Programa de Matemática

Dirección de Formación General

Examen de Estadística II

Pregunta 1:
En un cierto país XX se tiene datos de la remuneración media por hora, en función de dos factores: la tasa
de desempleo (%) y el tiempo de antigüedad en el trabajo (años).

Tasa de
Remuneración Tiempo (en
desempleo
por hora (US$) (Y) (en %) (X1) años) (X2)

2.19 6.1 1
2.26 6.2 2
2.32 7.8 3
2.39 5.8 4
2.46 5.7 5
2.53 5 6
2.61 4 7
2.72 3.2 8
2.83 3.6 9
3.01 3.3 10
3.19 3.3 11
3.36 5.6 12
3.56 6.8 13

a) Realice el Test de ANOVA.

b) Escriba el modelo de regresión múltiple.

Y=1,62 + 0,05*x1+0,11*x2

c) Interprete el coeficiente B2

Cuando aumenta el tiempo en 1 año, con la tasa de desempleo constante, se estima que el promedio de la
remuneración por hora aumenta en US$ 0,11

d) Pruebe la significancia del modelo mediante la prueba F. Use alpha = 0,05

Hay prueba suficiente para afirmar que el modelo lineal es significativo, es decir que algún coeficiente
incide en el modelo, ya que el F critico es menor que la significancia alpha=0,05.

e) Interprete el intervalo del 95% de confianza del coeficiente de la variable X2.

Página 1 de 17 Forma 1
 Programa de Matemática
Dirección de Formación General
Examen de Estadística II

Se estima con un 95% de confianza que por cada año que aumente la antigüedad, la remuneración por
hora aumentará entre 0,10 y 0,13 US$, suponiendo fija la tasa de desempleo.

f) Estime la remuneración por hora si la tasa de desempleo es de un 5,5% y han transcurrido 20 años.

Se estima que la remuneración por hora es de US$ 4,29

g) Determine qué variables son significativas en el modelo. Justifique en cada caso. Use alfa = 0,05

Hay prueba suficiente para determinar que todos los coeficientes inciden en el modelo, ya que cada p-
valor (probabilidad) es menor que 0,05.

Pregunta 2:
Una empresa constructora de caminos presenta gastos enormes por consumo de petroleo. Realizando un
análisis, se concluyó que los tres factores que más inciden en el consumo de petróleo al día (en litros) (Y),
son: El número de horas-máquina trabajadas durante el día (X1), la distancia recorrida por lo transportes
realizados durante el día en kilometros (X2) y el rendimiento promedio de los motores que se utilizan en la
faena diaria en horas por litro (X3):

Numero de Distancia de Rendimiento

Consumo diario horas-
de petroleo transportes promedio
Máquina Motores

320 20 630 2.4

200 10 398 4
785 50 1395 1.8
376 22 720 2.6
2405 120 4230 0.6
893 40 1752 0.1
1930 93 4000 0.05
8010 380 15780 1
1540 75 3080 0.05

Página 2 de 17 Forma 1
 Programa de Matemática
Dirección de Formación General
Examen de Estadística II

a) Realice el ANOVA.

b) Escriba el modelo de regresión múltiple.

Y= -26,3835+11,2887*x1+0,2380*x2-4,7902*x3

c) Interprete el coeficiente B1

Cuando las horas maquinas aumenta en 1 día, suponiendo los demás factores constantes, se estima que el
consumo promedio diario de petroleo aumenta en 11,29 litros

d) Pruebe la significancia del modelo mediante la prueba F. Use alfa = 0,05

Hay prueba suficiente para determinar que algún coeficiente incide en el modelo, ya que el Fcritico es
menor que el Fcalculado, lo que conlleva a que se rechace la hipotesis nula.

e) Interprete el intervalo del 99% de confianza del coeficiente de la variable X2.

Se estima con un 99% de confianza que por cada kilómetro que aumenta la distancia de transporte, el
consumo de petroleo varía entre -0,028 y 0,504 litros.

f) Estime el consumo diario de petroleo cuando el numero de hora-máquinas son 15 , la distancia en el

transporte es de 500 kilometros y el rendimiento de los motores es 1.

