Documente Academic
Documente Profesional
Documente Cultură
a) Determine la ecuación de
regresión. b) Calcule el coeficiente de correlación. c) Calcule el coeficiente de determinación.
1)SCx= 29.2
2)SCy= 6.8
3)Scxy= 10.6
4)b= 0.3630137
5)a= 3.7671233
5.6 ӯ= 5.8
6)r= � =0.7522462
7)r^2= 0.5658743
Gráfico
8
7 f(x) = 0.3630136986x + 3.7671232877
6 R² = 0.5658742949
5
4
y
3
2
1
0
2 3 4 5 6 7 8 9 10 11
x
Resumen
Estadísticas de la regresión
Coeficiente d 0.8278374
Coeficiente 0.6853147
R^2 ajustado 0.527972
Error típico 0.6577935
Observacione 4
ANÁLISIS DE VARIANZA
Grados de libertad
Suma dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 1.884615 1.8846154 4.35555556 0.17216
Residuos 2 0.865385 0.4326923
Total 3 2.75
Percentil 4
12.5 5 Gráfico de probabilidad normal
37.5 6
62.5 7 8
6 f(x) = 0.028x + 4.85
87.5 7 R² = 0.8909090909
4
y
2
0
0 10 20 30 40 50 60 70 80 90 100
x
2. Las siguientes observaciones muestrales se seleccionaron al azar. a) Determine la
ecuación de regresión. b) Calcule el coeficiente de correlación. c) Calcule el coeficiente de
determinación. b) Encuentre el valor de Y cuando X es 7.
1)SCx= 20.875
2)SCy= 79.875
3)Scxy= -36.375
4)b= -1.742515
5)a= 19.1197605
� = 4.875 ӯ= 10.625
6)r= -0.8908084
7)r^2= 0.79353968
Gráfico
16
14
12 f(x) = - 1.7425149701x + 19.119760479
R² = 0.7935396812
10
8
y
6
4
2
0
2 3 4 5 6 7 8 9
x
Resumen
Estadísticas de la regresión
Coeficiente d 0.9381562
Coeficiente 0.880137
R^2 ajustado 0.8561644
Error típico 1.3267532
Observacione 7
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 64.6272016 64.6272016 36.7142857 0.001767
Residuos 5 8.80136986 1.76027397
Total 6 73.4285714
Percentil 13
Gráfico de probabilidad normal
7.14285714 5
21.4285714 7 20
35.7142857 9 15
f(x) = 0.1125x + 4.6607142857
50 11 10 R² = 0.984922179
y
64.2857143 12 5
78.5714286 13 0
0 10 20 30 40 50 60 70 80 90 100
92.8571429 15
x
3. Suponga que se tiene interés en la relación entre los años de trabajo, y la producción
semanal. Los datos muestrales revelaron la siguiente información:
1)SCx= 100
2)SCy= 20
3)Scxy= 40 8 años 5.2
4)b= 0.4
5)a= 2
� = 10 ӯ= 6
6)r= 0.89442719
7)r^2= 0.80
R1: La relación entre los años en el trabajo y la producción semanal es muy alta
R2: Una variación en la variable producción semanal estaría explicada por un cambio en los
años en el trabajo enn un 80% la diferencia 20% por otros factores
R3: Cuando un trabajador tenga 8 años de trabajo su producción semanal será de 5.2
Gráfico
10
9
Producción semanal
8
7 f(x) = 0.4x + 2
6 R² = 0.8
5
4
3
2
1
0
2 4 6 8 10 12 14 16
Años en el trabajo
Resumen
Estadísticas de la regresión
Coeficiente d 1
Coeficiente 1
R^2 ajustado 1
Error típico 0
Observacione 4
ANÁLISIS DE VARIANZA
Grados de libertad
Suma dePromedio
cuadradosde los cuadradosF Valor crítico de F
Regresión 1 20 20 #NUM! #NUM!
Residuos 2 0 0
Total 3 20
Percentil 6
12.5 3
37.5 5
62.5 7
87.5 9
2
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
4. Haverty’s Furniture Company estudió la relación entre las ventas y la cantidad gastada
en publicidad. La información de las ventas de los cuatro últimos meses se repite a
continuación.
a) Trace un diagrama de dispersión.
b) Calcule el coeficiente de correlación.
c) Calcule el coeficiente de determinación
d) Interprete sus resultados en los incisos b) y c).
e) Determine la ecuación de regresión.
c) Estime las ventas cuando se gastan $3 millones en publicidad.
