¿Existe alguna relación entre el tiempo en minutos que se utiliza para llegar a un centro comercial

y la distancia desde la casa en donde tú vives? Entrevista a 20 personas y pregúntales el tiempo

que tardan en llegar al centro comercial y la distancia a su casa. Después denomina a la variable
tiempo en minutos como Y y a la distancia en km como X.

distancia en
kilómetros
tiempo en (y)
persona minutos(x) x-y x2 y2
1 2 100 169
10.00 13.00 3.00
2 2 225 144
15.00 12.00 7.00
3 2 100 225
10.00 15.00 5.00
4 3 144 400
12.00 20.00 2.00
5 3 225 441
15.00 21.00 6.00
6 2 169 169
13.00 13.00 6.00
7 2 225 169
15.00 13.00 8.00
8 3 400 225
20.00 15.00 5.00
9 2 100 289
10.00 17.00 7.00
10 2 144 169
12.00 13.00 5.00
11 2 196 144
14.00 12.00 6.00
12 2 225 196
15.00 14.00 9.00
13 2 144 144
12.00 12.00 4.00
14 3 400 324
20.00 18.00 8.00
15 2 144 81
12.00 9.00 1.00
 16 2 225 144
15.00 12.00 7.00
17 2 100 169
10.00 13.00 3.00
18 2 64 225
8.00 15.00 3.00
19 2 121 121
11.00 11.00 2.00
20 1 100 81
10.00 9.00 9.00
suma 3551 4
259.00 277.00 536.00 ,029.00
promedio 12.95 13.85 2 177.55 201.45
6.80

1. Contesta lo siguiente:
a. Realiza el diagrama de dispersión y describe el comportamiento de ambas
variables. ¿Qué clase de relación crees que existe entre estas dos variables?

Usualmente su relación es acelerada para ese tipo de distancias rectas con

similares variables, por lo que en estas situaciones aumenta el tiempo de acuerdo a
como aumente la distancia.

¿A mayor distancia es mayor el tiempo?

Casi siempre es asì, ya que en este tipo de planteamiento, por lo general sube el
tiempo a màs distancia, aunque hay veces que no es asi debido a la variable que
interfiere en los tramos viales .

b. Calcula la recta de regresión de mínimos cuadrados.

Los siguientes datos son necesarios para obtener la recta.

Kms. Min.

X Y XY X2 Y2

Suma 259.00 277.00 536.00 3551 4,029.00

c. ¿Existe evidencia que indique que a mayor distancia es mayor el tiempo en llegar?
Prueba la significancia de la recta de regresión con un nivel de significancia α =
0.01.

Sì, yà que en el estudio de la Hipòtesis, la variable “ Y “ es afectada por la variable “

independiente.”

¿Es significativa esta regresión? Realiza todas las etapas de una prueba de hipótesis.

Concluye en el contexto del problema.

Ho: 1 – 2 … k – 0 ( En èste caso, las variables “independientes” no afectan a

la variable “Y” )
En oposición a:

Ha: i 0 ( Aquì, por lo menos hay una variable “X” que està afectando a la variable “Y” )

Fcalculada: 52.7761
Fteorica -3.07
Conclusiòn: El resultado arroja un diferencia mayor para Fcalculada, en comparación con el de
Fteorica, se rechaza totalmente “Ho”, y la respuesta final dice que hay una variable que està
afectando el precio de la casa.

Pronostica el tiempo en llegar al centro comercial si la distancia es de 3, 4 y 6 kilómetros de

distancia.

Regresión: 1 85121.958 85121.958 31.316

Residual : 18 48926.242 2718.125

Total: 19 134048.2

Establecimiento de hipótesis
H0 : β1 = ... βk = 0 (Aquì las variable independientes no afectan a la variable Y)

Ha : βi ≠ 0 (En èste caso, por lo menos una variable “X “està afectando a la

variable “Y”)
Estadística de prueba

Fcalculada= (CM Regresión) / (CM Error)= 85121.958 / 2718.125=31.316

Regla de decisión
Rechazar H0 si Fcalculada es mayor

Fteórica: F118 (0.01) = 8.29

Fcalculada = 31.316

Conclusión: Debido a que “Fcalculada” = 31.316 es menos que “Fteórica” =

8.29, por èste resultado, es aceptable “Ho”
Calcula el coeficiente de correlación.

Ŷ = b0 + b1X0

Ŷ = 35.3096+ 0.5636X0

Pronostica los metros de construcción: X0 = 90

Ŷ=35.3096+ 0.5636 *90 =86.0364

Pronostica los metros de construcción: X0 = 100

Ŷ=35.3096+ 0.5636 *100 =91.6727

Pronostica los metros de construcción: X0 = 150

Ŷ=35.3096+ 0.5636 *150 =119.8543

Determina e interpreta el coeficiente de determinación en el contexto del problema.

Se calcula Sx:

1))=√(267948.95/19)=
Se calcula Sy:

S_y= √( (∑Y^2 -n(¯Y )^2)/(n-1))= √((816330-20(184.7)^2)/(20-

1))=√(134048.2/19)=83.9950 Y se calcula el coeficiente de correlación r: r=b_1 S_x/S_y =
0.5636118.7543/83.9950= 0.7969

Realiza un breve resumen de los hallazgos.

