ACT 03 INES MA2018 Janeth Gonz Lez PDF

González Huerta Janeth U157053R0090
Universidad del SABES, Centro Celaya

Janeth.gonzaleh@alumnos.sabes.edu.mx
MATERIA: INGENIERÍA ESTADÍSTICA, Actividad 3. Regresión lineal, pruebas de hipótesis
30 de mayo del 2018
Responda a los siguientes cuestionamientos (Regresión Lineal Simple)
1. ¿Cuál es el propósito general del análisis de regresión?

Modelar en forma matemática la relación que existe entre una o más variables
independientes y una variable de respuesta.
2. ¿Cuál es la diferencia entre regresión lineal simple y regresión lineal múltiple?
Que en la regresión lineal simple solo se estudia la relación entre una variable
independiente y una variable de respuesta y en la regresión lineal múltiple se estudia la
relación entre dos o más variables independientes y una variable de respuesta.
m
3. En el análisis de regresión intervienen dos tipos de variables: las independientes y las
er as
dependientes. Explique con sus palabras y a través de ejemplos las características de estos
co
eH w
dos tipos de variables.
Las variables independientes son variables que se pueden controlar y siempre dependerá
o.
rs e
del proceso que se esté analizando, pueden ser presión, temperatura, la cantidad de algún
ou urc
compuesto químico, velocidad, los operadores, tipo de transporte, voltaje; y las variables
dependientes son aquellas que cambian o se ven afectadas por los valores que pudiera
tomar la o las variable independientes, pueden ser el tiempo de reacción, la resistencia,
o
tiempo de armado.
aC s
4. Considere el modelo de regresión lineal simple, y i = b 0 + b 1 x i + e i ’ ; con i = 1, 2, …, n

vi y re
, y suponiendo que para estimar los parámetros se utilizaron un total de 10 observaciones,

es decir, n = 10, conteste las siguientes preguntas:
a. Suponga una buena relación lineal entre las variables X y Y; construya un diagrama
ed d
de dispersión hipotético que refleje esta relación.

ar stu
0.9
0.8
is
0.7
Th
0.6
0.5
0.4
sh
0.3
0.2
0.1
0
95 100 105 110 115 120
This study source was downloaded by 100000827246814 from CourseHero.com on 06-01-2021 20:09:13 GMT -05:00
Página 1
https://www.coursehero.com/file/31651533/ACT-03-INES-MA2018-Janeth-Gonz%C3%A1lezpdf/
30 de mayo del 2018
b. Sobre el diagrama de dispersión anterior, ajuste a “ojo” la mejor línea recta que
describa la relación observada.
0.9
0.8
0.7
0.6
0.5
0.4
0.3
m
0.2
er as
0.1
co
eH w
0
95 100 105 110 115 120
o.
rs e
c. Sobre la gráfica anterior, indique qué distancias (errores) son los que se minimizan
ou urc
para estimar los parámetros.
0.9
o
0.8
aC s
0.7
vi y re
0.6
0.5
ed d
0.4
ar stu
0.3
0.2
is
0.1
Th
0
95 100 105 110 115 120
d. Explique el significado de los dos parámetros del modelo (β 0 y β1 ).

sh
β0 simplemente indica el punto en el cual la línea cruza por el eje x; mientras que β1
indica que por cada punto de incremento de la variable independiente, se espera un
incremento de la variable de respuesta de β1 en promedio.
e. Escriba las expresiones que estiman a los dos parámetros del modelo.
Página 2
30 de mayo del 2018
f. ¿Cuáles son las suposiciones que se hacen sobre los errores (ε i )?

Que son errores aleatorios con media cero y varianza σ2 y que su valor esperado es
cero.
5. Considere el modelo de regresión lineal simple, y i = β 0 + β 1 x i + ε i , y conteste:
a. Formule las hipótesis que se hacen sobre los parámetros del modelo y explique la
m
consecuencia de aceptar o rechazar cada una de éstas.
er as
H0: β0=0 si se acepta la hipótesis nula del parámetro β0 solo se está
co
H1: β0≠0
eH w
diciendo que la recta corta al eje x en el origen. Si se rechazara la
hipótesis nula estaríamos diciendo que la recta corta al eje x en
o.
rs e
otro punto.
ou urc
H0: β1=0 si se rechaza la hipótesis nula del parámetro β1 implica que existe
H1: β1≠0 una relación lineal significativa entre las variables. Si se aceptara
o
la hipótesis nula significaría que no existe una relación lineal

