MODELOS ESTOCASTICOS

EVER JULIAN OBANDO ROZO

9B

CORPORACIÓN UNIVERSITARIA REPUBLICANA

FACULTAD INGENIERIA
INGENIERIA EN SISTEMAS
BOGOTÁ D.C.
2015
,
1. ¿Cuál es el propósito general del análisis de regresión?

El propósito general del análisis de regresión es investigar la relación entre una variable dependiente y una o varias variables i

EJERCICIO 2
En una etapa inicial del procesamiento mecánico de piezas de acero, se sabe que una herramienta sufre un deterioro grad
herramienta se tomaron datos de horas de uso y el diámetro promedio de cinco piezas producidas al fi

X Y

Tiempo (Horas de Diámetro (mm)

uso) de la piezas producidas
herramienta
16 41.7
32 38.8
48 27.7
64 24.1
80 35.1
96 32
112 23.8
128 47.7
144 44.9
160 22.8
176 39.9
192 25.8
208 27.6
224 29.7
240 28.4
256 20.1
272 28.4
288 32.8 Diámetro (mm)
304 45.9 PUNTO MÁXIMO 47.7
320 33.3 PUNTO MINÍMO 20.1

c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis y verifique residuos
d) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
e) Obtenga el error estándar de estimación

xi yi xi^2 yi^2 xi*yi

16 41.7 256 1738.89 667.2
32 38.8 1024 1505.44 1241.6
 48 27.7 2304 767.29 1329.6
64 24.1 4096 580.81 1542.4
80 35.1 6400 1232.01 2808
96 32 9216 1024 3072
112 23.8 12544 566.44 2665.6
128 47.7 16384 2275.29 6105.6
144 44.9 20736 2016.01 6465.6
160 22.8 25600 519.84 3648
176 39.9 30976 1592.01 7022.4
192 25.8 36864 665.64 4953.6
208 27.6 43264 761.76 5740.8
224 29.7 50176 882.09 6652.8
240 28.4 57600 806.56 6816
256 20.1 65536 404.01 5145.6
272 28.4 73984 806.56 7724.8
288 32.8 82944 1075.84 9446.4
304 45.9 92416 2106.81 13953.6
320 33.3 102400 1108.89 10656

x promedio y promedio
168 32.525

Total xi Total yi Total xi^2 Total yi^2 Total xi*yi

3360 650.5 734720 22436.19 107657.6

-1626.4 Sxy
170240 Sxx

B1 -0.0096 Pendiente
B0 34.13 Intercepto

Prueba de Hipótesis

Significancia 0.05

Parámetro Estimación Error Estándar Estadístico Valor-P

Intercepción 34.13 3.89138809358613 8.7706492334326 6.46E-08
Pendiente -0.0096 0.020302925105199 -0.4705514786204 0.643612716
e y una o varias variables independientes y la afectación que tienen esas variables independientes en la dependiente.

nta sufre un deterioro gradual que se refleja en cierto diámetro de las piezas manufacturadas. Para predecir el tiempo de vida útil de la
nco piezas producidas al final de la jornada. Los datos obtenidos para una herramienta se muestran a continuación:

a) ¿Cuál es la variable independiente y cuál dependiente?

Variable independiente (X): Tiempo (Horas de uso) de la herramienta

Variable dependiente (Y): Diámetro (mm) piezas producidas

b) Mediante un diagrama de dispersión analice la relación entre estas dos

variables. (grafico y descripción)

Diámetro (mm) piezas producidas

55
50
45
40
35
30 f(x) = − 0.009553571428571 x + 34.13
25
R² = 0.01215156172798
20
15
0 50 100 150 200 250 300 350

pótesis y verifique residuos).

prácticos.

