Matrícula Alumno

2888727 Jorge Adrian Quiroz Salazar

Actividad 6: Análisis de factores que inciden en el consumo de petróleo

una empresa constructora.
Descripción:
Objetivo de la actividad:

Análisis de factores que inciden en el consumo de petróleo de una empresa constructora por medio de las pruebas de hip
sobre los coeficientes de regresión.

Descripción de la actividad:

Por medio de esta actividad los alumnos probarán las hipótesis sobre los coeficientes de regresión, determinando los inte
confianza de los mismos coeficientes.

Requerimientos para la actividad:

Excel o Minitab.
 Instrucciones (actividad colaborativa o individual):
Recomendación: consulta la explicación del tema 13, 14 y 15.
Recursos de apoyo: en el siguiente link encontrarás los recursos de apoyo tema 13, 14 y 15.

Realiza las siguientes acciones:

1. Reúnanse en equipos de 2 personas y revisen la siguiente información.

Una empresa constructora de caminos presenta gastos enormes por consumo de petróleo. Realizando un análisis, se con
los tres factores que más inciden en el consumo de petróleo al día (en litros) eran:
• El número de horas-máquina trabajadas durante el día.
• La distancia recorrida por los transportes realizados durante el día (en kilómetros).
• El rendimiento promedio de los motores que se utilizan en la faena diaria (en horas por litro).

Recogiendo los datos de estas cuatro variables durante nueve días consecutivos, se obtuvieron los siguientes datos:

Número de Rendimiento
Consumo diario de Distancia de
horas- promedio
petróleo transportes
máquina motores

320 20 630 2.4

 200 10 398 4
785 50 1,395 1.8
376 22 720 2.6
2,405 120 4,230 0.6
893 40 1,752 0.1
1,930 93 4,000 0.05
8,010 380 15,780 0.01
1,540 75 3,080 0.04

Estos datos se deben ingresar a Excel o Minitab y llevar a cabo lo siguiente:

a) Estima e interpreta en el contexto del problema los coeficientes de la ecuación de regresión múltiple.

b) Prueba la significancia del modelo de regresión múltiple; realiza todas las etapas de una prueba de hipótesis.

c) Prueba la significancia de los coeficientes de regresión individuales. Realiza todas las etapas de una prueba de hipótes
cada uno de los coeficientes.

d) Calcula e interpreta R2 en el contexto del problema.

e) Calcula el error estándar de estimación.

f) Calcula R2ajustada.

g) Determina los intervalos de confianza.

Preguntas de discusión en el aula

1. Presenta una conclusión tomando en cuenta el contexto del problema.

2. Considerando todos los análisis realizados en el ejercicio—coeficientes individuales, coeficiente de regresión m

coeficiente de determinación ajustado, significancia del modelo de regresión, significancia de los coeficientes indiv
error estándar e intervalo de confianza—, ¿cuáles te ayudan a justificar tu conclusión y por qué?

Nota para el alumno: Considera que tu actividad debe estar documentada (proceso) y fundamentada.
Entregable(s): Resultados de ejercicio y proceso.
Criterios de evaluación de la actividad:
1. Obtención de los coeficientes de regresión.
2. Realización de pruebas de hipótesis.
3. Interpretación en el contexto del problema.
n el consumo de petróleo de

structora por medio de las pruebas de hipótesis

entes de regresión, determinando los intervalos de

a 13, 14 y 15.

e petróleo. Realizando un análisis, se concluyó que

n:

os).
oras por litro).

s, se obtuvieron los siguientes datos:

n de regresión múltiple.

pas de una prueba de hipótesis.

odas las etapas de una prueba de hipótesis para

aula

es individuales, coeficiente de regresión múltiple,

sión, significancia de los coeficientes individuales,
tu conclusión y por qué?

ceso) y fundamentada.
Una empresa constructora de caminos presenta gastos enormes por consumo de petróleo. Realizando un análisi
tres factores que más inciden en el consumo de petróleo al día (en litros), eran:

• El número de horas-máquina trabajadas durante el día.

• La distancia recorrida por los transportes realizados durante el día (en kilómetros).

• El rendimiento promedio de los motores que se utilizan en la faena diaria (en horas por litro).

Recogiendo los datos de estas cuatro variables durante nueve días consecutivos, se obtuvieron los siguientes datos:

Número de horas- Distancia de

Consumo diario de petróleo
máquina transportes

320 20 630
200 10 398
785 50 1,395
376 22 720
2,405 120 4,230
893 40 1,752
1,930 93 4,000
8,010 380 15,780
1,540 75 3,080

Estos datos se deben ingresar a Excel o Minitab y llevar a cabo lo siguiente:

a) Estima e interpreta en el contexto del problema los coeficientes de la ecuación de regresión múltiple.
(Utiliza el análisis de regresión en Excel)

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.999812650332556
Coeficiente de determinación R^2 0.99962533576501
R^2 ajustado 0.999400537224016
Error típico 59.7466950306019
Observaciones 9

