OBJETIVO 5

1.

Un economista est preparando un estudio sobre el comportamiento del consumidor.

Recolect los datos en miles de dlares para determinar si existe alguna relacin entre el ingreso
del consumidor y los niveles de consumo. Determine cul es la variable independiente y cul la
dependiente.

Consumidor
Ingreso
Consumo

1
24.3
16.2

2
12.5
8.5

3
31.2
15

4
28.0
17

5
35.1
24.2

6
10.5
11.2

7
23.2
15

a) Realice el diagrama de dispersin para los datos.

b) Calcule e interprete el modelo de regresin. Qu le dice este modelo sobre la relacin
entre el consumo y el ingreso? Qu proporcin de cada dlar adicional que se gana se
invierte en consumo?
c) Qu consumo pronosticara el modelo para alguien que gana 28.5 mil dlares?
Solucin:
Solucin:
En este caso la variable independiente sera el Ingreso, y la variable dependiente el Consumo
a)

b)
Consumidor
1
2
3
4
5
6
7

SCx X
2

SCy Y
2

SCxy XY

Consumo (Y)
16,2
8,5
15
17
24,2
11,2
15
107,1

X2
590,5
156,3
973,4
784,0
1.232,0
110,3
538,2
4.384,7

Y2
262,4
72,3
225,0
289,0
585,6
125,4
225,0
1.784,8

XY
393,7
106,3
468,0
476,0
849,4
117,6
348,0
2.758,9

504,8

Ingreso (X)
24,3
12,5
31,2
28
35,1
10,5
23,2
164,8

146,1

X Y
n

237,5

X 23,5
Y 15,3
El modelo de la recta de regresin es

Donde

b1

SCxy
0,47
SCx

Y b0 b1 X

b0 Y b1 X 4,22

El modelo de regresin es entonces:

Y 4,22 0,47 X

El modelo de consumo, como en funcin del ingreso, puede ser expresado por una lnea recta. Por cada dlar
adicional en el ingreso, se destina 0,47 para el consumo (interpretacin de b1).


c) Y 4,22 0,47 20 13,62
Para una persona que gane $20.000, el modelo pronostica un consumo de $13.620 (ya que las cifras estn en
miles de $).
2.

Un demgrafo realiz un estudio sobre el ingreso y la edad de las personas. Recolect los datos
del ingreso (en miles de dlares) para determinar si existe alguna relacin entre esta variable y la
edad.

Persona
Ingreso
Edad

1
25
23

2
34
27

3
46
35

4
41
25

5
30
25

6
44
46

7
27
35

a) Determine cul sera la variable independiente y cul la dependiente y realice el diagrama de

dispersin para los datos
b) Calcule e interprete el modelo de regresin. Qu le dice este modelo sobre la relacin
entre la edad y el ingreso?
c) Qu ingreso pronosticara el modelo para alguien que tenga 42 aos?
Solucin:

Edad vs Ingreso

a) La variable

independiente es la Edad y la

50
45
Ingreso

variable

dependiente el Ingreso.

40
35
30
25
20
20

30

40
Edad

50

b)
Persona

Edad (X)

Ingreso (Y)

XY

X2

Y2

23
27
35
25
25
46
35
216

25
34
46
41
30
44
27
247

575
918
1.610
1.025
750
2.024
945
7.847

529
729
1.225
625
625
2.116
1.225
7.074

625
1.156
2.116
1.681
900
1.936
729
9.143

1
2
3
4
5
6
7
Suma
SCx X

SCy Y

7074

9143

SCxy XY

216 2
7

247 2
7

408,857

427,429

X Y 7847 216 247 225,286

n

La pendiente de la recta (coeficiente de regresin):

b1

SCxy 225,286

0,551
SCx 408,857

Como

Y 247 35,286
n

Tenemos que el intercepto es:

X 216 30,857
n

Las

sumas

cuadrados

de
y

los
los

productos cruzados son:

b0 Y b1 X 35,286 0,551 30,857 18,254

El modelo de regresin queda: Yi 18,25 0,55 X i

Segn el grfico, existe una aparente relacin lineal entre ambas variables.
c) Para una persona que tenga 42 aos (Xi = 42), tendremos:

Yi 18,25 0,55 42 41,35

El modelo pronostica unos ingresos de 41.350 dlares para una persona de 42 aos.

