Reporte

Nombre: Matrícula:
Carlos Alejandro Castañeda Rodriguez 2885712
Sarahi Pérez Gutiérrez 2806107
Oscar Alexis Gutierrez Cabrera 2749388
Nombre del curso: Nombre del profesor:
Estadistica y pronóstico para la Rosibel Carrada Legaria
toma de decisiones
Módulo: Actividad:
2 Act 4
Fecha: 2 Marzo 2019

Objetivo
Investigar y aplicar los conceptos sobre los temas de estimadores de
coeficientes por el método de mínimos cuadrados y análisis de correlación, así
como las pruebas de hipótesis e intervalos de confianza de modelos de
regresión lineal simple.

Instrucciones:
1. Realiza una lectura de las explicaciones de tema 9 y 10. Define los
siguientes conceptos:
2. Variable dependiente: Son aquellos valores que dependen de otro valor para
que se puedan interpretar; dependen de otra variable llamada independiente.
3. Variable independiente: Son aquellos valores que NO dependen de otra
variable.
4. Análisis de la regresión simple: Por medio de este análisis, se puede tomar en
cuenta a más de una variable independiente. Se utilizan más de una variable
independiente en X para explicar la variación en Y.
5. Estimadores de mínimos cuadrados: Representados por β o ˆ y 1 β, busca el
mejor ajuste a una línea recta. Se utiliza una técnica de análisis numérico dentro
de la optimización matemática; en la que en un conjunto de pares ordenados
(variable independiente/variable dependiente) se intenta la aproximación a un
mejor ajuste.
6. Intervalo de confianza: Muestra y describe la variabilidad entre la medida
obtenida en algún estudio y la medida real del valor. Son varios números o rango
de valores que provienen de la estimación de un valor desconocido con cierta
probabilidad de acierto entre esos rangos.
7. Coeficiente de correlación: Se representa con la letra r, y este indica la relación
entre las variables. Se representa con subíndices que indican la fila y columna a
la que se refiere. Determinando la relación entre dos variables; tomando en
cuenta que la correlación 1 y 2 sería igual que la correlación 2 y 1.
8. Coeficiente de determinación: Se representa con la letra r2, nos dice el
porcentaje de la variabilidad total en la variable Y. Es una medida de la
capacidad de predicción del modelo; también puede entenderse como una
medida de asociación lineal entre X y Y.
9. Error estándar de estimación: Mide la variabilidad de puntos observados de
acuerdo a una línea de regresión. Mostrando la confiabilidad de la ecuación de
estimación.
 Reporte

Durante la actividad colaborativa

1. En equipos desarrollen los siguientes ejercicios y respondan las
preguntas planteadas.
a. En una compañía fabricante de helados se sospecha que
almacenar el helado a temperaturas bajas durante largos periodos tiene
un efecto lineal en la pérdida de peso del producto. En la planta de
almacenamiento de la compañía se obtuvieron los siguientes datos:

Pérdida de peso (gr)

Y 28 37 36 30 28 36 35

Tiempo (semanas) X 26 32 35 27 25 31 30

Identifiquen dentro del problema cuál es la variable dependiente y cuál

es la variable independiente.

Ajusten e interpreten un modelo de regresión lineal simple a los datos.

Calculen el error estándar de estimación.

 Reporte

Prueben la significancia de la pendiente β1.

Se acepta la hipótesis inicial ya que no hay suficiente información para

rechazar la hipótesis alternativa.

Calculen e interpreten R2.

 Reporte

R2 es la correlación que existe entre las variables por lo que mientras más se
acerque este a 0 más se acerca a línea recta. Lo que significa que existe una
relación entre las variables

Elaboren un intervalo de confianza del 90% para β1.

Pronostiquen la
pérdida cuando el
tiempo es de 33 semanas
 Reporte

Considerando todos los conceptos analizados en el problema y

revisados en el punto 1, realicen una conclusión que refleje la
interpretación de los resultados del ejercicio.

con una confianza del 90%, la perdida del peso del producto (helado) se incrementará
entre 1.42 y 0.60. El intervalo contiene al 0 por lo que se concluye que el coeficiente de
regresión B1 no tiene efecto significativo; en este caso no se puede descartar Ho, esto es
no hay evidencia que indique que hay una relación entre la perdida de peso y el tiempo
que se conserva el helado en refrigeración.