 R^2= 〖 (0.7969) 〗 ^2= 0.6350
2. ¿Existe relación entre el peso de una persona y la medida de su cintura en centímetros?
Selecciona 10 personas del género masculino y 10 personas del género femenino y
pídeles que te den su peso en kilogramos y la medida de su cintura en centímetros.
Posteriormente denomina a la variable peso como Y y a la medida de la cintura como X.

cm peso
numero
x y
genero
1 55 48

2 65 50

3 59 53

4 60 55

5 62 58

6 65 61

7 67 64

8 69 67

9 71 70

10 73 74

11 72 63

12 74 66

13 76 69

14 78 72

15 80 75

16 82 79

17 84 83

18 86 86

19 87 91

20 88 95
3. Investiga acerca de 20 casas en venta en donde las variables son Y (metros de
construcción) y X (metros de terreno), y realiza lo que se te indica:
4. Contesta lo siguiente:
a. Realiza el diagrama de dispersión y describe el comportamiento de ambas
variables

Y (metros de X (metros
casas
construcción) de terreno),
xy x^2 y^2
1 6 4 10 16 36

2 8 3 11 9 64

3 7 6 13 36 49

4 8 5 13 25 64

5 5 4 9 16 25

6 9 5 14 25 81

7 7 6 13 36 49

8 6 7 13 49 36

9 5 5 10 25 25

10 9 6 15 36 81

11 5 3 8 9 25

12 7 4 11 16 49

13 5 6 11 36 25

14 8 4 12 16 64

15 9 5 14 25 81

16 6 7 13 49 36

17 6 5 11 25 36

18 7 7 14 49 49

19 8 5 13 25 64

20 9 9 18 81 81

suma 140 106 246 604 1020

 promedio 7 5.3 12.3 30.2 51

b. ¿Qué clase de relación crees que existe entre estas dos variables?

En esta correlación demuestra que si es MAYOR la CONSTRUCCIÒN en metros,

EL TERRENO, deberá ser también MAYOR en metros, por lo que claramente se

demuestra que una variable depende de la otra para subir o bajar su valor.

c. Calcula la recta de regresión de mínimos cuadrados.

d. ¿Es significativa esta regresión? Explica. Concluye en el contexto del problema.

Realiza todas las etapas de una prueba de hipótesis.
Ho: -i = 0 ( la variable independiente x1 no afecta a y)
En oposición a:
Ha: -i * 0 (La variable independiente x1 afecta a y)
Calculada – bi – i / Sbi = 9.14198458 – 0 / 4.18496603 = 21845

Teorica = t / 2 (n – k – 1) = T0 025 (21) – 2.080

Al ser mayor la hipótesis t calculada que la t teórica concluimos que variable x1 afecta el precio de
la casa.

Ho: -i = 0 (la variable independiente x2 no afecta a y) En oposición a:

Ha: -i * 0 (la variable independiente x2 afecta a y)

Teorica: t/2 (n – k -1) = t0 025 (21) = 2.080

Calculada : 5.934450532-0 / 5.216922985 – 1.1375

Al ser calculada menor que t teorica se acepta Ho y concluimos que x2 no afecta el precio de las
casas.

e. Pronostica los metros de construcción cuando los metros de terreno son de 90, 100 y 150
metros.

y90= 29.81034592 + 0.752384989(90)

y90= 97.52499494

y100= 29.81034592 + 0.752384989(100)

y100= 105.0488448

y150= 29.81034592 + 0.752384989(150)

y150= 142.6680943

metros de metros de
terreno X construccion Y
90 97.52499494
100 105.0488448
150 142.6680943
f. Calcula el coeficiente de correlación.

g. Determina e interpreta el coeficiente de determinación en el contexto del

problema.
R2= (r)2= (0.977697871)2 = 0.9558931280 Es usual representarlo en porcentaje,
95.5893128%, por lo que se representa como la variabilidad de “Y” (Mts. de
construcción) que se expone por la “ X “ (Mts. de terreno).

Realiza un breve resumen de los hallazgos.

En resumidas cuentas entendemos que a MAYOR mt. De TERRENO, mayor

son los Mts. de construcción, como lo vemos en el diagrama de dispersión y en
la hipótesis demostrada.

6. Revisa la siguiente información tomada de la sección de avisos de ocasión.

Precio Metros de Metros de Número de
(miles de pesos) construcción X2recámaras X3
Y terreno X1
 2700 288 378 4
1895 160 252 4
1397 230 252 4
1795 234 167 2
650 72 124 4
850 128 262 4
3875 188 246 4
4300 390 380 3
11850 885 775 4
11900 885 775 3
3250 150 233 3
6700 406 420 3
5499 320 390 4
4250 170 244 4
4250 170 233 3
470 160 127 3
500 90 73 2
550 91 73 2
650 110 90 2
550 90 74 2
620 172 76 2
1700 189 374 4
2330 300 330 4
1600 136 140 3
1100 144 290 3

Información recuperada de: http://www.avisosdeocasion.com solo para fines educativos.