1)SCx= 5
2)SCy= 26 y=2.2x+1.5
3)Scxy= 11 8.1
4)b= 2.2
5)a= 1.5
� = 2.5 ӯ= 7
6)r= 0.96476382
7)r^2= 0.93
R1: La relación entre el gasto en publicidad y las ganancias en ventas es muy alta
R2: Una variación en la variable de ventas estaría explicada por un cambio en los gastos de
publicidad en un 93% la diferencia 7% por otros factores
R3: Cuando el gasto en publicidad sea de 3 milones las ventas serán de 8.1 millones
Chart Title
12
10
f(x) = 2.2x + 1.5
R² = 0.9307692308
8
Ventas
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5
Publicidad
Resumen
Estadísticas de la regresión
Coeficiente d 0.9986254
Coeficiente 0.9972527
R^2 ajustado 0.9945055
Error típico 0.2672612
Observacione 3
ANÁLISIS DE VARIANZA
Grados de libertad
Suma dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 25.928571 25.928571 363 0.033383
Residuos 1 0.0714286 0.0714286
Total 2 26
Percentil 7
16.6666667 3
50 8
83.3333333 10
0
10 20 30 40 50 60 70 80 90
Muestra percentil
5. La Bradford Electric Illuminating Company estudia la relación entre kilowatts-hora (miles)
usados y el número de habitaciones en una residencia privada familiar. Una muestra
aleatoria de 10 casas reveló lo siguiente
a) Determine la ecuación de regresión.
1)SCx= 76
2)SCy= 36.4 y=2.2x+1.5
3)Scxy= 48 8.1
4)b= 0.63157895
5)a= 1.71578947
� = 9 ӯ= 7.4
6)r= 0.9126069
7)r^2= 0.83
Chart Title
12
10 f(x) = 0.6315789474x + 1.7157894737
8 R² = 0.8328513592
Kw por hora
6
4
2
0
2 4 6 8 10 12 14 16
N° habitaciones
Resumen
Estadísticas de la regresión
Coeficiente d 0.906639
Coeficiente 0.821995
R^2 ajustado 0.796565
Error típico 0.92374
Observacione 9
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
de
Promedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 27.58249 27.58249 32.32469 0.0007465
Residuos 7 5.973064 0.853295
Total 8 33.55556
Percentil 9
5.55555556 4
16.6666667 5
27.7777778 6
38.8888889 7
50 7
61.1111111 8
72.2222222 8
83.3333333 10
94.4444444 10
0
0 10 20 30 40 50 60 70 80 90 100
Axis Title
6. El senor James McWhinney, presidente de Daniel-James Financial Services, considera que hay una
relación entre el número de contactos con sus clientes y la cantidad de ventas en dólares. Para
documentar esta afirmación, el senor McWhinney reunió la siguiente información muestral. La
columna X indica el número de contactos con sus clientes el mes anterior, y la columna Y muestra el
valor de las ventas (miles de $) el mismo mes por cada cliente muestreado. a) Determine la
ecuación de regresión. b) Encuentre las ventas estimadas si se hicieron 40 contactos.
1)SCx= 2814.4
2)SCy= 14248.9 y=2.2x+1.5
3)Scxy= 6176.6 8.1
4)b= 2.19464184
5)a= -12.201038
� = 33.4 ӯ= 61.1
6)r= 0.97536215
7)r^2= 0.95
Chart Title
140
120
100 f(x) = 2.194641842x - 12.2010375213
80 R² = 0.9513313169
Ventas
60
40
20
0
0 10 20 30 40 50 60
N° contactos
Resumen
Estadísticas de la regresión
Coeficiente d 0.9739385
Coeficiente 0.9485563
R^2 ajustado 0.9412072
Error típico 9.6683686
Observacione 9
ANÁLISIS DE VARIANZA
Grados de libertad
Suma dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 12065.21 12065.214 129.07099 9.17E-06
Residuos 7 654.3415 93.477352
Total 8 12719.56
Percentil 24
5.55555556 14 Gráfico de probabilidad normal
16.6666667 28
150
27.7777778 30
38.8888889 30 100 f(x) = 1.2675x + 1.8472222222
R² = 0.9356000384
24
50 80 50
61.1111111 85 0
72.2222222 90 0 10 20 30 40 50 60 70 80 90 100
83.3333333 110 Muestra percentil
94.4444444 120
7. En un artículo reciente en BusinessWeek se listan las “Best Small Companies”. Nos interesan los
Chart Title
$ 14.00
$ 12.00
$ 10.00
$ 8.00 f(x) = 0.0835744752x + 1.851735873
$ 6.00 R² = 0.4536012431
$ 4.00
Venta s
$ 2.00
$ 0.00
00 .0
0
.0
0
.0
0
.0
0
.0
0
.0
0
.0
0
.0
0
.0
0 00
0. 10 20 30 40 50 60 70 80 90 00.
$ $ $ $ $ $ $ $ $ $ 1
$
Ingresos
$ 2.00
$ 0.00
V
00 .0
0
.0
0
.0
0
.0
0
.0
0
.0
0
.0
0
.0
0
.0
0 00
0. 10 20 30 40 50 60 70 80 90 00.
