“AÑO DEL BICENTENARIO, DE LA CONSOLIDACIÓN DE NUESTRA

INDEPENDENCIA, Y DE LA CONMEMORACIÓN DE LAS HEROICAS

BATALLAS DE JUNÍN Y AYACUCHO”

Universidad Nacional de Tumbes.

Facultad de Ciencias Económicas.

ASIGNATURA:
Modelos Estadísticos Lineales

DOCENTE:
Dr. Blas Pérez Juan Santiago

ALUMNOS:
Carrasco Martínez, Ronaldo Aldair.

CICLO:
VI

TUMBES – PERÚ
2024
1) La siguiente tabla ofrece datos sobre la mortalidad infantil (MI), la tasa de
analfabetismo femenino (TANF), el PBI percápita (PBIPC) y la tasa de la población
con acceso sostenible a mejores fuentes de abastecimiento de agua potable y
saneamiento para 32 países de América Latina y el Caribe. Mortalidad infantil, tasa
de analfabetismo y datos relacionados de 32 países.
Obs Países MI TANF PBIPC PAS
1 Antillas Neerlandesas 15.0 3.0 11964.5 89
2 Argentina 15.0 2.7 5497.9 91
3 Bahamas 15.3 3.3 18974.4 100
4 Barbados 12.3 0.2 11096.7 100
5 Belice 18.5 5.2 4268.9 47
6 Bolivia 55.6 17.0 1159.5 46
7 Brasil 27.3 11.0 5616.2 75
8 Chile 8.0 3.6 8873.3 91
9 Colombia 20.5 6.9 3219.7 86
10 Costa Rica 10.5 3.7 5053.2 92
11 Cuba 6.1 2.8 2884.7 98
12 Ecuador 24.9 8.3 3088.8 89
13 El Salvador 26.4 21.2 2668.2 62
14 Granada 37.7 4 5315.9 96
15 Guatemala 38.6 35.4 2353.4 86
16 Guyana 49.4 1.3 1218.5 70
17 Haití 56.1 46.8 525.2 30
18 Honduras 31.2 21.7 1542.9 69
19 Jamaica 14.6 7.7 3796.1 80
20 México 20.5 9.1 7975.7 79
21 Nicaragua 26.4 31.6 958.6 47
22 Panamá 20.6 7.6 5218.9 73
23 Paraguay 35.5 6.4 1500.9 80
24 Perú 30.3 12.3 3351.5 63
25 Puerto Rico 8.1 5.1 20741 94
26 República Dominicana 34.9 14.4 3711.5 78
27 San Vicente y las Granadinas 26.7 7.5 4186.2 78
28 San Lucia 14.6 12.3 4624 89
29 Suriname 31.8 15.9 3812.5 94
30 Trinidad y Tabago 15.1 1.7 13660.8 100
31 Uruguay 14.4 1.6 5808.6 100
32 Venezuela 18.9 6.2 6733.9 68

a) Encuentre X T X ; ( X T X ) ; (X T X )−1 ; X T Y
T
X X 32 337.5 181402.1
337.5 7124.95 1151591.56
181402.1 1151591.56 1767978111
 0.1712212839 -0.0058912746 -0.0000137307
−1
(X ¿ ¿T X ) -0.0058912746
¿ 0.0003595698 0.0000003703
-0.0000137307 0.0000003703 0.0000000017

780.8 24.62648
T
10841.53 ^β = 0.51704
X Y
3291361.94 -0.00100

b) Haga la regresión de la mortalidad infantil sobre la tasa de analfabetismo femenino

y el PBI percápita β 2 MI =(b 1+ b2 TANF+ b3 PBIPC + e) y obtenga los resultados
habituales de una regresión. Resolverlo matricialmente e interpretar los coeficientes.

t t 2
SCR=B X Y −n y
t 2
SCT= y y−n y

780.8
t t
BXY 24.626 0.517 -0.0010 * 10841.53 = 21536.21435
3291361.94

2
SCR=21536.214−32∗ ( 24.4 ) =2484.694
2
SCT=24381.78−32∗(24.4 ) =5330.26

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor
libertad cuadrados cuadrados F crítico de F
Regresió 12.66112
n 2 2484.69435 1242.34718 7 3.3276545
Residuos 29 2845.56565 98.1229534 5%
Total 31 5330.26

Prueba global de la regresión

H 0= β1=B2=0

H 0=B I ≠ 0

Decisión:
Como el Fcal=12.661 < Ftab=3.328. con un nivel de confianza del 95%; Se acepta H1 y
se rechaza H0. Por lo tanto, se concluye que el modelo es significativo y puede seguirse
estudiando
Estime la ecuación de regresión lineal múltiple

^
M . I =24.626+ 0.517∗TANF−0.0010∗PBIPC

INTERPRETACIONES DE LOS BETAS.

