Está en la página 1de 11

Datos recogidos sobre las ventas trimestrales de motocicletas y sobre las

ventas de accesorios para estos vehículos, en esos mismos periodos, se
presentan en la siguiente tabla:
Ventas motocicletas por
semestre (millones de
pesos)

Ventas accesorios por
semestre (Millones de
pesos)

2400
1933
2660
1500
2976
1800
2100

42
33
56
30
58
38
45

a) ¿Cuál es la variable independiente y cuál es la variable dependiente?
La variable independiente es la venta de motocicletas, la cantidad de
accesorios vendidos depende directamente de esta venta, como se puede
apreciar en la tabla, en los trimestres que más se vendieron motocicletas,
aumentaron también las ventas en los accesorios.
b) Dibuje el diagrama de dispersión de esta situación. ¿se puede aplicar un
modelo de regresión lineal?

Ventas motociletas por semestre (Millones de pesos)
3500
3000
2500
2000
1500
1000
500
0
25

30

35

40

45

50

55

60

en ese mismo periodo.Sí es posible realizar una regresión lineal. Ventas accesorios por semestre (Millones de pesos) 3500 3000 f(x) = 44.73x + 265. c) Establezca la ecuación de regresión lineal que relaciona estas dos variables. Utilizando la herramienta de línea de tendencia se puede visualizar la regresión lineal en el gráfico de dispersión y como leyenda se puede incluir la ecuación de la línea. se presentan en la siguiente tabla: Distancia / mes (kilómetros) 5500 7500 8000 3000 35000 Mantenimiento/ mes (Miles de pesos) 490 630 525 245 385 . En la ecuación X representa la venta de accesorios y Y la venta de motocicletas.61 2500 2000 1500 1000 500 0 25 30 35 40 45 50 55 60 2. como se puede observar en la gráfica hay una tendencia que relaciona las ventas de motocicletas con las ventas de accesorios. La distancia recorrida mensualmente por el parque automotor de una empresa y los gastos de las reparaciones de los vehículos.

6000 9500 525 700 a) ¿Cuál es la variable dependiente y la variable independiente? La variable dependiente es el mantenimiento que se realiza. un polinomio de grado 3. dando un coeficiente de determinación R2=0. ¿ se puede aplicar el modelo de regresión lineal? Mantenimiento/ mes (Miles de pesos) 800 600 Costo del mantenimiento 400 200 0 2000 4000 6000 8000 10000 Kilómetros recorridos c) ¿Cuál es la correlación de estas dos variables? Realizando un análisis con las regresiones que permite Excel.9274. el cuál varía en función a la distancia que recorra el vehículo. a la función que generan estos datos. se pudo encontrar como mejor aproximación. . el cual es bastante aceptable. la cual es la variable independiente b) Dibuje el diagrama de dispersión de esta situación.

0x^2 + 0. lo cual es un problema.93 600 Costo del mantenimiento 400 200 0 2000 4000 6000 8000 10000 Kilómetros recorridos d) ¿Es conveniente utilizar el kilometraje recorrido para pronosticar el monto de los gastos de reparación? ¿Por qué? Es recomendable.06x + 136. hay diferentes kilometrajes para un mismo costo del mantenimiento.6x . e) Establezca una regresión lineal de estas dos variables.68 R² = 0. porque hay una tendencia .87 600 Costo del mantenimiento 400 200 0 2000 4000 6000 8000 Kilómetros recorridos 10000 .92 R² = 0. un valor aproximado que pueda ser corregido posteriormente.Mantenimiento/ mes (Miles de pesos) 800 f(x) = 0x^3 . sin embargo si se puede utilizar la correlación para tener una noción de los gastos de mantenimiento.858. Mantenimiento/ mes (Miles de pesos) 800 f(x) = 0.

y las ventas de un producto en unidades. por ende la publicidad es la variable independiente y el número de unidades la dependiente.f) Si el próximo mes se espera que los vehículos de la empresa recorran 8.858.9E-05x2 + 0.) 4. se presenta en la siguiente tabla: No Unidades vendidas 13000 14000 18000 20000 10000 15000 11000 Gastos en publicidad (millones) 15 16 18 23 12 17 18 a) ¿Cuál es la variable dependiente y la variable independiente? Las unidades vendidas dependen de la publicidad que se le hagan a los productos. ¿A cuánto ascenderán los gastos en reparaciones? y = 4E-09x3 . en millones de pesos. El valor de los recursos gastados en publicidad. b) ¿Cuál es la correlación de estas dos variables? Graficando los datos y con ayuda de Excel se consigue la ecuación que mejor se adapta a la curva.700 kilómetros.24 (tomando como X los 8700.92 = 640.5973x . .