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 3 47620373.2177202
Residuos 5 17848.3378353987
Total 8 47638221.5555556

Coeficientes Error típico

Intercepción -26.0134475373071 42.7484481304273
Variable X 1 11.2994939980755 2.76214798826352
Variable X 2 0.237459432330835 0.0662035285509654
Variable X 3 -4.70767704372368 17.204845150998

La ecuación de regresion múltiple es: Y = -26.01 + 11.29X1 + 0.23X2 - 4.70X3 + e

or consumo de petróleo. Realizando un análisis, se concluyó que los
litros), eran:

kilómetros).

ria (en horas por litro).

secutivos, se obtuvieron los siguientes datos:

Rendimiento promedio
motores

2.4
4
1.8
2.6
0.6
0.1
0.05
0.01
0.04

de la ecuación de regresión múltiple.

Promedio de los cuadrados F Valor crítico de F

15873457.7392401 4446.7607812 5.534489596E-09
3569.66756707975
 Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
-0.608523786827043 0.5694223001 -135.90183180303 83.8749367284 -135.901831803
4.09083584445423 0.0094390889 4.19916655210595 18.399821444 4.199166552106
3.58680930651653 0.0157610649 0.0672778443827 0.40764102028 0.0672778443827
-0.273625074937138 0.7953159893 -48.934139473815 39.5187853864 -48.93413947381
Superior 95.0%
83.8749367284
18.399821444
0.40764102028
39.5187853864
 b) Prueba la significancia del modelo de regresión múltiple; realiza todas las etapas de una prueba de hipótesis.

1) Establecimiento de hipotésis
𝐻_0: 𝛽_1=𝛽_2=𝛽_3=0 (El número de horas-máquina trabajadas X1 , la distancia recorrida por los

En oposición a:
Ha : βi ≠ 0 (Al menos una variable independiente X, ya sea el número de horas-máquina trabajadas X1,  la distancia
consumo diario de petróleo Y).

2) Estadística de prueba

𝐹_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=(𝐶𝑀 𝑅𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛)/(𝐶𝑀 𝐸𝑟𝑟𝑜𝑟)

Revisamos el inciso anterior y buscamos (cuadrados medios=CM):

CM Regresión 15873457.739
Fcalculada= 4446.7607812079
CM Error 3569.6675671

3) Regla de decisión
Rechazar H0 si Fcalculada es mayor que Fteórica:

El valor de Fteórica puede obtenerse en la tabla siguiente:

4) Conclusión

Puesto que Fcalculada = 4446.760781 es mayor que Fteórica = 5.41 se rechaza la hipotesis (El número
e una prueba de hipótesis.

a distancia recorrida por los transportes X2 y el rendimiento promedio de los motores X3 no afectan el consumo diario de petról

trabajadas X1,  la distancia recorrida por los transportes X2 y el rendimiento promedio de los motores X3, afectan el

za la hipotesis (El número de horas-máquina trabajadas X1 , la distancia recorrida por los transportes X2 y el rendimie
l consumo diario de petróleo Y).

es X3, afectan el

sportes X2 y el rendimiento promedio de los motores X3 no afectan el consumo diario de petróleo Y).
tróleo Y).
 c) Prueba la significancia de los coeficientes de regresión individuales. Realiza todas las etapas de una prueba de
coeficientes.
El modelo a evaluar es el obtenido en el inciso a)

Prueba para determinar si la variable X1 tiene efecto significativo en el consumo diario de petróleo.
1) Establecimiento de hipotésis
𝐻_0: 𝛽_1=0 (El número de horas-máquina trabajadas X1 no afectan el consumo diario d

En oposición a:
Ha : β1 ≠ 0 (El número de horas-máquina trabajadas X1 no afectan el consumo diario de petróleo Y).

2) Estadística de prueba
𝑆_(𝑏_1 )=2.7621479882635
𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=(𝑏_𝑖−𝛽_𝑖)/𝑆_(𝑏_𝑖 )
𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎= 4.09083584445423

3) Regla de decisión
Rechazar H0 si |tcalculada|= es mayor que tteórica:

En donde tteórica se obtiene de la tabla:

𝑡_𝑡𝑒ó𝑟𝑖𝑐𝑎=𝑡_(∝∕2) (𝑛−𝑘−1)=

4) Conclusión
Puesto que |tcalculada |= 4.090835844 es mayor que tteórica = 2.5706  ya que El número de horas-máquina

Prueba para determinar si la variable X2 tiene efecto significativo en el consumo diario de petróleo.
1) Establecimiento de hipotésis
𝐻_0: 𝛽_2=0 (La distancia recorrida por los transportes X2  no afectan el consumo diario

En oposición a:
Ha : β2 ≠ 0 (La distancia recorrida por los transportes X2 no afectan el consumo diario de petróleo Y).

