2 mide la resistencia del papel fabricado y la variable Y 2 mide la proporción de
madera en la pulpa Densidad Dureza Densidad Dureza Densidad Dureza a partir de
la cual se obtiene el 240 7 484 390 4 1210 530 4 1880 papel.
0 427 0 989 0 1980
24 8 39 9 56 0
1. 0
27 3 413 0
40 3 1160 0
56 5 1820
0 517 0 1010 0 2020
28 4 40 6 57 3
En ambos casos, dib 0
28 4 549 0
40 7 1100 0
57 6 1980 ujar la grá
… 0
29 0 648 0
40 7 1130 0
59 2 2310
ca de la nube de pun 0 587 0 1270 0 1940 tos.
30 3 42 9 59 8
0 704 0 1180 0 3260
32 7 45 8 66 0
2. 0 979 0 1400 0 2700
35 6 46 9 67 4
0 914 0 1760 0 2890
Obtener el modelo 38 5 48 2 68 8 de regresió
0 1070 0 1710 0 2740
n que mejor se ajus 38 8 51 5 69 1 ta a la nu
0 1020 0 2010 0 3140
be de observaciones 39 3 51 5 69 1 .
¿Existe ajustes que mejora
n al lineal?, ¿el ajuste realizado es su…cientemente bueno?
Problema 4.24. “El …chero problema-4-24 contiene datos relativos al peso del cuer-
po (X; en kilogramos) y el peso del cerebro (Y; en gramos) de 28 especies de animales. En
base a estos datos:
1. ¿Se observa en esta nube algún dato atípico?
2. Transformar los datos para que se pueda hacer una grá…ca de los mismos. Realizar
la grá…ca de los datos transformados.
3. Ajustar un modelo de regresión lineal a los datos transformados. ¿Es el ajuste
adecuado? Interpretarlo.
4. En el modelo transformado ¿Existen datos atípicos?”.
Problema 4.25. “La dureza de los árboles es difícil de medir directamente, sin em-
bargo la densidad si es relativamente fácil de medir. Por ello es de gran interés disponer
de un modelo que permita predecir la dureza de un árbol a partir de su densidad. Por este
motivo se ha tomado una muestra de 36 eucaliptos australianos y se les midió su densidad
(X) y su dureza (Y ). Los resultados obtenidos son los de la tabla adjunta.
1. Estudiar el modelo de regresión lineal de Y respecto a X:
2. Ajustar a estos datos un polinomio de grado a determinar. ¿Se mejora de forma
apreciable el ajuste lineal?
3. Con el mejor ajuste predecir la dureza de un árbol de densidad 20, 40, 60 y 80.
4. Calcular intervalos de con…anza y de predicción al 90 % para las estimaciones del
apartado anterior.
5. Analizar los residuos del modelo ajustado.
6. Considerar una transformación de los datos de la dureza (Y ) y ajustar un modelo de
regresión. ¿El modelo ajustado con los datos transformados mejora al ajuste polinómico?”