ndice.

Introduccin..4

1. Sitios de Taxis

1.1Objeto de estudi...5

1.2 Planteamiento y problemtica del problema.5

1.3 Propsitos, objetivos y metas de investigacin5

1.4 Clculos y representacin de tablas. (Excel).5

1.5 Prediccin...........6

1.6 Conclusin7

2. Tienda Trasvia

2.1Objeto de estudi.8

2.2Planteamiento y problemtica del problema...8

2.3Propsitos, objetivos y metas de investigacin..8

2.4Clculos y representacin de tablas. (Excel)..9

2.5 Prediccin..10

2.6 Conclusin.10

3. Ropa y novedades Chuy

3.1Objeto de estudi......11

3.2 Planteamiento y problemtica del problema11

3.3 Propsitos, objetivos y metas de

investigacin11

3.4 Clculos y representacin de tablas. (Excel)..11

ING. Administracin ITES Los Cabos

3.5 Prediccin.12

3.6 Conclusin.12

4. Escuela Secundaria Moiss Senz Garza

4.1Objeto de estudi..13

4.2 Planteamiento y problemtica del problema...13

4.3Propsitos, objetivos y metas de investigacin13

4.4Clculos y representacin de tablas. (Excel)13

4.5 Prediccin..14

4.6 Conclusin.14

Trabajadores y/o empleados en el centro que fuman

5.1Objeto de estudi..15

5.2Planteamiento y problemtica del problema15

5.3Propsitos, objetivos y metas de investigacin...15

5.4Clculos y representacin de tablas. (Excel)...15

5.5 Prediccin.16

5.6 Conclusin16

2
ING. Administracin ITES Los Cabos

Introduccin

Utilizamos la metodologa de regresin mltiple, para poder llevar a cabo, la relacin

que puede tener determinado factor junto a otro, lo cual nos tiende a dar como
resultado lgico. El mtodo de regresin mltiple es utilizado para llevar a cabo en
nuestra vida til, diferentes maneras de expresar cantidades numricas al momento de
llevar a cabo ciertas explicaciones, por otro lado, podemos ver la efectividad de su uso
al momento de llevar a cabo predicciones sobre cantidades no claras que podemos
tener a simple vista, he aqu donde comienza la manera de utilizarse este til mtodo
ante estas distintas y posibles dudas que pueden llegar a reflejarse dentro de las reas
laborales, estadsticas, profesionales y personales.

La manera en que funciona este mtodo de regresin mltiple es mediante la relacin

entre ms de una variable independiente, la cual modera los resultados que puedan
llevar entre determinadas variables.

La estadstica inferencial nos permite trabajar con ms de una variable, a un nivel de

intervalo o razn, de esta manera se puede comprender la relacin entre dos o ms
variables en relaciones con otra, llamndose regresin lineal, y una variable que influya
con otras variables es llamada regresin mltiple.

3
ING. Administracin ITES Los Cabos

1.Sitios de Taxis Cabo San Lucas B.C.S

Direccin: Zona centro Cabo San Lucas B.C.S

1.1 Objeto de estudio: Este estudio se realiz para saber cunto se gastara en una
jornada de trabajo en gasolina y cunto ganara en ciertas distancias los sitios de los
Taxis de Cabo San Lucas B.C.S

1.2 Planteamiento y problemtica del problema: Se desea saber si todos los sitos de
taxis debern trabajar mismas horas para evitar el problema entre otros sitios de
porque unos ganan ms y otros menos siendo del mismo sitio.

1.3 Propsitos, objetivos y metas de investigacin

Conocer cuntos kilmetros recorre un taxi grande en Cabo San Lucas y de Cabo San
Lucas a San Jos del Cabo y cul es su tarifa, cunto gasta de gasolina en el recorrido
y cuanto sale ganando.

1.4 Clculos y representacin de tablas. (Excel)

GASOLINA DISTANCIA HORAS $GANO

VARIABLE
Y X1 X2 X3
46 Nuevo
Atardecer 1000 62 5 3500
56 Nuevo
Atardecer 500 10 8 600
17 Faro Viejo 1000 70 12 3000
60 Faro Viejo 800 40 5 1000
1 Mar de Cortez 500 20 8 1300
3 Mar de Cortez 600 50 10 500
21 Shuspaca 1500 46 12 2300
22 Shuspaca 1000 12 5 1600
17 Sitio el arco 800 14 6 800
14 Sitio el arco 900 18 10 1300

4
 ING. Administracin ITES Los Cabos

Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0.67770251
Coeficiente de determinacin
R^2 0.45928069
R^2 ajustado 0.18892103
Error tpico 269.177242
Observaciones 10

ANLISIS
DE
VARIANZA
Grados de Suma de Promedio de los
libertad cuadrados cuadrados F Valor crtico de F
Regresin 3 369261.673 123087.224 1.69877671 0.265658677
Residuos 6 434738.327 72456.3878
Total 9 804000

