Caso N° 1

1.-
En el servicio central de turismo del país se ha observado que el número
de la habitación. Sobre el total de plazas ocupadas en un año se tiene:

Se pide:
a.Representar gráficamente para comprobar que existe cierta dependencia linea
b.Halla la ecuación de la recta de regresión del precio sobre el número de habita
c.Halla la ecuación de la recta de regresión del número de habitaciones sobre e

d.¿Cuántas habitaciones se llenarían a 1500 US$?

Reg.Lineal simpleY = a + b X + e
a es el valor de la ordenada donde la línea de regresión se intercepta co
b es el coeficiente de regresión poblacional (pendiente de la línea recta)
e es el error
Y es la variable dependiente
X es la variable independiente

Mínimos Cuadrados

X = Precio Y = No.
$/noche Habit. X-Xprom. Y-Yprom.
250 4725 -1,738.89 3,238.33
650 2610 -1,338.89 1,123.33
 1000 1872 -988.89 385.33
1400 943 -588.89 -543.67
2100 750 111.11 -736.67
2500 700 511.11 -786.67
2700 700 711.11 -786.67
3300 580 1,311.11 -906.67
4000 500 2,011.11 -986.67
1989 1487
Xprom. Yprom.

b= -0.8998 X= 0
a= 3276.2 Y ?? 3276.17796

Y= 0
X ?? 3641.191853

y = 3276.18 + -0.8998 x
x= 1500
y= 1926.546538
ha observado que el número de plazas hoteleras ocupadas es diferente según sea el precio
upadas en un año se tiene:

iste cierta dependencia lineal entre las variables.

io sobre el número de habitaciones.
ero de habitaciones sobre el precio.

de regresión se intercepta con el eje Y.

(pendiente de la línea recta)

a=Sy/n-b*Sx/n

Y=N
5000

4500

(X-Xprom)*(Y- Yprom) (X-Xprom.) 2 4000

-5,631,101.85 3,023,734.57 10486802.77778 3500

-1,504,018.52 1,792,623.46 1261877.777778
3000
f(x) = - 0.8997542815x + 327
R² = 0.6511867253
2500

2000
 4000

3500

3000
-381,051.85 977,901.23 148481.7777778 f(x) = - 0.8997542815x + 327
R² = 0.6511867253
320,159.26 346,790.12 295573.4444444 2500

-81,851.85 12,345.68 542677.7777778 2000

-402,074.07 261,234.57 618844.4444444 1500
-559,407.41 505,679.01 618844.4444444
1000
-1,188,740.74 1,719,012.35 822044.4444444
-1,984,296.30 4,044,567.90 973511.1111111 500
-11,412,383.33 12,683,888.89 15,768,658.00 0
0 500 1000 1500 2000 2500 3

-33.633577778

b'= -0.7237384014
a'= 3064.846645655
ente según sea el precio

Precio
(US$./Noche 550 650 1,200 1,400 2,000 2,500 2,200 3,000 4,000
N° Habitaciones
ocupadas 3,000 2,610 1,872 943 750 700 800 580 500

Y = No. Habit.
5000
Y = No. Habit.
4500 Linear ( Y = No.
Habit.)
4000 Linear ( Y = No.
Habit.)
3500

3000
f(x) = - 0.8997542815x + 3276.1779597915
R² = 0.6511867253
2500

2000
4000 Linear ( Y = No.
Habit.)
3500

3000
f(x) = - 0.8997542815x + 3276.1779597915
R² = 0.6511867253
2500

2000

1500

1000

500

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500
 Tiempo # de páginas
1 600 # de páginas
2 900 5000
3 1,400 4500
4 1,800 4000 f(x) = 546.4285714286x - 171.4285714286
5 2,500 3500 R² = 0.9790600733
6 3,200 3000
7 3,400 2500
8 4,500 2000
1500
1000
500
0
0 1 2 3 4 5 6 7 8