yˆi ei = yi – yˆi ei^2

33.9771428571 7.722857142857 59.642522449
33.8242857143 4.975714285714 24.757732653
 33.6714285714 -5.97142857143 35.657959184
33.5185714286 -9.41857142857 88.709487755
33.3657142857 1.734285714286 3.0077469388
33.2128571429 -1.21285714286 1.471022449
33.06 -9.26 85.7476
32.9071428571 14.79285714286 218.82862245
32.7542857143 12.14571428571 147.51837551
32.6014285714 -9.80142857143 96.068002041
32.4485714286 7.451428571429 55.523787755
32.2957142857 -6.49571428571 42.194304082
32.1428571429 -4.54285714286 20.63755102
31.99 -2.29 5.2441
31.8371428571 -3.43714285714 11.81395102
31.6842857143 -11.5842857143 134.19567551
31.5314285714 -3.13142857143 9.805844898
31.3785714286 1.421428571429 2.0204591837
31.2257142857 14.67428571429 215.33466122
31.0728571429 2.227142857143 4.9601653061

Total ei^2 CMe 70.174420635

Sce 1263.13957143 Error estándar 8.3770174069

El error estándar, nos indica que los puntos están

dispersos a una distancia de 8,37 de la recta de regresión.

Prueba de hipótesi Conclusiones

1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
0 No se puede rechazar la hipótesis nula.
es en la dependiente.

ara predecir el tiempo de vida útil de la

tran a continuación:

e uso) de la herramienta
) piezas producidas

n entre estas dos

Encontramos que existe una correlación lineal negativa entre las

horas de uso de la herramienta y el diámetro promedio de las piezas
producidad. Es decir nuestra recta es decreciente y que por cada X
que yo tenga,mi variable va a disminuir en -0,096.

A medida que aumentan las horas de uso de la herramienta,

disminuye el diámetro de las piezas producidas

yi – ypromedio ^2
84.1806250000002
39.3756250000001
 23.2806249999999
70.9806249999998
6.63062500000005
0.275624999999991
76.1256249999998
230.280625
153.140625
94.5756249999998
54.3906250000001
45.2256249999999
24.2556249999999
7.98062499999996
17.0156249999999
154.380625
17.0156249999999
0.075625000000003
178.890625
0.600625000000009

Sumatoria
1278.6775

s
significativamente diferente de cero.
tiempo rendimiento %
INDEPENDIENTE DEPENDIENTE
10 55.7
15 67.0
20 72.6
8 84.5
12 58.1
13 84.9
15 69
c) Haga un análisis de regresión (a
12 67.2 e) Señale el val
14 76.2
20 60.2
19 76.7
18 80.1 xi yi xi^2
12 10 55.7 100
15 67 225
20 72.6 400
8 84.5 64
12 58.1 144
13 84.9 169
15 69 225
12 67.2 144
14 76.2 196
20 60.2 400
19 76.7 361
18 80.1 324

x promedio y promedio
14.666666666667 71.016666666667
Total xi Total yi Total xi^2
176 852.2 2752

3.266666666661 Sxy
170.66666666667 Sxx

B1 0.019140625
B0 70.7359375
 a) ¿Cuál es la variable independiente y cuál dependiente
Variable independiente (X): Tiempo de extracción (Minut
Variable dependiente (Y): Rendimiento (%)
b) Mediante un diagrama de dispersión analice
variables. (grafico y descri

f(x) = NaN x + NaN

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis y verifique residuos).
e) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
f) Obtenga el error estándar de estimación

yi^2 xi*yi yˆi ei = yi – yˆi ei^2

3102.49 557 0 55.7 3102.49
4489 1005 0 67 4489
5270.76 1452 0 72.6 5270.76
7140.25 676 0 84.5 7140.25
3375.61 697.2 0 58.1 3375.61
7208.01 1103.7 0 84.9 7208.01
4761 1035 0 69 4761
4515.84 806.4 0 67.2 4515.84
5806.44 1066.8 0 76.2 5806.44
3624.04 1204 0 60.2 3624.04
5882.89 1457.3 0 76.7 5882.89
6416.01 1441.8 0 80.1 6416.01

Total ei^2 CMe 6159.234

Sce 61592.34 Error estándar 78.480787
 El error estándar, nos indica que los puntos están
Total yi^2 Total xi*yi dispersos a una distancia de 10,35 de la recta de
61592.34 12502.2 regresión

Pendiente
Estimación
ndiente y cuál dependiente?
empo de extracción (Minutos)
(Y): Rendimiento (%)
grama de dispersión analice la relación entre estas dos
variables. (grafico y descripción)

Encontramos que no existe una correlación

lineal entre el tiempo y el rendimiento en el
proceso de extracción. Es decir por cada
valor de X aparecen valores varibles (Altos o
bajos) en Y.