β 1=0 . 517

por cada unidad de cambio en la tasa de analfabetismo femenino, la mortalidad infantil

aumenta en 0,51704 unidades, manteniendo constante el producto bruto interno per
cápita.

β 2=−0 , 0010

por cada unidad de cambio en el PBI per cápita, la mortalidad infantil disminuye en
0,001 unidades, manteniendo constante la variable tasa de analfabetismo femenino
constante.

c) Averigüe la normalidad de los errores.

Residuos ⅇ2 ⅇ3 ⅇ4
0.810 0.656 0.531 0.430
-5.514 30.405 -167.657 924.479
7.978 63.647 507.768 4050.918
-1.312 1.721 -2.258 2.963
-4.538 20.594 -93.456 424.105
23.346 545.015 12723.681 297041.428
2.613 6.828 17.841 46.618
-9.598 92.114 -884.070 8484.942
-4.468 19.965 -89.207 398.597
-10.977 120.488 -1322.554 14517.259
-17.084 291.863 -4986.176 85183.763
-0.923 0.852 -0.787 0.726
-6.514 42.438 -276.458 1800.967
16.331 266.715 4355.828 71136.787
-1.972 3.888 -7.666 15.116
25.322 641.214 16236.933 411154.782
7.802 60.875 474.965 3705.804
-3.100 9.612 -29.802 92.399
-10.204 104.129 -1062.564 10842.763
-0.841 0.707 -0.594 0.499
-13.605 185.083 -2517.957 34255.559
-2.727 7.437 -20.282 55.312
 9.068 82.233 745.706 6762.234
2.672 7.139 19.073 50.960
1.617 2.615 4.229 6.840
6.547 42.860 280.591 1836.953
2.390 5.712 13.650 32.623
-11.753 138.139 -1623.579 19082.317
2.772 7.686 21.308 59.075
3.281 10.768 35.333 115.944
-5.234 27.395 -143.389 750.507
-2.185 4.776 -10.437 22.809
PROMEDIO 88.924 693.705 30401.765

Coeficiente de asimetría y curtosis:

(∑ )
n
e3
i=1

n 693.705
A= = =0.8272

( )
n 3 3

∑e
2
2 2
( 88.924 )
i=1
n

(∑ )
n
e4
i=1

n 30401.765
k= = =3.8446

( )
2
n 2
( 88.924 )
∑ e2
i=1
n

Prueba de Jaquer - Bera

JB=N ¿

JB=32 ¿

Prueba de hipótesis:

H0: La distribución de los errores de los datos se aproximan a una normal.

H1: La distribución de los errores de los datos no se aproximan a una normal.

Datos:

𝛼 =5% JB = 4.601
 Entonces como:

JB = 4.601< x 2tab =7.8147

Decisión: Con un nivel de significancia del 95% se acepta la hipótesis nula: por lo
tanto, la distribución de los errores de la información se aproxima a una
distribución normal.

d) Encuentre la matriz varianza, covarianza.

−1
MATRIZ VAR – COV: Var – Cov = σ 2 ( x t x )

16.80073806 -0.57806927 -0.00134730

Var - Cov = -0.57806927 0.03528205 0.00003633
-0.00134730 0.00003633 0.00000017

σ2 (β1) = 16.80073806
2
σ (β2) = 0.03528205
σ2 (β3) = 0.00000017

σ (β1) = 4.0989
σ (β2) = 0.1878
σ (β3) = 0.0004

e) Realizar los siguientes contrastes de hipótesis

H o : β 2=1 ; H o : β 3=−0.005 ; H o : β2 + β 3=0.60 al 1 % de significancia (análisis de dos
colas).

