UNIVERSIDAD EAN

FACULTAD DE AMBIENTES VIRTUALES

OPTIMIZACIÓN Y ESTADÍSTICA PARA ECONOMISTAS

TRABAJO FINAL

¿SU AUTO ESTÁ “HECHO EN EE.UU.”?

AUTORES

HAMILTON ARIZA GUERRERO

CAMILA GIRALDO MORRIS

CRISTIAN CAMILO CASTAÑEDA

TUTOR ENCARGADO

DIANA MARCELA FERRUCHO

BOGOTÁ, 27 DE SEPTIEMBRE DE 2020

 CONTENIDO

OBJETIVOS DE APRENDIZAJE

INTRODUCCIÓN.........................................................................................................................4
CONCLUSIONES...................................................................................................................................20
REFERENCIAS......................................................................................................................................21

2
 INTRODUCCION

En las diferentes ramas de la estadística se encontramos la estadística inferencial, la cual

tiene como objetivo principal obtener los resultados necesarios a partir de la información que
se presenta en la muestra para realizar deducciones sobre una totalidad. Esta se usa para
modelar patrones y extraer inferencias de la muestra que es objeto de estudio. Dentro de las
técnicas de modelamiento se encuentran la estimación, la correlación, el análisis de regresión
y la prueba de hipótesis. Luego, esa afirmación se somete a una prueba para comprobar su
veracidad.

3
 ¿Su auto está “Hecho en EE.UU.”?

La frase “Hecho en EE.UU.” se ha convertido en un conocido grito de batalla porque los

trabajadores de Estados Unidos tratan de proteger sus trabajos de la competencia extranjera.
En las últimas décadas, un importante desequilibrio en la balanza comercial en Estados
Unidos ha estado causando una inundación de productos importados que entran al país y se
venden a menor costo que artículos comparables hechos en él.

Una preocupación principal es la industria automotriz, en la que el número de autos

importados aumentó continuamente durante las décadas de 1970 y 1980. La industria
automotriz de ese país ha estado siendo acosada con quejas por la calidad de sus productos,
despidos de trabajadores y altos precios, y ha gastado miles de millones de dólares en
publicidad e investigación para producir un auto hecho en Estados Unidos que satisfaga las
demandas del consumidor. ¿Han tenido éxito para detener la inundación de autos importados
comprados por consumidores estadounidenses? Los datos de la tabla siguiente representan los
números de autos importados y vendidos en Estados Unidos (en millones) durante los años
1969-2009. Para simplificar el análisis, hemos codificado el año usando la variable codificada
x=Año – 1969.

año- # autos año- # autos año- # autos

Año Año Año
1969 importados 1969 importados 1969 importados
1969 0 1.1 1983 14 2.4 1997 28 1.4
1970 1 1.3 1984 15 2.4 1998 29 1.4
1971 2 1.6 1985 16 2.8 1999 30 1.7
1972 3 1.6 1986 17 3.2 2000 31 2
1973 4 1.8 1987 18 3.1 2001 32 2.1
1974 5 1.4 1988 19 3 2002 33 2.2
1975 6 1.6 1989 20 2.7 2003 34 2.1
1976 7 1.5 1990 21 2.4 2004 35 2.1
1977 8 2.1 1991 22 2 2005 36 2.2
1978 9 2 1992 23 1.9 2006 37 2.3
1979 10 2.3 1993 24 1.8 2007 38 2.4
1980 11 2.4 1994 25 1.7 2008 39 2.3
1981 12 2.3 1995 26 1.5 2009 40 1.8
1982 13 2.2 1996 27 1.3

4
 a) Usando una gráfica de dispersión, grafique los datos para los años 1969 -1988 ¿Le
parece que hay una relación lineal entre el número de autos importados y el año?

Object 3

0,9495246
r=¿
Respuesta: Se ve una relación lineal positiva de X año en Y más autos importados
como lo muestra el coeficiente de Pearson.

b) Use un paquete de software para hallar la recta de mínimos cuadrados para predecir el
número de autos importados como función del año para los años 1969-1988
1. Calculando
b1 xy
(Y)Número de y
(X)Años autos ∑¿
importados ¿
0 1,1 ¿
1 1,3 ¿
2 1,6 ∑ x ¿2
3 1,6 ∑ ¿−(∑ x) ¿
4 1,8 n¿
5 1,4
b1 ¿
6 1,6
7 1,5
8 2,1
9 2
10 2,3
11 2,4
12 2,3

5
13 2,2
14 2,4
15 2,4
16 2,8
17 3,2
18 3,1
19 3,1

20 ( 467,5 )−(190)(42,2)
b1 = 2
20 ( 2470 )−190
1332
b1= =0,1001
13300

6
 2.Calculando b0 b0 = ý−b 1 x́

ý 2,11
b0 =2,11−0,1001∗9,5 =1,1590
x́ 9,5
Respuesta recta de mínimos cuadrados ^y =0,1001 x+ 1,1590
se importan un 0,1001 autos por cada 1,590 años.
c) ¿Hay una relación significativa entre el número de autos importados y el año?
Comprobaremos el nivel de significancia a través de una prueba de hipótesis
1. Calcular el coeficiente:

= 0,949524649
r
2. Formular las hipótesis nula y alterna
No hay asociación lineal entre x y y
H 0 : r=0
Hay asociación positiva entre x y y
H 1 :r > 0

3. Identificar el estadístico de la prueba y calcularlo

r √ n−2 0,9495 √ 20−2

t c= t c=
√ 1−r 2 √ 1−0,94952 = 40,93873455 Valor de
distribución

4.Calcular el valor p, probabilidad de que t sea mayor que 40,93873455

p ( t> 40,9387346 ) =1,6092E-19

5. Comparar el valor p con el nivel de significancia:

El valor P es mayor que el valor de significancia

6. Hay evidencia estadística que indica que se rechaza la hipótesis alterna, quiere
decir que no hay una asociación lineal entre x y y.
Respuesta: de acuerdo al resultado que arrojo la prueba de hipótesis no hay
una relación significativa entre el número de autos importados y el año.