0.6 0.7 0.8 0.9 1

siduos).

yi – ypromedio ^2
3102.49
4489
5270.76
7140.25
3375.61
7208.01
4761
4515.84
5806.44
3624.04
5882.89
6416.01

Sumatoria
61592.34
EJERCICIO 4
En una industria se desea investigar cómo influye la temperatura (°C) en la presión del vapor de B-trimetilboro, lo

X
Temperatura Y
(C°) Presión
13 2.9
19.5 5.1
45.7 30.5
56.1 51.4
64.4 74.5
71.4 100.2
80.5 143.7
85.7 176.9
22.5 8.5 Diámetro (mm)
27.2 10.3 PUNTO MÁXIMO 176.9
31.8 14.6 PUNTO MINÍMO 2.9

c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis y verifique residuo
d) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
e) Obtenga el error estándar de estimación

xi yi xi^2 yi^2 xi*yi

13 2.9 169 8.41 37.7
19.5 5.1 380.25 26.01 99.45
45.7 30.5 2088.49 930.25 1393.85
56.1 51.4 3147.21 2641.96 2883.54
64.4 74.5 4147.36 5550.25 4797.8
71.4 100.2 5097.96 10040.04 7154.28
80.5 143.7 6480.25 20649.69 11567.85
85.7 176.9 7344.49 31293.61 15160.33
22.5 8.5 506.25 72.25 191.25
27.2 10.3 739.84 106.09 280.16
 31.8 14.6 1011.24 213.16 464.28

x promedio y promedio
47.0727272727273 56.2363636363636

Total xi Total yi Total xi^2 Total yi^2 Total xi*yi

517.8 618.6 31112.34 71531.72 44030.49

14911.3009090909 Sxy
6738.08181818183 Sxx

B1 2.21298899470985 Pendiente
B0 -47.93506376916 Intercepto

Prueba de Hipótesis

Significancia 0.05

Parámetro Estimación Error Estándar Estadístico Valor-P

Intercepción -47.93506376916 13.2168335964932 -3.62681904248825 0.005512867283
Pendiente 2.21298899470985 0.248517757801284 8.9047519754277 9.31369757E-06
por de B-trimetilboro, los datos obtenidos para tal propósito se muestran en la siguiente tabla.

a) ¿Cuál es la variable independiente y cuál dependiente?

Variable independiente (X): Temperatura (c°)
Variable dependiente (Y): Presión

b) Mediante un diagrama de dispersión analice la relación entre estas dos

variables. (grafico y descripción)

Presión

161
141
121
f(x) = 2.21298899470985 x − 47.9350637691601
R² = 0.89806852049101
101
81
61
41
21
1
0 10 20 30 40 50 60 70 80 90

ótesis y verifique residuos).

rácticos.

yˆi ei = yi – yˆi ei^2

-19.166206837932 22.0662068379319 486.9174842144
-4.7817783723179 9.88177837231792 97.64954379961
53.1985332890801 -22.6985332890801 515.2234134755
76.2136188340626 -24.8136188340626 615.7156796421
94.5814274901543 -20.0814274901543 403.2637300423
110.072350453123 -9.87235045312325 97.46330346928
130.210550304983 13.4894496950171 181.9652530744
141.718093077474 35.1819069225259 1237.766574705
1.85718861181162 6.64281138818838 44.12694313905
12.2582368869479 -1.95823688694791 3.834691705403
 22.4379862626132 -7.83798626261322 61.43402865291

