Ejercicio 1

Construimos la tabla para realizar la regresión lineal por mínimos cuadrados N= 22

X= Horas Extras Y=%
X Y 𝑋−𝑋 Y−𝑌 (𝑋 − 𝑋)(Y − 𝑌) 𝑋−𝑋 𝑌−𝑌
240 6.23 31.2727273 -1.51863636 -47.49190083 977.983471 2.3062564
95 4.64 -113.727273 -3.10863636 353.5367355 12933.8926 9.66362004
210 7.02 1.27272727 -0.72863636 -0.927355372 1.61983471 0.53091095
80 16.74 -128.727273 8.99136364 -1157.433719 16570.7107 80.84462
80 5.01 -128.727273 -2.73863636 352.5371901 16570.7107 7.50012913
438 11.2 229.272727 3.45136364 791.3035537 52565.9835 11.911911
107 5.41 -101.727273 -2.33863636 237.9030992 10348.438 5.46922004
180 7.45 -28.7272727 -0.29863636 8.579008264 825.256198 0.08918368
100 4.17 -108.727273 -3.57863636 389.0953719 11821.6198 12.8066382
550 14.92 341.272727 7.17136364 2447.390826 116467.074 51.4284564
220 8.86 11.2727273 1.11136364 12.52809917 127.07438 1.23512913
50 4.45 -158.727273 -3.29863636 523.5835537 25194.3471 10.8810019
193 7.35 -15.7272727 -0.39863636 6.26946281 247.347107 0.15891095
290 9.49 81.2727273 1.74136364 141.5253719 6605.2562 3.03234731
340 3.19 131.272727 -4.55863636 -598.4246281 17232.5289 20.7811655
115 5.35 -93.7272727 -2.39863636 224.8176446 8784.80165 5.7534564
362 11.4 153.272727 3.65136364 559.6544628 23492.5289 13.3324564
300 10.49 91.2727273 2.74136364 250.2117355 8330.71074 7.51507459
75 3.25 -133.727273 -4.49863636 601.5903719 17882.9835 20.2377291
93 3.97 -115.727273 -3.77863636 437.291281 13392.8017 14.2780928
320 11.4 111.272727 3.65136364 406.2971901 12381.6198 13.3324564
154 8.48 -54.7272727 0.73136364 -40.02553719 2995.07438 0.53489277
4592 170.47 1.1369E-13 3.0198E-14 5899.811818 375750.364 293.623659
∑𝑋 ∑𝑌
𝑋= = 208.7272727 𝑌= = 7.748636364
𝑁 𝑁
Calculamos la covarianza: La calidad del ajuste no es satisfactoria ya que
𝑅 <80%
∑(𝑋 − 𝑋)(Y − 𝑌)
𝑆 = = 268.173264 Realizamos el ajuste de regresión lineal
𝑁 𝑌 = 𝑚𝑋 + 𝑏 𝑚 = = 0.0157
Ahora calculamos la desviación estandar para X e Y:
𝑏 = 𝑌 − 𝑚𝑋 = 4.4713
Entonces nos queda la ecuación del ajuste por regresión lineal como:
∑
𝑆 = = 130.6887982
𝑌 = 0.0157𝑋 + 4.4713
∑
𝑆 = = 3.653290292 Realizamos el diagrama de dispersión