3. Una pequea empresa lleva a cabo un estudio para determinar la relacin entre los gastos
semanales de publicidad y las ventas. Se registran los siguientes datos:
Costos
Ventas

40
385

20
400

25
395

20
365

30
475

50
440

40
490

20
420

50
560

40
525

25
480

50
510

a) Realice el diagrama de dispersin para los datos.

b) Obtener el modelo de regresin lineal de la ventas sobres el costo de publicidad.
Qu le dice este modelo sobre la relacin entre las ventas y los costos? Qu significan
b0 y b1 en el modelo?
c) Calcular el coeficiente de correlacin r y el coeficiente de determinacin r

d) Qu ventas pronostica el modelo para una inversin en publicidad de 35,5 miles de

Bolvares?
Solucin:
a)

e interpretar

b)
Observaciones

Costos (miles)

Ventas (en miles)

X
40
20
25
20
30
50
40
20
50
40
25
50
410

Y
385
400
395
365
475
440
490
420
560
525
480
510
5445

1
2
3
4
5
6
7
8
9
10
11
12
Totales

X2

Y2

X*Y

1600
400
625
400
900
2500
1600
400
2500
1600
625
2500
15650

148225
160000
156025
133225
225625
193600
240100
176400
313600
275625
230400
260100
2512925

15400
8000
9875
7300
14250
22000
19600
8400
28000
21000
12000
25500
191325

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCy Y
2

15.650

SCxy XY

410 2
12

2.512.925

X Y
n

1.641,666667

5445 2
12

191.325

42.256,25

410 5.445 5.287,5

12

La pendiente de la recta (coeficiente de regresin):

Como

Y 5445 453,75
n

12

b1

SCxy
5.287,5

3,2208
SCx 1.641,666667

X 410 34,16666667
n

12

Tenemos que el intercepto es: b 0 Y b1 X 453,75 3,2208 34,16666667 343,706

El modelo de regresin queda: Yi 343,706 3,2208X i

El modelo de ventas, como funcin del costo invertido en publicidad, dice que la variable ventas se puede
explicar como un modelo lineal en funcin de la variable costos de inversin en publicidad.

El intercepto b0 = 343,706, representa el valor esperado de las ventas cuando no se invierte en publicidad. El
valor de la pendiente b1 = 3,2208, significa que por cada mil bolvares invertido en publicidad, las ventas se
incrementaran en 3.220,8 bolvares.
r
c)

SCxy

SCx SCy

5.287,5

1.641,666667 42.256,25

0,63487
, significa que existe un 63,49% de

asociacin entre ambas variables.

r2

SCxy 2
5.287,5 2
0,40302
SCx SCy 1.641,666667 42.256,25
,

significa que la variable ventas, puede ser

explicada por la variable costos en un 40,302%.

d) Y 343,706 (3,2208 * 35,5) 458,04 , lo cual significa, que si la empresa invierte 35.500 bolvares en
publicidad, entonces se obtendrn unas ventas de 458,04 miles de bolvares.
4.

Una pequea empresa lleva a cabo un estudio para determinar la relacin entre los
gastos semanales de publicidad y las ventas. Se registran los siguientes datos:
Costos
40
20
25
20
30
50
40
20
50
40
25
50
60
35
45
15
40
50

Ventas
365
400
395
365
475
440
490
420
560
525
480
510
620
400
410
250
490
660

a) Obtener el modelo de regresin lineal de las ventas sobres el costo de publicidad. Qu

significan b0 y b1 en el modelo?
b) Calcular el coeficiente de correlacin r y el coeficiente de determinacin r2, e
interpretar.

Respuesta.
a)
Observaciones
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Total

Costos X
40
20
25
20
30
50
40
20
50
40
25
50
60
35
45
15
40
50
655

Ventas Y
365
400
395
365
475
440
490
420
560
525
480
510
620
400
410
250
490
660
8255

X2
1600
400
625
400
900
2500
1600
400
2500
1600
625
2500
3600
1225
2025
225
1600
2500
26825

Y2
133225
160000
156025
133225
225625
193600
240100
176400
313600
275625
230400
260100
384400
160000
168100
62500
240100
435600
3948625

X*Y
14600
8000
9875
7300
14250
22000
19600
8400
28000
21000
12000
25500
37200
14000
18450
3750
19600
33000
316525

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCy Y
2

655
26.825

SCxy XY

18

2.990,277778

8.255
3.948.625

18

X Y
n

316.525

162.790,2778

655 8.255 16.134,72222

18

La pendiente de la recta (coeficiente de regresin):

Como

Y 8.255 458,6111
n

18

b1

SCxy 16.134,72222

5,3957
SCx
2.990,277778

X 655 36,3889
n

18

Tenemos que el intercepto es: b 0 Y b1 X 458,6111 5,3957 36,3889 262,2675


El modelo de regresin queda: Y 262,2675 5,3957 X
El modelo de ventas, como funcin del costo invertido en publicidad, dice que la variable ventas se puede
explicar como un modelo lineal en funcin de la variable costos de inversin en publicidad.
El intercepto b0 = 262,2675, representa el valor esperado de las ventas cuando no se invierte en publicidad.
El valor de la pendiente b1 = 5,3957, significa que por cada mil bolvares invertido en publicidad, las ventas
se incrementaran en 5.395,7 bolvares.
r
b)

SCxy

SCx SCy

16.134,72222

2.990,277778162.790,2778

0,7313
, significa que existe un 73,13% de

asociacin entre ambas variables.

SCxy
16.134,72222 2

SCx SCy 2.990,277778162.790,2778

0,5348

, significa que la variable ventas, puede ser

explicada por la variable costos en un 53,48%.

