Perı́odo: 2024-II

Probabilidad y Estadı́stica 1 Profesores: Luis Alejandro Bello Rodrı́guez

Taller Preparcial #3 Santiago Ortiz Pérez

1. Unos estudiantes de fı́sica deben realizar un experimento para verificar la ley de

Hooke. La ley de Hooke establece que cuando se aplica una fuerza x a un cuerpo
largo en comparación con su área de sección transversal, el cambio y en su longitud
es proporcional a la fuerza x; es decir,

y = β1 x,

donde β1 es una constante de proporcionalidad. Los resultados del experimento de

laboratorio de un estudiante de fı́sica se muestran en la tabla siguiente. Se utilizaron
seis longitudes de alambre de acero de 0.34 milı́metros (mm) de diámetro y 2 metros
(m) de largo para obtener las seis mediciones de fuerza y cambio de longitud.

Fuerza x (kg) Cambio en la longitud y (mm)

29,4 4,25
39,2 5,25
49,0 6,50
58,8 7,85
68,6 8,75
78,4 10,00

Resuelva y responda:

a) Escriba la ecuación del modelo de regresión lineal simple.

b) Estime los coeficientes β̂0 y β̂1 usando mı́nimos cuadrados ordinarios.
c) Calcule e interprete el Coeficiente de correlación de Pearson (R2 ).
d ) Interprete el valor de β̂0 y β̂1 en el contexto del problema.
e) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor del intercepto con el eje y de su regresión es estadı́sticamente significativo?
f ) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor de la pendiente de su regresión es estadı́sticamente significativa?
g) Según la ley de Hooke, la lı́nea deberı́a pasar por el punto (0, 0); es decir, β0
deberı́a ser igual a 0. Según los datos esto se cumple?

Departamento de Matemáticas Universidad del Rosario

 Perı́odo: 2024-II
Probabilidad y Estadı́stica 1 Profesores: Luis Alejandro Bello Rodrı́guez
Taller Preparcial #3 Santiago Ortiz Pérez

2. Cierta empresa de alimentos suele conservar los pepinos fermentándolos en una

salmuera baja en sal (6 % a 9 % de cloruro de sodio) y luego almacenándolos en
una salmuera alta en sal hasta que son utilizados para producir diversos tipos de
encurtidos. La salmuera alta en sal es necesaria para retardar el ablandamiento de
los pepinillos y prevenir la congelación cuando se almacenan en climas frı́os. Los
datos que muestran la reducción en la firmeza de los pepinillos almacenados a lo
largo del tiempo en una salmuera baja en sal (2 % a 3 %) se presentan en la tabla:

Semanas (x) Firmeza (y) en libras

0 19,8
4 16,5
14 12,8
32 8,1
52 7,5

Resuelva y responda:

a) Escriba la ecuación del modelo de regresión lineal simple.

b) Estime los coeficientes β̂0 y β̂1 usando mı́nimos cuadrados ordinarios.
c) Interprete el valor de β̂0 y β̂1 en el contexto del problema.
d ) Calcule e interprete el Coeficiente de correlación de Pearson (R2 ).
e) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor del intercepto con el eje y de su regresión es estadı́sticamente significativo?
f ) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor de la pendiente de su regresión es estadı́sticamente significativa?
g) Utilice la lı́nea de mı́nimos cuadrados para estimar la firmeza promedio de los
pepinillos almacenados durante 20 semanas.
h) Construya un intervalo de confianza del 95 % para la predicción que hizo en el
punto anterior.

Departamento de Matemáticas Universidad del Rosario

 Perı́odo: 2024-II
Probabilidad y Estadı́stica 1 Profesores: Luis Alejandro Bello Rodrı́guez
Taller Preparcial #3 Santiago Ortiz Pérez

3. Información sobre ocho automóviles de cuatro cilindros considerados entre los más
eficientes en combustible en 2006 se presenta en la tabla siguiente. Los tamaños del
motor están en volumen total de cilindrada, medido en litros (L).