Inferior Superior
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% 95.0% 95.0%
Intercepcin 388.508917 294.208285 1.32052337 0.23479364 -331.3928234 1108.41066 -331.39282 1108.41066
Variable X 1 -5.661046 11.8022975 -0.4796563 0.64845534 -34.54022761 23.2181356 -34.540228 23.2181356
Variable X 2 27.6183732 34.31969 0.80473842 0.45167155 -56.35888297 111.595629 -56.358883 111.595629
Variable X 3 0.21707689 0.12296064 1.76541772 0.12793264 -0.083796953 0.51795073 -0.083797 0.51795073

1.5 Prediccin.

Sitio faro viejo #17 gasta 500 pesos en gasolina, 12 kilmetros en 8 horas y gana $1300

Bo+b1*x1+b2*x2+b3*x3

388.508917-5.6610*12+27.6183*8+0.2170*1300=548.033

Prediccin

Sitio Nuevo atardecer #46 gasta 1000 pesos en gasolina, 10 kilmetros en 5 horas y
gana $1300

Bo+b1*x1+b2*x2+b3*x3
5
ING. Administracin ITES Los Cabos

388.508917-5.6610*10+27.6183*5+0.2170*1600=817.1904

Prediccin

Sitio Mar de Cortez #46 gasta 1000 pesos en gasolina, 50 kilmetros en 12 horas y
gana $1300

Bo+b1*x1+b2*x2+b3*x3

388.508917-5.6610*50+27.6183*12+0.2170*1300=718.9785

La cantidad total que nos arrojaron en las tres predicciones son cantidades
aproximadamente el gasto que se da de gasolina que se hace a la hora de empezar a
trabajar en un jornada laboral.

1.6.- Conclusiones.

Este trabajo fue de gran ayuda con ello aprendimos como relacionar las variables
cuantitativas la decisin sobre qu anlisis usar en una situacin particular.

Nos basamos en las observaciones que se realiz para cada una de las variables
donde se da a conocer una ecuacin matemtica que indica la relacin de estas
variables.

Especificando que los sitios de Cabo San Lucas B.C.S son de gran utilidad tanto para
la gente que vive en el la ciudad como para los extranjeros ya que nos ayudan a
comercializar mejores producciones y en muchos locales de ventas ubicadas en la zona
centro de Cabo San Lucas B.C.S.

6
ING. Administracin ITES Los Cabos

2. Tienda Trasvia

2.1 Objeto de estudio:

Se estudia la relacin de los ingresos por la venta de queso en esta tienda, esta
empresa se dedica a comercializar este tipo de producto y por su cualidad de ser
productos perecederos si no se refrigeran bien pueden tener prdidas si se compra
producto de ms.

2.2 Planteamiento y problemtica del problema:

Se busca conocer cunto es lo que se gana en promedio al da en ventas de estos tipos

de queso, que son: Queso fresco, Queso seco y Queso para gratinar, y al mismo tiempo
conocer las cantidades de venta en kilos y as hacer una comparacin con los ingresos
obtenidos.

2.3 Propsitos, objetivos y metas de investigacin

Obtener un sistema rpido de clculo de cantidad de Kilos de queso a pedir al

proveedor.
Tener aproximaciones de ingresos.
Implementar metas a corto, mediano y largo plazo para aumentar las ventas

7
ING. Administracin ITES Los Cabos

2.4 Clculos y representacin de tablas. (Excel)

X3
X1 X2
n Y (Queso
(Queso (Queso
(Muestra) (ventas ) para
Fresco) seco)
quesadillas
Lunes 1 $ 940.00 4 2 4
Martes 2 $ 1,300.00 6 3 5
Mircoles 3 $ 1,390.00 8 1 6
Jueves 4 $ 1,090.00 7 1 4
Viernes 5 $ 1,460.00 8 3 5
Sbado 6 $ 1,670.00 9 2 7
Domingo 7 $ 1,660.00 8 4 6
Lunes 8 $ 1,600.00 7 3 7
Martes 9 $ 1,630.00 6 3 8
Mircoles 10 $ 1,470.00 7 4 5

Estadsticas de la regresin
Coeficiente de correlacin mltiple 1
Coeficiente de determinacin R^2 1
R^2 ajustado 1
Error tpico 2.45183E-14
Observaciones 10

ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crtico de F
Regresin 3 555290 185096.6667 3.07907E+32 5.99487E-97
Residuos 6 3.60687E-27 6.01145E-28
Total 9 555290

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepcin -1.13687E-13 4.90674E-14 -2.31695184 0.059697641 -2.3375E-13 6.3768E-15 -2.3375E-13 6.3768E-15
Variable X 1 80 6.19691E-15 1.29097E+16 1.45819E-95 80 80 80 80
Variable X 2 90 7.81456E-15 1.1517E+16 2.89251E-95 90 90 90 90
Variable X 3 110 6.71138E-15 1.63901E+16 3.4819E-96 110 110 110 110

8
ING. Administracin ITES Los Cabos

2.5Prediccin.