Se estima que el consumo diario de petroleo es de 257,16 litros aproximadamente.

g) Determine qué variables son significativas en el modelo. Justifique en cada caso. Use alfa = 0,05

Página 3 de 17 Forma 1
 Programa de Matemática
Dirección de Formación General
Examen de Estadística II

Hay prueba suficiente para determinar que las variables X1 (horas máquina) y X2 (distancia de transporte)
inciden en el modelo, ya que sus p-valor (probabilidades) son menores que 0,05, mientras que X3
(rendimiento promedio) no incide en el modelo, por no cumplir el criterio anterior.

Pregunta 3:
En la Facultad de Ingeniería de Sistemas y Computo de la Universidad "Los Grinchos" se quiere entender
los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar
una muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de
Datos y Programación como se muestran en el siguiente cuadro.

Base de
Alumno PHP Algoritmos Programación
Datos
1 13 15 15 13
2 13 14 13 12
3 13 16 13 14
4 15 20 14 16
5 16 18 18 17
6 15 16 17 15
7 12 13 15 11
8 13 16 14 15
9 13 15 14 13
10 13 14 13 10
11 11 12 12 10
12 14 16 11 14
13 15 17 16 15
14 15 19 14 16
15 15 13 15 10
a) Realice el ANOVA.

b) Escriba el modelo de regresión múltiple.

Y=2,5515+0,5827*x1+0,3735*x2-0,2415*x3

c) Interprete el coeficiente B3

Página 4 de 17 Forma 1
 Programa de Matemática
Dirección de Formación General
Examen de Estadística II

Cuando el promedio de notas de la asignatura programación aumenta en 1 punto, suponiendo constantes

los demás factores, se estima que la nota promedio en el curso PHP disminuye en 0,24 puntos.

d) Pruebe la significancia del modelo mediante la prueba F. Use alpha = 0,05

Hay evidencia suficiente para determinar que algún coeficiente incide en el modelo, ya que el Fcritico es
menor que alpha=0,05. Esto es, el modelo de regresión lineal múltiple es, en general, significativo.

e) Interprete el intervalo del 90% de confianza del coeficiente de la variable X2.

Se estima con un 90% de confianza que por cada punto que aumente la nota de Programación, la nota de
PHP aumentará entre 0,11 y 0,63 puntos, suponiendo constantes las notas de las otras asignaturas.

f)Estime las notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Base de
Datos y Programación. (13 ; 16 ; 17 ).

Se estima que la nota promedio para PHP es de 11,93.

g) Determine qué variables son significativas en el modelo. Justifique en cada caso. Use alpha = 0,05

Hay prueba suficiente para determinar que la variable X2 incide en el modelo, ya que el p-valor es menor
que 0,05, mientras que X1 y X3 no inciden en el modelo, puesto que no cumplen el criterio anterior.

Pregunta 1 https://www.youtube.com/watch?v=r88j6athI48

Página 5 de 17 Forma 1
Pregunta 1

Remuneración Tasa de desempleo Tiempo (en años)

por hora (US$) (en %) (X1) (X2)
(Y)
2.19 6.1 1
2.26 6.2 2
2.32 7.8 3
2.39 5.8 4
2.46 5.7 5
2.53 5 6
2.61 4 7
2.72 3.2 8
2.83 3.6 9
3.01 3.3 10
3.19 3.3 11
3.36 5.6 12
3.56 6.8 13

b)

d)

f)

g)

Pregunta 2
 Rendimiento
Consumo diario Numero de horas- Distancia de promedio
de petroleo (Y) Máquina (X1) transportes (X2) Motores (X3)
320 20 630 2.4
200 10 398 4
785 50 1395 1.8
376 22 720 2.6
2405 120 4230 0.6
893 40 1752 0.1
1930 93 4000 0.05
8010 380 15780 1
1540 75 3080 0.05
Pregunta 3

Alumno PHP Algoritmos Base de Datos Programación

1 13 15 15 13
2 13 14 13 12
3 13 16 13 14
4 15 20 14 16
5 16 18 18 17
6 15 16 17 15
7 12 13 15 11
8 13 16 14 15
9 13 15 14 13
10 13 14 13 10
11 11 12 12 10
12 14 16 11 14
13 15 17 16 15
14 15 19 14 16
15 15 13 15 10
Resumen

Estadísticas de la regresión
Coeficiente de corr 0.989048863
Coeficiente de det 0.9782176534
R^2 ajustado 0.973861184
Error típico 0.070921167
Observaciones 13

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadradosF
Regresión 2 2.2588249576 1.12941248 224.5436796
Residuos 10 0.0502981193 0.00502981
Total 12 2.3091230769

