MODELOS LINEALES

1 de junio de 2015

1.- Se ha consultado a alumnos de 3 institutos distintos sobre las calificaciones obtenidas en cierta asignatura
comn a todos ellos. Se sabe que la cuasidesviacin tpica de las notas ha sido 0.1812, y se dispone de la siguiente
salida de ordenador:
a) Proporcione la estimacin ms adecuada de la varianza de las calificaciones.
Descriptivos
...(1.0) Nota
b) Se puede concluir que hay diferencia entre los institutos respecto a la nota?
N
Media
Por qu? ......(0.5)
2
4
8.0450
c) En el caso de existir diferencias, decida entre qu institutos ocurre para =0.03
3
5
8.1720
13
8.0354
...(1.0) Total

3.- En la siguiente tabla se muestra la variacin anual en la tasa de desempleo (X) y la variacin anual en la tasa
de absentismo laboral por enfermedad (Y) durante un periodo de 11 aos. Se pide
Ao
a) Indicar si las variables X e Y tienen relacin y en caso afirmativo
1
especificar el tipo de relacin......(0.5)
2
b) Obtener el modelo de regresin lineal de Y sobre X. Interpretar
3
la pendiente estimada de la recta de regresin obtenida. ...(0.5)
4
c) Calcular los intervalos de confianza para los coeficientes y
5
sealar si stos son o no significativos. ......(0.5)
6
d) Representar la tabla ANOVA y efectuar el contraste de regresin.
7
8
Qu se deduce del mismo? ...(0.5)
9
e) Calcular el coeficiente de determinacin y el coeficiente
10
corregido por los grados de libertad. ......(0.5)
11

X
-0.2
-0.1
1.4
1.0
-0.3
-0.7
0.7
2.9
-0.8
-0.7
-1.0

Y
0.2
0.2
0.2
-0.4
-0.1
0.2
-0.1
-0.8
0.2
0.2
0.2

4.- Se desea examinar la posible influencia de un factor de agrupacin (que define dos grupos) en la relacin de
dependencia lineal de la variable Y respecto de X1 y X2 . Para ello se toman 5 observaciones por grupo y se
dispone de las siguientes salidas de ordenador:
Estimaciones de los parmetros

Parmetro
Interseccin
x1
x2
[grupo=1]
[grupo=2]

B
-5,781
1,016
,193
6,144
0a

a. Al parmetro se le ha asignado el
valor cero porque es redundante.

Coeficientes a,b

Coeficientes a

Variable dependiente: y

Coeficient
es no
estandari
Modelo
1

(Constante)
x1
x2

B
-22,993
1,396
,218

a. Variable dependiente: y

Modelo
1

Coeficientes a,b

Coeficient
es no
estandari
dB
(Constante)
x1
x2

19,588
1,139
,103

Modelo
1

Coeficient
es no
estandari
dB
(Constante)
x1
x2

-23,890
1,034
,274

a. Variable dependiente: y

a. Variable dependiente: y

b. Seleccionando slo los casos para los que grupo = 1

b. Seleccionando slo los casos para los que grupo = 2

conocindose adems que las varianzas residuales de los cuatro anlisis anteriores son respectivamente 35.908,
36.612, 10.696 y 60.512 . Responda razonadamente a las siguientes cuestiones:
a) Es cierto que no sera necesario considerar el factor de agrupacin? .....(1.0)
b) Existe interaccin entre el factor y los regresores? .....(0.5)
c) Escriba el modelo final ......(0.5)

MODELOS LINEALES
23 de junio de 2015

1.- Para analizar la influencia del tipo de lubrificante y del diseo en el desgaste de los segmentos de los pistones,
se sometieron a prueba durante 1000 horas en diseo factorial, segmentos de dos diseos diferentes, con dos clases
de lubrificantes. Cada combinacin se replic 2 veces. Los desgastes expresados en valores escalados se presentan
en el siguiente cuadro. Se admite que los desgastes escalados cumplen las condiciones de aplicacin del anlisis de
la varianza y se pide
Lubrificante 1
Lubrificante 2

a)
b)
c)
d)

Diseo 1
32.2; 36.0
21.2; 18.0

Diseo 2
16.2; 10.4
4.2; 11.2

Construir tabla ANOVA.....(1.0)

Efectuar contrastes sobre factores e interacciones (5%).........(0.5)
Eliminar los efectos no significativos, calcular la nueva tabla ANOVA y efectuar los contrastes(0.5)
Calcular los coeficientes de determinacin de ambos modelos e interpretarlos.........(0.5)

3.- Una compaa distribuye un test de aptitud entre todos sus nuevos representantes de ventas. La direccin tiene
inters en conocer la capacidad del test para predecir el eventual xito de estos representantes. La tabla adjunta
recoge el valor (en miles de euros) de las ventas semanales medias y las puntuaciones obtenidas en el test de
aptitud para una muestra aleatoria de 8 representantes:
Ventas semanales
Puntuacin del test

10
55

12
60

28
85

24
75

18
80

16
85

15
65

12
60

a)
b)
c)
d)
e)

Estimar la regresin lineal de las ventas semanales sobre las puntuaciones en el test de aptitud.(0.5)
Calcular los intervalos de confianza para los coeficientes y sealar si stos son o no significativos....(0.4)
Representar la tabla ANOVA y efectuar el contraste de regresin. Qu se deduce del mismo?.............(0.4)
Dar una estimacin de la varianza experimental....(0.4)
Calcular el coeficiente de determinacin y el coeficiente corregido por los grados de libertad....(0.4)
f) Si se pretende garantizar unas ventas de al menos 14000 euros semanales, qu puntuacin mnima habr
que exigir a los nuevos vendedores en el test de aptitud para su incorporacin a la compaa?...............(0.4)

4.- Se desea investigar si la respuesta elctrica Y a una excitacin previa X es idntica en tres tipos de motores,
considerando la relacin dada por el modelo de regresin lineal simple. Se dispone para ello de 7
observaciones para cada tipo de motor, de las que se obtienen las siguientes salidas de ordenador:
Coeficientesa
Coeficientesa,b

Coeficientes no
estandarizados
Modelo
B
Error tp .
(Constante)
1
41,961
8,489
x
,794
,242
a. Variable dependiente: y

Coeficientesa,b

Coeficientesa,b

Coeficientes no
estandarizados
Error tp.
Modelo
B
1
(Constante)
23,710
5,142
x
,968
,179
a. Variable dependiente: y
b. Seleccionando slo los casos para los que motor = 1

Coeficientes no
estandarizados
B
Error tp.
(Constante)
54,115
11,733
x
,677
,281
a. Variable dependiente: y

Modelo
1

b. Seleccionando slo los casos para los que motor = 2

Coeficientes no
estandarizados
B
Error tp.
(Constante)
87,788
6,562
x
-,442
,194
a. Variable dependiente: y

Modelo
1

b. Seleccionando slo los casos para los que motor = 3

Estimaciones de los parmetros

Las varianzas residuales correspondientes a los 5 anlisis realizados son

respectivamente 209.036, 28.387, 108.542, 28.077 y 101.224. Decidir
razonadamente (y escribirlo) qu modelo resulta ms adecuado para
describir la relacin y responder a la pregunta planteada al principio. .(2.0)

Variable dependiente: y

Parmetro
Interseccin
x
[motor=1]
[motor=2]
[motor=3]

B
57,959
,486
-21,510
3,673
0a
a. Al parmetro se le ha asignado el
valor cero porque es redundante.