.

Universidad Nacional De
Trujillo

Facultad de Ingeniera Qumica

Escuela Profesional De Ingeniera Qumica

Tema: Regresin Lineal Simple

Curso: Estadstica General
Alumno: Angulo Gutirrez, Fredy Rolando
Aula: II - B
Docente: Tapia Sanchez Carlos Danter

Trujillo-Per
Noviembre 2014
LABORATORIO 08
Los gastos semanales de publicidad y las ventas semanales de un laboratorio, en dolares, para una muestra de
diez semanas son:

GASTOS
SEMANALES DE
PUBLICIDAD
VENTAS
SEMANALES

41

54

63

54

48

46

62

61

64

1250

1380

1425

1425

1450

1300

1400 1510 1575

71
1650

Establece la recta de regresion de mnimos cuadrados que permita predecir las ventas semanales en funcion de los
gastos en publicidad.
n
1
2
3
4
5
6
7
8
9
10

X
41
54
63
54
48
46
62
61
64
71
564

Y
1250
1380
1425
1425
1450
1300
1400
1510
1575
1650
14365

1800
1600
1400
1200
1000
800
600
400
200
0
35

b=

b=

40

45

50

n xy x y
n x 2( x )

10 ( 818755 ) ( 564 ) (14365)

10 ( 32604 )(564)

b=10.787

55

60

65

70

75

X2
1681
2916
3969
2916
2304
2116
3844
3721
4096
5041
32604

Y2
1562500
1904400
2030625
2030625
2102500
1690000
1960000
2280100
2480625
2722500
20763875

XY
51250
74520
89775
76950
69600
59800
86800
92110
100800
117150
818755

b= - bXX
b=1436.5-(10.787)(56.4)
b= 828.13

=b+bX
= 828.13+10.787x
)
Representa los puntos y la recta de los minimos cuadrados. Comenta

1800
1600
1400
1200
1000
800
600
400
200
0
35

40

45

50

55

60

65

70

75

Luego de obtener los datos de los minimos cuadrados logramos obtener la ecucacin lineal que nis permitira
predecir las ventas semanales de acuerdo al gasto efectuado.
= 828.13+10.787x

Interpreta la pendiente de recta de regresion.

Como se aprecia en la grafica, tenemos una pendiente positiva. A partir de ello podemos decir que la relacion de las
ventas con el gasto semanala es directamente proporcional.

Pronostica las ventas para gastos semanales de publicidad de 50 y 60 dolares.

y = 10.787x + 828.13
y = 10.787(50) + 828.13
y = 1367.48
y = 10.787x + 828.13
y = 10.787(60) + 828.13
y = 1475.35

Cales son los errores de estimacin cuando se predice las ventas semanales para gastos semanales de
publicidad?

SXY =

( y y )2
n2

SXY =

36120.78
102

n
1
2
3
4
5
6
7
8
9
10

SXY = 67.19

Y
1270.397
1410.628
1507.711
1410.628
1345.906
1324.332
1496.924
1486.137
1518.498
1594.007
14365.168

Y-Y
-20.397
-30.628
-82.711
14.372
104.094
-24.332
-96.924
23.863
56.502
55.993
-0.168

(Y-Y)2
416.037609
938.074384
6841.10952
206.554384
10835.5608
592.046224
9394.26178
569.442769
3192.476
3135.21605
36120.7796

Las calificaciones en un examen de Bioestadstica y el nmero de horas de estudio para el examen, de una
muestra de doce estudiantes de la seccin B de medicina, se presenta en el siguiente cuadro:
TIEMPO DE
ESTUDIO
CALIFICACIN
a)

12

11

12

15

14

16

15

18

16

15

17

Halla la recta de regresion de minimos cuadrados considerando la calificacin en el examen como variable
dependiente.
n
1
2
3
4
5
6
7
8
9
10
11
12

X
3
3
3
4
4
5
5
5
6
6
7
8
59

Y
9
12
11
12
15
14
16
15
18
16
15
17
170

XX
9
9
9
16
16
25
25
25
36
36
49
64
319

YY
81
144
121
144
225
196
256
225
324
256
225
289
2486

XY
27
36
33
48
60
70
80
75
108
96
105
136
874

20
18

f(x) = 1.32x + 7.68

16
14
12
10
8
6
4
2
0
2

Interpreta la pendiente de la recta de regresion.

La pendiente de la grafia es positiva, a partir de ello podemos decir que la relacion del tiempo de estudio con la nota
es directamente proporcional.
Calcula el error estandar de estimacin Para que se utiliza esta medida?

n
Y
Y-Y
(Y-Y)
SXY =
1
11.627
-2.627
6.901129
2
11.627
0.373
0.139129
3
11.627
-0.627
0.393129
4
12.946
-0.946
0.894916
27.30
5
12.946
2.054
4.218916
SXY =
122
6
14.265
-0.265
0.070225
7
14.265
1.735
3.010225
8
14.265
0.735
0.540225
SXY = 1.65
9
15.584
2.416
5.837056
10
15.584
0.416
0.173056
11
16.903
-1.903
3.621409
12
18.222
-1.222
1.493284

169.861
0.139
27.292699
.
En un empresa se tiene interes en pronosticar el tiempo, en minutos, que toma a tender a un ciente en caja (Y) y
se decide utilizar como variable independiente el monto de las compras en dolares (X). Se tomo una muestra de 18
clientes y se obtuvieron resultados X = 861, X2 = 60323, XY= 5177.3, Y2 = 455.86.