5.

Los siguientes datos son los precios promedios de ventas, de cierta marca y modelo de
automvil usado reducidos a Bs. F.

X (en aos) Y (en Bs.)

1
6.350
2
5.695
2
5.750
3
5.935
5
4.985
5
4.895
X

Ajustar los datos a la curva Y *

a) Cules son los valores de Log , Log , para el modelo lineal en parmetros:
Log Y = Log + (Log )X.
Sugerencia: escriba Log Y = Log + (Log )X, como Y = a + bx.
b) Cules son los valores de y
c) Cul es el modelo definitivo
Solucin:

Observacin
1
2
3

X (en aos) Y (en Bs.) Z = Log (Y)

1
6.350
3,8028
2
5.695
3,7555
2
5.750
3,7597

X2
1
4
4

Z2
14,4611
14,1037
14,1351

X*Z
3,8028
7,5110
7,5193

3
5
5
18

4
5
6
Total

5.935
4.985
4.895

3,7734
3,6977
3,6898
22,4788

9
25
25
68,0000

14,2387
13,6727
13,6143
84,2256

11,3203
18,4883
18,4488
67,0904

Realizamos los cambios de variables: Z = Log Y; a = Log ; b = Log . Por lo tanto nuestro modelo queda
como: Z = a + bx.
Las sumas de los cuadrados y los productos cruzados son:
SCx X
2

SCz Z
2

18
68

SCxz XZ

14

22,4788
84,2256

X Z
n

67,0904

15,6430

18 22,4788 0,346
6

La pendiente de la recta (coeficiente de regresin):

Como

Z 22,478 3,7463
n

Tenemos que el intercepto es:

b1

SCxz 0,346

0,0247
SCx
14
.

X 18 3
n

b 0 Z b1 X 3,7463 0,0247 3 3,8204

El modelo de regresin queda: Z 3,8204 0,0247 X .

b) Valores de y . Como a = Log , entonces tenemos que: 3,8204 = Log , tenemos que al despejar el
3,8204
6.613,0225 ; como b = Log , entonces tenemos: -0,0247 = Log , y
valor de , nos queda: 10
0, 0247
0,9447 .
despejando el valor de , nos queda: 10

X
X

c) Modelo definitivo: Y * , por lo tanto: Y 6.613,0225 * 0,0947 .

6. El gerente de ventas de una compaa tiene un grupo de ocho vendedores, de acuerdo al

conocimiento que tiene de su equipo y considerando los aos de experiencia en ventas de cada
uno de ellos simula en un computador el comportamiento de las ventas para los tres primeros meses
del prximo ao, basado en los siguientes datos
Vendedor

Ventas

Aos de experiencia

(En 1000 Bs.F.)

en ventas

a) Cul es el modelo de regresin lineal en parmetros y variables?

b) Si ingresa a un vendedor con dos aos y nueve meses de experiencia, qu nivel de venta estima
el gerente, lograra este vendedor, segn el modelo obtenido?

Respuesta:
a) Esta pregunta se debe resolver con una calculadora que procese datos estadsticos, suponiendo el uso de
una calculadora simple, se bebe completar la siguiente tabla,
x

x2

y2

xy

36

81

54

25

36

30

16

12

16

12

25

15

36

64

x 30

y 40 x

SCxy 178
SCx 136
b1

136

48
4

244

xy 178

(30)(40)
28
8

(30) 2
23,5
8

28
1,19
23,5

b0 5 (1,19)(3, 75) 0,538 , por lo tanto el modelo es:

Y 0,538 1,19 X

b)

2 aos y nueve meses = 2,75 aos Y 0,538 1,19(2, 75) 3,811 , se espera que el nuevo vendedor

alcance un nivel de ventas equivalente a 3 811 Bs.F.

7. El gerente de recursos humanos de una compaa tiene un grupo de ocho gerentes de nivel medio,
de acuerdo al conocimiento que tiene su equipo el gerente de recursos humanos, propone al
consejo directivo un modelo que permita fijar, una vez elaborado el modelo, el salario bsico de
los gerentes recin ascendidos al nivel medio, considerando los aos de experiencia laboral,
tiempo de servicio en la empresa y salario del ao en curso, los datos se muestran en la siguiente tabla

Vendedor

S = sueldo bsico

A
B
C
D
E
F
G
H

10.500
7.000
5.000
2.000
6.000
3.000
9.250
4.300

T = tiempo en la
empresa
8
3
3
2
2
2
4
5

A = aos de experiencia
6
5
3
5
4
3
6
6

a) Cul es el modelo de regresin Lineal a + b (T+A)/2?

b) Se va ascender a un gerente con cinco aos de experiencia laboral y tres aos de servicios.
Qu salario bsico se debe asignar segn el modelo?
c) Qu salario bsico se debe ofrecer, a efectos de negociar a un aspirante a gerencia media, en

caso de aprobar las pruebas de ingreso, si no tiene experiencia laboral?