sin embargo hay datos que no siguen esta tendencia.6815000 No unidades vendidas 10000 5000 0 10 12 14 16 18 20 22 24 Gastos en publicidad c) ¿Es conveniente utilizar el gasto en publicidad para pronosticar el número de unidades vendidas?¿Por qué? Se puede decir que cuando se aumenta el gasto en publicidad hay una tendencia al aumento de unidades vendidas. d) Establezca la ecuación de regresión lineal que relaciona estas dos variables.68x . como se muestra la siguiente tabla.78433. En Seg. Se comparó la inversión en programas de seguridad industrial y el número de accidentes ocurrida durante el año. .14 R² = 0.No Unidades vendidas Vs gastos en publicidad 25000 20000 f(x) = 16.870.65x .66x^2 + 15385. con trabajo de alto riesgo.43 No unidades vendidas 10000 5000 0 10 12 14 16 18 20 22 24 Gastos en publicidad 5. No Unidades vendidas Vs gastos en publicidad 25000 20000 15000 f(x) = 867.321. Número de Inv.86x^3 . en una muestra de 6 fábricas.

porque cuando la inversión en seguridad aumentó. ¿se puede aplicar el modelo de regresión lineal? Número de accidentes Vs Inversión en seguridad Industrial 30 25 20 Número de accidentes 15 10 5 0 14 15 16 17 18 19 20 21 22 23 24 Inv. c) Si una fábrica piensa invertir $21 millones en seguridad industrial. los accidentes disminuyeron en la misma proporción. los puntos se asemejan a una línea recta. salvo un par de ocasiones que se produjo el efecto contrario. b) ¿Es conveniente utilizar la inversión en seguridad industrial para pronosticar el número de accidentes en las fábricas? ¿Por qué? Sí.accidentes Industrial (millones) 15 20 23 27 15 10 18 20 17 15 23 22 a) Dibuje el diagrama de dispersión de la situación. en seguridad industrial Se puede aplicar la regresión lineal porque la dispersión no es muy marcada. ¿cuántos accidentes en el año le predice este modelo? .

08x^2 .75 20 Número de accidentes 15 10 5 0 14 15 16 17 18 19 20 21 22 23 24 Inv. el promedio final de calificaciones y el valor del sueldo del primer trabajo de los egresados de esta muestra. Una institución universitaria registró. 6.75 3.4.75 Ingreso mensual (Miles) 950 900 1200 1150 850 1400 1250 ¿Es conveniente utilizar el promedio ponderado final de los recién egresados para pronosticar su primer ingreso mensual? ¿Por qué? .01x^3 R² = 0.77 4.25 3.05x^4 .Número de accidentes Vs Inversión en seguridad Industrial 30 25 + 114. como se presenta en la siguiente tabla: Promedio final ponderado 4 4.25 4.62 f(x) = 0.1432.83x + 6736.5 4. en seguridad industrial Utilizando una regresión polinómica se pudo encontrar que para una inversión de 21 millones la cantidad de accidentes es aproximadamente igual a 15. en una muestra de recién graduados.

en los valores intermedios no se presenta del todo la tendencia y hay varias excepciones. ¿Por qué? . ya que ninguna la otra. El número de vehículos vendidos en una semana por un concesionario y las ventas de seguros de vehículos. la mayor y menor nota presentan el mejor y peor salario respectivamente.6 9.5 Nota del egresado 4 3. 7. a pesar que si se cumple en los extremos. se presentan en la siguiente tabla.5 3 800 900 1000 1100 1200 1300 1400 1500 Salario (miles) Como se puede observar en el gráfico de dispersión no es posible tener una predicción del comportamiento de las variables. en millones de pesos.Promedio final vs Salario 5 4.2 9 8 4.8 Suponiendo regresión lineal conteste: a) ¿Es conveniente utilizar el número de vehículos vendidos para pronosticar el valor de las ventas de los seguros de vehículos?. No de vehículos vendidos 12 6 14 14 9 16 9 Ventas de seguros (millones de $) 7 4.4 5.

4226=0.56x + 0. y realizando una regresión para encontrar una correlación entre las 2 variables se puede pronosticar el número de venta de seguros.94 8 6 Venta de seguros (millones) 4 2 0 4 6 8 10 12 14 16 18 Venta de vehículos Y =0.42 R² = 0.4336=14. b) Para una venta de 25 vehículos ¿Cuántos millones se espera vender en seguros? Haciendo una regresión lineal: Ventas de seguros Vs Venta de vehículos 10 f(x) = 0.5 millones .563∗25+0. hay una clara tendencia que relaciona las ventas de vehículos con las ventas de seguros.563∗X + 0.Ventas de seguros Vs Venta de vehículos 10 8 6 Venta de seguros (millones) 4 2 0 4 6 8 10 12 14 16 18 Venta de vehículos Como se puede observar en la gráfica de dispersión.

.Como se puede observar. esto representa el aumento que tienen las ventas de seguros con las ventas de vehículos.