EVALUACION 02 PAGINAS DE EJERCICIOS

INTEGRANTES: Edwin Valencia Cutipa Keny Canaza Delgado Yanet Caljaro Quiroz

ARCHIVO Regresiones - 1 Regresiones propuestas Regresiones - 2 REGRESIONES 1 Ejercicio 08

N 8, 10 2 1, 3 y 4 (Pg. 27)

En un nuevo proceso artesanal de fabricacin de cierto artculo que est implantado, se ha considerado que era interesante ir anotando peridicamente el tiempo medio (medido en minutos) que se utiliza para realizar una pieza (variable Y) y el nmero de das desde que empez dicho proceso de fabricacin (variable X). Con ello, se pretende analizar cmo los operarios van adaptndose al nuevo proceso, mejorando paulatinamente su ritmo de produccin conforme van adquiriendo ms experiencia en l. A partir de las cifras recogidas, que aparecen en la tabla adjunta, se decide ajustar una funcin exponencial que explique el tiempo de fabricacin en funcin del nmero de das que se lleva trabajando con ese mtodo.

Desde el correspondiente ajuste propuesto, se pide que determine: a) Qu tiempo se predecira para la fabricacin del artculo cuando se lleven 100 das? Luego de aplicar el mtodo de regresin lineal el resultado se muestra en el siguiente cuadro

Modelo

(Constante) 21,371 Cuantos dias de -,346 ,037 -,972 -9,308 fabricacion tiene? a. Variable dependiente: cual es tiempo medio de realizacin de cada pieza? 1 Por lo que la ecuacin de regresin lineal sera: y= a + bx y = 35,571 + (-0,346)x Respondiendo a la pregunta con x 100 das y= 35,571 0,346(100) y= 35,571 34,6 y= 0.971 Entonces al tiempo de fabricacin de 100 das, el tiempo estimado sera de aproximadamente de 1 minuto (0.971 min) b) Qu tiempo transcurrira hasta que el tiempo de fabricacin que se prediga sea de 10minutos? Teniendo en cuenta el modelo obtenido y reemplazando y con 10 minutos (10) y = a + bx y = 35,571 + (-0,346)x 0,346x = 35,571 y X= [35,571-(10)]/0,346 x = 25,571/0.346 x = 73.90

Coeficientesa Coeficientes no Coeficientes estandarizados tipificados B Error tp. Beta 35,571 1,664

Sig.

,000 ,000

Entonces el nmero de das transcurridos para que el tiempo de fabricacin sea de 10 minutos es 73.90 das. c) Qu porcentaje de tiempo se reduce por cada da que pasa? Segn el valor de la pendiente Coeficientesa Coeficientes no Coeficientes estandarizados tipificados B Error tp. Beta 35,571 1,664

Modelo

Sig.

(Constante) 21,371 Cuantos dias de -,346 ,037 -,972 -9,308 fabricacion tiene? a. Variable dependiente: cul es tiempo medio de realizacin de cada pieza? 1 El valor de la pendiente que equivale a 34,60% Ejercicio 10 Un estudiante de la Escuela Universitaria de Estudios Empresariales de la Universidad de Sevilla, para poder pagarse sus estudios, debe trabajar como camarero en un bar de copas de su localidad. A este establecimiento, suelen acudir todos los jvenes de la zona. Este ao, con los conocimientos aprendidos, decide por fin estudiar la relacin existente entre la cantidad de sal de las galletas saladas y el consumo de bebidas, ya que es costumbre dar al cliente este aperitivo cuando pide una consumicin. Se sabe que las galletas no pueden tener una concentracin de sal superior a 3'5 gramos por cada 1000 galletas y, por ello, decide ir variando a partir de 1 gramo la concentracin de 0'5 en 0'5 gramos cada semana e ir anotando el incremento en caja semanalmente, obteniendo la siguiente tabla:

,000 ,000

A partir de tales cifras, se quiere conocer:

a) Considera justificado el planteamiento de un modelo lineal para expresar la

relacin entre las variables? Consideramos que es justificado un modelo lineal Y=108300+28 880X

Modelo

(Constante) Cunto es la concentracin de gramo de sal por 1000 galletas?