$ $ $ $ $ $ $ $ $ $ 1
$
Ingresos
Resumen
Estadísticas de la regresión
Coeficiente d 0.850867
Coeficiente 0.723975
R^2 ajustado 0.693306
Error típico 1.884518
Observacione 11
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
de
Promedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 83.8337 83.8337 23.6057661 0.000898
Residuos 9 31.96267 3.551408
Total 10 115.7964
Percentil 4.9
4.54545455 1.3
13.6363636 1.7 Gráfico de probabilidad normal
22.7272727 2.6 15
31.8181818 3.5 10
40.9090909 4.1 f(x) = 0.1078x - 0.0081818182
4.9
5 R² = 0.9123257129
50 4.4
59.0909091 6 0
68.1818182 6.6 0 20 40 60 80 100 120
77.2727273 8 Muestra percentil
86.3636364 8.2
95.4545455 12.8
8. Se realiza un estudio de fondos mutualistas para fines de inversión en varios fondos. Para este
¿es posible determinar la tasa de rendimiento a cinco años con base en los activos del fondo? Se
seleccionaron nueve fondos mutualistas al azar, y sus activos y tasas de recuperación se muestran a
continuación.
a) Trace un diagrama de dispersión.
b) Calcule el coeficiente de correlación.
c) Calcule el coeficiente de determinación.
e) Determine la ecuación de regresión. Utilice los activos como variable independiente.
f ) Para un fondo con $400.0 millones en ventas, determine la tasa de rendimiento a cinco años (en
porcentaje).
Fondo Rendimiento
Activos x % �^� �^�
�^� �.�
AARP High Quality bond $ 622.20 10.8 116.64 387132.84 $ 6,719.76
Badson Bond L 160.4 11.3 127.69 25728.16 1812.52
Compass capital Fixed In 275.7 11.4 129.96 76010.49 3142.98
Galaxy Bond Retail 433.2 9.1 82.81 187662.24 3942.12
Keystone Custiodian B-1 437.9 9.2 84.64 191756.41 4028.68
MFS Bond A 945.5 11.6 134.56 893970.25 10967.8
Nichols Income 158.3 9.5 90.25 25058.89 1503.85
T. Rowe Price 681 8.2 67.24 463761 5584.2
Short-Term 0 0 0 0 0
Thompson Incime B 241.3 6.8 46.24 58225.69 1640.84
∑ $ 3,955.50 $ 87.90 $ 880.03 $ 2,309,305.97 $ 39,342.75
Scx 107.389
aunque el activo sea 0 , el rendimiento sera un
Scy 744707.945 promedio del 21,17
Scxy 4573.905
si se tuviera un activo adicional , el rendimiento seria
pendiente 42.59193213 del 395,55
X $ 8.79
Y $ 395.55 la relaciòn entre el activo y elremdimiento es bajo
a $ 21.17
una variacion entre el activo y el rendimiento es de un
Coeficiente correlacion 0.51146303 26% .
Coeficiente de determi0.261594431
y la diferencia es decir el 74 % estara explicado en
otros factores de la mutualista
�=0,0061(400,0)+6,3606 8.8006
Chart Title
15
0
$ 0.00 $ 200.00 $ 400.00 $ 600.00 $ 800.00 $ 1,000.00
Rendimiento
R² = 0.2615944313
Activo
5
0
$ 0.00 $ 200.00 $ 400.00 $ 600.00 $ 800.00 $ 1,000.00
Rendimiento
Resumen
Estadísticas de la regresión
Coeficiente de 0.511463
Coeficiente d 0.261594
R^2 ajustado 0.169294
Error típico 262.1775
Observacione 10
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
Promedio
de cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 194811 194811 2.8341545 0.1307765
Residuos 8 549896 68737.1
Total 9 744708
Observación
Pronóstico para
Residuos
Y
1 481.1598 141.04
2 502.4557 -342.06
3 506.7149 -231.01
4 408.7535 24.4465
5 413.0127 24.8873
6 515.2333 430.267
7 425.7903 -267.49
8 370.4208 310.579
9 21.16692 -21.167
10 310.7921 -69.492
200 R² = 1
0
0 2 4 6 8 10 12 14
Variable X 1
Y Pronóstico para Y
Li near (Pronóstico para Y)
Variable X 1
Y Pronóstico para Y
Li near (Pronóstico para Y)
9. Un ejecutivo de una compañía telefónica estudia la relación entre el número de llamadas telefónicas
por semana en una vivienda y el número de personas en dicha vivienda, para lo cual obtiene una muestra
de 12 familias. Trace la información en un diagrama de dispersión. Calcule e interprete el modelo de
regresión lineal. Calcule el coeficiente de correlación y determinación. ¿Es directa o inversa, fuerte o débil
la relación?
