INTRODUCCION

Durante los ltimos meses han aumentado el nmero de proyectos de perforacin en la

zona de Alexa, zona que aunque tiene un alto contenido de oro la dureza del macizo
rocoso influye enormemente en el consumo de triconos para perforacin, razn por la
cual se ha visto sobrepasado el nmero de triconos previstos y por lo que se necesita una
nueva proyeccin para el siguiente mes de trabajo donde se planea perforar 20,000
metros en terreno duro.

REGRESION LINEAL

Para esta proyeccin se han recolectado la informacin de lo triconos que se usaron para perforar
en terreno duro y la cantidad de metros que se perforaron con stos.
Tabla 1.1 Datos recolectados.
Ao

Mes

Triconos usados en terrero duro

Metros perforados en miles

2006

abril

25

15.19

2006

mayo

26

16.55

2006

junio

25

18.99

2006

julio

28

17.13

2006

agosto

17

12.72

2006

setiembre

16

11.19

2006

octubre

34

23.95

2006

noviembre

20

13.24

2006

diciembre

16

10.86

2007

enero

23

14.01

2007

febrero

24

17.00

2007

marzo

23

13.56

2007

abril

26

16.96

2007

mayo

29

16.36

2007

junio

37

21.90

2007

julio

33

18.11

2007

agosto

29

19.44

2007

setiembre

17

9.66

2007

octubre

23

14.93

2007

noviembre

14

8.33

2007

diciembre

29

18.46

2008

enero

26

18.08

2008

febrero

27

18.39

Ao

Mes

Triconos usados en terrero duro

Metros perforados en miles

2008

marzo

20

12.55

2008

abril

25

13.69

2008

mayo

17

10.96

2008

junio

27

17.00

2008

julio

17

10.91

2008

agosto

16

6.08

2008

setiembre

11

4.09

2008

octubre

14

6.24

2008

noviembre

16

9.16

2008

diciembre

17

9.62

2009

enero

27

14.93

2009

febrero

29

14.48

2009

marzo

26

14.97

2009

abril

15

8.61

2009

mayo

16

10.36

2009

junio

32

16.68

2009

julio

25

13.87

2009

agosto

26

13.30

2009

setiembre

31

15.81

2009

octubre

29

16.35

2009

noviembre

24

12.43

2009

diciembre

14

7.99

2010

enero

27

14.48

2010

febrero

17

7.06

2010

marzo

19

11.70

2010

abril

19

13.31

2010

mayo

28

15.20

2010

junio

30

16.77

2010

julio

30

15.37

2010

agosto

28

15.47

Ao

Mes

Triconos usados en terrero duro

Metros perforados en miles

2010

setiembre

23

12.21

2010

octubre

24

13.44

2010

noviembre

34

17.23

2010

diciembre

37

19.30

2011

enero

31

13.61

2011

febrero

16

8.82

2011

marzo

30

14.43

2011

abril

28

14.87

A continuacin se calcular la ecuacin de regresin lineal simple estimada:

Para poder calcular esa ecuacin haremos uso del mtodo de mnimos cuadrados.

Mtodo de mnimos cuadrados.

Es un mtodo en el que usan los datos muestrales para hallar la ecuacin de regresin estimada.
Se usan los datos muestrales para obtener los valores de b0 y b1 que minimicen la suma de los
cuadrados de las

desviaciones (diferencias) entre los valores observados de la variable

dependiente yi y los valores estimados de la variable dependiente, usan las siguientes formulas:

Asi tenemos:

Tabla 1.2

No

xi

yi

15.19

25

1.28

1.03

1.32

1.65

16.55

26

2.64

2.03

5.37

6.98

18.99

25

5.08

1.03

5.25

25.83

17.13

28

3.22

4.03

13.00

10.40

12.72

17

-1.19

-6.97

8.30

1.42

11.19

16

-2.72

-7.97

21.68

7.41

23.95

34

10.05

10.03

100.80

100.94

13.24

20

-0.67

-3.97

2.66

0.45

10.86

16

-3.04

-7.97

24.26

9.27

10

14.01

23

0.11

-0.97

-0.10

0.01

11

17.00

24

3.10

0.03

0.10

9.58

12

13.56

23

-0.35

-0.97

0.34

0.12

13

16.96

26

3.05

2.03

6.20

9.32

14

16.36

29

2.45

5.03

12.33

6.01

15

21.90

37

7.99

13.03

104.16

63.87

16

18.11

33

4.20

9.03

37.93

17.63

17

19.44

29

5.54

5.03

27.86

30.64

18

9.66

17

-4.25

-6.97

29.62

18.08

19

14.93

23

1.02

-0.97

-0.99

1.05

20

8.33

14

-5.57

-9.97

55.54

31.06

21

18.46

29

4.56

5.03

22.93

20.77

22

18.08

26

4.17

2.03

8.47

17.38

23

18.39

27

4.48

3.03

13.58

20.06

24

12.55

20

-1.36

-3.97

5.38

1.84

25

13.69

25

-0.22

1.03

-0.23

0.05

26

10.96

17

-2.95

-6.97

20.55

8.70

27

17.00

27

3.09

3.03

9.37

9.54

28

10.91

17

-2.99

-6.97

20.86

8.97

29

6.08

16

-7.83

-7.97

62.38

61.31

30

4.09

11

-9.82

-12.97

127.28

96.35

No

xi

yi

31

6.24

14

-7.67

-9.97

76.46

58.84

32

9.16

16

-4.75

-7.97

37.86

22.58

33

9.62

17

-4.28

-6.97

29.84

18.35

34

14.93

27

1.02

3.03

3.09

1.04

35

14.48

29

0.57

5.03

2.89

0.33

36

14.97

26

1.06

2.03

2.16

1.12

37

8.61

15

-5.30

-8.97

47.52

28.08

38

10.36

16

-3.55

-7.97

28.28

12.60

39

16.68

32

2.77

8.03

22.29

7.70

40

13.87

25

-0.04

1.03

-0.04

0.00

41

13.30

26

-0.60

2.03

-1.23

0.36

42

15.81

31

1.91

7.03

13.41

3.64

43

16.35

29

2.45

5.03

12.32

5.99

44

12.43

24

-1.48

0.03

-0.05

2.19

45

7.99

14

-5.92

-9.97

59.02

35.07

46

14.48

27

0.57

3.03

1.73

0.32

47

7.06

17

-6.85

-6.97

47.72

46.91

48

11.70

19

-2.20

-4.97

10.95

4.86

49

13.31

19

-0.60

-4.97

2.99

0.36

50

15.20

28

1.29

4.03

5.19

1.66

51

16.77

30

2.86

6.03

17.27

8.19

52

15.37

30

1.46

6.03

8.80

2.13

53

15.47

28

1.57

4.03

6.31

2.45

54

12.21

23

-1.70

-0.97

1.64

2.89

55

13.44

24

-0.46

0.03

-0.02

0.21

56

17.23

34

3.33

10.03

33.38

11.07

57

19.30

37

5.40

13.03

70.34

29.13

58

13.61

31

-0.30

7.03

-2.10

0.09

59

8.82

16

-5.09

-7.97

40.52

25.87

60

14.43

30

0.52

6.03

3.17

0.28

61

14.87

28

0.97

4.03

3.90

0.93

1331.86

931.91

Hallando b1:

Hallando b0:

Obteniendo as los parmetros para nuestra ecuacin de regresin estimada:

Grfico 1.- Ecuacin de regresin estimada

Grfica de la ecuacin de regresin estimada

45
y = 4.0916 + 1.4292x

40
35
30
25
20
15
10
5

13.69

12.55

18.39

18.08

18.46

8.33

14.93

9.66

19.44

18.11

21.90

16.36

16.96

13.56

17.00

14.01

10.86

13.24

23.95

11.19

12.72

17.13

18.99

16.55

15.19

Hallando el STC, STE y SCE

Suma de cuadrados debida del error

Suma total de cuadrados.

Suma de cuadrados debida a la regresin

De la siguiente relacin obtenemos el valor de SCR:

STC = SCE + SCR
Obteniendo
SCR = 1903
COEFICIENTE DE DETERMINACION
Para obtener una medida de la bondad de ajuste de la ecuacin de regresin estimada se utiliza el
coeficiente de determinacin y est dado por el cociente SCR/STC, que toma valores entre cero y
uno.

Existe un 77.63% del consumo de los triconos se explica por la relacin lineal entre los metros a
perforar en terreno duro y el consumo de triconos.
Coeficiente de correlacin

PRUEBA DE SIGNIFICANCIA
En una ecuacin de regresin lineal simple, la media o valor esperado de y es una funcin lineal de
x: E(y) = 0 + 1x. Pero si el valor de 1 es cero, en este caso, el valor medio de y no depende del
valor de x y por lo tanto se puede concluir que x y y no estn relacionados linealmente. Pero si el
valor de 1 es distinto de cero, se concluir que las dos variables estn relacionadas. Por lo tanto
para probar si existe una relacin de regresin significante se debe realizar una prueba de
hiptesis para determinar si el valor de 1 es distinto de cero. Hay dos pruebas que son las ms
usadas. En ambas, se requiere una estimacin de 2, la varianza de en el modelo de regresin.
Estimacin de 2
De acuerdo con el modelo de regresin y con sus suposiciones, se puede concluir que 2, la
varianza de , representa tambin la varianza de los valores de y respecto a la recta de regresin.
Las desviaciones de los valores de y de la recta de regresin estimada se les conocen como
residuales. Por lo tanto, SCE, la suma de los cuadrados de los residuales, es una medida de la
variabilidad de las observaciones reales respecto a la lnea de regresin estimada. El error
cuadrado medio (ECM) proporciona a una estimacin de 2, estimacin es SCE divida entre sus
grados de libertad.

