UNIVERSIDAD NACIONAL

PEDRO RUIZ GALLO

Facultad de Ciencias
Económicas, Administrativas y
contables

Escuela de Economía

ASIGNATURA:

ANÁLISIS CUANTITATIVO I
DOCENTE:

LILIAN ROXANA PAREDES LÓPEZ.

INTEGRANTES:

 ECHEGARAY GARCÍA FÁTIMA

 ECHEVERRE OJEDA FREDDY
 PÉREZ ACUÑA GONZALES JESSICA
 SERRANO SILVA ANDY
 SUYÓN GARCÍA LEONARDO
ASUNTO:
EJERCICIOS DE DISPERSIÓN Y CORRELACIÓN
 EJERCICIOS DE CORRELACIÓN Y DISPERSIÓN

ECONOMÍA

EJERCICIO 1

A partir de una muestra de 10 familias de dese hacer una relación entre el ingreso (y) y el
ahorro (x).Los datos obtenidos expresado en dólares es:

Ingreso(y) 450 350 280 450 310 510 600 380

Ahorro(x) 90 65 40 80 60 100 75 90

a) Ŷ=a+b(x) →147.38+3.58(x)
Interpretación:
El ingreso se incrementa en un 3.58 por cada ahorro de familia.
𝑦
b) S𝑥 =541.75

c) r=0.97
d) r²=0.94
Interpretación:
Podemos concluir que la variación del ahorro explica el 42% de la variación en el ingreso.
Autor: Inédito
EJERCICIO 2

Una empresa de manufactura se basa en las predicciones de las unidades producidas en

resultados oficiales de los costos totales en la industria. A continuación se dan los resultados
de los últimos 7 años

Costos 200 220 400 330 210 390 280

totales

Miles TM(y)

Unidades .p. 9 6 12 7 5 10 8

Miles TM(x)

a) ŷ= a + b(x) → 82.09 +25.53(x)

Interpretación:
Los costos totales se incrementan en un 25.35 por cada unidad producida.

𝑦
b) S𝑥 =613.43

c) r=0.73
d) r²=0.53

Interpretación:
Podemos concluir que la variación de las unidades producidas explica el 53% de la
variación de los costos totales.
Autor: Inédito
EJERCICIO 3

Un gerente de entregas de paquetes a las bodegas hace una relación entre las variación entre
las ventas semanales (miles de dólares) basado en el número de clientes que realizan la
compra. Esto se basa en 10 bodegas:

número de
clientes(y) 907 926 610 742 785 880 872 550 510 420

ventas semanales(x) 11 12 7 9 10 11 10 8 7 6

a) Ŷ=a + b(x) → (-78.53) + 87.77(x)

Interpretación:
El número de clientes se incrementa en un 87.88 por cada venta semanal.
𝑦
b) S =2302.99
𝑥

c) r=0.96
d) r=0.93
Interpretación:
Podemos concluir que la variación de las ventas semanales explica el 93% de la variación
del número de clientes.

Autor: Inédito
EJERCICICIO 4

En una bodega que vende gaseosa quieren saber la relación del total de ingresos totales (y) y
la cantidad vendida(x) .Se toma muestra de los últimos 8 días:

Ingreso 154 185 160 260 182 142 251 192

total(y)

Cantidad 36 45 38 55 40 31 52 45
vendida(x)

a) ŷ=a+b(x)→-31.28+5.19(x)
Interpretación
El ingreso total se incrementa en un 5.19 por cada cantidad vendida.
𝑦
b) S𝑥 =541.75

c) r=0.97
d) r²=0.94
Interpretación
Podemos concluir que la variación de la cantidad vendida explica el 94% de la variación
del ingreso total.
Autor: Inédito
CONTABILIDAD

EJERCICICIO 5

A menudo quienes realizan la contabilidad financiera estiman los ingresos generales con base
al nivel de ventas. En la empresa ¨ALICORP¨ se ha reunido cierta información acerca de los
ingresos generales (Y) y las ventas realizadas en las diferentes sucursales (X) y ahora desean
estimar una ecuación de regresión para predecir los ingresos generales futuros.

X 50 52 63 45 66 49 30 37
Y 191 198 272 182 280 173 116 159

a) Calcular la recta de regresión

Ŷ = (-21.28) + 4.44X

Interpretación:

Los ingresos generales se incrementan en 4.44 por cada venta realizada en las
diferentes sucursales.

b) Calcular el error de estimación

Sy/x = 14.76

c) Calcular el coeficiente de correlación

r = 0.53

d) Calcular el coeficiente de determinación

𝑟 2 = 0.28

Interpretación:
Podemos concluir que la variación de las ventas realizadas en las diferentes sucursales
explica el 28% de los ingresos generales.

