EJERCICIO N 1

Un maquinista que trabaja para un fabricante de automviles deseara desarrollar un modelo estadstico para predecir el tiempo de entrega (la cantidad de das transcurridos entre el pedido de un automvil y la entrega del mismo) de los pedidos de automviles nuevos. El maquinista piensa que existe una relacin lineal entre el nmero de opciones pedidas y el tiempo de entrega. presentan a continuacin# e seleccion una muestra aleatoria de !" automviles y se obtuvieron los resultados que se

Tabla 1. NMERO DE PEDIDOS Y TIEMPO DE ENTREGA PARA UNA MUESTRA DE 16 AUTOMOVILES.

$U%&'()*+ ! 5 4 7 6 " 8 9 : !; !! !5 !4 !7 !6 !"

,-'E.& /E 0E/*/& 1 4 7 7 8 8 9 : !! !5 !5 !7 !" !8 5; 54 56

%*E'0& /E E,%.E2$ 3 56 45 5" 49 47 7! 4: 7" 77 6! 64 69 "! "7 "" 8;

A. Construccin de un diagrama de dispersin:

Figura 1. DIAGRAMA DE DISPERSIN DEL TIEMPO DE ENTREGA Y EL NMERO DE PEDIDOS.

+os valores dependientes de tiempo de entrega 3 aumentan de manera lineal al incrementarse los valores independientes de nmero de pedidos 1. 0or lo tanto la relacin es positiva.

B. Utilice el mtodo de mnimos cuadrados para encontrar los coeficientes de

regresin b0 y b1.

Tabla 2. CLCULOS CORRESPONDIENTES PEDIDOS CON LOS TIEMPOS DE ENTREGA.

DE

LOS NMEROS

DE

AUT ! "#$%& '(!%) *% T#%!+ *% +%*#* & %'T)%-A i , . ! 4 56 5 7 45 4 7 5" 7 8 49 6 8 47 " 9 7! 8 : 4: 9 !! 7" : !5 77 !; !5 6! !! !7 64 !5 !" 69 !4 !8 "! !7 5; "7 !6 54 "" !" 56 8; %otales !:5 879
MEDIA 12 46.75

/i 0 : !" !" 7: 7: "7 9! !5! !77 !77 !:" 56" 59: 7;; 65: "56 5:99

/i yi 86 !59 !;7 5"" 549 459 46! 6;" 659 "!5 875 :59 !;48 !59; !6!9 !86; !;4:!

yi0 "56 !;57 "8" !777 !!6" !"9! !65! 5!!" !:4" 5";! 59;: 44"7 485! 7;:" 746" 7:;; 49;5"

CALCULAMOS POR MINIMOS CUADRADOS:

b0

b1

b1<

!;4:! = (!") (!5) (7".86) 5:99 = (!") (!5) >

b1< 5.;8

b0 1 7".86 = (2.07 ) (!5)

b0 = 5!.:!

C. #nterprete el significado de la interseccin con el e2e .3 b 0 y la pendiente3 b13

de este problema.

+a pendiente

b1

fue calculada como

5.;8. Esto significa que para cada

incremento de una unidad de la variable independiente 1? se estima que el valor de la variable dependiente 3 aumenta en un promedio de 5.;8 unidades. Es decir? por cada aumento de un pedido de automvil? el modelo ajustado predice una estimacin de un aumento aproximado de tiempo de 5 das.

+a interseccin en el eje 3 es b o y se calcul en @ 21.91 que representa el valor promedio de 3 cuando 1 es igual a cero.

*. &i se tiene un pedido de un autom4il con 15 opciones de pedidos3 6Cu7ntos das predecir7 usted 8ue tardar7 la entrega9

= b0 + b1. X

 = 21.91 @ (2.07)(!")

= 55.03

El tiempo e e!t"e#$ p"ome io p"o!o%ti&$ o p$"$ '! $'tom()il &o! 16 op&io!e% e pe i o% e% ** +$%.

%. Calcule el error est7ndar de estimacin.

Utilizamos la siguiente frmula

b0

b1

!ara el "roblema #el tiem"o #e entrega$ #e la Tabla 2 se %a #etermina#o &ue

= 49;5"

1 879

1 !;4:!

b1< 2.07

b0 = 21.91

&e calcula como: 49;5" B (21.91)(879) B (2.07) (!;4:!) !" B 5

10.'(

El error estAndar de la estimacin? igual a !;."8.