Mínimos Cuadrados

# de
Tiempo
páginas
X-Xprom. Y-Yprom. (X-Xprom)*(Y- Yprom)
1 600 -3.50 -1,687.50 5,906.25
2 900 -2.50 -1,387.50 3,468.75
3 1400 -1.50 -887.50 1,331.25
4 1800 -0.50 -487.50 243.75
5 2500 0.50 212.50 106.25
6 3200 1.50 912.50 1,368.75
7 3400 2.50 1,112.50 2,781.25
8 4500 3.50 2,212.50 7,743.75
5 2288 0.00 0.00 22,950.00
Xprom. Yprom.

b= 546.4286 X= 0
a= -171.4 Y ?? -171.4285714
 Y= 0
X ?? 0.3137254902
páginas

# de páginas
Linear (# de páginas)

6 7 8 9

(X-Xprom.) 2
12.25
6.25
2.25
0.25
0.25
2.25
6.25
12.25
42.00
 Años de Ventas
Vendedor Experien (en miles
cia USD$) Ventas (en miles USD$)
X Y XY X2 Y2 10
A 6 9 54 36 81 9
8
B 5 6 30 25 36

venta (en miles US$)

7 f(x) = 1.1914893617x + 0.5319148936
C 3 4 12 9 16 6 R² = 0.7582205029
Ventas
D 1 3 3 1 9 5 miles
E 4 3 12 16 9 4
3 Linear
F 3 5 15 9 25 (Ventas
2
G 6 8 48 36 64 miles
1 USD$)
H 2 2 4 4 4 0
Sumatoria 30 40 178 136 244 0 1 2 3 4 5 6 7
Promedio 3 4 Años de experiencia
as (en miles USD$)

X Yc = 1.19X + 0.53
1 Yc = 1.19 * (1) + 0.53 = 1.72
1.1914893617x + 0.5319148936
.7582205029 4 Yc = 1.19 * (4) + 0.53 = 5.29
Ventas (en
6 Yc = 1.19 * (6) + 0.53 = 7.67
miles USD$)

Linear
(Ventas (en
miles
USD$))

3 4 5 6 7
Años de experiencia
 X Y
Dato # de # de
Permisos accesorios X-Xprom. Y-Yprom.

1 22 72 -40.833 -67.042
2 16 44 -46.833 -95.042
3 24 80 -38.833 -59.042
4 95 191 32.167 51.958
5 84 187 21.167 47.958
6 13 57 -49.833 -82.042
7 114 238 51.167 98.958
8 147 283 84.167 143.958
9 96 204 33.167 64.958
10 59 144 -3.833 4.958
11 35 102 -27.833 -37.042
12 41 109 -21.833 -30.042
13 28 63 -34.833 -76.042
14 21 50 -41.833 -89.042
15 18 67 -44.833 -72.042
16 46 109 -16.833 -30.042
17 145 304 82.167 164.958
18 122 239 59.167 99.958
19 108 223 45.167 83.958
20 85 173 22.167 33.958
21 107 211 44.167 71.958
22 53 104 -9.833 -35.042
23 17 59 -45.833 -80.042
24 12 24 -50.833 -115.042

Prom X 62.833

Prom Y 139.042

b= 1.8283

a = prom(y) - b*prom(x)
a= 24.1665
(X-Xprom)*(Y- Yprom) (X-Xprom.) 2

2737.5347222222 1667.361111111
4451.1180555556 2193.361111111
2292.7847222222 1508.027777778
1671.3263888889 1034.694444444
1015.1180555556 448.0277777778
4088.4097222222 2483.361111111
5063.3680555556 2618.027777778
12116.4930555556 7084.027777778
2154.4513888889 1100.027777778
-19.0069444444 14.6944444444
1030.9930555556 774.6944444444
655.9097222222 476.6944444444
2648.7847222222 1213.361111111
3724.9097222222 1750.027777778
3229.8680555556 2010.027777778
505.7013888889 283.3611111111
13554.0763888889 6751.361111111
5914.2013888889 3500.694444444
3792.1180555556 2040.027777778
752.7430555556 491.3611111111
3178.1597222222 1950.694444444
344.5763888889 96.6944444444
3668.5763888889 2100.694444444
5847.9513888889 2584.027777778
84,420.17 46,175.33

# de accesorios
350

300
f(x) = 1.828252458x + 24.1664705543
250 R² = 0.9828472517
# de accesorios
200 Linear (# de accesorios)
150

100

50

0
0 20 40 60 80 100 120 140 160
150

100

50

0
0 20 40 60 80 100 120 140 160
La compañía Calgore es una de la más grandes productoras de dentrifico en USA. Cas
esta dispersa en las otras 5 plantas en el país. El Gerente de producción está preocup
(en miles de cajas) para las últimas 50 semanas obtenidas del departamento de com
Lo primero que hace el Gerente es graficar los datos de la tabla adjunta.