Autor: Inédito
EJERCICICIO 6

Quienes realizan la contabilidad de mercadería que llega a su almacén se basan en la cantidad

de gastos generales realizados por la empresa. Supermercados Metro realiza un informe a la
semana, sobre la cantidad de mercadería que llega a su almacén(X) en relación de sus gastos
generales (Y).Se desea estimar una ecuación para predecir los gastos generales a futuro.

X 40 53 48 65 76 80 70 30 45
Y 120 135 124 155 170 190 160 100 115

a) Calcular la recta de regresión

Ŷ = 46.48 + 1.68X

Interpretación:
Los gastos generales se incrementan en 1.68 por cada cantidad de mercadería que llega al
almacén.

b) Calcular el error de estimación

Sy/x = 5.70

c) Calcular el coeficiente de correlación

r = 0.98

d) Calcular el coeficiente de determinación

𝑟 2 = 0.97

Interpretación:
Podemos concluir que la variación de la cantidad de mercadería que llega al almacén
explica el 97% de los gastos generales de la empresa.

Autor: Inédito
INGENIERÍA

EJERCICICIO 7

Un ingeniero agrónomo está interesado en cosechar maíz, para ello determina una relación de
la cantidad en kilos de granos de maíz que puede cosechar un peón(X) y la eficiencia del
peón al momento de trabajar (Y), en una muestra aleatoria de 9 datos.

X 10 5 8 7 12 9 6 3 4
Y 80 65 70 65 90 77 69 25 30

a) Calcular la recta de regresión

Ŷ = 15.8 + 6.7X

Interpretación:
La eficiencia del peón al momento de trabajar se incrementa en 6.7 por cada kilo de grano
de maíz que puede cosechar

b) Calcular el error de estimación

Sy/x= 10.32

c) Calcular el coeficiente de correlación

r = 0.90

d) Calcular el coeficiente de determinación

𝑟 2 =0.80

Interpretación:
Podemos concluir que la variación de la cantidad en kilos de granos de maíz que puede
cosechar un peón explica el 80% de la variación de su eficiencia al momento de trabajar.

Autor: Inédito
EJERCICICIO 8

Un ingeniero en sistemas necesita comprar los mejores software para su empresa, para ello
determina una relación entre la calidad de las distintas marcas de software que puede
encontrar en el mercado y la cantidad de ventas que tienen cada una de las marcas, para poder
realizar dicha relación se recopiló información de 6 marcas con mayor salida en el mercado.

Calidad Y 30 65 40 94 32 96
Ventas X 40 78 55 80 49 88

a) Calcular la recta de regresión

Ŷ = (-36.12)+ 1.47X

Interpretación:
La calidad de las distintas marcas de software que se pude encontrar en el mercado se
incremente en 1.47 por cada venta que tiene cada una de las marcas.

b) Calcular el error de estimación

Sy/x= 10.48

c) Calcular el coeficiente de correlación

r = 0.95

d) Calcular el coeficiente de determinación

𝑟 2 = 0.90

Interpretación:
Podemos explicar que la variación de las ventas que tiene cada marca explica el 90% de
la calidad de que ellas tienen.

Autor: Inédito
ODONTOLOGÍA

EJERCICICIO 9

La ortodoncia como bien se sabe es un procedimiento que no solo se da por estética sino
también por cuestiones de salud bucal. Se investigó cuanto puede llegar a ganar un
odontólogo por cada paciente que necesite una ortodoncia.

X 1 1 2 2 2 3 3 4 4
Y 20 40 30 60 80 80 100 250 300

Donde x representa el número de pacientes que necesitan brackets, Y equivale a la ganancia

por cada ortodoncia

Hallar los datos siguientes:

a. Línea de regresión
Ŷ = 205.6 + 122.3X
Interpretación:
La ganancia de un odontólogo se incrementa en 122.3 por cada paciente que necesita
una ortodoncia.

b. Error estándar de estimación: Sy/x= 2267.9

c. Coeficiente de correlación: r= 0.796

d. Coeficiente de determinación: r2 = 0.634

Interpretación:
Podemos concluir que la variación del número de pacientes que necesitan brackets
explica el 63.4% de la variación en la ganancia por cada ortodoncia.

Autor: Inédito
EJERCICIO 10

Un egresado de odontología está buscando trabajo y para esto ha investigado el sueldo según
las horas de trabajo. Teniendo en cuenta que fueron 9 hospitales los que visitó.