Solucin.
Vendedor

T = tiempo

S = sueldo

en la

bsico

A
B
C
D
E
F
G
H
Total

empresa
8
3
3
2
2
2
4
5

10.500
7.000
5.000
2.000
6.000
3.000
9.250
4.300
47.050

A = aos de
experiencia
6
5
3
5
4
3
6
6

X2

S2

S*X

49
16
9
12,25
9
6,25
25
30,25
156,75

110250000
49000000
25000000
4000000
36000000
9000000
85562500
18490000
337302500

73500
28000
15000
7000
18000
7500
46250
23650
218900

4
3
3,5
3
2,5
5
5,5

33,5

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCs S
2

156,75

SCxs XS

33,5 2
8

16,46875

47.050
337.302.500

X S
n

218.900

60.589.687,5

33,5 47.050 21.878,125

8

La pendiente de la recta (coeficiente de regresin):

Como

S 47050 5.881,25
n

Tenemos que el intercepto es:

b1

SCxs 21.878,125

1.328,463
SCx
16,46875
.

X 33,5 4,1875
n

b 0 S b1 X 5.881,25 1.328,263 4,1875 318,3112

El modelo de regresin queda: S 318,3112 1.328,463 X

b) Como: A = 5 y T = 3, entonces:

53
4
2
, y al sustituir en la ecuacin del modelo, nos queda que:

S 318,3112 (1.328,463)(4) 5.632,0632 .

c) Como A = 0 y T = 0, entonces X = 0, y a sustituir en la ecuacin del modelo, tenemos que: S = 318,3112.

8. Dos componentes bsicos de los costos de construccin son los costos de mano de obra y de
materiales. Los cambios en los componentes del costo lgicamente conducen a variaciones en los
costos totales de construccin. La siguiente tabla registra los cambios en el costo de construccin y de
materiales durante diez meses consecutivos:
Costo de
Construccin
Costo de
materiales

193,2

193,1

193,6

195,1

195,6

198,1

200,9

202,7

202,8

202,9

180,0

181,7

184,1

185,3

185,7

185,9

187,7

189,6

189,8

190,0

Si se cree que estas dos variables se relacionan por medio de una recta de regresin lineal:
a) Ajuste un modelo lineal que permita determinar el costo de la construccin basado en la
informacin que se tiene del costo de materiales.
b) Construya un intervalo de confianza de 95% para el coeficiente de regresin.

Solucin:
Costo de

Costo de

Observacin Construccin Materiales

1
2
3
4
5
6
7
8
9
10
Sumas

(Y)
193,2
193,1
193,6
195,1
195,6
198,1
200,9
202,7
202,8
202,9
1.978,00

X2

(X)
180
32400
181,7
33014,89
184,1
33892,81
185,3
34336,09
185,7
34484,49
185,9
34558,81
187,7
35231,29
189,6
35948,16
189,8
36024,04
190
36100
1.859,80 345.990,58

Y2

X*Y

37326,24
37287,61
37480,96
38064,01
38259,36
39243,61
40360,81
41087,29
41127,84
41168,41
391.406,14

34.776,00
35.086,27
35.641,76
36.152,03
36.322,92
36.826,79
37.708,93
38.431,92
38.491,44
38.551,00
367.989,06

a) Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

10

SCy Y
2

SCxy XY

1.859,8
345.990,58

391.406,14

X Y

1978 2
10

367.989,06

104,976

157,74

1.859,81978 120,62
10

La pendiente de la recta (coeficiente de regresin):

Como

Y 1.978 197,8
n

10

Tenemos que el intercepto es:

SCxy 120,62

1,1490
SCx 104,976
.

b1

X 1.859,8 185,98
n

10

b 0 Y b1 X 197,8 1,1490 185,98 15,8956

El modelo de regresin queda: Y 15,8956 1,1490 X

b t
b) IC:
1

,n 2
2

S b1

b1 t ,n 2 S b1
2

. S

b1

Se
SCx ; Pero Se CME .

SCE
SCxy
SCE SCy
SCx .
n 2 ; Pero
2

CME

SCE SCy

CME

S b1

SCxy 2
SCx

157,74

120,62 2
19,1447
104.976
.

SCE 19,1476
2,39345 Se CME 2,39345 1,5471
n 2 = 10 2
.
.
Se

SCx =

1,5471
0,151
t
t 0,025,8 2,306
104,976
. 2 .n 2
.

IC: 1,1490 2,306 * 0,151

1,1490 2,306 * 0,151 . IC: (0,8031 ; 1,4949).

9. Se estudia la relacin del consumo de energa elctrica con el ingreso familiar y se obtiene los
siguientes datos sobre el ingreso familiar (en miles de Bs./ ao) y el consumo de energa

elctrica (en 108 Btu/ ao)

Consumo
Ingreso

X
Y

1.8 3.0
20.0 30.5

4.8
40.0

5.0
55.1

6.5
60.3

7.0
74.9

9.0
88.4

9.1
95.2

a) Estime la ecuacin de regresin lineal.

b) Pruebe la hiptesis nula de que el coeficiente de regresin lineal es igual a cero, contra la hiptesis
alternativa es distinto de cero, con nivel de significancia de 5%.
c) Calcule el coeficiente de determinacin e interprete.
Solucin:
a)

El modelo que usaremos es:

Recordemos que:

As que el modelo es:

b)

Debemos realizar la prueba:

Con un nivel de significancia de

Ahora

, usaremos la t de Student.