Suma de cuadrados total= SS total= (Y-Y) =2

Suma de cuadrados de la regresión= SSR - (Y-Y) =2

Suma de cuadrados del error o residuos= SSE = (Y-Y) =2

7. Utiliza Excel o cualquier otro paquete estadístico como Minitab para realizar lo siguiente:
a. Estima el modelo de regresión múltiple e interpreta los coeficientes de la ecuación
de regresión lineal múltiple.

Y= -602.56+9.14+5.93-77.81

La variable “x1” valora que cuando los mts. de terreno cambian el precio ampliará a 9.14

• La variable “x2” valora que cuando los metros de construcción cambian el precio de la casa
se elevará en 5.93.
La variable “x3” valora que cuando el número de recámaras el costo cambiará en -77.81.

Prueba la significancia global del modelo de regresión múltiple; realiza todas las etapas de una
prueba de hipótesis.

Hipótesis nula:

H0: β1 = β2 =... βk = 0 (Las variables independientes no afectan a Y)

Hipótesis alternativa:

Ha: βi ≠ 0 (Por lo menos una variable “ X “ afecta a “Y”)

F=52.77

Coeficiente de significancia= 0.05 F teórica: 3.072

b. Pronostica el precio para los siguientes datos:

 Metros de Metros de Número de
construcción (X2 ) recámaras
terreno ( X3 )
( X1 )
180 390 4
200 250 3
230 200 4
250 180 2
100 120 3

El precio pronosticado para (1) = es:$3,096.18

El precio pronosticado para (2) = es: $ 2,976.01

El precio pronosticado para (3) = es: $2,375.74

El precio pronosticado para (4) = es: $2,59551

El precio pronosticado para (5) = es: $790.33

d. Prueba la significancia de los coeficientes de regresión individuales. Realiza todas las

etapas de una prueba de hipótesis para cada uno de los coeficientes.

Metros de terreno Metros de construcción Numero de recamaras

H0: B1=0 H0: B2= 0 H0: B3= 0

H1: B1=0 H1: B2= 0 H1: B3= 0

Barra de los coeficientes de regresión individuales.

t= b1 – 0

S b1

Para metros de terreno: 2.184482386 cae en la región de rechazo

Para metros de construcción 1.137538459 cae en la región de rechazo

Metros de numero de recamas -0.174760572 no se rechaza

Calcula el error estándar de estimación.

Error estándar de estimación multiple

Sr.122.x = √£ (y -y´) 2 = √ SSE

n – (k +1) n – (k +1) el valor es: $1,162.00

se espera que los residuos sean aproximados a una distribución mas o menos normal, por lo
que alrededor de 68% de ellos estará dentro de +- $1,16200 y cero de 95% dentro de +-
2($1,162.00) = $2,324.00
Construye un intervalo de confianza para las pendientes de la población (β1, β2 y β3).

Inferior 95% Superior 95%

Intercepción -2999.476927 1794.339
X1 0.438871316 17.8450978
X2 -4.914734694 16.7836358
X3 -1003.736198 848115631
Coeficiente de determinación multiple

R2 = SSR

SS Total

Coeficiente de determinación: 88.29%

Es decir que las variables independientes, x1, x2, x3 ayudan a explicar a la variable
independiente el 88% de las veces.
Calcula e interpreta R2 en el contexto del problema.

R2 = suma de cuadrados de regresión /suma de cuadrados totales.

R2 = 1747.164539/13480 = 0.129611612

Se interpreta que el 12.96% de la variación en el precio final se dice por x1 (metros de

terreno) x2 (metros de construcción) y x3 (número de recamaras)
Calcula R2ajustada.

Coeficiente de determinación ajustado

SSE

R2adj = 1 – n – (k +1)

SS total
 N-1

Coeficiente de determinación ajustado

86.62%

Determina el Factor de Inflación de Varianza (VIF) para cada variable explicativa en el modelo.
¿Existe alguna razón para sospechar que existe multicolinealidad?

Factor de inflación de la varianza

VIF = 1

1 - R2

Finalmente prepara un documento presentando un resumen de tus hallazgos.

En resumen en esta evidencia aprendimos sobre la relación entre el tiempo en minutos y el

desplazamiento de un lugar a otro, la significativa de las regresiones, el tiempo que tardan las
personas en llegar a los centros comerciales, los coeficientes de correlación, coeficientes de
determinación, diagramas de dispersión, recta de regresión, etc este trabajo dio un extenso
conocimiento y aplicamos distintas fórmulas en la resolución de problemas que son cosas de la
vida diaria y a veces las dejamos pasar no nos da curiosidad el tiempo y distancia que nos toman
hacer algunas cosas.

Analiza y resuelve los siguientes ejercicios, sin olvidar incluir los procedimientos utilizados que te
llevaron a la respuesta.

Concluye con una reflexión sobre la utilización de la regresión y correlación en la vida cotidiana.
¿Qué tipo de problemas pudieras resolver con los conocimientos adquiridos en este módulo?