X 3 4 5 3 3 6 1 2 4
Y 200 180 450 150 180 475 80 140 200
X, horas de trabajo.

Y, sueldo según las horas de trabajo.

Hallar los datos siguientes:

a. Línea de regresión: Ŷ = -53.63 + 81.86X

Interpretación:
El sueldo de un odontólogo se incrementa en 81.86 por cada hora de trabajo

b. Error estándar de estimación: Sy/x = 794.61

c. Coeficiente de correlación: r= 0.90

d. Coeficiente de determinación: r2= 0.80

Interpretación:
Podemos concluir que la variación del número de horas de trabajo explica el 80% de la
variación en el sueldo.

Autor: Inédito
EDUCACIÓN
EJERCICIO 11
Una madre desea matricular a su hijo en un colegio donde puedan exigirle al máximo, así que
para esto tomó muestras del número de horas que se estudia y el número de cursos que se
lleva por día, las muestras fueron tomadas de diversos colegios (nacionales, particulares y no
escolarizados).

X 45 30 40 25 50 31 36 15 60
Y 19 14 15 10 17 13 12 5 20

Tener en cuenta lo siguiente:

X representa el número de horas que se estudia por semana.

Y representa el número de cursos que se lleva a la semana.

Hallar los datos siguientes:

a. Línea de regresión: Ŷ = 2.12 + 0.31X

Interpretación:
El número de cursos que se estudia por semana se incrementa en 0.31 por cada hora
que se estudia a la semana.

b. Error estándar de estimación: Sy/x= 37.59

c. Coeficiente de correlación: r= 0.94

d. Coeficiente de determinación: r2= 0.87

Interpretación:
Podemos concluir que la variación del número de horas que se estudia por semana
explica el 87% de la variación en el número de cursos que se lleva a la semana.

Autor: Inédito
EJERCICIO 12

El sueldo de los docentes en los colegios particulares suele variar según sus horas de
enseñanza. Se investigó esto tomando muestras de diversos centros educativos.

X 1 1 2 2 2 3 3 4 4
Y 20 40 30 60 80 80 100 250 300

Tener en cuenta lo siguiente:

X representa la cantidad de horas que se enseña.

Y representa el sueldo según las horas de enseñanza.

Hallar los datos siguientes:

a. Línea de regresión: Ŷ = -83.04 + 77.61X

Interpretación
El sueldo de un docente se incrementa en 77.61 por cada hora que enseñé.

b. Error estándar de estimación: Sx/y= 476.14

c. Coeficiente de correlación: r= 0.88

d. Coeficiente de determinación: r2= 0.78

Interpretación:
Podemos concluir que la variación de la cantidad de horas que se enseña explica el
78% de la variación en el sueldo

Autor: Inédito
COMERCIO Y NEGOCIOS INTERNACIONALES

EJERCICIO 13

Un comerciante decide ver la inversión que debe hacer en su negocio según su posibilidad de
inversión. Dónde:

X: inversión que realiza el comerciante.

Y: ganancia que obtiene el comerciante.

X 1000 1200 1500 1800 2000 2200 2500 2800 3000

Y 200 220 240 255 270 285 295 300 305

Hallar los datos siguientes:

a. Línea de regresión: Ŷ = 93.9578+0.1247x

Interpretación:
Las ganancias incrementan en 0.1247 por el incremento de inversión.

b. Error de estimación: 8.25

c. Coeficiente de correlación: 0.9783

d. Coeficiente de determinación: 0.9571

Interpretación:
Podemos concluir que la variación de inversión que realiza un comerciante explica el
95.71% de las ganancias que obtiene el comerciante.

Autor: Inédito
EJERCICIO 14

Una empresa quiere ver en cuanto aumenta su productividad con respecto al número de
empleados que tenga.

X: número de productos fabricados por la empresa

Y: número de empleados que tenga la empresa

X 200 300 380 400 430 440 480 530 630

Y 10 15 17 20 23 25 28 33 38

Hallar los datos siguientes:

a. Línea de regresión: Ŷ =1.5648+0.0292X

Interpretación:
La producción aumenta en 0.0292 por cada empleado adicionado
b. Error de estimación: 18.25

c. Coeficiente de correlación: 0.9797

d. Coeficiente de determinación: 0.9598

Interpretación:
Podemos concluir que la variación de productos fabricados por la empresa explica el
95.98% del número de empleados.

Autor: Inédito
MEDICINA

EJERCICIO 15

Un veterinario debe saber la dosis de aplicación de un medicamento en relación al peso del

animal que se le administre el medicamento.

