You are on page 1of 9

Investigacin de operaciones I

Unidad 1. Introduccin a la investigacin de operaciones


INGENIERIA EN LOGISTICA Y TRANSPORTE

Facilitador del curso de:
Roberto Reyes Solis

Materia:

Investigacin de Operaciones 1

Grupo:
LT-LIOP1-1403C-001

Alumno(a): Diego Efran Servin Rodrguez
Matricula: AL12503884

Trabajo:
Actividad 2. Relacion de variables

Len, Guanajuato., a jueves, 30 de octubre de 2014







Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones
Ejercicio 1
Los valores de dos variables X e Y se distribuyen segn la tabla siguiente:

Y/X 100 50 25
14 1 1 0
18 2 3 0
22 0 1 2
Se pide:
a) Calcular la covarianza.
b) Obtener e interpretar el coeficiente de correlacin lineal.
c) Ecuacin de la recta de regresin de Y sobre X.
x
i
y
i
f
i
x
i
f
i
x
i
2
f
i
y
i
f
i
y
i
2

f
i
x
i
y
i
f
i

100 14 1 100 10 000 14 196 1 400
100 18 2 200 20 000 36 648 3 600
50 14 1 50 2 500 14 196 700
50 18 3 150 7 500 54 972 2 700
Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones
50 22 1 50 2 500 22 484 1 100
25 22 2 50 1 250 44 968 1 100
10 600 43 750 184 3 464 10 600





Es una correlacin negativa dbil.




























Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones
Ejercicio 2

En una muestra de 1500 individuos se recogen datos sobre dos medidas antropomtricas X
e Y. Los resultados que se obtienen son

x = 14, y = 100, s
x
= 2, s
y
= 25, s
xy
= 45.

Obtener el modelo de regresin lineal que mejor aproxima Y en funcin de X. Utilizando este
modelo calcular de modo aproximado la cantidad Y esperada cuando X = 15.

Buscamos la recta Y = a + b X que mejor aproxima los valores de Y, segn el criterio de los
mnimos cuadrados, en la nube de puntos que resulta de representar en un plano (X, Y) las 1500
observaciones.

Los coeficientes de esta recta son:



()()

As, el modelo lineal es: Y = 57.5 + 11.25X. Por tanto, si x = 15, el modelo lineal predice un valor
de Y de


y = 57.5 + 11.25 (15) = 111.25.

En este punto hay que preguntarse como de fiable es esta prediccin.


Ejercicio 3
Se ha llevado a cabo un ajuste lineal a una nube de puntos formada por observaciones de
dos variables X e Y y se ha obtenido un coeficiente de determinacin de 0.03. Discutir si las
siguientes afirmaciones son ciertas y porque:

a) El coeficiente de correlacin lineal entre X e Y valdr 0.173.
b) La covarianza entre X e Y puede ser negativa.
c) Las variables X e Y son casi independientes.
d) El coeficiente de determinacin entre X e Y valdr -0.03.
e) El coeficiente de determinacin entre X y Y valdr 0.03.
f) Solo el 3% de la variabilidad total de Y queda sin explicar en el modelo.

Falso,


Cierto.
Falso, pues la relacin entre X e Y puede ser no lineal.
Falso,

nunca puede ser negativo. En este caso

= 0.03.
Cierto.
Falso, el modelo solo explica un 3% de la variabilidad de Y, por tanto, queda por explicar
un 97%.









Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones
Ejercicio 4
En una empresa de transportes trabajan cuatro conductores. Los aos de antigedad de permisos
de conducir y el nmero de infracciones cometidas en el ltimo ao por cada uno de ellos son los
siguientes:
Aos (X) 3 4 5 6
Infracciones (Y) 4 3 2 1
a) Calcular el coeficiente de correlacin lineal e interpretarlo.
x
i
y
i
x
i
y
i
x
i
2
y
i
2

3 4 12 9 16
4 3 12 16 9
5 2 10 25 4
6 1 6 36 1
18 10 40 86 30
b)
c)
d)
e)




Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones
Ejercicio 5

La tabla siguiente contiene la edad X y la mxima de la presin sangunea Y de un grupo
de 10 mujeres:

Edad 56 42 72 36 63 47 55 49 38 42
Presin

14.8 12.6 15.9 11.8 14.9 13.0 15.1 14.2 11.4 14.1


a) Calcular el coeficiente de correlacin lineal entre las variables y decir que indica.

b) Determinar la recta de regresin de Y sobre X, justificando la adecuacin de un modelo lineal.
Interpretar los coeficientes.

c) Valorar la bondad del modelo.

d) Hacer las predicciones siguientes, solo cuando creas que tengan sentido:

1) Presin sangunea de una mujer de 51 aos.
2) Presin sangunea de una nia de 10 aos.
3) Presin sangunea de un hombre de 54 aos.
Respuestas: Construimos la tabla auxiliar para realizar los clculos de los apartados a) y b):


56 14.8 3136 219.04 828.8
42 12.6 1764 158.76 529.2
72 15.9 5184 252.81 1144.8
36 11.8 1296 139.24 424.8
63 14.9 3969 222.01 938.7
47 13 2209 169 611
55 15.1 3025 228.01 830.5
49 14.2 2401 201.64 695.8
38 11.4 1444 129.96 433.2
42 14.1 1764 198.81 592.2
500 137.8 26192 1919.28 7029
Las medias son:



Las varianzas y covarianza son:



y el coeficiente de correlacin lineal es




Que indica una dependencia lineal moderada y directa entre X e Y. Cuanto mayor es X mayor
tiende a ser Y. La recta de regresin de Y sobre X es Y = a + b X, cuyos coeficientes son:

Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones











El coeficiente a es la interseccin con el eje de ordenadas, mientras que b es la pendiente de la
recta de regresin.

c) El ajuste del modelo se mide mediante el coeficiente de determinacin

, que en el caso del


modelo lineal coincide con

. Entonces,

= 0.89
2
= 0.79, que indica que un 79% de la
variabilidad de Y viene explicada por el modelo de la recta de regresin, mientras que queda sin
explicar un 21% de la variabilidad.

d) Solo tiene sentido realizar la prediccin del apartado (d1). Para un valor de x = 51 el modelo
predice un valor de y = 7.95 + 0.12 51 = 13.90.

Ejercicio 6

En un grupo de 8 pacientes se miden las cantidades antropomtricas peso y edad,
obtenindose los siguientes resultados:

Resultado de las mediciones

X edad 128 10 117 7 1014
Y peso 58 42 51 54 40 39 49 56
Existe una relacin lineal importante entre ambas variables? Calcular la recta de regresin de la
edad en funcin del peso y la del peso en funcin de la edad.

Calcularla bondad del ajuste En qu medida, por trmino medio, vara el peso cada ao?

En cunto aumenta la edad por cada kilo de peso?


ya que

Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones
Por tanto el ajuste lineal es muy bueno. Se puede decir que el ngulo entre el vector formado por
las desviaciones del peso con respecto a su valor medio y el de la edad con respecto a su valor
medio, , es:




es decir, entre esos vectores hay un buen grado de paralelismo (slo unos 19 grados de
desviacin).
La recta de regresin del peso en funcin de la edad es

la recta de regresin de la edad como funcin del peso es

Que como se puede comprobar, no resulta de despejar en la recta de regresin de Y sobre X.
La bondad del ajuste es

por tanto podemos decir que el 88.94% de la variabilidad del peso en funcin de la edad es
explicada mediante la recta de regresin correspondiente. Lo mismo podemos decir en cuanto a
la variabilidad de la edad en funcin del peso. Del mismo modo puede decirse que hay un 100 -
88.94% = 11.06 % de varianza que no es explicada por las rectas de regresin. Por tanto la
varianza residual de la regresin del peso en funcin de la edad es


y la de la edad en funcin del peso:

Investigacin de operaciones I
Unidad 1. Introduccin a la investigacin de operaciones


Por ltimo la cantidad en que vara el peso de un paciente cada ao es, segn la recta de
regresin del peso en funcin de la edad, la pendiente de esta recta, es decir, b
1
=2,8367 Kg/ao.
Cuando dos personas difieren en peso, en promedio la diferencia de edad entre ambas se rige por
la cantidad b
2
=0,3136 aos/Kg de diferencia.