( y y )
n2

Halla la recta de regresion que mejor se ajusta a los datos e interpreta la pendiente.
La recta de regresion est dada por la siguiente ecuacion:

 b=

b=

n xy x y
n x 2( x )
18 ( 5177.3 ) ( 861 ) (75.4)
18 ( 60323 )( 861)

b= 0.082

b= - bXX
b=4.189-(0.082)(47.83)
b=0.267

=b+bX
=0.267+0.082X

Grafica la recta de regresion.

Utilizar el grafico de la recta de regresion para realizar dos predicciones de la variable dependiente.

Para los puntajes de ansiedad (X) y de la aptitud acadmica (Y) de diez postulantes a un trabajo se han obtenido
los siguientes resultados: X = 847, X2 = 71927, Y = 446, Y2 = 20058, XY= 37615.
)
Halla la recta de regresion de minimos cuadrados que se ajusta a estos datos.

b=

b=

n xy x y
2
n x ( x )

10 ( 37615 ) ( 847 ) ( 446)

10 ( 71927 )(847)

=b+bX

b=-0.866
b= - bXX
b=44.6-(-0.866)(84.7)
b=117.95

=117-0.866X
Interpreta la pendiente.
La pendiente es positiva, por lo tanto la relacion existente entre las variables es directamente proporcional.

Grafica la recta de regresion.

La tabla de datos presenta datos ficticios para un estudio de adolescentes en riesgo de desarrollar obesidd.

N de comidas rapidas consumidas en la

ltima semana
Peso (Kg)

50.8 59.4 77.6 72.6 82.6 74.8 67.6 62.1

Trace un diagrama de dispersion del peso regresionando a partir del nmero de comidas rapidas consumidas en la
ltima semana.

X
2
2
5
2
4
3
3
2
23

Y
50.8
59.4
77.6
72.6
82.6
74.8
67.6
62.1
547.5

X
4
4
25
4
16
9
9
4
75

Y
2580.64
3528.36
6021.76
5270.76
6822.76
5595.04
4569.76
3856.41
38245.49

XY
101.6
118.8
388
145.2
330.4
224.4
202.8
124.2
1635.4

(Y-)
2296.80
3195.07
5583.82
4861.57
6356.07
5173.20
4189.32
3507.60
35163.49

(-)
3542.03
3542.03
6439.26
3542.03
5378.02
4412.28
4412.28
3542.03
34809.98

Calcule el coeficiente de correlacin R de Pearson para estas dos variables de Regresin Y=B0 + B1X
n xy x y
b= n x 2( x )

b=

b=6.91

b= - bXX

8 ( 1635.4 )( 23 ) (547.5)
8 ( 75 )(23)

b=68.437-(6.91)(2.875)

b=48.57

=b+bX

=48.57+6.91 X

coeficiente de corelacion de pearson:

r=

Variacon explicita
Variacion total
34809.98
35163.49

r=

r=

r=0.994

( )
(Y )

= 0.989

0.989

La tabla contiene la edad (X) y la mxima de la presin sanguinea (Y) de un grupo de 10 mujeres:

EDAD
PRESION

56 42 72 36 63 47 55 49 38 42
14.8 12.6 15.9 11.8 14.9 13.0 15.1 14.2 11.4 14.1

Determine la recta de regresin y sobre X, justificando la adecuacin de un modelo lineal.

18
16
14
12
10
8
6
4
2
0
30

35

40

45

50

55

60

65

70

bi =

n XY X Y
n X 2( x)2

bi =

10 (7029)500(137.8)
10(26192)( 500)2

bi = 0.116
b0 = y- bix

b0 = 13.78- 0.116(50)

b0 = 7.98

75


Y = 7.98 + 0.116X

)
Interprete la pendiente.

La pendiente es positiva, eso quiere decir que la relacion x y es directamente proporcional.

)
Realice las siguiente predicciones:

Presion sanguinea de una mujer de 51 aos.

Y = 7.98 + 0.116X
Y = 7.98 + 0.116(51)
Y = 13,89

Presion sanguinea de una nia de 10 aos.

Y = 7.98 + 0.116X
Y = 7.98 + 0.116(10)
Y = 9.14

Presion sanguinea de un hombre de 55 aos.

Y = 7.98 + 0.116X
Y = 7.98 + 0.116(55)
Y = 14.36

El crecimiento de los nios desde la infancia a la adolecencia generalmente sigue un praton lineal. Se calcul una
recta de regresion mediante el mtodo de mnimos cuadrados con datos de alturas de nias norteamericanas de 4 a 9
aos y el resultado fue: 0 = 80 y 1 = 6. La variable dependiente Y es la altura en cm y X es la edad en aos.

=80
=6
= +X
=80+6X

a) Interprete los valores estimados del intercepto y de la pendiente.

La recta de regresion interceptara al eje coordendas en y=80 ;La pendiente es positiva, eso quiere decir
que la relacion xy es directamente proporcional.

)
Cual sera la altura predicha de una nia de 8 aos.

X=8

=80+(6)(8)

=128

Cual sra la altura predicha de una mujer de 25 aos. Comente el resultado.

X=25

=80+(6)(25)
=230

INTERPRETACION .- Supuestamente la mujer de 25 aos tiene una altura de 230cm, pero el patrn lineal de la
recta de regresin corresponde a nias entre 4 y 9 aos. Por lo tanto esa altura no le corresponde a la mujer.