UNIVERSIDAD ESTATAL DE MILAGRO
FACULTAD CIENCIASDE LA INGENIERIA
CARRERA: TICS EN LINEA
2DO NIVEL – C1
TALLER 5
TEMA
REGRESIÓN SIMPLE Y CORRELACIÓN
ANÁLISIS DE VARIANZA
AUTORES:
CAMPOVERDE BALCAZAR ADRIANA MICHELLE
JIRON ROSILLO RONALD DAVID
LAVAYEN ROMAN AYRTON FRANCISCO
PILAMUNGA BENAVIDES HEBER LUIS
YAGUAL CRUZ KATHERINE LISSETTE
ASIGNATURA:
PROBABILIDAD Y ESTADÍSTICA
DOCENTE:
ING. TORRES ORDOÑEZ LUIS HENRY
FECHA DE ENTREGA: 03/09/2021
Mayo a septiembre 2021
MILAGRO – ECUADOR
Descripción del Trabajo Práctico:
➢ Realice el Caso del libro, (Lind, Marchal, Wathen (2012). Estadística Aplicada a
los Negocios y la Economía. México: McGraw-Hill/Irwin) Pagina 570 y 571
referente a TERRY AND ASSOCIATES: TIEMPO PARA ENTREGAR
EQUIPOS MEDICOS.
Terry and Associates es un centro especializado en pruebas médicas de
Denver, Colorado. Una de las fuentes principales de ingresos de la
compañía es un equipo para detectar cantidades elevadas de plomo en la
sangre. Los trabajadores en talleres de hojalatería de autos, en la industria
de jardinería y los pintores comerciales de casas están expuestos a
grandes cantidades de plomo y, por lo tanto, se deben someter a una
prueba de forma aleatoria. Es muy costoso realizar la prueba, por lo que
los equipos se suministran por pedido a diversos lugares del área de
Denver.
Kathleen Terry, la propietaria, tiene interés en determinar los costos
adecuados por entrega. Para investigar esto, Terry reunió información
sobre una muestra aleatoria de 50 entregas recientes. Los factores que se
consideran relacionados con el costo de entrega de un equipo son:
Preparación: El tiempo en minutos desde la recepción del pedido por
teléfono y cuando el equipo está listo para su entrega.
Entrega: El tiempo de recorrido real en minutos desde la planta de Terry
hasta el cliente.
Millas: La distancia en millas desde la planta de Terryhasta el cliente.
Número
Costo Preparación Entrega Millas
demuestra
1 $32.60 10 51 20
2 23.37 11 33 12
3 31.49 6 47 19
4 19.31 9 18 8
5 28.35 8 88 17
6 22.63 9 20 11
7 22.63 9 39 11
8 21.53 10 23 10
9 21.16 13 20 8
10 21.53 10 32 10
11 28.17 5 35 16
12 $20.42 7 23 9
13 21.53 9 21 10
14 27.55 7 37 16
15 23.37 9 25 12
16 17.10 15 15 6
17 27.06 13 34 15
18 15.99 8 13 4
19 17.96 12 12 4
20 25.22 6 41 14
21 24.29 3 28 13
22 22.76 4 26 10
23 28.17 9 54 16
24 19.68 7 18 8
25 25.15 6 50 13
26 20.36 9 19 7
27 21.16 3 19 8
28 25.95 10 45 14
29 18.76 12 12 5
30 18.76 8 16 5
31 24.29 7 35 13
32 19.56 2 12 6
33 22.63 8 30 11
34 21.16 5 13 8
35 21.16 11 20 8
36 19.68 5 19 8
37 18.76 5 14 7
38 17.96 5 11 4
39 23.37 10 25 12
40 25.22 6 32 14
41 27.06 8 44 16
42 21.96 9 28 9
43 22.63 8 31 11
44 19.68 7 19 8
45 22.76 8 28 10
46 21.96 13 18 9
47 25.95 10 32 14
48 26.14 8 44 15
49 24.29 8 34 13
50 24.35 3 33 12
➢ Resuelva las tres preguntas del caso.
Para dar respuesta a las siguientes preguntas se usa el software R, R-Studio.
1. Formule la ecuación de regresión lineal múltiple que descríbala relación entre el
costo de entrega y las demás variables. ¿Estas tres variables explican una cantidad
razonable de la variación de la variable dependiente? Estime el costo de entrega de
un equipo cuya preparación tarda 10 minutos,30 minutos su entrega, y debe recorrer
una distancia de 14millas.
Se desea modelar el costo de entrega del equipo medico en función de tres variables que
pueden estar relacionadas.
Denotemos:
𝑌 ≔ Costo de entrega del equipo (Costo).
𝑋1 ≔ Tiempo de preparación del equipo (Preparación).
𝑋2 ≔ Tiempo de recorrido real en minutos desde la planta de Terry hasta el cliente
(Entrega).