Dado que
c)

, se rechaza la hiptesis nula

El coeficiente de determinacin es:

Esto quiere decir que aproximadamente el 96% de la variabilidad de Y es explicada por X. Por lo tanto, el
modelo de regresin lineal obtenido en a) es apropiado.
10. A continuacin se dan precios por accin y dividendos en una muestra de 10 compaas.
Dividendo
Precio

X
Y

0.01 0.03
58
66

0.01
55

0.02
63.2

0.10
58.3

0.08
57.9

0.12
69.3

0.15
70.1

0.10
65.2

0.11
62.3

Si se cree que estas dos variables se relacionan por medio de una recta de regresin lineal, a) Calcule e
interprete el coeficiente de determinacin.
b) Construya un intervalo de confianza del 95% para el coeficiente de regresin.
Solucin.

X2
0,0001
0,0009
0,0001
0,0004
0,01
0,0064
0,0144
0,0225
0,01
0,0121
0,0769

Observacin Dividendo (X) Precio (Y)

1
0,01
58
2
0,03
66
55
3
0,01
63,2
4
0,02
5
0,1
58,3
6
0,08
57,9
7
0,12
69,3
8
0,15
70,1
9
0,1
65,2
10
0,11
62,3
Sumas
0,73
625,3

Y2
3364
4356
3025
3994,24
3398,89
3352,41
4802,49
4914,01
4251,04
3881,29
39339,37

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCy Y
2

0,0769

Y
n

0,73 2
10

39.339,37

0,02361

625,3 2
10

239,361

X*Y
0,58
1,98
0,55
1,264
5,83
4,632
8,316
10,515
6,52
6,853
47,04

SCxy XY

X Y

47,04

0,73 625,3 1,3931

10

La pendiente de la recta (coeficiente de regresin):

SCxy
1,39312

SCx SCy 0,02361 239,361

0,3434

b1

SCxy 1,3931

59,0047
SCx 0,02361

. Significa que la variable precio puede ser explicada

en 34,34% mediante la variable dividendo.

b t
b) IC:
1

,n 2
2

S b1

b1 t ,n 2 S b1
2

. S

b1

Se
SCx ; Pero Se CME .

SCE
SCxy
SCE SCy
n 2 ; Pero
SCx .
2

CME

SCE SCy

CME

S b1

SCxy 2
SCx

239,361

1,39312
232,816
0,02361
.

SCE
232,816
29,102 Se CME 29,102 5,3946
n 2 = 10 2
.
.
Se

5,3946

SCx =

0,02361

35,1084

IC: 59,0047 2,306 * 35,1084

t .n 2 t 0,025,8 2,306
2

59,0047 2,306 * 35,1084 . IC: (-21,9553

; 139,9647).

11. Los siguientes datos corresponden a una comparacin entre el rendimiento acadmico a final de ao
y el puntaje obtenido en una prueba para medir el coeficiente intelectual de
10 estudiantes:
Promedio acadmico
Coeficiente Intelectual

3.6 3.7 3.8 4.6 4.9 4.4 4.4 4.2 3.6 3.2
120 130 125 120 135 130 125 128 115 120

a) Obtenga la ecuacin de la recta de regresin con el rendimiento acadmico como variable

dependiente.

b) Si un estudiante tuvo un rendimiento acadmico de 4,0 cunto se espera que tenga de

coeficiente intelectual?
c) Pruebe la hiptesis nula de que el coeficiente de regresin lineal de la poblacin es
Igual a cero, contra la hiptesis alternativa es distinto de cero, con nivel de
significancia de 5%
d) Calcule el coeficiente de correlacin e intrprete.
Solucin:
a) La recta de regresin est dada por
Usando las frmulas respectivas, obtenemos como recta de regresin:
b) En este caso se tiene el Promedio Acadmico, de manera que usando la recta de regresin si el promedio
es de 4, su cociente intelectual es:
Su Cociente Intelectual es 125,23
c) Las Hiptesis son:

Con un nivel de significancia de

El estadstico de prueba es:

En la tabla encontramos

, cmo

No se rechaza la hiptesis nula, de manera la variable X no explica la variabilidad de la variable Y

12. Una corporacin ha examinado sus beneficios (en millones de Bolvares) en relacin al porcentaje
de

capacidad

operativa

utilizada

en cada

una

de

sus 12

plantas,

obtenindose:
Beneficios
Y 2.5 6.2 3.1 4.6 7.3 4.5 6.1 11.6 10 14.2 16.1 19.5
Cap. operativo
X 50
57
61
68 77 80 82
85
89
91
95
99
a) Encuentre la ecuacin de la recta de regresin e interprete los resultados obtenidos. b) Calcule e
interprete el coeficiente de correlacin.
c) Encuentre el intervalo de confianza del 95% para b1. 19/06/2010.
13. Se desea construir un modelo lineal para predecir el total de residuos slidos recolectados en funcin
de la poblacin en las diferentes entidades que conforman el pas. Se tiene la siguiente informacin,
suministrada por el INE, en su pgina Web, para el ao 2008.