7
d) Use el programa de cómputo para predecir el número de autos que serán
importados usando intervalos de predicción de 95% para cada uno de los años
2007, 2008 y 2009.
Utilizando la ecuación de regresión obtenida en el punto b), se tiene que para el 2007
se estima una importación de 4,9177 millones de autos pues:

ŷ (38 )=0,0987 ( 38 ) +1,1671=4,9177

2007 corresponde a 38 según la codificación presentada en la tabla 1.

Para el 2008, cuya codificación es 39, se estima una importación de 5,0164 millones
de autos pues:

ŷ (39 )=0,0987 ( 39 ) +1,1671=5,0164

Y para el 2009, cuya codificación es 40, se estima una importación de 5,1151 millones
de autos pues:
ŷ ( 40 )=0,0987 ( 40 ) +1,1671=5,1151
Para calcular los intervalos de predicción se debe calcular primero el error estándar E,
el cual está dado por:

x 0−x ¿2
¿
∑ x ¿2
n ( ∑ x 2 )−¿
n¿
1
√
E=t a /2 S e 1+ + ¿
n

t a/ 2 = 2,101, valor obtenido de la tabla de distribución t: Valores críticos de t (Tabla

A-3 de Pearson), para n-2 grados de libertad con un nivel de significancia de 0,05.

Es decir que el Error estándar para el 2007 es E2007 =0,63698 . Usando los valores

ya conocidos en la ecuación de E, y tomando x 0=38 , la codificación de 2007.

De manera análoga se obtiene E2008 =0,6491 y E2009 =0,6614

8
 Entonces, para el 2007, el intervalo de predicción con un nivel de confianza de 95%
es:
4,28072< y ̂̂ ( 38)< 5,55468.
Para el 2008, el intervalo de predicción con un nivel de confianza de 95% es:
4,3673< y ̂̂ ( 39)<5,6655.
Y para el 2009, el intervalo de predicción con un nivel de confianza de 95% es:
4,5437< y ̂̂ ( 40)<5,7765.

e) Ahora vea los datos reales para los años 2007-2009. ¿Las predicciones obtenidas
en el paso d) dan estimaciones precisas de los valores reales observado en estos
años? Explique.

Tabla 2. Comparación de las observaciones y las predicciones.

# autos # autos Intervalo de Dentro del

Año Código Diferencia
reales predicción predicción Intervalo

2007 38 2.4 49.177 25.177 (4.28072;5.55468) NO

2008 39 2.3 50.164 27.164 (4.3673;5.6655) NO
2009 40 1.8 51.151 33.151 (4.4537;5.7765) NO
La tabla 2 deja en evidencia que las observaciones reales difieren por completo de los
valores predichos en los tres años. La cantidad real de autos importados en estos años
es aproximadamente la mitad de la cantidad predicha en cada uno de los años, incluso,
los valores reales no se encuentran dentro del intervalo de predicción correspondiente;
lo que induce a pensar que la relación lineal se pierde con el pasar de los años.

f) Agregue los datos para 1989-2009 a su base de datos y recalcule la recta de

regresión. ¿Qué efecto tiene los nuevos puntos de datos sobre la pendiente? ¿Cuál
es el efecto en el SSE?

g) Dada la forma de la gráfica de dispersión para los años 1969-2009, ¿le parece que
una recta da un modelo preciso para los datos? ¿Qué otro tipo de modelo podría
ser más apropiado? (Use graficas residuales para ayudar a contestar.

9
 Numero de autos importados
3.5
3
2.5
2
1.5 f(x) = 0.01 x + 1.88
1 R² = 0.03
0.5
0
0 5 10 15 20 25 30 35 40 45

10
 Gráfico de probabilidad normal
4
3
2
Y

1
0
0 20 40 60 80 100 120
Muestra percentil

Variable X 1 Gráfico de los residuales

1.5
1
Residuos

0.5
0
-0.5 0 5 10 15 20 25 30 35 40 45
-1
Variable X 1

Variable X 1 Curva de regresión ajustada

4
3
Y
2
Pronóstico para Y
Y

1
0
0 5 10 15 20 25 30 35 40 45
Variable X 1

Resultados de datos de probabilidad

11
12
 CONCLUSIONES

 Lo primero que debe hacerse es definir una hipótesis nula -una expresión
cuantitativa de la población a analizar-, posteriormente, se plantea una hipótesis
alternativa que sea contraria a la hipótesis nula. En el siguiente paso se debe
determinar un nivel de significancia que permitirá establecer la probabilidad de
rechazar la hipótesis nula cuando sea verdadera y viceversa. Después, se deberá
determinar a partir de qué valor se rechaza o acepta la hipótesis nula con la ayuda de
un estadístico -dicho valor se conocerá como punto crítico-. Finalmente, se formula
una regla de decisión con los pasos anteriores y esta se le aplica a la muestra para
determinar si la hipótesis es aceptada o rechazada, y así se podrá inferir una propiedad
sobre la población.

13
 REFERENCIAS

 Mendenhall, W. (2010). Introducción̤ a la probabilidad y estadística. México:

Cengage Learning.

14