X: peso del animal

Y: dosis administrada en gramos

X 10 20 25 35 40 45 50 65 80

Y 0.5 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4

a. Línea de regresión: Ŷ = 0.2769+0.0232x

Interpretación:
La dosis debe incrementar en 0.0232 por cada kilogramo del animal.
b. Error de estimación: 2.162

c. Coeficiente de correlación: 0.9778

d. Coeficiente de determinación: 0.9561

Interpretación:
Podemos concluir que la variación del peso de un animal explica en un 95.61% de
la dosis de medicamento que debe ser aplicado.

Autor: Inédito
EJERCICIO 16
Un médico veterinario está estudiando la relación del contagio de sarna en perros con el
número de perros callejeros

X: número de perros callejeros

Y: número de casos de sarna

X 30 40 45 50 60 65 70 80 85

Y 15 18 20 23 30 32 35 40 43

a. Línea de regresión: Ŷ = 2.0373+0.3534x

Interpretación:
El número de casos incrementa en un 0.3534 por cada perro callejero.
b. Error estimado: 86.79

c. Coeficiente de correlación: 0.9583

d. Coeficiente de determinación: 0.9183

Interpretación:
Podemos concluir que la variación de numero de perros callejeros explica en un
91.83% el incremento de numero de caso de sarna.

Autor: Inédito
ADMINISTRACIÓN
EJERCICIO 17

Una compañía desea hacer predicciones del valor anual de sus ventas totales (Y)- en cierto
país a partir de la relación de éstas y la renta nacional(X). Para investigar la relación cuenta
con los siguientes datos:

X 189 190 208 227 239 252 257 274 293 308 316

Y 402 404 412 425 429 436 440 447 448 469 469

a) línea de regresión: Ŷ =0,53x+302,9

Interpretación:

Las ventas totales aumentan en 0.53 en relación a la renta nacional

b) error estándar de estimación: Sy/x =1,41

c) coeficiente de correlación: r=0,998

d) coeficiente de determinación: r2 =0,997

Interpretación:

Se puede concluir que la variación en la renta nacional explica el 99,7% de las ventas
anuales.

Autor: Inédito
EJERCICIO 18

La información estadística obtenida de una muestra de tamaño 12 sobre la relación existente

entre la inversión realizad(X) y el rendimiento obtenido en cientos de miles de euros para
explotaciones agrícolas (Y), se muestra en el siguiente cuadro:

X 11 14 16 15 16 18 20 21 14 20 19 11

Y 2 3 5 6 5 3 7 10 6 10 5 6

a) Línea de regresión: Ŷ =0,45x-1,64

Interpretación:
El rendimiento obtenido en cientos de miles de euros para explotaciones agrícolas
disminuye en 0.45 en relación a la inversión realizada.

b) error estándar de estimación: Sy/x =2,06

c) coeficiente de correlación: r=0,62

d) coeficiente de determinación: r2=0,38

Interpretación:
Se puede concluir que la variación en la inversión realizada explica el 38% del rendimiento
obtenido en cientos de miles de euros para explotaciones agrícolas

Autor: Inédito
EJERCICIO 19

Las horas trabajadas en un taller(X) y las unidades producidas (Y) son las siguientes:

X 80 79 83 84 78 60 82 85 79 84 80 62

Y 300 302 315 330 300 250 300 340 315 330 310 240

a) línea de regresión: Ŷ =3,47x+32,01

Interpretación:
Las unidades producidas aumentan en 3.47 por cada hora trabajada en el taller.

b) error estándar de estimación: Sy/x = 9,47

c) coeficiente de correlación: r=0,95

d) coeficiente de determinación: r2 =0,90

Interpretación:
Se puede concluir que la variación de las horas en el taller explica el 90% de las unidades
producidas.

Autor: Inédito
EJERCICIO 20

El Gerente de una empresa realiza un test a sus trabajadores, siendo “Y” las notas del test y
“X” el número de preguntas que respondieron los trabajadores:

X 25 42 33 54 29 36

Y 42 72 50 90 45 48

a) línea de regresión Ŷ =1,77x-6,78

Interpretación:
Las notas del test aumentan en 1.77 en relación al número de preguntas que respondieron
los trabajadores.

b) error estándar de estimación: Sy/x =5.58

c) coeficiente de correlación: r=0.97

d) coeficiente de determinación: r2 =0.94

Interpretación:

Se puede concluir que la variación del número de preguntas que respondieron los trabajadores
explica el 94% de las notas del test.

Autor: Inédito