2
Calculamos el coeficiente de determinación R
Diagrama de dispersión
𝑆 18
𝑅 = = 0.3155
𝑆 𝑆 16
y = 0.0157x + 4.4713
14 R² = 0.3155
12
10
%
8
6
4
2
0
0 100 200 300 400 500 600
Horas Extras
Ejercicio 2
Construimos la tabla para realizar la regresión lineal por mínimos cuadrados N= 11
X= Temperatura Y= Presión
X Y 𝑋−𝑋 Y−𝑌 (𝑋 − 𝑋)(Y − 𝑌) 𝑋−𝑋 𝑌−𝑌
13 4.17 -34.8909091 -53.4681818 1865.553471 1217.37554 2858.84647
19.5 6.82 -28.3909091 -50.8181818 1442.77438 806.043719 2582.4876
45.7 32.02 -2.19090909 -25.6181818 56.12710744 4.80008264 656.29124
65.1 52.67 17.2090909 -4.96818182 -85.49789256 296.15281 24.6828306
64.4 75.95 16.5090909 18.3118182 302.3114711 272.550083 335.322685
71.4 101.34 23.5090909 43.7018182 1027.390017 552.677355 1909.84891
80.5 144.86 32.6090909 87.2218182 2844.224198 1063.35281 7607.64557
85.7 178.12 37.8090909 120.481818 4555.308017 1429.52736 14515.8685
22.5 10.35 -25.3909091 -47.2881818 1200.689926 644.698264 2236.17214
27.2 11.97 -20.6909091 -45.6681818 944.9161983 428.113719 2085.58283
31.8 15.75 -16.0909091 -41.8881818 674.0189256 258.917355 1754.61978
526.8 634.02 478.909091 -8.5265E-14 14827.81582 6974.20909 36567.3686

∑𝑋 ∑𝑌
𝑋= = 47.89090909 𝑌= = 57.63818182
𝑁 𝑁
Calculamos la covarianza: La calidad del ajuste si es satisfactoria ya que
𝑅 >80%
∑(𝑋 − 𝑋)(Y − 𝑌)
𝑆 = = 1347.98326 Realizamos el ajuste de regresión lineal
𝑁 𝑌 = 𝑚𝑋 + 𝑏 𝑚 = = 2.1261
Ahora calculamos la desviación estandar para X e Y:
𝑏 = 𝑌 − 𝑚𝑋 = -44.1823
Entonces nos queda la ecuación del ajuste por regresión lineal como:
∑
𝑆 = = 25.17973408
𝑌 = 2.1261𝑋 − 44.1823
∑
𝑆 = = 57.65679694 Realizamos el diagrama de dispersión

2
Calculamos el coeficiente de determinación R
Diagrama de dispersión
𝑆 200
𝑅 = = 0.8621
𝑆 𝑆
150
y = 2.1261x - 44.1823
100 R² = 0.8621
Presión
50

0
0 10 20 30 40 50 60 70 80 90
-50
Temperatura (°C)
Ejercicio 3
Construimos la tabla para realizar la regresión lineal por mínimos cuadrados N= 13
X= Velocidad Y= Vida
X Y 𝑋−𝑋 Y−𝑌 (𝑋 − 𝑋)(Y − 𝑌) 𝑋−𝑋 𝑌−𝑌
30 10.66 -10 1.97538462 -19.75384615 100 3.90214438
30 10.74 -10 2.05538462 -20.55384615 100 4.22460592
35 10.12 -5 1.43538462 -7.176923077 25 2.06032899
35 9.05 -5 0.36538462 -1.826923077 25 0.13350592
35 10.03 -5 1.34538462 -6.726923077 25 1.81005976
40 9.83 0 1.14538462 0 0 1.31190592
40 7.22 0 -1.46461538 0 0 2.14509822
40 8.87 0 0.18538462 0 0 0.03436746
45 9.12 5 0.43538462 2.176923077 25 0.18955976
45 7.24 5 -1.44461538 -7.223076923 25 2.08691361
45 8 5 -0.68461538 -3.423076923 25 0.46869822
50 6.02 10 -2.66461538 -26.64615385 100 7.10017515
50 6 10 -2.68461538 -26.84615385 100 7.20715976
520 112.9 0 6.2172E-15 -118 550 32.6745231