n Llamadas Familia
�^� �^�
y x �.�
1 22 4 16 484 88
2 15 5 25 225 75
3 20 4 16 400 80
4 31 3 9 961 93
5 75 7 49 5625 525
6 26 5 25 676 130
7 20 6 36 400 120
8 28 5 25 784 140
9 26 5 25 676 130
10 59 7 49 3481 413
11 23 2 4 529 46
12 33 5 25 1089 165
378 58 304 15330 2005
1)SCx= 23.66666667
2)SCy= 3423
3)Scxy= 178
4)b= 7.521126761
5)a= -11.0187793
� = 4.833333333 ӯ= 25.33333333
6)r= 0.625385785
7)r^2= 0.39
Chart Title
8
7
f(x) = 0.0520011686x + 3.1952965235
6 R² = 0.3911073805
5
Llamadas
4
3
2
1
0
10 20 30 40 50 60 70 80
Familia
Resumen
Estadísticas de la regresión
Coeficiente 0.6253858
Coeficiente 0.3911074
R^2 ajustad 0.3302181
Error típico 14.436895
Observacion 12
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
de
Promedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 1338.76 1338.7606 6.42325704 0.0296457
Residuos 10 2084.24 208.42394
Total 11 3423
Observación
Pronóstico paraResiduos
Y
1 25.232394 -3.23239
Variable X 1 Curva de regresión ajustada
2 32.753521 -17.7535
80
3 25.232394 -5.23239
4 17.711268 13.2887 60
5 47.795775 27.2042
40 f(x) = 7.5211267606x - 4.8521126761
6 32.753521 -6.75352
Y
R² = 0.3911073805
7 40.274648 -20.2746 20
8 32.753521 -4.75352 0
9 32.753521 -6.75352 1 2 3 4 5 6 7 8
10 47.795775 11.2042 Variable X 1
11 10.190141 12.8099
12 32.753521 0.24648
10. El director del Zoológico de Tampa estudia la relación entre el número de visitantes, en miles, y la
temperatura alta, en grados Fahrenheit. Selecciona una muestra de 15 días y la información muestral
recopilada se tabula a continuación. Elabore un diagrama de dispersión con la información. Calcule e
interprete el modelo de regresión lineal. Calcule el coeficiente de correlación y determinación. ¿Es directa
o inversa la relación? .Consideraría la asociación fuerte o débil?
1)SCx= 10.6373333
2)SCy= 628.4
3)Scxy= 37.34
4)b= 3.51027827
5)a= 70.0453121
� = 1.75333333 ӯ= 76.2
6)r= 0.45670929
7)r^2= 0.21
Chart Title
100
80
f(x) = 3.5102782652x + 70.0453121083
Temperatura
60 R² = 0.2085833711
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Visitantes
Tem
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Visitantes
Resumen
Estadísticas de la regresión
Coeficiente de0.456709
Coeficiente d 0.208583
R^2 ajustado 0.147705
Error típico 0.804725
Observacione 15
ANÁLISIS DE VARIANZA
Grados de Suma
libertad
de Promedio
cuadradosde los cuadradosF Valor crítico de F
Regresión 1 2.2187708 2.21877085 3.42624065 0.0870156
Residuos 13 8.4185625 0.64758173
Total 14 10.637333
7 1.266083 -0.7660832 1
8 1.503766 -1.2037662
9 2.216815 -0.0168152 0
60 65 70 75 80 85 90 95
10 1.147242 1.3527583
11 1.741449 -0.4414492 Variable X 1
12 2.216815 1.3831848
13 1.682028 -0.6820284
14 1.503766 0.2962338
15 1.741449 0.3585508
11. Bi-Io Appliance Super-Store tiene tiendas en varias áreas metropolitanas de Nueva
Inglaterra. El gerente general de ventas planea transmitir un comercial para una cámara
digital en estaciones de televisión locales antes de una venta que empezara el sábado y
terminara el domingo. Planea obtener la información para las ventas de la cámara digital
durante el sábado y el domingo en las diversas tiendas y compararlas con el número de
veces que se transmitió el anuncio en las estaciones de televisión. El propósito es
determinar si hay alguna relación entre el número de veces que se transmitió el anuncio y
las ventas de cámaras digitales.
a) ¿Cuál es la variable dependiente?
b) Trace un diagrama de dispersión.
c) Determine el coeficiente de correlación.
d) Establezca el coeficiente de determinación.
e) Interprete estas medidas estadísticas.