Entidades

Poblacin Residuos Slidos (kg/d)

Amazonas

146029

97500

Apure

485470

172182

Barinas

772734

622500

Delta Amacuro

156233

100100

Falcn

917696

442600

Guarico

759508

597504

Lara

1824087

828890

Nueva Esparta

443648

367500

a) encontrar la ecuacin de regresin lineal, donde la variable dependiente es la cantidad de residuos

slidos y la variable independiente la poblacin en la entidad.
b) Calcular lo que se espera recoger de residuos slidos, en la entidad de Zulia, que cuenta con una
poblacin de 3687332.
c) Calcular e interprete el coeficiente de determinacin.
Solucin:
a)
Entidades

Poblacin

Residuos Slidos

X2

(X)
(kg/d) (Y)
Amazonas
146029
97500
21324468841,00
Apure
485470
172182
235681120900,00
Barinas
772734
622500
597117834756,00
Delta Amacuro
156233
100100
24408750289,00
Falcn
917696
442600
842165948416,00
Guarico
759508
597504
576852402064,00
Lara
1824087
828890
3327293383569,00
Nueva Esparta
443648
367500
196823547904,00
Total
5505405,00
3228776,00
5821667456739,00
Las sumas de los cuadrados y los productos cruzados son:
SCx X
2

SCy Y
2

Y
n

55.054.005
5.821.667.456.739

3.228.776
1.811.699.823.240

Y2

X*Y

9506250000,00
14237827500,00
29646641124,00
83589195540,00
387506250000,00 481026915000,00
10020010000,00
15638923300,00
195894760000,00 406172249600,00
357011030016,00 453809068032,00
687058632100,00 1511967473430,0
135056250000,00 163040640000,00
1811699823240,00 3129482292402,0

2.032.981.929.985,87

508.575.515.968

SCxy XY

X Y
n

3.129.482.292.402

La pendiente de la recta (coeficiente de regresin):

Como

Y 403.597
n

5.505.405 3.228.776 9.075.173.550.617

b1

SCxy
0,4464
SCx

X 688.175,625
n

Tenemos que el intercepto es: b 0 Y b1 X 96.397,3585

El modelo de regresin queda: Y 96.397,3585 0,4464X

b) Y 96.397,3585 (0,4464 * 3.687.332) 1.742.422,363

r
c)

SCxy

0,7966
SCx SCy
, significa que la variable cantidad de residuos slidos, puede ser explicada

por la poblacin en un 79,66%.

14. Un economista est preparando un estudio sobre el comportamiento del consumidor. l recolect los
datos que en miles de dlares para determinar si existe alguna relacin entre el ingreso del consumidor y los
niveles de consumo. Determine cul es la variable independiente y cul la dependiente.
Consumidor
Ingreso
Consumo

1
24.3
16.2

2
12.5
8.5

3
31.2
15

4
28.0
17

5
35.1
24.2

6
10.5
11.2

7
23.2
15

a) Realice el diagrama de dispersin para los datos

b) Calcule e interprete el modelo de regresin. Qu le dice este modelo sobre la relacin entre el
consumo y el ingreso? Qu proporcin de cada dlar adicional que se gana se invierte en
consumo?
c) Qu consumo pronosticara el modelo para alguien que gana 28.5 mil dlares?
15. El gerente de ventas de una compaa tiene un grupo de ocho vendedores, de acuerdo al conocimiento
que tiene de su equipo y considerando los aos de experiencia en ventas de cada uno de ellos simula en su
computador el comportamiento de las ventas para los tres primeros mese del prximo ao, basado en los
siguientes datos

vendedor

ventas

Aos de experiencia

(En 1000 Bs.F.)

en ventas

(a) Cul es el modelo de regresin lineal en parmetros y variables?

(b) Si ingresa a un vendedor con dos aos y nueve meses de experiencia, qu nivel de ventas estima el
gerente, lograr este vendedor, segn el modelo obtenido?