COEFICIENTES Coeficientes no estandarizados B Error tp. 108300,000 6449,930 28880,000 3040,526

Coeficientes tipificados Beta ,984

t 16,791 9,498

Sig. ,000 ,002

a. Variable dependiente: Cunto es el ingreso semanalmente? Regresin lineal: y=a+bx Y= 108300+28880X Y= 108300+28880(1000) Y=108300+28880000 Y=28988300

b) Si el propietario desea unos ingresos de 160.000 pesetas, qu cantidad de

sal debera aportar por cada 1000 galletas? Si aporta el mximo permitido de sal, cul sera el ingreso en caja? Explicar cul de las dos predicciones le merece mayor confianza. 1,00 1,50 1,79 2,00 2,50 3,00 140300 150000 160000 165000 175000 200000

Aproximadamente 1.79 gramos de sal por cada 1000 galletas Y= 160000 160000= 108300+28880X X = 160000 108300 / 28880 X= 1.79 RESPUESTA: Por cada 1000 galletas debera aportar 1.79 gramos de sal.

c) Cul sera la variacin porcentual de los ingresos cuando la cantidad de sal

aumenta en un 1% sobre el ltimo valor de la tabla? Si aumentamos en 1gr. la sal por cada 1000 galletas, cunto variarn los ingresos? 1,00 1,50 2,00 2,50 3,00 4,00 140300 150000 165000 175000 200000 224220

Cul sera la variacin porcentual de los ingresos cuando la cantidad de sal aumenta en un 1% sobre el ltimo valor de la tabla? COEFICIENTES Coeficientes no estandarizados B Error tp. 108300,000 6449,930 28880,000 3040,526

Modelo

Coeficientes tipificados Beta ,984

(Constante) Cunto es la concentracin de gramo de sal por 1000 galletas?

t 16,791 9,498

Sig. ,000 ,002

a. Variable dependiente: Cunto es el ingreso semanalmente? RESPUESTA: Por cada 1 gramo ms el promedio incrementa en 28880 pesetas

Si aumentamos en 1gr. la sal por cada 1000 galletas, cunto variarn los ingresos? Si x aumenta en 1 entonces x = 4 Reemplazando en la ecuacin Y= 108300+28880X Y= 108300+28880(4) Y=108300+115520 Y=224220

RESPUESTA: Si aumentamos en 1gr. la sal por cada 1000 galletas el ingreso seria de 224220 pesetas.

REGRESIONES PROPUESTAS

En una investigacin de nios con bajo peso al nacer se encontr una relacin lineal significativa entre la presin arterial sistlica y las semanas de gestacin. Tambin se mide el ndice apgar a los 5 minutos para cada nio (el ndice del apgar es un indicador del estado general de salud de un nio 5 minutos despus del nacimiento, aunque en realidad es una medicin ordinal, a menudo se considera continua) Ejercicio 02 a) Interprete el grfico de dispersin adjunto que relaciona la presin sistlica y el ndice apgar. Aparece alguna relacin lineal entre estas dos variables?

No existe relacin lineal entre las variables, puesto que los datos estn muy dispersos.

b) Con la presin arterial sistlica como respuesta, el periodo de gestacin y el ndice apgar como explicativas ajuste el modelo de mnimos cuadrados, interprete los coeficientes y haga un breve resumen de los significados de los resultados.

La edad gestacional es ms importantes en el modelo para encontrar la presin arterial sistlica, porque su P(0.009) es menor a 0.05. Sin embargo el P(0.293) del apgar es mayor a 0.05, en conclusin el apgar no es un factor importante dentro del modelo.

c) Cul es la presin arterial sistlica media de la poblacin de nios con bajo peso al nacer cuyo periodo de gestacin sea de 31 semanas y cuyo ndice apgar de 7?

Y=a+bx1+bx2=9.80300 + (1.18500 * 31) + (0.488 * 7) = 49.954

d) Haga comentarios sobre la magnitud de R cuadrado. Mejora la inclusin del ndice apgar de 5 minutos en el modelo.

Al ser R cuadrado 0,089; el modelo utilizado no es el mejor ya que esta distante a 1 y ms cerca a 0.

e) Interprete el grfico de residuos en funcin de los valores ajustados de presin arterial sistlica. Qu le dice este grfico sobre el ajuste del modelo a los datos observados?

Segn los grficos de residuos en funcin de los valores ajustados de presin arterial sistlica, los datos reales difieren de los estimados, por tanto volvemos a comprobar que R es distante a 0 y ste modelo no es el idneo a utilizar. f) En el grfico de residuos aparece un valor de residuo grande. Qu debemos hacer?