A cada suma de cuadrados le corresponde un nmero llamado sus grados de libertad. Se ha

demostrado que SCE tiene n-2 grados de libertad porque para calcular SCE es necesario estimar
dos parmetros 0 + 1. Como el valor del ECM proporciona un estimado de 2, se emplea tambin
la notacin s2
Error cuadrado medio (estimacin de 2)

Error estndar de estimacion

PRUEBA t
Si x e y estn relacionados linealmente, entonces 1 0. El objetivo es determinar si se puede
concluir que 1 0. Para probar la hiptesis siguiente acerca del parmetro 1, se emplearan datos
muestrales.
H0:1 = 0
Ha:1 0
Si se rechaza H0, se concluir que 1 0 y que entre las dos variables existe una relacin
estadsticamente significante. La base para esta prueba de hiptesis la proporcionan las
propiedades de la distribucin muestral de b1, el estimador de 1, obtenido mediante el mtodo
de mnimos cuadrados.
DESVIACION ESTANDAR ESTIMADA DE b1

Ahora se realizara la prueba de significancia con un nivel de = 0.01. El estadstico de prueba es:

El valor para 59 grados de libertad y un rea de 0.005 en la cola superior, es en la distribucin t =

2.662. Valor-p hallado es 0.0000. Por lo tanto se rechaza H0 y se concluye que 1 no es igual a cero.
Intervalo de confianza para 1

1.4292 2.662(0.999) = 1.4292 0.2659

El intervalo va de 1.1633 a 1.6950.

Tabla 1.3 Tabla Anova

Grados de libertad

Suma de

Promedio de

cuadrados

los cuadrados

Regresin

1903.44736

1903.44736 204.751217

Residuos

59

548.487066

9.29639095

Total

60

2451.93443

Valor crtico de F

7.63E-21

INTERVALO DE CONFIANZA PARA EL VALOR MEDIO DE y

Intervalo de confianza para E(yp)

Donde el coeficiente de confianza es 1 y t/2 es un valor de la distribucin t con n-2 grados de

libertad.
Para obtener un intervalo de confianza de 95% se necesita el valor de t para /2 = 0.025 y 59
grados de libertad, obteniendo t0.025 = 2.001.

A continuacin usaremos la ecuacin de regresin lineal estimada para encontrar el nmero de

triconos necesarios para perforar los 200,000 metros.

Reemplazando en la frmula general de intervalo de confianza:

El intervalo de confianza va de 31.2282 a 34.1217 es decir, de 32 a 35 triconos.

INTERVALO DE PREDICCION

Calculando el margen de error e intervalo de prediccin:

Para obtener un intervalo de confianza de 95% se necesita el valor de t para /2 = 0.025 y 59

grados de libertad, obteniendo t0.025 = 2.001.

El intervalo de prediccin va de 26.4047 a 38.9452 es decir, de 27 a 39 triconos.

ANALISIS RESIDUAL: CONFIRMACION DE LAS SUPOSICIONES DEL MODELO
El residual de la observacin i es la diferencia entre el valor observado de la variable dependiente
(yi) y el valor estimado de la variable dependiente (i)
Residual de la observacin:

yi : es el valor observado de la variable dependiente

i es el valor estimado de la variable dependiente

Desviacin estndar de residual i

Donde:

es la desviacin estndar del residual i

s = error estndar de estimacin

Residual estandarizado de la observacin i

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

15.19
16.55
18.99
17.13
12.72
11.19
23.95
13.24
10.86
14.01
17.00
13.56
16.96
16.36
21.90
18.11
19.44
9.66
14.93
8.33
18.46
18.08
18.39
12.55

1.28
2.64
5.08
3.22
-1.19
-2.72
10.05
-0.67
-3.04
0.11
3.10
-0.35
3.05
2.45
7.99
4.20
5.54
-4.25
1.02
-5.57
4.56
4.17
4.48
-1.36

1.65
6.98
25.83
10.40
1.42
7.41
100.94
0.45
9.27
0.01
9.58
0.12
9.32
6.01
63.87
17.63
30.64
18.08
1.05
31.06
20.77
17.38
20.06
1.84

0.00177
0.00749
0.02771
0.01115
0.00152
0.00795
0.10831
0.00048
0.00995
0.00001
0.01028
0.00013
0.01000
0.00644
0.06854
0.01892
0.03288
0.01940
0.00113
0.03332
0.02228
0.01865
0.02153
0.00197