16. Se estudia la relacin del consumo de energa elctrica con el ingreso familiar y se obtiene los siguientes
datos, sobre el ingreso familiar (en miles de Bs./ ao) y el consumo de energa elctrica (en 108 Btu. / ao)
Consumo
(y)
Ingreso (x)

3,1

2,8

4,0

5,5

7,5

9,0

10

25,0

35,5

30,0

55,1

65,3

70,0

88,4

100,2

a) Estime la ecuacin de regresin lineal.

b) Pruebe la hiptesis nula de que el coeficiente de regresin lineal es igual a cero, contra la hiptesis
alternativa es distinto de cero, con nivel de significancia de 5%.
c) Calcule el coeficiente de determinacin e intrprete.
17. Una compaa desea estudiar la relacin entre el volumen de ventas y el gasto en publicidad, cuenta
con la siguiente informacin para el estudio:
Ventas (Y)
3669,88 3473,95 2295,1 4675,56 6125,96 5031,66 3367,45 6519,45
Publicidad (X) 4582,9 5539,8 2950,4 2242,1 7747,1 3140,6 2086,2 8846,2
a) Estime la ecuacin de regresin lineal.
b) Pruebe la hiptesis nula de que el coeficiente de regresin lineal es igual a cero, contra la hiptesis
alternativa, es distinto de cero, con un nivel de significacin de 5%.

c) Calcule el coeficiente de determinacin e interprete.

Solucin.
a)
Observacin
1
2
3
4
5
6
7
8
Total

Ventas (Y)
3669,88
3473,95
2295,1
4675,56
6125,96
5031,66
3367,45
6519,45
35159,01

Y2
13468019,21
12068328,6
5267484,01
21860861,31
37527385,92
25317602,36
11339719,5
42503228,3
169352629,2

Publicidad (X)
4582,9
5539,8
2950,4
2242,1
7747,1
3140,6
2086,2
8846,2
37135,3

X2
21002972,41
30689384,04
8704860,16
5027012,41
60017558,41
9863368,36
4352230,44
78255254,44
217912640,7

X*Y
16818693,05
19244988,21
6771463,04
10483073,08
47458424,72
15802431,4
7025174,19
57672358,59
181276606,3

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCy Y
2

217.912.640,7

SCxy XY

169.352.629,2

X Y
n

37.135,3 2
8

35.159,01 2
8

181.276.606,3

Como

Y 35.159,01 4.394,87625
n

14.833.131,18

37.135,3 35.159,01 18.071.558,29

La pendiente de la recta (coeficiente de regresin):

Y

45.533.827,44

b1

SCxy 18.071.558,29

0,3969
SCx
45.533.827,44
.

X 37.153,3 4.644,1625
n

Tenemos que el intercepto es: b 0 Y b1 X 4.394,87625 0,3969 4.644,1625 2.551,6082

El modelo de regresin queda: Yi 2.551,6082 0,3969 X

d) Contraste de hiptesis: H 0 : 1 0 Vs H A : 1 0 .

T
Estadstico de prueba:

b1 1
S b1

, donde:

S b1

Se
SCx ; pero Se CME .

SCE
SCxy
CME
SCE SCy
SCx .
n 2 ; Pero
2

SCxy
SCE SCy

SCx

CME

S b1

14.833.131,18

18.071.558,29 2
7.660.854,273
45.533.827,44
.

SCE
7.660.854,273
1.276.809,046 Se CME 1.276.809,046 1.129,9598
n2 =
82
.
.
Se

1.129.9598

SCx =

45.533.827,44

0,1675
. Finalmente:

b1 1
S b1

Ubicamos en la tabla t de Student, el valor critico de la prueba:

0,3969 0
2,370
0
,
1675
=
.

t ;n 2 t 0,025;6 2,447
2

Decisin: Como el valor absoluto del estadstico de prueba es menor al valor crtico, entonces no
rechazamos la hiptesis nula, y concluimos que 1 = 0, por lo tanto podemos concluir que no existe relacin
entre las variables volumen de ventas y gastos en publicidad.

r
c)

SCxy
18.071.558,29 2

0,4836
SCx SCy 45.533.827,4414.833.131,18
,

significa que existe un 48,36% de

asociacin entre ambas variables.

18. Un estudiante del primer semestre de administracin, elabora un estudio de compaas que se estn
dando a conocer. Tiene curiosidad por ver si existe o no relacin significativa entre el tamao de la oferta (en
millones de dlares) y el precio por accin.
Tamao de la oferta
108 4,4 3,5 3,6 39 68,4 7,5 5,5 375 12 51 66 10,4 4
(X)
Precio (Y)

12

13

19

8,5

15

a) Estime la ecuacin de regresin lineal.

b) Calcule el coeficiente de determinacin de la muestra e interprtelo.

12 12

6,5

c) Debera usarse esta ecuacin de regresin con propsitos descriptivos Explique.

