PROBLEMAS

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN SIMPLE

1. Lee Acoca, presidente y director ejecutivo de Chrysler corporación, manifestaba su preocupación

por la elevada estructura de costes de la empresa después de haber adquirido AMC y lo que él
llamaba “beneficios escasos frente a ventas crecientes”. En 2018 ordenó a los ejecutivos de la
empresa que emprendieran un estudio concertado de la estructura de costes de Chrysler en
relación con sus ventas oficiales. Se recogieron los datos sobre producción de vehículo K que aquí
se indica. Los analistas de la empresa los utilizaron para construir un modelo de regresión que
reflejaba la manera en que los costos dependían de la producción y del volumen de ventas
posterior. Por lo tanto, los costes se tomaron como variable dependiente. Las cifras de costes
están en unidades de 100 000 dólares y los valores de las ventas en millones de dólares. Los datos
corresponden a valores mensuales de toda la empresa:

Mes Costes (Y) Ventas (X)

1 15.8 23
2 12.3 18
3 14.5 21
4 15.7 23
5 12.7 18
6 13.5 19
7 13.7 20
8 15.9 22
9 13.7 19
10 14.3 21

a) Graficar el diagrama de dispersión.

b) Determinar el modelo de regresión e interpretar los coeficientes de la ecuación.
c) Estudiar la solidez de la relación 𝑅 2 o la fuerza de la relación entre ventas y costes.
 d) Si las ventas son 30 millones de dólares, cuál es el coste de producción.

18

16

14
y = 0.65x + 0.95
12 R² = 0.9345
R = 0,96670
10
Series1
8
Linear (Series1)
6

0
0 5 10 15 20 25

Coeficiente de correlación:

0,96667808

Si las ventas son 30 millones de dolares, cual es el coste de produccion?

y= 0,65x + 0,95
Reemplazando:
y= 0,65(30) + 0,95
y= 20,4

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN MÚLTIPLE

2. Función de consumo keynesiana. En su famoso libro de 1936 A General Theory of Employmente,

Interest and Money, el famosos economista británico John Maynard Kenes propuso una relación
teórica entre renta y gastos de consumo personal. Keynes afirmaba que cuando la renta crece el
consumo aumenta en una cantidad más pequeña. Esta relación teórica se ha comprobado muchas
veces de manera empírica desde 1936.
Milton Friedman, antiguo de economía de la universidad de Chicago y ganador del premio Nobel de
Economía, se recogió numerosos datos sobre renta y consumo en Estados unidos a lo largo de un
gran periodo. A continuación se muestra 10 observaciones de niveles anuales de consumo y renta
utilizadas por Friedman en su estudio. A partir de estos datos, deducir una función de consumo
con la hipótesis de que existe una relación lineal entre consumo y renta. Las cifras están en miles
de dólares.

Año Renta Consumo

1950 284.8 191.0

1951 328.4 206.3
1952 345.5 216.7
1953 364.6 230.0
1954 364.8 236.5
1955 398.0 254.4
1956 419.2 266.7
1957 441.1 281.4
1958 447.3 290.1
1959 483.7 311.2

e) Graficar el diagrama de dispersión.

f) Determinar el modelo de regresión e interpretar los coeficientes de la ecuación.
g) Estudiar la solidez de la relación 𝑅 2 o la fuerza de la relación entre ventas y costes.
h) ¿Si la renta es 500 (miles de millones de dólares) cuál es el nivel anual de consumo?
 350

300
y = 0.6343x + 2.4732
250 R² = 0.989

200
Series1
150 Linear (Series1)

100

50

0
0 100 200 300 400 500 600

Coeficiente de correlación:
0,99450831

Si la renta es 500 (miles de millones de dólares) cuál es el nivel anual de consumo?

y= 0,6343x +2,4732
Remplazando
y= 0,6343(500) +2,4732
y= 319,62

3. Los datos indicados a continuación se recogieron para explicar los niveles salariales de los
trabajadores de una fábrica local:

Salario Años de enseñanza Sexo

(miles de dólares) cursados
 42.2 8 M
58.9 12 M
98.8 16 M
23.5 6 F
12.5 5 M
67.8 12 M
51.9 10 F
81.6 14 F
61.0 12 F

a) Calcular el modelo de regresión

b) ¿Hay pruebas de discriminación de sexo en los niveles salariales?
c) ¿Es útil la educación para explicar el salario?
d) Determinar el coeficiente de determinación e interpretar.

Estadísticas de la
regresión
Coeficien
te de
correlaci
ón
múltiple 0,98893494
Coeficien
te de
determin
ación R^2 0,97799232
R^2
ajustado 0,97065643
Error
típico 4,61709853
Observaci
ones 9
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 2 5683,95663 2841,97831 133,316061 1,0659E-05
Residuos 6 127,905593 21,3175989
Total 8 5811,86222
 Estadístico Inferior Superior Inferior Superior
Coeficientes Error típico t Probabilidad 95% 95% 95,0% 95,0%
- - - - - -
Intercepción 22,2805085 5,24022498 4,25182288 0,00536935 35,1028771 9,45813986 35,1028771 9,45813986
Variable X 1 7,31242938 0,44802978 16,321302 3,368E-06 6,21613999 8,40871876 6,21613999 8,40871876
Variable X 2 0,80875706 3,09756788 0,26109422 0,80275052 -6,7707185 8,38823263 -6,7707185 8,38823263

UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
CARRERA DE ADMINISTRACION DE EMPRESAS

ESTADISTICA
PRACTICA
Docente: Lic. Monica Soriano
Integrantes: Ammy Fernandez Condori

La Paz - Bolivia