Residuales

0.01816
0.02388
0.04411
0.02755
0.01792
0.02434
0.12470
0.01688
0.02634
0.01641
0.02668
0.01652
0.02639
0.02284
0.08493
0.03531
0.04927
0.03579
0.01752
0.04972
0.03868
0.03504
0.03792
0.01837

3.02119
3.01237
2.98100
3.00671
3.02156
3.01166
2.85256
3.02316
3.00858
3.02388
3.00805
3.02370
3.00850
3.01398
2.91664
2.99468
2.97293
2.99394
3.02217
2.97224
2.98945
2.99510
2.99063
3.02087

estandarizados
1.03
0.3418
2.03
0.6748
1.03
0.3465
4.03
1.3413
-6.97
-2.3058
-7.97
-2.6455
10.03
3.5171
-3.97
-1.3123
-7.97
-2.6482
-0.97
-0.3199
0.03
0.0109
-0.97
-0.3199
2.03
0.6757
5.03
1.6698
13.03
4.4684
9.03
3.0163
5.03
1.6929
-6.97
-2.3271
-0.97
-0.3200
-9.97
-3.3534
5.03
1.6835
2.03
0.6787
3.03
1.0141
-3.97
-1.3133

N
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

13.69
10.96
17.00
10.91
6.08
4.09
6.24
9.16
9.62
14.93
14.48
14.97
8.61
10.36
16.68
13.87
13.30
15.81
16.35
12.43
7.99
14.48
7.06
11.70
13.31
15.20
16.77
15.37
15.47
12.21
13.44
17.23
19.30
13.61
8.82
14.43
14.87

-0.22
-2.95
3.09
-2.99
-7.83
-9.82
-7.67
-4.75
-4.28
1.02
0.57
1.06
-5.30
-3.55
2.77
-0.04
-0.60
1.91
2.45
-1.48
-5.92
0.57
-6.85
-2.20
-0.60
1.29
2.86
1.46
1.57
-1.70
-0.46
3.33
5.40
-0.30
-5.09
0.52
0.97

0.05
0.00005
8.70
0.00934
9.54
0.01024
8.97
0.00962
61.31
0.06579
96.35
0.10339
58.84
0.06314
22.58
0.02423
18.35
0.01969
1.04
0.00112
0.33
0.00035
1.12
0.00121
28.08
0.03013
12.60
0.01352
7.70
0.00826
0.00
0.00000
0.36
0.00039
3.64
0.00390
5.99
0.00643
2.19
0.00235
35.07
0.03763
0.32
0.00035
46.91
0.05034
4.86
0.00521
0.36
0.00039
1.66
0.00178
8.19
0.00879
2.13
0.00228
2.45
0.00263
2.89
0.00310
0.21
0.00023
11.07
0.01188
29.13
0.03126
0.09
0.00010
25.87
0.02776
0.28
0.00030
0.93
0.00100

Grfica de la probabilidad normal.

Residuales

0.01645
0.02573
0.02663
0.02602
0.08218
0.11978
0.07954
0.04063
0.03608
0.01751
0.01675
0.01760
0.04653
0.02992
0.02465
0.01640
0.01678
0.02029
0.02282
0.01874
0.05402
0.01674
0.06673
0.02161
0.01678
0.01817
0.02518
0.01868
0.01902
0.01949
0.01662
0.02827
0.04765
0.01649
0.04415
0.01669
0.01740

3.02382
3.00952
3.00812
3.00908
2.92103
2.86057
2.92523
2.98642
2.99349
3.02219
3.02336
3.02205
2.97722
3.00304
3.01118
3.02390
3.02330
3.01790
3.01401
3.02029
2.96550
3.02337
2.94551
3.01588
3.02331
3.02117
3.01036
3.02039
3.01986
3.01914
3.02355
3.00558
2.97547
3.02376
2.98093
3.02345
3.02236

estandarizados
1.03
0.3415
-6.97
-2.3151
3.03
1.0082
-6.97
-2.3154
-7.97
-2.7275
-12.97
-4.5331
-9.97
-3.4073
-7.97
-2.6678
-6.97
-2.3275
3.03
1.0035
5.03
1.6646
2.03
0.6727
-8.97
-3.0119
-7.97
-2.6530
8.03
2.6677
1.03
0.3415
2.03
0.6724
7.03
2.3304
5.03
1.6698
0.03
0.0109
-9.97
-3.3611
3.03
1.0031
-6.97
-2.3654
-4.97
-1.6470
-4.97
-1.6430
4.03
1.3348
6.03
2.0040
6.03
1.9974
4.03
1.3354
-0.97
-0.3204
0.03
0.0108
10.03
3.3380
13.03
4.3801
7.03
2.3258
-7.97
-2.6727
6.03
1.9953
4.03
1.3343