Solucin:
a)
Observacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Total

X
108
4,4
3,5
3,6
39
68,4
7,5
5,5
375
12
51
66
10,4
4
758,3

X2
11664
19,36
12,25
12,96
1521
4678,56
56,25
30,25
140625
144
2601
4356
108,16
16
165844,79

Y
12
4
5
6
13
19
8,5
5
15
6
12
12
6,5
3
127

Y2
144
16
25
36
169
361
72,25
25
225
36
144
144
42,25
9
1448,5

X*Y
1296
17,6
17,5
21,6
507
1299,6
63,75
27,5
5625
72
612
792
67,6
12
10431,15

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCy Y
2

758,3
165.844,79

14

SCxy XY

127
1.448,5

14

X Y
n

124.772,0121

296,4286

10.431,15

758,3127 3.552,2857
14

La pendiente de la recta (coeficiente de regresin):

Como

Y 127 9,07142857
n

14

b1

SCxy
3.552,2857

0,02847021
SCx 124.772,0121

X 758,3 54,16428571
n

14

Tenemos que el intercepto es: b 0 Y b1 X 9,07142857 0,02847021 54,16428571 7,52935998


El modelo de regresin queda: Y 7,52935998 0,02847021 X .

b)

r2

SCxy 2
3.552,2857 2
SCx SCy 124.772,0121 296,4286

0,3412

, significa que la variable precio por accin,

puede ser explicada por la variable tamao de la oferta en un 34,12%.

c) No, ya que tenemos un coeficiente de determinacin demasiado bajo, y esto podra llevar a realizar
pronsticos inexactos.
19. Suponga que el gerente de una cadena de servicios desea desarrollar un modelo para predecir las ventas
semanales (en miles de Bsf) para las tiendas individuales, basado en el numero de clientes que realizan
compras. Seleccion una muestra aleatoria entre todas las tiendas de la cadena con los siguientes resultados:
Clientes 907
Ventas

926

506

741

789

889

874

510

529

420

11,2 11,05 6,84 9,21 9,42 10,08 9,45 6,73 7,24 6,12

Encuentre:
a) la ecuacin de regresin lineal.
b) el coeficiente de determinacin de la muestra e interprtelo.
Solucin:
a)
Observacin
1
2
3
4
5
6
7
8
9
10
Total

X
907
926
506
741
789
889
874
510
529
420
7091

Y
11,2
11,05
6,84
9,21
9,42
10,08
9,45
6,73
7,24
6,12
87,34

X2
822649
857476
256036
549081
622521
790321
763876
260100
279841
176400
5378301

Y2
125,44
122,1025
46,7856
84,8241
88,7364
101,6064
89,3025
45,2929
52,4176
37,4544
793,9624

X*Y
10158,4
10232,3
3461,04
6824,61
7432,38
8961,12
8259,3
3432,3
3829,96
2570,4
65161,81

Las sumas de los cuadrados y los productos cruzados son:

SCx X
2

SCy Y
2

350.072,9

87,34
793,9624

30,53484

10

SCxy XY

7091
5.378.301

10

X Y
n

65.161,81

7091 87,34
10

La pendiente de la recta (coeficiente de regresin):

Como

Y 87,34 8,734
n

10

b1

3.229,016

SCxy 3.229,016

0,009224
SCx 350.072,9

X 7091 709,1
n

10

Tenemos que el intercepto es: b 0 Y b1 X 8,734 0,009224 709,1 2,193616

El modelo de regresin queda: Y 2,193616 0,009224 X .

b)

r2

SCxy 2
3.229,016 2
0,9754
SCx SCy 350.072,9 30,53484
,

significa que la variable ventas, puede ser

explicada por la variable numero de clientes en un 97,54%.

20. Cierto establecimiento comercial est estudiando la relacin existente entre el nmero de clientes que
entran en el mismo diariamente (X), y las ventas realizadas (Y en miles de bolvares). Para ello durante 5
das seleccionados aleatoriamente del ultimo mes se han observado ambas variables, recabando la siguiente
t

informacin muestral:

X i 790
i 1

Y
i 1

540

; SCx = 1416; SCy = 576; SCxy = 856.

a) Ajuste un modelo de regresin lineal simple para explicar las ventas del comercio en funcin del nmero
de clientes que entran al mismo.
b) Calcule el coeficiente de determinacin e interprete.
c) Construya un intervalo de confianza al 95% para el coeficiente de regresin.

a) recta de regresin: Y a b X .
La pendiente de la recta (coeficiente de regresin):

b1

SCxy 856

0,6045
SCx 1416

Como

Y 540 108
n

X 790 158
n

Tenemos que el intercepto es: b 0 Y b1 X 108 0,6045 158 12,489

El modelo de regresin queda: Y 12,489 0,6045 X .

b)

SCxy 2 856 2 0,8984

SCx SCy 1416 576
,

r2

significa que la variable ventas, puede ser explicada por la

variable numero de clientes en un 89,84%.

b t
c) IC:
1

,n 2
2

S b1

b1 t ,n 2 S b1
2

. S

b1

Se
SCx ; Pero Se CME .

SCE
SCxy
SCE SCy
n 2 ; Pero
SCx .
2

CME

SCE SCy

CME

S b1

SCxy 2
SCx

576

856 2
58,5311
1416
.

SCE
58,5311
19,5104 Se CME 19,5104 4,4171
n2 = 52
.
.
Se

SCx =

4,4171
1416

0,1174

IC: 0,6045 3,182 * 0,1174

t .n 2 t 0,025,3 3,182
2

0,6045 3,182 * 0,1174 . IC: (0,2309 ; 0,9781).