Total ei^2 CMe 416.15118288003

Sce 3745.36064592027 Error estándar 20.39978389297

El error estándar nos indica que los puntos están

dispersos a una distancia de 20,399 de la recta de
regresión

Prueba de hipótesis Conclusiones

1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
n entre estas dos

Encontramos que existe una correlación lineal positiva entre la

temperatura en la presón del vapor. Es decir nuestra recta es
creciente y que por cada X que yo tenga,mi variable va a aumentar
en 2,213
A medida que aumentan la temperatura, aumenta el la presión del
vapor del B-trimetilboro.

yi – ypromedio ^2
2844.76768595041
2614.92768595041
662.360413223141
23.3904132231406
333.56041322314
1932.80132231405
7649.88768595041
14559.7131404959
2278.76041322314
2110.14950413223
 1733.5867768595

Sumatoria
36743.9054545455

gnificativamente diferente de cero.

gnificativamente diferente de cero.
EJERCICIO 5

En cierta empresa es usual pagar horas extra para cumplir con los tiempos de entrega. En este centro productivo un grupo de
reducir la proporción de piezas malas, para ello deciden investigar la relación entre la cantidad de horas extra, X, y el porcenta
Y. En la siguiente tabla se muestran los datos obtenidos:

X Y
Semana Horas extras Defectos (%)
1 340 1
2 95 11
3 210 6
4 809 12
5 80 5
6 438 12
7 107 12
8 180 6
9 100 12
10 550 8
11 220 6
12 50 11
13 193 11
14 290 6
15 340 4
16 115 12
17 362 13
18 300 5
19 75 8
20 93 8 Diámetro (mm)
21 320 13 PUNTO MÁXIMO 15
22 154 15 PUNTO MINÍMO 1

c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis y verifique
d) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
e) Obtenga el error estándar de estimación

xi yi xi^2 yi^2
340 1 115600 1
95 11 9025 121
210 6 44100 36
809 12 654481 144
80 5 6400 25
438 12 191844 144
107 12 11449 144
180 6 32400 36
 100 12 10000 144
550 8 302500 64
220 6 48400 36
50 11 2500 121
193 11 37249 121
290 6 84100 36
340 4 115600 16
115 12 13225 144
362 13 131044 169
300 5 90000 25
75 8 5625 64
93 8 8649 64
320 13 102400 169
154 15 23716 225

x promedio y promedio
246.409090909091 8.95454545454546

Total xi Total yi Total xi^2 Total yi^2

5421 197 2040307 2049

-76.5909090909117 Sxy
704523.318181818 Sxx

B1 -0.000108713093115 Pendiente
B0 8.98133334898974 Intercepto

Prueba de Hipótesis

Significancia 0.05

Parámetro Estimación Error Estándar Estadístico

Intercepción 8.98133334898974 1.36947839420249 6.55821470934557
Pendiente -0.00010871309311 0.004496957317869 -0.02417481097333
 entro productivo un grupo de mejora de calidad trata de
e horas extra, X, y el porcentaje de artículos defectuosos,
btenidos:

a) ¿Cuál es la variable
Variable independiente
independiente y cuálextras
(X): Horas dependiente?
Variable dependiente (Y): Defectos (%)
b) Mediante un diagrama de dispersión analice la relación entre estas dos
variables. (grafico y descripción)

Defectos (%)
20
18
16
14
12
10
8
f(x) = − 0.000108713093115 x + 8.98133334898974
6
R² = 2.92202204331682E-05
4
2
0
0 100 200 300 400 500 600 700 800 900

uebas de hipótesis y verifique residuos).