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 1.6202984559 0.1036145763 15.6377463 2.341863E-08
Tasa de desempleo 0.0536004914 0.0151188012 3.54528714 0.005309768
Tiempo (en años) ( 0.1187587631 0.0058285311 20.3754188 1.789166E-09

1,62 + 0,05*x1+0,11*x2

Fcritico 4.903693595966E-09
Fcalculado 224.5436796293

Como Fcrit < 0,05

Rechazo Ho

4.29

Criterio del p-valor

0.05

B0 2.341862699575E-08 < 0.05 Significativo

B1 0.0053097676 < 0.05 Significativo
B2 1.789166296113E-09 < 0.05 Significativo
 Resumen

Estadísticas de la regresión
Coeficiente de correla 0.9998131218
Coeficiente de determ 0.9996262785
R^2 ajustado 0.9994020457
Error típico 59.6714760064
Observaciones 9

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 3 47620418.1 15873472.71
Residuos 5 17803.4252 3560.685049
Total 8 47638221.6

Coeficientes Error típico Estadístico t

Intercepción -26.3834573448 40.1703126 -0.656789943
Numero de horas-Máq 11.2887942201 2.75503257 4.097517519
Distancia de transport 0.2380141911 0.06586592 3.613616988
Rendimiento promedi -4.7901670572 16.1777329 -0.296096313

b)
Y= -26,3835+11,2887*x1+0,2380*x2-4,7902*x3

d) Fcritico 5.49974040366426E-09
Fcalculado 4457.9828018041

Como Fcrit < 0,05

Modelo es, en general, significativo

f) 257.1568

g)

Criterio por p-valor

0.5403382568 > 0.05 -

0.0093775646 < 0.05 significativa
0.0153220052 < 0.05 significativa
0.779060257 > 0.05 no significativa
 Resumen

Estadísticas de la regresión
Coeficiente de correla 0.8348931435
Coeficiente de determ 0.697046561
R^2 ajustado 0.6144228959
Error típico 0.8612647126
Observaciones 15

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 3 18.7737874 6.257929126
Residuos 11 8.15954596 0.741776905
Total 14 26.9333333

Coeficientes Error típico Estadístico t

Intercepción 2.55147407 2.36933374 1.076874069
Algoritmos 0.58268958 0.2665341 2.18617273
Base de Datos 0.37348258 0.14423391 2.589422839
Programación -0.24152609 0.27041904 -0.893154904

b) Y=2,5515+0,5827*x1+0,3735*x2-0,2415*x3

d) Fcritico 0.003417192
Fcalculado 8.4364032941

Como Fcrit < 0,05

Modelo en general, es significativo

f) 11.9971

g)
Criterio por p-valor
0.05

0.3045870216 > 0.05 -

0.0513097531 > 0.05 no significativa
0.0251640956 < 0.05 significativa
0.3908958693 > 0.05 no significativa
Valor crítico de F
4.9036935959656E-09

Inferior 95% Superior 95% Inferior 95,0%

Superior 95,0%
1.3894307928 1.8511661189 1.38943079 1.85116612
0.0199137031 0.0872872797 0.0199137 0.08728728
0.1057719864 0.1317455398 0.10577199 0.13174554
 F Valor crítico de F
4457.9828018041 5.4997404E-09

Probabilidad Inferior 95% Superior 95%Inferior 99,0%

Superior 99,0%
0.5403382568 -129.644533275 76.8776186 -188.355901 135.588987
0.0093775646 4.2067575397 18.3708309 0.18010897 22.3974795
0.0153220052 0.0687004652 0.40732792 -0.0275666 0.50359498
0.779060257 -46.3763532919 36.7960192 -70.0210991 60.440765
 F Valor crítico de F
8.4364032941 0.003417192

Probabilidad Inferior 95% Superior 95%Inferior 90,0%

Superior 90,0%
0.3045870216 -2.6633943347 7.76634247 -1.70357643 6.80652456
0.0513097531 -0.0039480176 1.16932718 0.10402504 1.06135412
0.0251640956 0.056025885 0.69093927 0.11445509 0.63251007
0.3908958693 -0.8367143858 0.3536622 -0.72716754 0.24411536
perior 99,0%
perior 90,0%
Pregunta 1 https://www.youtube.com/watch?v=r88j6athI48