∑𝑋 ∑𝑌
𝑋= = 40 𝑌= = 8.684615385
𝑁 𝑁
Calculamos la covarianza: La calidad del ajuste no es satisfactoria ya que
𝑅 <80%
∑(𝑋 − 𝑋)(Y − 𝑌)
𝑆 = = -9.07692308 Realizamos el ajuste de regresión lineal
𝑁 𝑌 = 𝑚𝑋 + 𝑏 𝑚 = = -0.2145
Ahora calculamos la desviación estandar para X e Y:
𝑏 = 𝑌 − 𝑚𝑋 = 17.2664
Entonces nos queda la ecuación del ajuste por regresión lineal como:
∑
𝑆 = = 6.504436356
𝑌 = −0.2145𝑋 +17.2664
∑
𝑆 = = 1.585378457 Realizamos el diagrama de dispersión

2
Calculamos el coeficiente de determinación R Diagrama de dispersión
𝑆 12
𝑅 = = 0.7748
𝑆 𝑆 y = -0.2145x + 17.2664
R² = 0.7748
10

6 Vida (horas)

Velocidad (m/min)
0
25 30 35 40 45 50 55

Para una velocidad de 30 metros por minuto, estimamos la vida con la ecuación encontrada:
𝑌 = −0.2145 ∗ 30 + 17.2664 = 10.83
Se concluye que la vida esperada para esta herramienta es de 10.83 horas
Ejercicio 4
Construimos la tabla para realizar la regresión lineal por mínimos cuadrados N= 10
X= Mes Y= Ventas
X Y 𝑋−𝑋 Y−𝑌 (𝑋 − 𝑋)(Y − 𝑌) 𝑋−𝑋 𝑌−𝑌
1 127.5 -4.5 -51.63 232.335 20.25 2665.6569
2 86.45 -3.5 -92.68 324.38 12.25 8589.5824
3 190.4 -2.5 11.27 -28.175 6.25 127.0129
4 163 -1.5 -16.13 24.195 2.25 260.1769
5 35 -0.5 -144.13 72.065 0.25 20773.4569
6 131.3 0.5 -47.83 -23.915 0.25 2287.7089
7 180.2 1.5 1.07 1.605 2.25 1.1449
8 271.2 2.5 92.07 230.175 6.25 8476.8849
9 311.15 3.5 132.02 462.07 12.25 17429.2804
10 295.1 4.5 115.97 521.865 20.25 13449.0409
55 1791.3 0 -2.558E-13 1816.6 82.5 74059.946

∑𝑋 ∑𝑌
𝑋= = 5.5 𝑌= = 179.13
𝑁 𝑁
Calculamos la covarianza: La calidad del ajuste no es satisfactoria ya que
𝑅 <80%
∑(𝑋 − 𝑋)(Y − 𝑌)
𝑆 = = 181.66 Realizamos el ajuste de regresión lineal
𝑁 𝑌 = 𝑚𝑋 + 𝑏 𝑚 = = 22.0194
Ahora calculamos la desviación estandar para X e Y:
𝑏 = 𝑌 − 𝑚𝑋 = 58.0233
Entonces nos queda la ecuación del ajuste por regresión lineal como:
∑
𝑆 = = 2.872281323
𝑌 = 22.0194𝑋 + 58.0233
∑
𝑆 = = 86.05808852 Realizamos el diagrama de dispersión

2
Calculamos el coeficiente de determinación R
Diagrama de dispersión
𝑆 350
𝑅 = = 0.5401
𝑆 𝑆 y = 22.0194x + 58.0233
300
R² = 0.5401
0.734920971 250

200
Ventas
150

100

50

0
0 2 4 6 8 10 12
t (meses)

La ecuación lineal obtenida, es capaz de predecir y explicar el comportamiento de las ventas del producto en un 54.01 %
Haremos un pronóstico para un año, es decir para el mes 12. Usando la ecuación hallada, tenemos:
𝑌 = 22.0194 ∗ 12 + 58.0233 = 322.2561
Entonces tenemos que para el mes 12, las ventas serán 322.2561