en términos prácticos.
ón

xi*yi yˆi ei = yi – yˆi ei^2

340 8.9443708973308 -7.94437089733077 63.11302895436
1045 8.9710056051439 2.02899439485615 4.116818254358
1260 8.9585035994357 -2.95850359943567 8.752743547874
9708 8.89338445666 3.10661554333998 9.651060134122
400 8.9726363015406 -3.97263630154057 15.78183918432
5256 8.9337170142056 3.06628298579446 9.402091348973
1284 8.9697010480265 3.03029895197352 9.182711738332
1080 8.9617649922291 -2.96176499222911 8.772051869194
 1200 8.9704620396783 3.02953796032172 9.17810025303
4400 8.9215411477767 -0.92154114777671 0.849238087046
1320 8.9574164685045 -2.95741646850453 8.746312168182
550 8.975897694334 2.02410230566599 4.096990143802
2123 8.9603517220186 2.03964827798138 4.160165097872
1740 8.9498065519865 -2.94980655198651 8.701358694143
1360 8.9443708973308 -4.94437089733077 24.44680357037
1380 8.9688313432816 3.03116865671844 9.187983425472
4706 8.9419792092823 4.05802079071775 16.4675327379
1500 8.9487194210554 -3.94871942105536 15.59238506622
600 8.9731798670062 -0.97317986700615 0.947079053546
744 8.9712230313301 -0.97122303133008 0.943274176586
4160 8.9465451591931 4.05345484080693 16.43049614646
2310 8.9645915326501 6.03540846734991 36.42615536776

Total ei^2 CMe 14.247310951

Sce 284.94621901991 Error estándar 3.774561027589

Total xi*yi El error estándar, nos indica que los puntos están
48466 dispersos a una distancia de 3,774 de la recta de regresión

Valor-P Prueba de hipótesis Conclusiones

2.1693729E-06 1 Se rechaza la hipótesis nula; se concluye que Bo significativamente dife
0.98095274887 0 No se puede rechazar la hipótesis nula.
?

a relación entre estas dos

ción)

Encontramos que no existe una correlación lineal entre las horas

extras y el porcentaje de artículos defectuosos. Es decir por cada
valor de X aparecen valores varibles (Altos o bajos) en Y.

974

800 900

yi – ypromedio ^2
63.2747933884298
4.18388429752066
8.72933884297521
9.27479338842975
15.6384297520661
9.27479338842975
9.27479338842975
8.72933884297521
 9.27479338842975
0.911157024793389
8.72933884297521
4.18388429752066
4.18388429752066
8.72933884297521
24.547520661157
9.27479338842975
16.3657024793388
15.6384297520661
0.911157024793389
0.911157024793389
16.3657024793388
36.547520661157

Sumatoria
284.954545454545

nclusiones
e que Bo significativamente diferente de cero.
chazar la hipótesis nula.
 EJERCICIO 6

En un proceso de manufactura se utiliza una herramienta de corte y se quiere investigar la relación entre l
tiempo de vida (horas) de la herramienta. Los datos obtenidos para esta investigación s

X Y

Vida de la
Velocidad de corte herramienta
(Metros por minuto) (Horas)
20 3.5
20 8.5
25 6.6
25 4.4
25 6.2 x Vida de
30 3.7 (Horas
30 10.1 15
30 4.4 13
35 5.8
11
35 6
9
35 6.9 Diámetro (mm)
7
40 5.6 PUNTO MÁXIMO 10.1
40 5 PUNTO MINÍMO 3.5 5
3
1
15 2

c) Haga un análisis de regresión (ajuste una línea recta a estos d

d) Señale el valor de la pendiente de la recta
e) Obtenga el error estánd

xi yi xi^2 yi^2 xi*yi

20 3.5 400 12.25 70
20 8.5 400 72.25 170
25 6.6 625 43.56 165
25 4.4 625 19.36 110
25 6.2 625 38.44 155
30 3.7 900 13.69 111
30 10.1 900 102.01 303
30 4.4 900 19.36 132
35 5.8 1225 33.64 203
35 6 1225 36 210
35 6.9 1225 47.61 241.5
 40 5.6 1600 31.36 224
40 5 1600 25 200

x promedio y promedio
30 5.9

Total xi Total yi Total xi^2 Total yi^2 Total xi*yi

390 76.7 12250 494.53 2294.5

-6.4999999999996 Sxy
550 Sxx

B1 -0.011818181818181 Pendiente
B0 6.25454545454543 Intercepto

Prueba de Hipótesis

Significancia 0.05

Parámetro Estimación Error Estándar Estadístico Valor-P

Intercepción 6.2545454545454 2.55532297171991 2.4476535936026 0.032380265336
Pendiente -0.0118181818182 0.083243327301324 -0.141971521338 0.889669377035
estigar la relación entre la velocidad de corte (metros por minuto) y el
para esta investigación se muestran a continuación:

a) ¿Cuál es la variable independiente y cuál dependiente?

