SOLUCIONARIO DE METODOS
CUANTITATIVO
Pregunta 1
1. ¿Cuál es el valor del coeficiente de determinación (R2) obtenido en el modelo de
regresión lineal?
¿Qué nos indica este valor acerca del ajuste del modelo a los datos?
2. Identifica las variables que resultaron significativas en el modelo de regresión lineal.
¿Cuáles son sus p-valores asociados y qué interpretación puedes hacer sobre la
significancia de estas variables en relación con la variable respuesta strength?
3. Realiza una prueba de normalidad sobre los residuos del modelo de regresión.
¿Cuál es el p-valor obtenido? ¿Se cumple el supuesto de normalidad de los residuos?
Justifica tu respuesta.
4. Realiza una prueba de homocedasticidad sobre los residuos del modelo de regresión.
¿Cuál es el p-valor obtenido? ¿Se cumple el supuesto de homocedasticidad de los residuos?
Explica la importancia de este supuesto en el contexto de tu modelo.
5. Utilizando el modelo de regresión lineal ajustado, predice el valor de la resistencia a la
compresión (strength)
para cada observación en el archivo muestrasol3.xlsx.
¿Cuáles son los valores predichos de strength para el conjunto de datos de la muestra?
Descripción de la base de datos
La base de datos **datasolemn3.xlsx** es un conjunto de datos ampliamente utilizado en el
análisis de materiales de construcción,
específicamente para la predicción de la resistencia a la compresión del concreto.
Este dataset contiene diversas características que influyen en la calidad y resistencia del
concreto, como la cantidad de cemento, agua,
escoria, agregado fino y grueso, entre otros componentes.
- **cement**: Cantidad de cemento (kg en un metro cúbico de mezcla).
- **slag**: Cantidad de escoria (kg en un metro cúbico de mezcla).
- **water**: Cantidad de agua (kg en un metro cúbico de mezcla).
- **age**: Edad del concreto (en días).
- **strength**: Resistencia a la compresión del concreto (MPa).
El objetivo principal del análisis de este conjunto de datos es construir un modelo de
regresión lineal que permita predecir
la variable **strength**, que representa la resistencia a la compresión del concreto, a partir
de las características mencionadas.
Este enfoque permite entender cómo cada componente y el tiempo de curado influyen en la
calidad final del concreto, proporcionando
información valiosa para optimizar mezclas y procesos en la industria de la construcción.
Pregunta 2
Indica cuál de las siguientes afirmaciones es CIERTA:
- O Para detectar observaciones influyentes en un modelo de regresión estimado por MCO
es suficiente analizar el gráfico de residuos resultantes.
- O Siempre es necesario eliminar las observaciones influyentes en un modelo de regresión,
ya que su presencia empeora la bondad del ajuste (o R cuadrado) del mismo.
- O La presencia de unas pocas observaciones influyentes en una regresión puede alterar
significativamente algunos resultados de la estimación MCO.
- O Siempre es necesario eliminar las observaciones no influyentes en un modelo de
regresión, ya que su presencia empeora la bondad del ajuste (o R cuadrado) del mismo.
Pregunta 3
Indica cuál de las hipótesis del modelo lineal general, entre las citadas a continuación, es
necesaria para asegurar la insesgadez del estimador MCO de los parámetros b:
- O Las perturbaciones del modelo no presentan autocorrelación.
- O Las perturbaciones del modelo no presentan heterocedasticidad.
- O Las perturbaciones del modelo tienen esperanza nula.
- O Las perturbaciones del modelo tienen varianza nula.
Pregunta 4
Considera el siguiente gráfico de los residuos de un modelo de regresión lineal:
¿Cuál de las siguientes afirmaciones es verdadera?
- O Pareciera tener residuos centrados en 0, parecen homocedásticos y parecen no estar
autocorrelacionados, ya que no hay tendencia.
- O Parece no tener residuos de media cero, E(residuos) ≠ 0, y no parece homocedástico.
- O Los residuos son heterocedásticos y ambos parecen muy autocorrelacionados.
- O Los residuos no son de media cero, parecen heterocedásticos y con tendencia negativa.