Ubicació Numero
n de la de
estacion transmisio Ventas de sabados
x² y² xy
de TV nes a domingo
Providence 4 15 16 225 60
Springfield 2 8 4 64 16
New Have 5 21 25 441 105
Boston 6 24 36 576 144
Hartford 3 17 9 289 51
sumas 20 85 90 1595 376
Scx 10.00
Scy 150.00
Scxy 36.00
b 3.60
X 4.00
Y 17.00
a 2.60
Coeficiente 0.93
Coeficient 0.86
Chart Title
Numero de transmisiones
30
25
20 f(x) = 3.6x + 2.6
R² = 0.864
15
10
5
0
1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Ventas de sabados a domingo (miles de dolares)
10
Numero de
5
0
1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Ventas de sabados a domingo (miles de dolares)
Resumen
Estadísticas de la regresión
Coeficiente de0.929516
Coeficiente d 0.864
R^2 ajustado 0.818667
Error típico 2.607681
Observacione 5
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 129.6 129.6 19.0588235 0.0222241
Residuos 3 20.4 6.8
Total 4 150
Observación
Pronóstico paraResiduos
Y
1 17 -2
2 9.8 -1.8
3 20.6 0.4
4 24.2 -0.2
5 13.4 3.6
0
1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5
Variable X 1
12. El departamento de producción de Celltronics International desea explorar la relación entre
el número de empleados que trabajan en una línea de ensamble parcial y el número de
unidades producido. Como experimento, se asignó a dos empleados al ensamble parcial. Su
desempeño fue de 15 productos durante un período de una hora. Después, cuatro empleados
hicieron los ensambles y su número fue de 25 durante un periodo de una hora. El conjunto
completo de observaciones pareadas se muestra a continuación. La variable dependiente es la
producción; es decir, se supone que el nivel de producción depende del número de empleados.
a) Trace un diagrama de dispersión.
b) Con base en el diagrama de dispersión, ¿parece haber alguna relación entre el número de
ensambladores y la producción? Explique.
c) Calcule el coeficiente de correlación.
d) Evalúe la fuerza de la relación calculando el coeficiente de determinación.
Número de Produccion
Ensamblador en una hora x² y² xy
Nº es (unidades)
1 2 15 4 225 30
2 4 25 16 625 100
3 1 10 1 100 10
4 5 40 25 1600 200
5 3 30 9 900 90
sumas 15 120 55 3450 430
Chart Title
Numero de ensambladoras
45
40
35 f(x) = 7x + 3
30 R² = 0.8596491228
25
20
15
10
5
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Produccion en una hora (unidades)
5
Numer
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Produccion en una hora (unidades)
Resumen
Estadísticas de la regresión
Coeficiente d0.917346
Coeficiente 0.841524
R^2 ajustado0.762286
Error típico 6.094494
Observacione 4
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 394.4643 394.46429 10.62019 0.08265
Residuos 2 74.28571 37.142857
Total 3 468.75
Percentil 15
12.5 10
37.5 25
62.5 30
87.5 40
10
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
13. Copier Sales of America vende copiadoras a empresas de todos tamaños en Estados Unidos y Canada.
Hace poco ascendieron a la señora Marcy Bancer al puesto de gerente nacional de ventas. A la siguiente
junta de ventas asistirán los representantes de ventas de todo el país. Ella desea destacar la importancia
de hacer una última llamada de ventas adicional cada día, y decide reunir información sobre la relación
entre el número de llamadas de ventas y el número de copiadoras vendidas. Así selecciona una muestra
aleatoria de 10 representantes de ventas y determina el número de llamadas que hicieron el mes pasado
y el número de copiadoras que vendieron. La información muestral se reporta en la tabla siguiente tabla
¿Que observaciones cabe hacer respecto de la relación entre el número de llamadas de ventas y el
número de copiadoras vendidas?
a) Elabore un diagrama de dispersión para representar la información.
b) Calcule el coeficiente de correlación.
c) Calcule el coeficiente de determinación.
d) Interprete sus resultados en los incisos b) y c).
e) Determine la ecuación de regresión.
