■ 13-15 Dado el siguiente conjunto de datos, utilice el paquete de software que tenga a su disposición para encon-

trar la ecuación de regresión de mejor ajuste y responda a lo siguiente:

a) ¿Cuál es la ecuación de regresión?
b) ¿Cuál es el error estándar de la estimación?
c) ¿Cuál es el valor de R2 para esta regresión?
d) Dé un intervalo de confianza para la estimación del 95% para el valor Y cuando los valores X1, X2, X3
y X4 son 52.4, 41.6, 35.8 y 3, respectivamente.
X1 X2 X3 X4 Y

21.4 62.9 21.9 2 22.8

51.7 40.7 42.9 5 93.7
41.8 81.8 69.8 2 64.9
11.8 41.0 90.9 4 19.2
71.6 22.6 12.9 8 55.8
91.9 61.5 30.9 1 23.1

Aplicaciones
■ 13.16 Las estaciones de policía en Estados Unidos están interesadas en predecir el número de arrestos espera-
dos que deberán procesar cada mes para programar mejor a los empleados de oficina. En los datos histó-
ricos, el número promedio de arrestos (Y) cada mes tiene influencia del número de oficiales en la fuerza
policiaca (X1), la población de la ciudad en miles (X2) y el porcentaje de personas desempleadas en la ciu-
dad en miles (X3). Los datos de estos factores en 15 ciudades se presentan en la tabla.
a) Utilice el paquete de software que tenga disponible para determinar la ecuación de regresión que me-
jor se ajuste a estos datos.
b) ¿Qué porcentaje de la variación total en el número de arrestos (Y) explica esta ecuación?
c) El departamento de policía de ChapelBoro desea pronosticar el número de arrestos mensuales. Cha-
pelBoro tiene una población de 75,000 habitantes, 82 elementos en su fuerza policiaca y un porcen-
taje de desempleo del 10.5%. ¿Cuántos arrestos pronostica para cada mes?
Número promedio Número de oficiales Tamaño de la ciudad (X2) Porcentaje de
de arrestos mensuales (Y) en la fuerza (X1) en miles de habitantes desempleo (X3)

390.6 68 81.6 4.3

504.3 94 75.1 3.9
628.4 125 97.3 5.6
745.6 175 123.5 8.7
585.2 113 118.4 11.4
450.3 82 65.4 9.6
327.8 46 61.6 12.4
260.5 32 54.3 18.3
477.5 89 97.4 4.6
389.8 67 82.4 6.7
312.4 47 56.4 8.4
367.5 59 71.3 7.6
374.4 61 67.4 9.8
494.6 87 96.3 11.3
487.5 92 86.4 4.7

■ 13-17 Estamos intentando predecir la demanda anual (DEMAND) de cierto producto, utilizando las siguientes
variables independientes:
PRECIO  precio del producto (en dólares)
INGRESO  ingreso del consumidor (en dólares)
SUB  precio de un bien sustituto (en dólares)

(Nota: Un bien sustituto es aquel que puede suplir a otro bien. Por ejemplo, la margarina es un bien sus-
tituto de la mantequilla.)

13.3 La computadora y la regresión múltiple 579