Variable independiente (X): Velocidad de corte (Metros por minuto)

Variable dependiente (Y): Vida de la herramienta (Horas)

b) Mediante un diagrama de dispersión analice la relación entre estas dos

variables. (grafico y descripción)

Vida de la herramienta
(Horas)
15
13
11
9
7
5 f(x) = − 0.011818181818182 x + 6.25454545454546
3 R² = 0.001829004329005
1
15 20 25 30 35 40 45

a línea recta a estos datos, aplique pruebas de hipótesis y verifique residuos).

pendiente de la recta e interprételo en términos prácticos.
btenga el error estándar de estimación

yˆi ei = yi – yˆi ei^2

6.0181818181818 -2.51818181818181 6.3412396694215
6.0181818181818 2.48181818181819 6.1594214876034
5.9590909090909 0.640909090909095 0.4107644628099
5.9590909090909 -1.5590909090909 2.4307644628099
5.9590909090909 0.240909090909096 0.0580371900826
5.9 -2.2 4.84
5.9 4.2 17.64
5.9 -1.5 2.25
5.8409090909091 -0.040909090909095 0.001673553719
5.8409090909091 0.159090909090906 0.0253099173554
5.8409090909091 1.05909090909091 1.121673553719
 5.7818181818182 -0.18181818181819 0.0330578512397
5.7818181818182 -0.781818181818189 0.6112396694215

Total ei^2 CMe 3.8111983471074

Sce 41.923181818182 Error estándar 1.9522290713714

El error estándar, nos indica que los puntos están dispersos

a una distancia de 1,95 de la recta de regresión.

Prueba de hipótesis Conclusiones

1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
0 No se puede rechazar la hipótesis nula.
 Encontramos que no existe una correlación lineal entre la velocidad de
corte y la Vida de la herramienta. Es decir por cada valor de X aparecen
valores varibles (Altos o bajos) en Y.

).

yi – ypromedio ^2
5.76
6.76
0.49
2.25
0.090000000000001
4.84
17.64
2.25
0.01
0.01
1
 0.09
0.809999999999999

Sumatoria
42

ficativamente diferente de cero.

esis nula.
 EJERCICIO 8

Como parte del análisis del problema de ausentismo, se decide investigar la relación entre edad del empleado y días que faltó

X Y
Empleado Edad Faltas
1 29 6
2 33 5
3 40 0
4 23 8
5 31 6
6 20 9
7 30 5
8 38 6 Faltas
9 23 8
10 25 6 14
11 26 7
12 30 5 12
13 42 2
14 34 5 10
15 31 6
16 18 11 8
17 33 6
f(x) = − 0.16184971098
18 33 4 6 R² = 0.1848071167958
19 33 5
20 32 5 4
21 25 7
22 38 3 2
23 22 0
24 30 4 0
25 24 7 15 20 25

26 39 10
27 35 5
28 20 1
29 32 5
30 25 5
31 36 5
32 30 5
33 20 10
34 38 4
35 39 4
36 34 4
37 35 6
 38 27 7 Diámetro (mm)
39 40 3 PUNTO MÁXIMO 11
40 31 6 PUNTO MINÍMO 0
c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis y verifique residuos).
d) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
e) Obtenga el error estándar de estimación

xi yi xi^2 yi^2 xi*yi

29 6 841 36 174
33 5 1089 25 165
40 0 1600 0 0
23 8 529 64 184
31 6 961 36 186
20 9 400 81 180
30 5 900 25 150
38 6 1444 36 228
23 8 529 64 184
25 6 625 36 150
26 7 676 49 182
30 5 900 25 150
42 2 1764 4 84
34 5 1156 25 170
31 6 961 36 186
18 11 324 121 198
33 6 1089 36 198
33 4 1089 16 132
33 5 1089 25 165
32 5 1024 25 160
25 7 625 49 175
38 3 1444 9 114
22 0 484 0 0
30 4 900 16 120
24 7 576 49 168
39 10 1521 100 390
35 5 1225 25 175
20 1 400 1 20
32 5 1024 25 160
25 5 625 25 125
36 5 1296 25 180
30 5 900 25 150
20 10 400 100 200
38 4 1444 16 152
39 4 1521 16 156
34 4 1156 16 136
35 6 1225 36 210
 27 7 729 49 189
40 3 1600 9 120
31 6 961 36 186