f) Estime el número de copiadoras vendidas, para un vendedor que realice 50 llamadas
Numero
Numero de
de copiador
Representacion llamadas as x² y² xy
de ventas de ventas vendidas
Tom Keller 20 30 400 900 600
Jeff Hall 40 60 1600 3600 2400
Brian Virost 20 40 400 1600 800
Greg Fish 30 60 900 3600 1800
Susan Welch 10 30 100 900 300
Carlos Ramirez 10 40 100 1600 400
Rich Niles 20 40 400 1600 800
Mike Kiel 20 50 400 2500 1000
Mark Reynolds 20 30 400 900 600
Soni Jones 30 70 900 4900 2100
sumas 220 450 5600 22100 10800
Chart Title
Copiadoras vendidas
80
60 f(x) = 1.1842105263x + 18.9473684211
40 R² = 0.5761024182
20
0
5 10 15 20 25 30 35 40 45
Llamadas de ventas
20
Copiad
0
5 10 15 20 25 30 35 40 45
Llamadas de ventas
Resumen
Estadísticas de la regresión
Coeficiente de0.75901
Coeficiente d 0.5761
R^2 ajustado 0.52312
Error típico 9.90082
Observacione 10
ANÁLISIS DE VARIANZA
Grados de
Suma
libertad
de
Promedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 1065.789 1065.7895 10.872483 0.01090193
Residuos 8 784.2105 98.026316
Total 9 1850
Observación
Pronóstico para
Residuos
Y
1 42.6316 -12.6316
2 66.3158 -6.31579
3 42.6316 -2.63158
4 54.4737 5.526316
5 30.7895 -0.78947
6 30.7895 9.210526
7 42.6316 -2.63158
8 42.6316 7.368421
9 42.6316 -12.6316
10 54.4737 15.52632
Ventas
anuales
Pies ( en
cuadrados millones de x² y² xy
Tienda (000) dolares)
1 1.7 3.7 2.89 13.69 6.29
2 1.6 3.9 2.56 15.21 6.24
3 2.8 6.7 7.84 44.89 18.76
4 5.6 9.5 31.36 90.25 53.2
5 1.3 3.4 1.69 11.56 4.42
6 2.2 5.6 4.84 31.36 12.32
7 1.3 3.7 1.69 13.69 4.81
8 1.1 2.7 1.21 7.29 2.97
9 3.2 5.5 10.24 30.25 17.6
10 1.5 2.9 2.25 8.41 4.35
11 5.2 10.7 27.04 114.49 55.64
12 4.6 7.6 21.16 57.76 34.96
13 5.8 11.8 33.64 139.24 68.44
14 3 4.1 9 16.81 12.3
Suma 40.9 81.8 157.41 594.9 302.3
Coeficiente 0.951
Coeficiente 0.904
Chart Title
15
10
f(x) = 1.6698623171x + 0.9644736594
5 R² = 0.9041790034
0
0 1 2 3 4 5 6 7
Pi e cuadrado en mi l es
Chart Title
Ve n ta
15
10
f(x) = 1.6698623171x + 0.9644736594
5 R² = 0.9041790034
0
0 1 2 3 4 5 6 7
Pi e cuadrado en mi l es
Resumen
Estadísticas de la regresión
Coeficient 0.95088328
Coeficient 0.904179
R^2 ajust 0.89619392
Error típic 0.96637968
Observaci 14
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
de
Promedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 105.748 105.74761 113.2335 1.8227E-07
Residuos 12 11.2067 0.93388968
Total 13 116.954
Observación
Pronóstico paraResiduos
Y
1 3.8032396 -0.10324
2 3.63625337 0.26375
3 5.64008815 1.05991
4 10.3157026 -0.8157
5 3.13529467 0.26471
6 4.63817076 0.96183
7 3.13529467 0.56471
8 2.80132221 -0.10132
9 6.30803307 -0.80803
10 3.46926714 -0.56927
11 9.64775771 1.05224
12 8.64584032 -1.04584
13 10.6496751 1.15032
14 5.97406061 -1.87406
4
2
0
0 1 2 3 4 5 6 7
Variable X 1
2
0
0 1 2 3 4 5 6 7
Variable X 1
Una industria galletera desea establecer la relación entre el precio del quintal de harina
y el precio que adoptaría el kilo de galleta. Según datos históricos se han tomado 13
datos anteriores.
a) Haga un diagrama de dispersión para los datos.
b) Calcule e interprete el modelo de regresión (Intercepto y pendiente de la ecuación de
la recta)
c) Calcule e interprete los coeficientes de correlación y determinación.
d) Si el precio del quintal de harina asciende a $50. ¿A cuánto debería vender el
kilogramo de galleta?