Para B2

PLANTEO DE HIPOTESIS:

bi−B I
t cal= → t n −p
√ c ii σ 2

T TAB 2.756
 H0 β 2=1
H1 β2≠ 1

B1 0.51704-1
T CAL 0.1878 -2.5712

Decisión: Como el Tcal =|−2.5712| < Ttab=2.756. Se acepta H0 y se rechaza H1. Por lo
tanto, se concluye que B2: TANF no es significativo y no influirá en la tasa de mortalidad
infantil.
Para B3
PLANTEO DE HIPOTESIS:

T TAB 2.756
H0 β 3=−0.005
H1 β 3 ≠−0.005

B1 -0.001-(-0.005)
T CAL 0.0004 9.695

Decisión: Como el Tcal =9.695 > Ttab=2.756. Se rechaza la H0 y se aceta H1. Por lo tanto,
se concluye que B3: producto bruto interno es significativo y influirá en la tasa de
mortalidad infantil.

Para B2+B3

PLANTEO DE HIPOTESIS:

T TAB 2.756
H0 β 2+ β3 =0.60
H1 β 2+ β3 ≠ 0.60

B1 0.517-0.001-(0.060)

T CAL √ 0.18782 +0.0004 2 -0.446

Decisión: Como el Tcal =|−0.446| < Ttab=2.756. Se acepta la H0 y se rechaza H1. Por lo
tanto, se concluye que B2+B3: NO es significativo y no influirá en la tasa de mortalidad
infantil.

f) Haga la regresión de mortalidad infantil sobre la tasa de analfabetismo, el PBI

percápita y población con acceso sostenible a mejores fuentes de abastecimientos de
agua, es decir, (MI=b1 +b2 TANF+ b3 PBIPC +b 4 PAS+e ) y obtenga los resultados
habituales. Construya la tabla ANOVA incremental y a partir de esta decidir si merece
la pena añadir la variable PAS al 1 % ; 5 % y 10 % de significancia. ¿Cuáles son las
consecuencias de añadir la variable PAS ?

PAÍSES MI TANF PBIPC PAS

Antillas Neerlandesas 15 3 11964.5 89
Argentina 15 2.7 5497.9 91
Bahamas 15.3 3.3 18974.4 100
Barbados 12.3 0.2 11096.7 100
Belice 18.5 5.2 4268.9 47
Bolivia 55.6 17 1159.5 46
Brasil 27.3 11 5616.2 75
Chile 8 3.6 8873.3 91
Colombia 20.5 6.9 3219.7 86
Costa Rica 10.5 3.7 5053.2 92
Cuba 6.1 2.8 2884.7 98
Ecuador 24.9 8.3 3088.8 89
El Salvador 26.4 21.2 2668.2 62
Granada 37.7 4 5315.9 96
Guatemala 38.6 35.4 2353.4 86
Guyana 49.4 1.3 1218.5 70
Haití 56.1 46.8 525.2 30
Honduras 31.2 21.7 1542.9 69
Jamaica 14.6 7.7 3796.1 80
México 20.5 9.1 7975.7 79
Nicaragua 26.4 31.6 958.6 47
Panamá 20.6 7.6 5218.9 73
 Paraguay 35.5 6.4 1500.9 80
Perú 30.3 12.3 3351.5 63
Puerto Rico 8.1 5.1 20741 94
República Dominicana 34.9 14.4 3711.5 78
San Vicente y Las G 26.7 7.5 4186.2 78
Santa Lucía 14.6 12.3 4624 89
Surinam 31.8 15.9 3812.5 94
Trinidad y Tobago 15.1 1.7 13660.8 100
Uruguay 14.4 1.6 5808.6 100
Venezuela 18.9 6.2 6733.9 68

 ENCUENTRE x t x ¿ y x t y

32 337.5 181402.1 2540

XTX = 337.5 7124.95 1151591.56 22914
181402.1 1151591.56 1767978111 15871420
2540 22914 15871420.2 211768

1.458065513 -0.019203309 0.000003813 -0.015696313

(XT X)-1 = -0.019203309 0.000497279 0.000000189 0.000162374

0.000003813 0.000000189 0.000000002 -0.000000214
-0.015696313 0.000162374 -0.000000214 0.000191456

780.8 41.125
10841.53 0.346
XT Y = β=
3291361.94 -0.001
57445.9 -0.201

Estime la ecuación de regresión lineal múltiple

^
M . I =41. 125+0 . 346∗TANF−0 . 0010∗PBIPC −0 . 201∗PAS

INTERPRETACIONES DE LOS BETAS.