aC s
significativa entre las variables, por lo tanto, su relación es de otro

vi y re
tipo.
b. Anote en forma detallada el estadístico de prueba, t0 , para cada una de las hipótesis
ed d
y dé una explicación de por qué sirven para probar las hipótesis. Es decir, determine
ar stu
cuándo estos estadísticos tienen valores pequeños o grandes, y la decisión que se

tomaría con respecto a su hipótesis correspondiente.
is
Th
sh
Mientras más grande sea el CME más grande será el estadístico de prueba t0; por
el contrario, si el CME es pequeño, t0 será pequeño.
Página 3
30 de mayo del 2018
Criterio de rechazo de H0 para ambos parámetros:
Se comparan ambos valores de t y si t0 es mayor que t de tablas rechazamos H0

para ambos parámetros.
c. Con respecto al análisis de varianza para el modelo, escriba y explique la hipótesis

correspondiente. Además, anote con detalle el estadístico de prueba, F 0 , y dé una
justificación de por qué tal estadístico sirve para probar tal hipótesis.
Las hipótesis son las mismas para ambos parámetros:
H0: β0=0 si se acepta la hipótesis nula del parámetro β0 solo se está
H1: β0≠0
m
diciendo que la recta corta al eje x en el origen. Si se rechazara la
er as
hipótesis nula estaríamos diciendo que la recta corta al eje x en
co
otro punto.
eH w
o.
H0: β1=0 si se rechaza la hipótesis nula del parámetro β1 implica que existe
H1: β1≠0 rs e
una relación lineal significativa entre las variables. Si se aceptara
ou urc
la hipótesis nula significaría que no existe una relación lineal
significativa entre las variables, por lo tanto, su relación es de otro
o
tipo.
aC s
vi y re
ed d
ar stu
Porque el estadístico F viene de elevar al cuadrado el estadístico t, ya que el

cuadrado de una variable aleatoria t con k grados de libertad tiene una distribución
F (1, k). Por lo que se puede utilizar cualquiera de los dos estadísticos para probar
is
las hipótesis, aunque ya es más común utilizar el estadístico F.

Th
El criterio de rechazo para ambos parámetros sería:
Se comparan ambos valores de F y si F0 es mayor que F de tablas rechazamos H0

sh
para ambos parámetros.
Página 4
30 de mayo del 2018
FUENTE BIBLIOGRÁFICA DE REFERENCIA:
Gutiérrez, Pulido, Humberto, and Salazar, Román de la Vara. Análisis y diseño de experimentos
(3a. ed.), McGraw-Hill Interamericana, 2012. ProQuest Ebook Central,
URL:
http://ebookcentral.proquest.com.ezproxy.bibliotecaecest.mx/lib/bidiecestmhe/reader.action?ppg=
330&docID=3214404&tm=1523489516599
m
er as
co
eH w
o.
rs e
ou urc
o
aC s
vi y re
ed d
ar stu
is
Th
sh
Página 5
Powered by TCPDF (www.tcpdf.org)

ACT 03 INES MA2018 Janeth Gonz Lez PDF

Cargado por

Copyright:

Formatos disponibles

ACT 03 INES MA2018 Janeth Gonz Lez PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ACT 03 INES MA2018 Janeth Gonz Lez PDF

Cargado por

Copyright:

Formatos disponibles

González Huerta Janeth U157053R0090

Universidad del SABES, Centro Celaya

Responda a los siguientes cuestionamientos (Regresión Lineal Simple)

1. ¿Cuál es el propósito general del análisis de regresión?

4. Considere el modelo de regresión lineal simple, y i = b 0 + b 1 x i + e i ’ ; con i = 1, 2, …, n

, y suponiendo que para estimar los parámetros se utilizaron un total de 10 observaciones,

de dispersión hipotético que refleje esta relación.

d. Explique el significado de los dos parámetros del modelo (β 0 y β1 ).

f. ¿Cuáles son las suposiciones que se hacen sobre los errores (ε i )?

la hipótesis nula significaría que no existe una relación lineal

significativa entre las variables, por lo tanto, su relación es de otro

cuándo estos estadísticos tienen valores pequeños o grandes, y la decisión que se

Criterio de rechazo de H0 para ambos parámetros:

Se comparan ambos valores de t y si t0 es mayor que t de tablas rechazamos H0

c. Con respecto al análisis de varianza para el modelo, escriba y explique la hipótesis

Porque el estadístico F viene de elevar al cuadrado el estadístico t, ya que el

las hipótesis, aunque ya es más común utilizar el estadístico F.

El criterio de rechazo para ambos parámetros sería:

Se comparan ambos valores de F y si F0 es mayor que F de tablas rechazamos H0

para ambos parámetros.

FUENTE BIBLIOGRÁFICA DE REFERENCIA:

También podría gustarte