Un estudio nutricional indica que un consumo alto de sodio está relacionado con ciertas
enfermedades gastrointestinales, jaquecas, entre otras. Los humanos requieren un consumo
diario de 222 miligramos, el cual en la mayoría de los alimentos de cereales individuales se
sobrepasa. Se toma una muestra aleatoria de 18 cereales individuales y arrojan un
contenido promedio de sodio de 238 miligramos con una desviación estándar de 24,5
miligramos. Si se realiza una prueba de hipótesis al 1% de significancia para probar que el
contenido promedio de sodio para cereales individuales es mayor que 222 miligramos, el
valor del estadístico de prueba y valor crítico respectivamente es de:
Pregunta 220 puntosDado que se desea verificar si existe una dependencia entre las ventas
de distintos modelos de sistemas de automatización y las tiendas donde se venden, se ha
realizado una prueba de hipótesis con un nivel de significancia del 5%. La tabla de ventas es
la siguiente:| Tienda | Fibonacci | Riemann | Poincaré | Ramanujan | Totales
||--------|------------|---------|----------|-----------|---------|| A | 34 | 25 | 13 |6 | 78
|| B | 39 | 28 | 16 |9 | 92 || C | 39 | 30 | 14 |8 | 91 || D
| 32 | 28 | 14 |9 | 83 || Totales| 144 | 111 | 57 | 32 | 344 |
¿Cuál es el valor del estadístico de prueba Chi-cuadrado para determinar si existe una
relación entre el tipo de modelo y la tienda?Nota: Utilice Excel.
Pregunta 315 puntosEn un estudio realizado a 420 familias del sector sur de Santiago se
obtuvo que el 12% de los hogares tienen ingresos que clasifican en un GSE alto, mientras
que una muestra de 410 familias del norte de Santiago es del 10%. Con un nivel de
significancia del 5% realice una hipótesis para demostrar que la proporción de familias con
GSE alto es mayor en la zona sur. Se puede indicar que:A. Se rechaza H_0 porque 1,64 >
0,92B. No se rechaza H_0 porque 0,62 < 1,64C. Se rechaza H_0 porque 1,65 > 1,28D. No se
rechaza H_0 porque 0,92 < 1,64E. Se rechaza H_0 porque 1,31 > 1,28
Pregunta 420 puntosSe desea estimar el gasto de alimentación de una familia en función de
los ingresos mensuales y el número de integrantes de la familia. Se utilizó una muestra
aleatoria de 18 familias, cuyos resultados se presentan en la siguiente
tabla:Excel:https://correouss-my.sharepoint.com/:x:/g/personal/mcalderac_docente_uss_c
l/EXuLBV3v9BtKm_irVyIO2AoBP2USbDROBlEHA-Zxw7LfxQ?e=ylwmtE
Utilizando un modelo de regresión lineal para analizar la relación entre el gasto de
alimentación en función de los ingresos y el número de integrantes de la familia. ¿Cuál es el
valor del estadístico de prueba de Durbin-Watson para este modelo de regresión?Nota:
Utilice Excel (herramienta análisis de datos para regresión y residuos).A. 1,249B. 2,806C.
2,278D. 2,721E. 1,226
Pregunta 515 puntosSe desea comparar los tiempos (en segundos) de ejecución de un
algoritmo entre dos sistemas distintos A y B para determinar si es cierto que el sistema A es
más eficiente que el sistema B. Se cuenta con dos muestras independientes de ejecuciones
del algoritmo en cada sistema, con la siguiente información:Datos:\(ar{x}_1 = 127, S_1 =
17.1, n_1 = 11\)\(ar{x}_2 = 86, S_2 = 18.7, n_2 = 15\)Sólo se sabe que las varianzas
poblacionales son iguales y considerando un nivel de significancia del 5% para la hipótesis
adecuada al problema planteado, el estadístico de prueba es:Nota: use 3 decimales con el
último aproximado para todos sus cálculos.
Una empresa minera quiere determinar si sus trabajadores que se realizan algún tipo de
consultas y/o exámenes médicos en el consultorio de la planta se encuentra distribuido de
manera equitativa de lunes a viernes. Se toma una muestra aleatoria de 4 semanas laborales
y se tiene lo siguiente en relación con las consultas y/o exámenes médicos:| Día |
Frecuencia ||-----------|------------|| Lunes | 48 || Martes | 26 || Miércoles | 23
|| Jueves | 41 || Viernes | 52 || **Total** | 190 |Con un 5% de significancia,
¿existe alguna razón para creer que el número de trabajadores que realiza algún tipo de
consulta y/o examen médico no se encuentra distribuido de forma equitativa los días de la
semana?Nota: Realice los cálculos en Excel.