Nº Precio Precio
x² y² xy
Harina Galletas
1 40 10.5 1600 110.25 420
2 42 10 1764 100 420
3 45 10.5 2025 110.25 472.5
4 41 11.4 1681 129.96 467.4
5 40 10.7 1600 114.49 428
6 40 10.5 1600 110.25 420
7 40 10.4 1600 108.16 416
8 44 10.5 1936 110.25 462
9 48 11 2304 121 528
10 49 11.7 2401 136.89 573.3
11 40 12 1600 144 480
12 48 12.1 2304 146.41 580.8
13 44 11.8 1936 139.24 519.2
sumas 561 143.1 24351 1581.15 6187.2
Chart Title
14
12
f(x) = 0.0838762215x + 7.3881107492
Precio Galletas
10
R² = 0.1675572307
8
6
4
2
0
38 40 42 44 46 48 50
Precio harina
Resumen
Estadísticas de la regresión
Coeficiente de co 0.40933755
Coeficiente de d 0.16755723
R^2 ajustado 0.09188062
Error típico 0.6709826
Observaciones 13
ANÁLISIS DE VARIANZA
Grados de libertad
Suma dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 0.9968366 0.9968366 2.2141216 0.16485
Residuos 11 4.9523941 0.4502176
Total 12 5.9492308
ObservaciónPronóstico para Y
Residuos
1 10.7431596 -0.24316
2 10.9109121 -0.910912
3 11.1625407 -0.662541
4 10.8270358 0.5729642
5 10.7431596 -0.04316
6 10.7431596 -0.24316
7 10.7431596 -0.34316
8 11.0786645 -0.578664
9 11.4141694 -0.414169
10 11.4980456 0.2019544
11 10.7431596 1.2568404
12 11.4141694 0.6858306
13 11.0786645 0.7213355
0
38 40 42 44 46 48 50
Variable X 1
16. Una empresa fabrica cajas de cartón para pizzas. El departamento de
planeación sabe que un pronóstico adecuado y preciso de cajas para pizza de un
cliente está en relación estrecha con los gastos de promoción de éste, el cual se
puede obtener por adelantado antes de realizar el gasto. El departamento de
planeación de operaciones está interesado en establecer la relación entre la
promoción de la empresa de pizzas y las ventas. Una vez que eso haya
establecido, las órdenes de compra de las cajas para pizzas, en dólares, pueden
expresarse como porcentaje fijo de las ventas.
a) Calcule e interprete el modelo de regresión (Intercepto y pendiente de la
ecuación de la recta) y los coeficientes de correlación y determinación.
b) Si se invierte $2’000.000 en publicidad. ¿A cuánto ascenderían las ventas?
Scx 138.4
Scy 18
Scxy 40
pendiente 0.289017341
X 9.6
Y 3
a 0.225433526
Coeficiente c 0.8014117281
Coeficiente 0.6422607579
B) Y= 0,298x + 0,2254
596000.225 Sus ventas aumenaran: 596000.23
5
f(x) = 0.289017341x + 0.225433526
4 R² = 0.6422607579
3
Ventas
0
2 4 6 8 10
Publicidad 12 14 16 18
Resumen
Estadísticas de la regresión
Coeficiente de corr 0.801412
Coeficiente de det 0.642261
R^2 ajustado 0.597543
Error típico 0.89717
Observaciones 10
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 11.560694 11.5606936 14.362657 0.0053133
Residuos 8 6.4393064 0.80491329
Total 9 18
ObservaciónPronóstico paraResiduos
Y
1 1.381503 -0.381503
2 3.115607 0.8843931
3 4.560694 0.4393064
4 3.693642 0.3063584
5 2.537572 0.4624277
6 4.849711 -0.849711
7 1.67052 0.3294798
8 2.248555 -1.248555
9 2.82659 1.1734104
10 3.115607 -1.115607
2
1
0
2 4 6 8 10 12 14 16 18
Variable X 1
Un gerente de operaciones está interesado en el pronóstico para saber de antemano en
qué forma el entrenamiento influirá en la eficiencia de los obreros de producción. Se
ofrecieron cinco diferentes tipos de capacitación que variaron desde medio día hasta
cuatro. Algunos obreros tomaron cada uno de los diferentes niveles de capacitación y en
promedio obtuvieron para cada día las eficiencias que presenta la tabla. Siendo 100 la
norma o el resultado esperado, y sabiendo que para ese nivel cada obrero produce 200
artículos. ¿Cuántos artículos producirá a los cinco días de entrenamiento?
Dias de
Timestres Capacitación Eficiencia x^ y^ x*y
1 0.5 95 0.25 9025 47.5
2 1 96 1 9216 96
3 2 98 4 9604 196
4 3 103 9 10609 309
5 4 107 16 11449 428
10.5 499 30.25 49903 1076.5
Scx 19.225
Scy 25002.9
Scxy 552.55
pendiente 28.741222367
X 1.05
Y 49.9
a 19.721716515
Coeficiente corr 0.9850596948
Coeficiente de 0.9703426023
R= 3,4878x + 92,476
109.915
Chart Title
108
106
f(x) = 3.487804878x + 92.4756097561
104 R² = 0.9703426023
102
100
Eficiencia
98
96
94
92
90
88
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Días de Capacitación
Resumen
Estadísticas de la regresión
Coeficiente d 0.987763
Coeficiente 0.975676
R^2 ajustado 0.963514
Error típico 0.948683
Observacione 4
ANÁLISIS DE VARIANZA
Grados de Suma
libertad
dePromedio
cuadrados
de los cuadradosF Valor crítico de F
Regresión 1 72.2 72.2 80.2222222 0.012237
Residuos 2 1.8 0.9
Total 3 74
Percentil 95
12.5 96
37.5 98
62.5 103
87.5 107
95
90
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
La siguiente es una tabla que representa la demanda mensual de cereal en lotes de 24 cajas.