𝑋3 ≔ Distancia en millas desde la planta de Terry hasta el cliente (Millas).
El modelo correspondiente es
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝜀𝑖
Se calcula la matriz de correlaciones de las variables y se genera el gráfico para observar
el tipo de relación entre las variables independientes y la variable respuesta.
• Matriz de correlaciones
• Gráficos de correlaciones
Se observa que el costo de entrega del equipo está relacionado fuertemente con el tiempo
de recorrido (Entrega) y con la distancia de recorrido (Millas). El grado de relación entre
el costo de entrega y estas dos variables son respectivamente 82.19% y 97.79%, y, además,
la relación es directa, es decir que mayor tiempo y distancia de recorrido, el costo de entrega
aumentará.
Por otro lado, se observa que el tiempo de preparación (Preparación) tiene una relación casi
nula con el costo, pues no se observa ningún tipo de tendencia en la gráfica y además, el
coeficiente de correlación es solo de -7.20%.
Ahora podemos estimar el modelo de regresión lineal con la ayuda de R.
• Ajuste del modelo
El modelo de regresión lineal estimado es
𝐶𝑜𝑠𝑡𝑜 = 13.3863 − 0.0141(𝑃𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛) + 0.0024(𝐸𝑛𝑡𝑟𝑒𝑔𝑎) + 0.8859(𝑀𝑖𝑙𝑙𝑎𝑠)
El valor del coeficiente de determinación obtenido con R para este modelo es de
𝑅 2 = 0.9565
Por lo tanto, el modelo ajustado explica el 95.65% de la variabilidad total de la variable
respuesta. Se puede decir que es una cantidad bastante razonable.
• Estimación del costo promedio.
Se estima el costo promedio de entrega para un equipo cuya preparación tarda 10 minutos,
30 minutos su entrega, y debe recorrer una distancia de 14 millas.
𝐶𝑜𝑠𝑡𝑜 = 13.3863 − 0.0141(10) + 0.0024(30) + 0.8859(14) = 25.7198
Con los valores dados, el costo de entrega estimado es de $25.7198
2. Haga una prueba para determinar que al menos un coeficiente de regresión neto
difiere de cero. Asimismo, pruebe sialgunas variables se pueden omitir del análisis.
Si algunas variables se pueden omitir, efectúe de nuevo la ecuación de regresión
hasta que sólo se incluyan variables significativas.
Se realiza en R la prueba de significancia de los parámetros del modelo mediante el
ANAVA. Para ello se ajusta nuevamente el modelo de la siguiente manera
El resultado de la prueba arroja un p-valor pequeño, menor que 0.05. Por lo tanto, se
concluye que el modelo es significativo, es decir que por lo menos uno de los parámetros
estimados del modelo es significativamente diferente de cero.
Probemos ahora que variables se pueden omitir del modelo, haciendo la prueba para cada
parámetro independiente mente.
Este resultado indica que solo la distancia de recorrido (Millas) es significativa en el
modelo. La variable Entrega no es significativa aun cuando está altamente relacionada con
el costo, aunque también está altamente relacionada con la variable Entrega, por lo que
incluir las dos variables Millas y Entrega en el modelo sería redundante. Por otro lado, la
variable Preparación no tiene una relación alta con el costo, por lo tanto, se escogerá el
modelo con lo la distancia de recorrido (Millas) como variable explicativa.
El nuevo modelo estimado es
𝐶𝑜𝑠𝑡𝑜 = 13.2559 + 0.8938(𝑀𝑖𝑙𝑙𝑎𝑠)
Se observa que ambos parámetros del modelo son altamente significativos, y, además, el
valor del coeficiente de determinación es 0.9564, indicando que con este modelo se explica
el 95.64% de la variación total de la respuesta. Solo disminuye 1% en comparación con el
modelo de tres variables y, por lo tanto, el modelo con solo Millas sería un mejor modelo.
3. Escriba un breve reporte en el cual interprete la ecuación de regresión final.
La ecuación final resultante del ajuste del modelo es
𝐶𝑜𝑠𝑡𝑜 = 13.2559 + 0.8938(𝑀𝑖𝑙𝑙𝑎𝑠)
Observamos que este modelo es altamente significativo. Se puede usar para predecir el
costo de entrega de un equipo con una precisión del 95.64%, conociendo la distancia de
recorrido en millas. Además, las estimaciones de los parámetros, en el caso de las millas,
indican que por cada milla que aumente la distancia de recorrido, el costo de entrega del
equipo aumentará en un factor de 0.8938. El valor del intercepto de entiende por el costo
de entrega del equipo cuando no se recorren millas. Podemos suponer el caso en el que el
cliente se encarga de recoger el equipo en la empresa, en ese caso, serías el costo base de
entrega del equipo.