x promedio y promedio
30.6 5.4

Total xi Total yi Total xi^2 Total yi^2 Total xi*yi

1224 216 39046 1392 6352

-257.6 Sxy
1591.6 Sxx

B1 -0.1618 Pendiente
B0 10.3526011560694 Intercepto

Prueba de Hipótesis

Significancia 0.05

Parámetro Estimación Error Estándar Estadístico Valor-P

Intercepción 10.352601156069 1.72285708492775 6.00897268069308 0.00000055
Pendiente -0.1618 0.055143074165052 -2.9350868342635 0.00563081
empleado y días que faltó a laborar en el año. Los datos del último año se muestran en la siguiente tabla:

a) ¿Cuál es la variable independiente y cuál dependiente?

Variable independiente (X): Edad
Variable dependiente (Y): Faltas

b) Mediante un diagrama de dispersión analice la relación entre estas dos

variables. (grafico y descripción)

= − 0.161849710982659 x + 10.3526011560694
0.184807116795802

25 30 35 40 45
y verifique residuos).

yˆi ei = yi – yˆi ei^2

5.6589595375723 0.3410405 0.1163086
5.0115606936416 -0.011561 0.0001336
3.878612716763 -3.878613 15.043637
6.6300578034682 1.3699422 1.8767416
5.3352601156069 0.6647399 0.4418791
7.1156069364162 1.8843931 3.5509372
5.4971098265896 -0.49711 0.2471182
4.2023121387283 1.7976879 3.2316816
6.6300578034682 1.3699422 1.8767416
6.3063583815029 -0.306358 0.0938555
6.1445086705202 0.8554913 0.7318654
5.4971098265896 -0.49711 0.2471182
3.5549132947977 -1.554913 2.4177554
4.849710982659 0.150289 0.0225868
5.3352601156069 0.6647399 0.4418791
7.4393063583815 3.5606936 12.678539
5.0115606936416 0.9884393 0.9770123
5.0115606936416 -1.011561 1.023255
5.0115606936416 -0.011561 0.0001336
5.1734104046243 -0.17341 0.0300712
6.3063583815029 0.6936416 0.4811387
4.2023121387283 -1.202312 1.4455545
6.7919075144509 -6.791908 46.130008
5.4971098265896 -1.49711 2.2413378
6.4682080924856 0.5317919 0.2828026
4.0404624277457 5.9595376 35.516088
4.6878612716763 0.3121387 0.0974306
7.1156069364162 -6.115607 37.400648
5.1734104046243 -0.17341 0.0300712
6.3063583815029 -1.306358 1.7065722
4.5260115606936 0.4739884 0.224665
5.4971098265896 -0.49711 0.2471182
7.1156069364162 2.8843931 8.3197233
4.2023121387283 -0.202312 0.0409302
4.0404624277457 -0.040462 0.0016372
4.849710982659 -0.849711 0.7220088
4.6878612716763 1.3121387 1.721708
 5.9826589595376 1.017341 1.0349828
3.878612716763 -0.878613 0.7719603
5.3352601156069 0.6647399 0.4418791

Total ei^2 CMe 4.8396714

Sce 183.90751445087 Error están 2.1999253

El error estándar, nos indica que los

puntos están dispersos a una distancia
de 2,199 de la recta de regresión

Prueba de hipótesis Conclusiones

1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
estran en la siguiente tabla:

Encontramos que existe una correlación lineal negativa entre la edad de los empleados
y las faltas a laborar al año. Es decir nuestra recta es decreciente y que por cada X que
yo tenga,mi variable va a disminuir en -0,3297 .
A medida que aumenta la edad, disminuyen las faltas laborales.