No tomarlo en cuenta porque se demuestra que el modelo a seguir no es el correcto. g) Se incluy la variable sexo (donde 1 representa un hombre y 0 una mujer) en el modelo que contiene slo a las semanas de gestacin. Dados dos nios con idntico periodo de gestacin, un hombre y una mujer, cul de ellos tender a tener la presin arterial sistlica ms alta? Por cunto en promedio?

Y (FEMENINO)=10.007+1.263(1)+1.356(0) = 11,270 Y (MASCULINO)=10.007+1.263(1)+1.356(1) = 12,626 La presin arterial sistlica ms alta la tienen los hombres con 12,626

h) Construya un grfico de dispersin de la presin arterial sistlica en funcin del periodo de gestacin. En el grfico trace por separado dos rectas de regresin correspondientes a hombre y mujeres. Es la diferencia de sexo en la presin arterial sistlica significativamente distinta de 0?

No es significativo ya que P de sexo 0, 543 es mayor a 0,05. i) Incluya en el modelo una tercera variable explicativa que constituya la interaccin entre el periodo de gestacin y el sexo. Tiene el periodo de gestacin un efecto distinto en la presin arterial sistlica segn el sexo del nio?

No es significante ya que su P es 0,552, es mayor al 0.05

REGRESION LINEAL MULTIPLE

EJERCICIO 04 a) Es cierto que la empresa no ha entregado los reajustes a los ingresos de los trabajadores con relacin a las utilidades de la empresa Y= X1= X2= X3= X4= Ajuste de remuneracin Tiempo Utilidad Variacin Reajuste anual promedio de competencia Y 29,0 14,9 23,1 29,8 12,0 23,6 33,6 X1 1984,0 1985,0 1986,0 1987,0 1988,0 1989,0 1900,0 X2 3,0 28,0 12,0 9,0 14,0 -1,0 5,0 X3 31,0 19,0 19,8 21,0 18,7 22,6 26,8 X4 29,6 32,0 24,5 22,0 17,8 19,8 22,0

Modelo

d1 i a. Variables predictoras: (Constante), tiempo

Resumen del modelo R cuadrado Error tp. de R R cuadrado corregida la estimacin a ,558 ,311 ,173 7,2169

Modelo

(Constante) tiempo

COEFICIENTES Coeficientes no Coeficientes estandarizados tipificados B Error tp. Beta 290,668 177,682 -,135 ,090 -,558

t 1,636 -1,503

Sig. ,163 ,193

a. Variable dependiente: reajuste remuneraciones

b) El tiempo no es significante en relacin con el ajuste de remuneracin Resumen del modelo R R cuadrado Error tp. de R cuadrado corregida la estimacin a ,558 ,311 ,173 7,2169

Modelo 1

a. Variables predictoras: (Constante), tiempo COEFICIENTES Modelo Coeficientes no Coeficientes estandarizados tipificados B Error tp. Beta (Constante) 290,668 177,682 tiempo -,135 ,090 -,558 a. Variable dependiente: reajuste remuneraciones

t 1,636 -1,503

Sig. ,163 ,193

c) La Competencia promedio no otorga relacin con el ajuste de la remuneracin. Resumen del modelo R cuadrado Error tp. de R R cuadrado corregida la estimacin 1 ,000a ,000 -,200 8,6949 a. Variables predictoras: (Constante), reajuste anual promedio de competencia Modelo COEFICIENTES Coeficientes no estandarizados B Error tp. 23,723 16,809 ,000 ,688

Modelo

Coeficientes tipificados Beta ,000

(Constante) reajuste anual promedio de competencia a. Variable dependiente: reajuste remuneraciones

t 1,411 -,001

Sig. ,217 1,000

d) La variacin de IPC acumulado en el ao 1991 no existe relacin significativa con el reajuste de la remuneracin.

Modelo R ,655a

d 1 i e a. Variables predictoras: (Constante), variacin

Resumen del modelo R cuadrado R cuadrado corregida ,428 ,333

Error tp. de la estimacin 6,1844

COEFICIENTES Modelo Coeficientes no Coeficientes estandarizados tipificados B Error tp. Beta t (Constante) 4,611 9,566 ,482 variacin ,815 ,384 ,655 2,121 a. Variable dependiente: reajuste remuneraciones

Sig. ,647 ,078