Professional Documents
Culture Documents
1.
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
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
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
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
b1
SCxy 225,286
0,551
SCx 408,857
Como
Y 247 35,286
n
X 216 30,857
n
Las
sumas
cuadrados
de
y
los
los
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
e interpretar
b)
Observaciones
Costos (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
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
Como
Y 5445 453,75
n
12
b1
SCxy
5.287,5
3,2208
SCx 1.641,666667
X 410 34,16666667
n
12
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
SCxy 2
5.287,5 2
0,40302
SCx SCy 1.641,666667 42.256,25
,
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
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
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
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
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
SCxy
16.134,72222 2
0,5348
Los siguientes datos son los precios promedios de ventas, de cierta marca y modelo de
automvil usado reducidos a Bs. F.
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
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
Como
Z 22,478 3,7463
n
b1
SCxz 0,346
0,0247
SCx
14
.
X 18 3
n
X
X
Ventas
Aos de experiencia
en ventas
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
b)
2 aos y nueve meses = 2,75 aos Y 0,538 1,19(2, 75) 3,811 , se espera que el nuevo vendedor
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
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
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
Como
S 47050 5.881,25
n
b1
SCxs 21.878,125
1.328,463
SCx
16,46875
.
X 33,5 4,1875
n
b) Como: A = 5 y T = 3, entonces:
53
4
2
, y al sustituir en la ecuacin del modelo, nos queda que:
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
(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
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
Como
Y 1.978 197,8
n
10
SCxy 120,62
1,1490
SCx 104,976
.
b1
X 1.859,8 185,98
n
10
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
.
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
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
Recordemos que:
b)
Ahora
, usaremos la t de Student.
Dado que
c)
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
Y2
3364
4356
3025
3994,24
3398,89
3352,41
4802,49
4914,01
4251,04
3881,29
39339,37
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
SCxy
1,39312
0,3434
b1
SCxy 1,3931
59,0047
SCx 0,02361
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
t .n 2 t 0,025,8 2,306
2
; 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
En la tabla encontramos
, cmo
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
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
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
Como
Y 403.597
n
b1
SCxy
0,4464
SCx
X 688.175,625
n
r
c)
SCxy
0,7966
SCx SCy
, significa que la variable cantidad de residuos slidos, puede ser explicada
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
vendedor
ventas
Aos de experiencia
en ventas
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
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
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
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
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
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
,
12
13
19
8,5
15
12 12
6,5
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
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
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
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
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
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
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
b)
r2
SCxy 2
3.229,016 2
0,9754
SCx SCy 350.072,9 30,53484
,
informacin muestral:
X i 790
i 1
Y
i 1
540
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
b)
r2
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
t .n 2 t 0,025,3 3,182
2