Cunto seria el total de ingresos si se vendieran 10 kilos de cada tipo de queso?

y=a+b1x1+b2x2+b3x3 = 2789.87

2.6 Conclusiones.

Con el conocimiento de estos datos es posible mantener una relacin de cantidades de

kilos de productos vendidos y sus ingresos, para as darnos cuenta si existe una sobre
demanda del producto o de lo contrario se est comprando producto de ms y evitar
mediante los clculos que no se est generando una prdida econmicamente.

9
ING. Administracin ITES Los Cabos

3. Ropa y novedades Chuy

3.1 Objeto de estudio.

En este trabajo mostraremos el proceso necesario, que modela la relacin entre una
variable dependiente Y, de las variables independientes X.

En la cual tambin se muestran diferentes tablas que corresponden especialmente para

cada una de los estndares como lo son estadsticas de la regresin y anlisis de
regresin.

3.2 Planteamiento y problemtica del problema.

Se desea saber cuntas piezas de ropa se venden aproximada en los primeros 10 das
del mes, como lo son las camisas (Hombres), Blusas (Mujeres) y el cinturn de ambos
sexos.

3.3 Propsitos, objetivos y metas de investigacin.

Conocer cuntas piezas por da se venden aproximadamente, y saber que mercanca

hay mayor demanda para adquirir la mercanca correspondiente.

3.4 Clculos y representacin de tablas.

Aproximado Camisa Blusa Cinturn

Das Y X1 X2 X3
1 150 205 164 123
2 200 200 160 120
3 250 195 156 117
4 130 190 152 115
5 220 185 144 111
6 260 180 148 109
7 140 175 140 106
8 190 170 136 104
9 280 165 132 99
10 160 160 128 97

10
 ING. Administracin ITES Los Cabos

Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0.33219668
Coeficiente de determinacin R^2 0.11035463
-
R^2 ajustado 0.33446805
Error tpico 82.3712855
Observaciones 10

ANLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crtico
libertad cuadrados cuadrados F de F
Regresin 3 5049.827924 1683.275975 0.248086788 0.860016941
Residuos 6 40710.17208 6785.028679
Total 9 45760

Superior Inferior Superior

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% 95% 95.0% 95.0%
- -
Intercepcin 404.7397081 409.1779626 0.989153242 0.360784705 596.4826978 1405.96211 596.4826978 1405.962114
- -
Variable X 1 13.98693095 26.73408617 0.523187172 0.619594969 51.42902133 79.4028832 51.42902133 79.40288323
- - - -
Variable X 2 10.41494228 15.5861941 0.668215872 0.528848588 48.55298534 27.7231008 48.55298534 27.72310078
- - -
Variable X 3 10.79721194 49.2316194 -0.21931458 0.833675517 131.2626449 109.668221 131.2626449 109.668221

3.5 Prediccin.

Y= a+b1(x1)+b2(x2)+b3(x3)

Y= 404.7397 + 13.9869 (160)+10.4149 (250)+10.7972 (150) = 6,865.9487

3.6 Conclusiones.

Es muy importante entender la importancia de relacionar las variables cuantitativas con

las decisiones sobre que anlisis en cualquier situacin en particular, as como en las
observaciones para poder determinar las relaciones de estas variables.

11
ING. Administracin ITES Los Cabos

4 Escuela Secundaria Moiss Senz Garza

4.1 Objeto de estudi.

Este estudio se realiz para saber cules son las preferencias de los alumnos, en
cuestin de comida en las diferentes jornadas como lo son en la maana, tarde y
noche.

4.2 Planteamiento y problemtica del problema.

Se desea saber cuntos alumnos comen los diferentes tipos de comida, para
determinar que comida es la ms demandada por los alumnos para poder cambiar el
ese tipo de comida por algo ms saludable, evitando utilizar demasiado aceite en la
elaboracin de la comida, y a completar el platillo con ms verduras saludables.

4.3 Propsitos, objetivos y metas de investigacin.

Conocer cuntos alumnos consumen este tipo de comida rpida, ya que es muy
importante identificar cules son las jornadas en las que consumen ms este tipo de
comida con el fin de poder hacer una comida ms nutritiva para los alumnos.