METODOS DE SERIES DE TIEMPO - PROCESO CONSTANTE

X Y
Semana Demanda
1 56 70
2 46
3 53
4 50
5 50 60
6 52
56
7 46 55 55
Y = Demanda (en miles de cajas)

53 53 53
8 53 52 52
50 50 50 50
9 55 49
48
10 46 47
46 46 46
45
11 53 43
12 45 40
13 50
14 49
15 48
16 43 30
17 47
18 55
19 52
20
20 52
21 44
22 47
23 57
10
24 45
25 48
26 55
27 50 0
28 42 0 10 20

29 50
30 57
31 51
70
32 54 f(x) = 1.478695399x
R² = 0.74941898
33 54
34 51 60
f(x) = - 0.0649754292x^2 + 3.9393985357x
35 52 R² = 0.8877014732

36 48 50

37 50
38 49 40
39 52
40 48 30
41 47
42 48 20
43 44
44 43
10
45 50
46 57
0
47 46 0 10 20 30 40 50 60
48 44
49 52
50 58
51 49.88
 trifico en USA. Casi 50% de este producto se fabrica en su planta de New Yersey, el resto de la
cción está preocupado por cuanta pasta debe producir la semana próxima. Las cifras de venta
artamento de comercialización se muestran en la tabla.

58
57 57 57
55 55
54 54
53
52 52 52 52 52
51 51
50 50 50 50 50
49 49
48 48 48 48 48
47 47 47
46
45 45
44 44 44
43 43
42

20 30 40 50
 X = Semanas
Conclusión:
Se puede observar que los datos siguen una dispersión
985357x
Al graficar con regresión lineal simple y con regresión p
Las rectas/curvas se alejan de los datos y el margen de
ambos es muy grande; se aleja de una distribución nor
Por ello se aplica el método de series de tiempo: Const
Column B Donde la demanda del periodo 51 será constante = 49,
Linear (Column B)
los siguientes periodos.
Polynomial (Column B)
Moving average (Column B)
Linear (Column B)

40 50 60
New Yersey, el resto de la producción
óxima. Las cifras de ventas reales

58
57

52
0

46
44

50 60
 datos siguen una dispersión constante
neal simple y con regresión polinomica
de los datos y el margen de error en
aleja de una distribución normal.
o de series de tiempo: Constante
iodo 51 será constante = 49,88 para
 Solución
Mes Acero Varilla a) Presentación de los gráficos:
X Y 300
1 116 229
2 104 234 250 f(x) = 2.1047661126x + 7.4583034186
3 119 272 R² = 0.5464852286
4 96 196 200
5 79 161
6 78 189 150 Column C
7 104 226 Linear (Column C)
8 103 209 Linear (Column C)
100
9 114 262
10 92 279
50
11 97 204
12 110 234
13 114 237 0
14 107 224 75 85 95 10
5
11
5
12
5

15 99 209
16 105 246
17 94 189
Y
18 111 233 300
250
19 108 242 200 f(x) = 78.7989150003 exp( 0.0100578363
Y x)
R² = 0.5731367436
20 97 230 150 Exponential (Y)
21 90 199 100
50
22 92 170 0
23 88 165
75 85 95 10
5
11
5
12
5
 150 Exponential (Y)
100
50
0
75 85 95 10
5
11
5
12
5
24 117 263
300

250
f(x) = 205.8164910367 ln(x) - 728.4872903654
200 R² = 0.5415553353

150 Column C
Logarithmic
100 (Column C)
50

0
75 85 95 10
5
11
5
12
5
b) Y = 2,104 X + 7,459
Y (229)= 489.274
171.57

c) No es la ecuación acertada por que el coeficiente

de correlación lineal está más alejado de 1
Es mejor el coeficiente de correlación exponencial

d) Y (175)= 375.658