2) Estadística de prueba
𝑆_𝑏2= 0.066203528551
𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=(𝑏_𝑖−𝛽_𝑖)/𝑆_(𝑏_𝑖 )
𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎= 3.58680930651653
 3) Regla de decisión
Rechazar H0 si |tcalculada|= es mayor que tteórica:

En donde tteórica se obtiene de la tabla:

𝑡_𝑡𝑒ó𝑟𝑖𝑐𝑎=𝑡_(∝∕2) (𝑛−𝑘−1)=

4) Conclusión
Puesto que |tcalculada |= 3.586809307 es mayor que tteórica = 2.5706 (Existe evidencia de que al menos la variable
que las horas si afectan al consumo
se rechaza Ho. (Existe evidencia de que al menos la variable independiente de la distancia recorrida por los transportes X

Prueba para determinar si la variable X3 tiene efecto significativo en el consumo diario de petróleo.
1) Establecimiento de hipotésis
𝐻_0: 𝛽_3=0 (El rendimiento promedio de los motores X3   no afectan el consumo diario

En oposición a:
Ha : β3 ≠ 0 (El rendimiento promedio de los motores X3  no afectan el consumo diario de petróleo Y).

2) Estadística de prueba
𝑆_𝑏3= 17.204845150998
𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=(𝑏_𝑖−𝛽_𝑖)/𝑆_(𝑏_𝑖 )
𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎= 0.273625074937138

3) Regla de decisión
Rechazar H0 si |tcalculada|= es mayor que tteórica:

En donde tteórica se obtiene de la tabla:

𝑡_𝑡𝑒ó𝑟𝑖𝑐𝑎=𝑡_(∝∕2) (𝑛−𝑘−1)=

4) Conclusión
Puesto que |tcalculada |= 0.273625075 es menor que tteórica = 2.5706 esto significa que El rendimiento promedio d
as etapas de una prueba de hipótesis para cada uno de los

consumo diario de petróleo.

afectan el consumo diario de petróleo Y).

petróleo Y).

número de horas-máquina trabajadas X1 no afectan el consumo diario de petróleo Y

no afectan el consumo diario de petróleo Y).

e petróleo Y).
e que al menos la variable independiente de la distancia recorrida por los transportes X2 afectan el consumo diario d

ecorrida por los transportes X2 afectan el consumo diario de petróleo Y).

o afectan el consumo diario de petróleo Y).

e petróleo Y).
El rendimiento promedio de los motores X3   no afectan el consumo diario de petróleo Y
ctan el consumo diario de petróleo Y). Lo que significa
d) Calcula e interpreta R2 en el contexto del problema.

𝑅^2=(𝑆𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛)/(𝑆𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠)

0.999625336
e) Calcula el error estándar de estimación.

𝑆_𝜀=√(𝑆𝐶𝐸/(𝑛−𝑘−1))=√𝐶𝑀𝐸 59.74669503
 f) Calcula R2ajustada.

𝑅_𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜^2=1−(1−𝑅^2 )((𝑛−1)/(𝑛−𝑘−1))= 0.999400537

g) Determina los intervalos de confianza.
Inf Sup
𝑏_1±𝑡_(∝∕2) (𝑛−𝑘−1)𝑆_(𝑏_𝑖 ) b1= 4.1991666 18.399821

Si se establece un intervalo de confianza al 95% para el consumo diario de petróleo, y se tiene el valor crítico:
𝑡_(0.05∕2) (5)=𝑡_0.025 (5)=2.5706
Mientras 𝑆_(𝑏_1 )= , el cual se obtiene del excel en el inciso a):

Entonces, con un 95% de confianza, se tiene que el verdadero valor β1 se encuentra en el intervalo: (4.199167, 18.

Inf Sup
𝑏_2±𝑡_(∝∕2) (𝑛−𝑘−1)𝑆_(𝑏_𝑖 ) b2= 0.0672778 0.407641

Si se establece un intervalo de confianza al 95% para el consumo diario de petróleo, y se tiene el valor crítico:
𝑡_(0.05∕2) (5)=𝑡_0.025 (5)=2.5706
Mientras 𝑆_(𝑏_2 )= , el cual se obtiene del excel en el inciso a):

Entonces, con un 95% de confianza, se tiene que el verdadero valor β2 se encuentra en el intervalo: (0.067278, 0.4

Inf Sup
𝑏_3±𝑡_(∝∕2) (𝑛−𝑘−1)𝑆_(𝑏_𝑖 ) b3= -48.93414 39.518785

Si se establece un intervalo de confianza al 95% para el consumo diario de petróleo, y se tiene el valor crítico:
𝑡_(0.05∕2) (5)=𝑡_0.025 (5)=2.5706
Mientras 𝑆_(𝑏_2 )= , el cual se obtiene del excel en el inciso a):

Entonces, con un 95% de confianza, se tiene que el verdadero valor β3 se encuentra en el intervalo: (-48.9341, 39.
tervalo: (4.199167, 18.39982)

tervalo: (0.067278, 0.407641)

tervalo: (-48.9341, 39.51879)