4.4Clculos y representacin de tablas. (Excel)

Tipos de Da Tarde
comida rpida Precio X1 X2 Noche
comida Y X3
Hamburguesas 35 20 35 39
Burros 35 53 68 70
Quesadillas 20 42 20 23
Hot-Dog 15 20 32 36
Sincronizada 25 16 8 17
Tortas 35 26 10 30
Tacos 25 38 74 74
Pizza 90 12 20 22
Sndwich 25 60 10 6
Papas fritas 20 10 20 23

12
 ING. Administracin ITES Los Cabos

Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0.29794213
Coeficiente de determinacin
R^2 0.08876951
-
R^2 ajustado 0.36684573
Error tpico 24.9914498
Observaciones 10

ANLISIS DE VARIANZA
Suma de Promedio de los Valor crtico de
Grados de libertad cuadrados cuadrados F F
Regresin 3 365.0646244 121.6882081 0.19483438 0.896224355
Residuos 6 3747.435376 624.5725626
Total 9 4112.5

Superior Inferior Superior

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% 95% 95.0% 95.0%
- -
Intercepcin 46.48793044 22.54093295 2.062378276 0.08477693 8.667745536 101.643606 8.66774554 101.643606
- - -
Variable X 1 0.392176608 0.530378233 -0.739428173 0.48755654 1.689965391 0.90561218 1.68996539 0.90561218
- -
Variable X 2 0.442016504 1.418717758 0.311560563 0.76591626 3.029460792 3.9134938 3.02946079 3.9134938
- - -
Variable X 3 0.454946334 1.468604468 -0.30978139 0.76720418 4.048492011 3.13859934 4.04849201 3.13859934

4.5 Prediccin.

Y= a+b1(x1)+b2(x2)+b3(x3)

Y= 46.4879+0.3921 (30)+0.4420 (40)+0.4549 (80)= 112.3229

4.6 Conclusin.

Es muy importante entender la importancia de relacionar las variables cuantitativas con

las decisiones sobre que anlisis en cualquier situacin en particular, as como en las
observaciones para poder determinar las relaciones de estas variables.

13
ING. Administracin ITES Los Cabos

5. Trabajadores y/o empleados en el centro que fuman.

5.1 Objeto de estudi.

El proceso necesario, que modela la relacin entre una variable dependiente, de las
variables independientes; En la cual tambin se muestran diferentes tablas que
corresponden especialmente para cada una de los estndares como lo son estadsticas
de la regresin y anlisis de regresin.

5.2 Planteamiento y problemtica del problema.

Se desea saber cules con las causas por las que fuman las personas que trabajan o
son empleados y cuantos cigarrillos fuman al da; hay que tener en cuenta que los que
no fuman son ms propensos aspirar o inhalan la nicotina y pueden causar daos ya
que pertenecen en su cuerpo de 15 a 20 das.

5.3 Propsitos, objetivos y metas de investigacin.

Conocer cuntos cigarros fuman al da y poner en conciencia que a las personas

expuestas al humo de terceros la nictica puede que darse en su cuerpo por varios
das.

5.4 Clculos y representacin de tablas. (Excel).

Fuma por Fuma pero No Fuman

n Cigarros al causa del no sabe la por causa
da Y estrsX1 causa X2 del estrs X3
1 4 3 6 2
2 6 5 7 3
3 8 6 3 5
4 9 6 5 6
5 10 7 7 7
6 11 9 5 1
7 12 5 4 4
8 13 8 3 2
9 14 5 3 7
10 15 7 4 8

14
 ING. Administracin ITES Los Cabos

Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0.8511163
Coeficiente de
determinacin R^2 0.72439895
R^2 ajustado 0.58659842
Error tpico 2.26410679
Observaciones 10

ANLISIS DE VARIANZA
Grados Promedio
de Suma de de los Valor crtico
libertad cuadrados cuadrados F de F
Regresin 3 80.8429227 26.9476409 5.25686638 0.04076332
Residuos 6 30.7570773 5.12617955
Total 9 111.6

Superior Inferior Superior

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% 95% 95.0% 95.0%
- -
Intercepcin 6.54049699 4.42385856 1.47845979 0.18976439 4.28429496 17.3652889 4.28429496 17.3652889
- -
Variable X 1 0.97864322 0.44680829 2.19029782 0.07104563 0.11465728 2.07194371 0.11465728 2.07194371
- - - -
Variable X 2 1.04890289 0.49608417 2.11436476 0.07889543 2.26277713 0.16497135 2.26277713 0.16497135
- -
Variable X 3 0.58213844 0.31064081 1.87399218 0.11006797 0.17797223 1.34224911 0.17797223 1.34224911

5.5 Prediccin.

Y= a+b1(x1)+b2(x2)+b3(x3)

Y= 6.5404+0.9786 (4)+1.0489 (8)+0.5821 (9)= 24.0849

5.6 Conclusin.

Es importante como relacionar las variables cuantitativas con las decisiones sobre que
anlisis en cualquier situacin en particular, as como en las observaciones para poder
determinar las relaciones de estas variables.

15