F. Calcule el coeficiente de determinacin r0, e interprete su significado en el problema.

)l *oefi*iente #e #etermina*in "ue#e formularse *omo

SSR = SST - SSE SST SST

Calculamos suma de cuadrados de error:

SSE = 49;5" = (,1.-1. /879. B (5.;8) (!;4:!) SSE = !58.:6 Calculamos la suma total de cuadrados:

SST = 49;5" = !" (46.75)0 SST = 4;68 Calculamos la variaci ! e"#licada o suma de cuadrados de$ida a la re%resi !:

SSR = (,1.-1. /879. @ (5.;8) (!;4:!) - !" (46.75)0 SSR = 5:5:.;6

REEMPLA&AMOS LOS 'ALORES EN:

r0 = SSR = SST - SSE SST SST SSR = 4;68- !58.:6 SST 4;68 < 5:5:.;6 < ;.:69!7657 4;68

r0 = SSR = ;.:69!7657 SST Existe una fuerte relacin lineal entre las variables independiente y dependiente? dado que un :6.9C de la variacin del tiempo de entrega puede explicarse mediante la variabilidad en el nmero de pedidos entre un automvil a otro. mediante otros factores diferentes a los del modelo de regresin lineal. -. +al*ule el *oefi*iente r0 a,usta#o - *om".relo *on el *oefi*iente #e #etermina*in r0 e define como# lo un 7.5C de la variabilidad de la muestra del tiempo de entrega se puede explicar

.eemplaDamos los valores#

!B

(! B ;.:69) !6 !7

! = ;.;76 < ;.:66

El coeficiente de r0 ajustado es un ;.:66 que es muy parecido al obtenido en el coeficiente de determinacin r0 ;.:69 sin ajuste de los grados de libertad.

;. Calcule el coeficiente de correlacin3 r.

r= ()*+,-..+(/0

#. %stable<ca una estimacin de inter4alo de confian<a de =>? del tiempo promedio de entrega para todos los autom4iles pedidos con 15 opciones.

IC1

2=

El error estAndar de la estimacin

? igual a !;."8.

t (, N 2 ) = t ( 0.05,16 2 ) = t ( 0.05,14 ) = 2,14

IC1

2=

48.398 < u y < 61.781

/. )stablez*a una estima*in #e inter0alo #e "re#i**in #el tiem"o #e entrega "ara un autom0il in#i0i#ual &ue fue "e#i#o *on 1' o"*iones

IC1

2=

El error estAndar de la estimacin

? igual a !;."8.

t (, N 2 ) = t ( 0.05,162 ) = t ( 0.05,14 ) = 2,14

IC1

2=
^

31.296 < Y0 < 78.884

1. 2l ni0el #e signifi*a*in #e 0.05$ 3)4iste e0i#en*ia #e &ue %a-a una rela*in lineal entre el n5mero #e o"*iones - el tiem"o #e entrega6

0or prueba de Eiptesis#

Ho : 1 = 0 Ha : 2 0

Es decir#

Ho : No e#iste re!a"ion !iena! simp!e entre e! n mero de pedidos y tiempo de entrega. Ha : Existe re!a"ion !inea! simp!e entre e! n mero de pedidos y tiempo de entrega.

0ara tomar la decisin se interpreta la columna titulada 0Blevel? que muestra un valor de 0<;.;;;. Este valor se debe comparar con el nivel de significancia la prueba (F) que es de 6C o sea ;.;6.

*ecisin estadstica es : Gomo ;.;;;H;.;6 se recIaDa E& . Conclusin: Eay evidencia estadstica suficiente para concluir que existe una uma de 'edia cuad. suma 2rados de JUE,%E JuenteK2+ J calculado 0Blevel libertad )ariacin Explicada por el 5:5:.;6 ! 5:5:.;6 474.495!9;6 :.6;77L!;B5 modelo )ariacin no Explicada por el !58.:6 !6 9.64 modelo )ariacin %otal 4;68 !" relacin lineal simple entre la cantidad de nmeros de pedidos y tiempo de entrega.

$. 6@u suposiciones con respecto a la relacin entre el nAmero de opciones y el tiempo de entrega necesitara Bacer el mar8uetista con el propsito de utili<ar este modelo de regresin para fines de prediccin en el futuro9

Gomo en el diagrama de dispersin se observa que la relacin entre las variables es lineal? las suposiciones de regresin y? correlacin son vAlidas? la

interseccin 3 de muestra (b ;) y la pendiente de muestra (b !) ? pueden utiliDarse como estimaciones de los respectivos parAmetros (M !) y (M;) .0or consiguiente? la ecuacin de regresin demuestra que es la suposicin de predicciones para el futuro.