45
yi – ypromedio ^2
0.36
0.16
29.16
6.76
0.36
12.96
0.16
0.36
6.76
0.36
2.56
0.16
11.56
0.16
0.36
31.36
0.36
1.96
0.16
0.16
2.56
5.76
29.16
1.96
2.56
21.16
0.16
19.36
0.16
0.16
0.16
0.16
21.16
1.96
1.96
1.96
0.36
 2.56
5.76
0.36

Sumatoria
225.6

Conclusiones
que Bo significativamente diferente de cero.
que Bo significativamente diferente de cero.
 EJERCICIO 9

En una fábrica de pintura se quiere reducir el tiempo de secado del barniz. Los siguientes datos corresponden al tiempo de sec

X Y
Cantidad de aditivo Tiempo de secado
0 14
1 11
2 10
3 8
4 7.5
5 9
6 10
7 11
8 13 Diámetro (mm)
9 12 PUNTO MÁXIMO 15
10 15 PUNTO MINÍMO 7.5

c) Haga un análisis de regresión (ajuste una línea recta a estos datos, aplique pruebas de hipótesis y verifique residuos).
d) Señale el valor de la pendiente de la recta e interprételo en términos prácticos.
e) Obtenga el error estándar de estimación

xi yi xi^2 yi^2
0 14 0 196
1 11 1 121
2 10 4 100
3 8 9 64
4 7.5 16 56.25
5 9 25 81
6 10 36 100
7 11 49 121
8 13 64 169
9 12 81 144
10 15 100 225
 x promedio y promedio
5 10.9545454545455

Total xi Total yi Total xi^2 Total yi^2

55 120.5 385 1377.25

26.5 Sxy
110 Sxx

B1 0.2409 Pendiente
B0 9.75 Intercepto

Prueba de Hipótesis

Significancia 0.05

Parámetro Estimación Error Estándar Estadístico

Intercepción 9.75 30.1490981405227 0.3233927580373
Pendiente 0.2409 5.09612771393807 0.0472729696805
datos corresponden al tiempo de secado del barniz (en horas) y a la cantidad de aditivo con el que se intenta lograr tal reducción.

a) ¿Cuál es la variable independiente y cuál dependiente?

Variable independiente (X): Cantidad de aditivo
Variable dependiente (Y): Tiempo de secado

b) Mediante un diagrama de dispersión analice la relación entre estas dos

variables. (grafico y descripción)

Tiempo de secado
19

17

15

13

11 f(x) = 0.240909090909091 x + 9.75

9 R² = 0.111556791104051
7

5
0 2 4 6 8 10 12

e hipótesis y verifique residuos).

xi*yi yˆi ei = yi – yˆi ei^2

0 0 14 196
11 9.75 1.25 1.5625
20 19.5 -9.5 90.25
24 29.25 -21.25 451.5625
30 39 -31.5 992.25
45 48.75 -39.75 1580.0625
60 58.5 -48.5 2352.25
77 68.25 -57.25 3277.5625
104 78 -65 4225
108 87.75 -75.75 5738.0625
150 97.5 -82.5 6806.25
 Total ei^2 CMe 2856.7569444445
Sce 25710.8125 Error estándar 53.448638377834

Total xi*yi
629 El error estándar, nos indica que los puntos están
dispersos a una distancia de 2,3768 de la recta de regresión

Valor-P Prueba de hipótesis Conclusiones

4.70E-05 1 Se rechaza la hipótesis nula; se concluye que Bo significativamente diferente de cero.
0.31544871 0 No se puede rechazar la hipótesis nula.
lograr tal reducción.

Encontramos que existe una correlación lineal positiva entre la

cantidad de aditivo y el tiempo de secado. Es decir nuestra
recta es creciente y que por cada X que yo tenga,mi variable
va a aumentar en 0,2409.

A medida que aumentan la cantidad de aditivo, aumenta el

tiempo de secado.

yi – ypromedio ^2
196
121
100
64
56.25
81
100
121
169
144
225
 Sumatoria
1377.25

amente diferente de cero.