Scx -200
Scy -22909.5
Scxy -2670
pendiente 13.35
X 12
Y 93.5
a -66.7
Coeficiente co 0.8100545583
Coeficiente d 0.6561883874
E) 3,8214x+31,762
92.9044
Chart Title
100
90
80 f(x) = 3.8214285714x + 31.7619047619
R² = 0.6561883874
70
60
Demanda
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16
Meses
Resumen
Estadísticas de la regresión
Coeficiente d0.7595283
Coeficiente 0.5768833
R^2 ajustad 0.5416236
Error típico 12.580073
Observacion 14
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
dePromedio
cuadrados
de los cuadradosF Valor crítico de F
Regresión 1 2589.26 2589.25824 16.3609693 0.0016252
Residuos 12 1899.1 158.258242
Total 13 4488.36
Percentil 22
3.57142857 32
10.7142857 40 Gráfico de probabilidad normal
17.8571429 53 100
25 55 80 f(x) = 0.6095384615x + 34.7373626374
60 R² = 0.9608158349
32.1428571 55
40
22
39.2857143 57 20
46.4285714 62 0
53.5714286 65 0 20 40 60 80 100 120
60.7142857 67 Muestra percentil
67.8571429 73
75 81
82.1428571 90
89.2857143 90
96.4285714 93
saber la demanda del próximo mes. Si usted es el gerente con los datos anteriores que se
dispone,diseñe un modelo de regresión lineal que le permita pronosticar sus ventas para enero del
2016.Realice el diagrama de dispersión y trace la recta que corresponda al modelo. Calcule los
coeficientes de correlación y determinación.
Scx 82.5
Scy 3722.5
Scxy 537.5
pendiente 6.515151515
X 5.5
Y 85.5
a 49.66666667
Coeficiente correlac0.969916039
Coeficiente de dete 0.940737123
Jan-16 6,5152x+49,667
121.3342
140
120
f(x) = 6.5151515152x + 49.6666666667
100 R² = 0.9407371227
80
Demanda
60
40
20
0
0 2 4 6 8 10 12
Meses
Resumen
Estadísticas de la regresión
Coeficiente d 0.966379
Coeficiente 0.933889
R^2 ajustad 0.924444
Error típico 5.322906
Observacion 9
ANÁLISIS DE VARIANZA
Grados deSuma
libertad
dePromedio
cuadrados
de los cuadradosF Valor crítico de F
Regresión 1 2801.667 2801.66667 98.8823529 2.22E-05
Residuos 7 198.3333 28.3333333
Total 8 3000
Percentil 60
5.55555556 65
16.6666667 70
27.7777778 70
38.8888889 75
50 90
61.1111111 95
72.2222222 100
83.3333333 115
94.4444444 115
50
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
las ventas que realizarían. En esta empresa en particular se presenta en la siguiente tabla las
ventas en miles de dólares del año anterior. a) Realice el diagrama de dispersión para los datos.
b) Determine la ecuación de la recta.
c) Trace la recta que represente al modelo en el diagrama de dispersión.
d) Calcule los coeficientes de correlación y determinación.
e) Para enero del próximo año según el modelo de regresión lineal a ¿cuánto ascenderían las
ventas?
Scx 41.6
Scy -3640740
Scxy -20051
pendiente -481.9951923077
X 7.8
Y 1492
a 5251.5625
C. correlacion 0.9842717896
C.de determinacion 0.9687909557
E) (-4,5804x + 1272,10)
1212.5548 Asciende
1600
1400
800
600
400
200
0
0 2 4 6 8 10 12 14
400
200
0
0 2 4 6 8 10 12 14
Resumen
Estadísticas de la regresión
Coeficiente de 0.207969
Coeficiente d 0.043251
R^2 ajustado -0.052424
Error típico 81.46563
Observacione 12
ANÁLISIS DE VARIANZA
Grados de Suma
libertad
dePromedio
cuadrados
de los cuadrados
F Valor crítico de F
Regresión 1 3000.1748 3000.1748 0.45206169 0.5165911
Residuos 10 66366.492 6636.6492
Total 11 69366.667
Observación
Pronóstico paraResiduos
Y
1 1268.526 -56.525641
2 1263.945 57.054779
3 1259.365 18.635198
4 1254.784 86.215618
5 1250.204 6.7960373
6 1245.624 41.376457
7 1241.043 -52.043124
8 1236.463 -125.4627
9 1231.882 -86.882284
10 1227.302 -77.301865
11 1222.721 75.278555
12 1218.141 112.85897
600
400
200
0
0 2 4 6 8 10 12 14
MES
0
0 2 4 6 8 10 12 14
MES