Auto Volumen de Cilindrada (x) Potencia (y)

Honda Civic 1,8 51
Toyota Prius 1,5 51
VW Golf 2,0 115
VW Beetle 2,5 150
Toyota Corolla 1,8 126
VW Jetta 2,5 150
Mini Cooper 1,6 118
Toyota Yaris 1,5 106

Resuelva y responda:

a) Escriba la ecuación del modelo de regresión lineal simple.

b) Estime los coeficientes β̂0 y β̂1 usando mı́nimos cuadrados ordinarios.
c) Interprete el valor de β̂0 y β̂1 en el contexto del problema.
d ) Calcule e interprete el Coeficiente de correlación de Pearson (R2 ).
e) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor del intercepto con el eje y de su regresión es estadı́sticamente significativo?
f ) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor de la pendiente de su regresión es estadı́sticamente significativa?
g) Use la lı́nea de mı́nimos cuadrados para estimar la potencia promedio de un
automóvil eficiente con un volumen de cilindrada de 1.9 L.
h) Construya un intervalo de confianza del 99 % para la predicción que hizo en el
punto anterior.

Departamento de Matemáticas Universidad del Rosario

 Perı́odo: 2024-II
Probabilidad y Estadı́stica 1 Profesores: Luis Alejandro Bello Rodrı́guez
Taller Preparcial #3 Santiago Ortiz Pérez

4. Para los siguientes conjuntos de datos:

https://www.kaggle.com/datasets/mariumfaheem666/top-rated-movies
https://www.kaggle.com/datasets/brsahan/advertising-spend-vs-sales
https://www.kaggle.com/datasets/youssefayman22/salary-dataset-simple-linear-reg
https://www.kaggle.com/datasets/khushichoudhary1020/ice-cream-selling-data

Resuelva y responda:

a) Escriba la ecuación del modelo de regresión lineal simple.

b) Estime los coeficientes β̂0 y β̂1 usando mı́nimos cuadrados ordinarios.
c) Interprete el valor de β̂0 y β̂1 en el contexto del problema.
d ) Calcule e interprete el Coeficiente de correlación de Pearson (R2 ).
e) Presentan los datos un problema de autocorrelación? Sustente su respuesta con
el resultado de un test estadı́stico.
f ) El modelo presenta Homocedasticidad? Sustente su respuesta con el resultado
de un test estadı́stico.
g) Los residuales del modelo se distribuyen de manera normal? Sustente su res-
puesta con el resultado de un test estadı́stico.
h) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor del intercepto con el eje y de su regresión es estadı́sticamente significativo?
i ) Hay en los datos evidencia estadı́sticamente significativa para concluir que el
valor de la pendiente de su regresión es estadı́sticamente significativa?
j ) Realiice una gráfica que contenga el diagrama de dispersióin de sus datos, la
linea de regresión y el intervalo de confianza al 95 % para la linea de regresión.

Departamento de Matemáticas Universidad del Rosario

 Perı́odo: 2024-II
Probabilidad y Estadı́stica 1 Profesores: Luis Alejandro Bello Rodrı́guez
Taller Preparcial #3 Santiago Ortiz Pérez

1. ¿Qué es un modelo de regresión lineal simple?

2. ¿Cuáles son los componentes principales del modelo de regresión lineal simple?
3. ¿Qué representa el término error en el modelo de regresión?
4. ¿Qué método se utiliza para estimar los parámetros del modelo de regresión
lineal simple?
5. ¿Qué significa el término ”mı́nimos cuadrados ordinarios”(MCO)?
6. ¿Cuáles son los supuestos básicos del modelo de regresión lineal simple?
7. ¿Qué sucede si el supuesto de linealidad no se cumple?
8. ¿Cómo se puede verificar si los errores son homocedásticos?
9. ¿Qué es la heterocedasticidad y cómo afecta al modelo de regresión?
10. ¿Qué técnicas pueden utilizarse para corregir la heterocedasticidad?
11. ¿Qué es la independencia de los errores y por qué es importante?
12. ¿Qué es la multicolinealidad y por qué no es un problema en la regresión simple?
13. ¿Cómo se puede evaluar si los errores siguen una distribución normal?
14. ¿Por qué es importante el supuesto de normalidad de los errores en la regresión
lineal simple?
15. ¿Qué significa que un modelo de regresión sea ”bien especificado¿
16. ¿Qué alternativas existen si los errores no son independientes?
17. ¿Qué problemas pueden surgir si hay valores atı́picos en los datos?
18. ¿Cómo se puede validar el modelo de regresión lineal simple?
19. ¿Qué es el coeficiente de determinación (R2 ) y cómo se interpreta?
20. ¿Cuándo es apropiado usar una transformación logarı́tmica en el modelo de
regresión?

Departamento de Matemáticas Universidad del Rosario