β 2=0 . 346
 por cada unidad de cambio en la tasa de analfabetismo femenino, la mortalidad infantil
aumenta en 0.346 unidades, manteniendo constante el producto bruto interno per cápita
y PAS.

β 3=−0 , 0010

por cada unidad de cambio en el PBI per cápita, la mortalidad infantil disminuye en
0,001 unidades, manteniendo constante la variable tasa de analfabetismo femenino
constante y PAS.

β 4 =−0 , 2010

por cada unidad de cambio en el PAS, la mortalidad infantil disminuye en 0,201

unidades, manteniendo constante la variable tasa de analfabetismo femenino constante y
PBIPC.

 Anova incremental:
t t 2
SCR=B X Y −n y
t 2
SCT= y y−n y

ANÁLISIS DE VARIANZA 1% 5% 10%

GL SC CM FCAL FTAB FTAB FTAB

Regresión 3 2696.217 898.739 9.5534 4.568 2.9467 2.291

Residuos 28 2634.042 94.073

Total 31 5330.26

Prueba global de la regresión

Al 1%; 5% y 10%
H 0= β2=B3 =B 4=0

H 0= Al menosun B I ≠ 0
 Decisión: Como el Fcal=9.5534 > Ftab1%=4.568; Ftab5%=2.9467 y Ftab10%=2.291.
con un nivel de confianza del 95%; Se acepta H1 y se rechaza H0. Por lo tanto, se
concluye que el modelo es significativo y puede seguirse estudiando.

2) Se cree que la energía eléctrica que una planta química consume cada mes se
relaciona con la temperatura ambiental promedio, x 1, el número de días del mes, x 2, la
pureza promedio del producto, x 3, y las toneladas fabricadas del producto, x 4 . Se
dispone de datos históricos del año anterior, los cuales se presentan en la siguiente
tabla.

y x1 x2 x3 x4
240 25 24 91 100
236 31 21 90 95
290 45 24 88 110
274 60 25 87 88
301 65 25 91 94
316 72 26 94 99
300 80 25 87 97
296 84 25 86 96
267 75 24 88 110
276 60 25 91 105
288 50 25 90 100
261 38 23 89 98

a) Encuentre X T X ; ( X T X ) ; (X T X )−1 ; X T Y

X= 1 25 24 91 100 Y= 240
 1 31 21 90 95 236
1 45 24 88 110 290
1 60 25 87 88 274
1 65 25 91 94 301
1 72 26 94 99 316
1 80 25 87 97 300
1 84 25 86 96 296
1 75 24 88 110 267
1 60 25 91 105 276
1 50 25 90 100 288
1 38 23 89 98 261

12 685 292 1072 1192

t
x x 685 43245 16852 61054 68011
292 16852 7124 26089 29003
1072 61054 26089 95822 106498

178.00793 -0.04315 -0.58638 -1.60441 -0.17985

-0.04315 0.00056 -0.00587 0.00177 -0.00004
¿ -0.58638 -0.00587 0.11575 -0.02210 0.00079
-1.60441 0.00177 -0.02210 0.02357 -0.00064
-0.17985 -0.00004 0.00079 -0.00064 0.00222

b) Encuentre un modelo de regresión lineal múltiple usando el conjunto de datos

anterior.
-102.713
0.605
^β 8.924
1.43
0.014

Estime la ecuación de regresión lineal múltiple

^
consumo e . electrica
¿−102.713+0.605∗T . amb+8.924∗D , del mes+1.43 p . p producto+0.014 t . fabricadas

INTERPRETACIONES DE LOS BETAS.

 β 1=0 . 605

por cada 1 f° de cambio en la temperatura promedio ambiental, el consumo de energía

eléctrica mensual aumenta en 0.605 unidades, manteniendo constante los días del mes;
la producción promedio del producto y las toneladas fabricadas.

β 2=8 . 924

por 1 día de los días del mes, el consumo de energía eléctrica aumenta en 8.924
unidades, manteniendo constante la temperatura promedio ambiental; la producción
promedio del producto y las toneladas fabricadas.

