Sei sulla pagina 1di 6

Se tienen los datos de las horas estudiadas para la materia de matemticas (x) en una semana y las calificaciones

obtenidas en el examen final de un grupo de estudiantes (y)


Horas Calificaciones 10 10
=1
de
2
Estudio
=1

10

10

2 (
=1
=1
)2
(xix)2

10

Residuos

(
=1

)2

(yi-y)2

E=y-Y

e2

xi*yi

xi2

Ajustado
y

yi2

18

10

180

324

10.82305025

100

75.69 11.6281 -0.82305025

0.67741171

13

117

169

8.39026275

81

13.69 5.8081

0.60973725

0.37177951

15

120

225

9.36337775

64

32.49 1.9881 -1.36337775

1.85879889

10

9.5

95

100

6.93059025

90.25

0.49

8.4681

2.56940975

6.60186646

12

8.4

100.8

144

7.90370525

70.56

7.29

3.2761

0.49629475

0.24630848

20

16

4.01124525

25

28.09 2.5281

0.98875475

0.97763596

42

49

5.47091775

36

5.29

0.52908225

0.27992803

3.52468775

39.69 21.0681 -1.52468775

2.32467274

15

25

4.49780275

18.49 12.8881 -1.49780275

2.24341308

30

36

4.98436025

25

10.89 2.5281

0.0002446

9.3

6.59

725.8

1,097

0.3481

0.01563975

504.81 232.1 70.529

4.82 2.66

9.30 6.59

I.C. 2.99 1.65

a) Construye un diagrama de dispersin para estos datos Parece que ser adecuado un modelo de lnea
recta? Se observa que los datos aparentemente siguen un comportamiento lineal por lo que se
procede a ajustar un modelo de regresin lineal simple por mnimos cuadrados.

12
y = 0.4866x + 2.065
R = 0.7791

Calificaciones

10
8
6

Y
Lineal (Y)

4
2
0
0

10
Horas de Estudio

15

20

b) Ajusta una recta de regresin lineal simple mediante mnimos cuadrados

10

= 725.8
=1
10

2 = 1,097
=1

=
=

725.8 (10 9.30 6.59)


1,097 (10 (9.30)2

725.8 (612.87)
=
1,097 (864.9)

112.93
= 0.4865575
232.1

0 = 6.59 (0.48866 9.30)

0 = 6.59 (4.544538)


0 =

= . (. . ) = 2.045462

El ajuste por mnimos cuadrados es:


+
= 2.045462 0.4865575
=

La pendiente es positiva lo que nos indica que las horas de estudio impactan de manera positiva a las calificaciones
de los estudiantes y por cada unidad de tiempo en horas de estudio las calificaciones crecen en 0.48866

La siguiente figura muestra la grfica de dispersin junto con la recta de regresin ajustada por mnimos
cuadrados.
12
y = 0.4866x + 2.065
R = 0.7791

Calificaciones

10
8
6

Y
Lineal (Y)

4
2
0
0

10
Horas de Estudio

15

20

c) Construye intervalos del 95% de confianza 0 , 1 2


Utilizando un intervalo de confianza del 95%, tenemos que el nivel de significancia es 0.05 y el nmero
de datos es de 10. Calculamos la desviacin estndar de cada conjunto de datos, y obtenemos los
siguientes valores:

) = 232.1
= (
=

2 = (9.3)2 = 86.49
10

( )2 = 70.529
=1

= =1 2 = 15.5820595
, = .

, = .

, = .

= ., = 2.3060

= ., = 17.535

Para el intervalo de confianza de tenemos:

= ., = 2.180

1 2
1 2
(0 ,2 [ +
] 0 0 + ,2 [ +
])


2
2

(2.06501525 2.3060 15.5820595 [

1 86.49
+
] 0
10 232.1

2.06501525 + 2.3060 15.5820595 [

1 86.49
+
])
10 232.1

(4.1930 0 8.3230)
Para el intervalo de confianza de tenemos:

(1 ,2
0 1 + ,2
)

2
2

(0.4865575 2.3060

15.5820595
0
232.1

0.4865575 + 2.3060

15.5820595
)
232.1

(0.1109 0 1.0840)
Para el intervalo de confianza de tenemos:
(

( 2)
( 2)
2

)
2 ,2
21,2
2

(10 2) 15.5820595
(10 2) 15.5820595
2
)
17.535
2.180

(7.1090 2 57.1818)

d) Calcula el estadstico 0 para probar hiptesis 0 : 0 = 0 : 1 = 0 Qu conclusiones se pueden sacar


acerca del papel de la variable x?

Hiptesis:
0 : 0 = 0

0 : 0 0

Estadstico de prueba
0 =

0 0
1 2
[ +
]

2.06501525 0
= 0.7827
1 86.49
5.5820595 [10 + 232.1]

Como |0 | < ,2 , o sea 0.7827 < 2.3060, no se rechaza por lo que el


2

parmetro no es significativo para el modelo y podramos omitirlo


con
0 : 1 = 0

0 : 1 0

Estadstico de prueba
0 =

2 1

0.4865575 0
15.5820595
232.1

= 1.877

Como |0 | < ,2 , o sea 1.877 < 2.3060, no se rechaza por lo que existe
2

correlacin entre x e y.
a) Forma la tabla de anlisis de varianza y prueba el significado de la regresin al
nivel a=0.05%
TABLA DE ANLISIS DE VARIANZA
Fuentes de
variacin
Regresin

Suma de
Cuadrados
SSR

Grados de libertad
1

MSR

Error

SSE

n-2

MSE

Total

SST

n-1

Suma de cuadrados total:

= ( )2 = 70.529
=1

Suma de cuadrados de la regresin:

Cuadrado medio

F0
MSR/MSE

= ( )2 = 54.9469
=1

Suma de cuadrados del error:

= ( )2 = 15.5820
=1

TABLA DE ANLISIS DE VARIANZA


Fuentes de
variacin
Regresin

Suma de
Cuadrados
54.9469

Grados de libertad

Cuadrado medio

F0

54.9469

28.21044795

Error

15.582

1.94775

Total

70.529

Hiptesis
0 : 1 = 0

0 : 1 0

0.95,1 ,8 = 5.318
0 > 1,1,2 , o sea 28.2104 > 5.318 rechazamos la 0 : 1 = 0, por lo
tanto existe evidencia estadstica para suponer que