β 3=1 . 43

por 1 % de pureza adicional, el consumo de energía eléctrica aumenta en 1.43 unidades,

manteniendo constante la temperatura promedio ambiental; los días del mes y las
toneladas fabricadas.

β 2=0 . 014

por cada tonelada adicional, el consumo de energía eléctrica aumenta en 0.014 unidades,
manteniendo constante la temperatura promedio ambiental; los días del mes la pureza
promedio del producto.

c) Prediga el consumo de energía para un mes en que

x 1=75 ° F , x 2=24 días , x 3=90 % y x 4=98 toneladas

-102.713
0.60537
x 0 ^β
T
1 75 24 90 98 * 8.92364 = 287.5618
1.43745
0.01360

Interpretación
El consumo de energía que se evalúa en un mes teniendo en cuenta, la temperatura
ambiental promedio, el número de días del mes, la pureza promedio del producto, y las
toneladas fabricadas del producto, lo que se estaría consumiendo seria la cantidad de
287.561.
d) Encuentre la varianza estándar de la estimación σ^ 2 y construya la matriz
Var−Cov ( β^ )

y y− ^β x y
t t t
2
σ =
n− p

3345
194890
^β t x t y -102.713 0.605 8.924 1.437 0.014 * 81678 = 937375.991
298850
332254

2 939075−937375.991
σ =
12−5
2
σ =242.716

178.007 -0.04315 -0.58638 -1.60441 -0.17985

-0.0432 0.00056 -0.00587 0.00177 -0.00004
VAR- COV = 242.716 * -0.5863 -0.00587 0.11575 -0.02210 0.00079
-1.6044 0.00177 -0.02210 0.02357 -0.00064
-0.1799 -0.00004 0.00079 -0.00064 0.00222

43205.3019 -10.472107 -142.32333 -389.41606 -43.653591

-10.472107 0.13608496 -1.4244286 0.42891965 -0.0095819
VAR - COV -142.32333 -1.4244286 28.095536 -5.3633513 0.19230684
-389.41606 0.42891965 -5.3633513 5.71984865 -0.1563728
-43.653591 -0.0095819 0.19230684 -0.1563728 0.53849391

e) Evalúe la significación a través del coeficiente de determinación

t t 2
SCR=B X Y −n y

3345
194890
^β t x t y−n y 2 -102.713 0.605 8.924 1.437 0.014 * 81678 12(278.75)2= 4957.2
298850
332254
 2
SCT=939075−12 ( 278.75 ) =6.656 .25
2 4957.2
R= =0.7447∗100=74.47 %
6.656 .25

INTERPRETACION: Esto indica que el 74.47% del consumo mensual de energía

eléctrica puede explicarse en función de la temperatura ambiental promedio; los días del
mes; la producción promedio del producto y las toneladas fabricadas.

Significancia del R2

Condición.

R>
(2n− p )
K
∗f 1−α ; k; n− p
2
=R sig
1+ (
n−p )
K
∗f 1−α ;k ;n− p

2
R =0.7447>
( 12−5 )
4
∗4.1203
=R
2
=0.7018
1+ (
12−5 )
sig
4
∗4.1203

2 2
R =0.7447> R sig=0.7018

Decisión
Es R2es significativo y por lo tanto es apto para la predicción.

f) Calcular intervalos de confianza de 95% para la respuesta predicha y la respuesta

media cuando x 1=75 , x2 =24 , x 3=90.0 y x 4=98

E [ ^y / x 0 ] =x T0 ∗β ± t α ∗σ∗√ xT0∗¿ ¿ ¿
;n −p
2

-102.713
0.60537
x 0 ^β
T
1 75 24 90 98 * 8.92364 = 287.5618
1.43745
0.01360

T 178.0079 -0.0431 -0.5864 -1.6044 -0.1799 1

x0 ¿ = 0.416
-0.0431 0.0006 -0.0059 0.0018 0.0000 75
 1 75 24 90 98 -0.5864 -0.0059 0.1158 -0.0221 0.0008 24
-1.6044 0.0018 -0.0221 0.0236 -0.0006 90
* *
-0.1799 0.0000 0.0008 -0.0006 0.0022 98

Predicción por intervalo

E [ ^y / x 0 ] =x T0 ∗β ± t α ∗σ∗√ xT0∗¿ ¿ ¿
;n −p
2