Taller parcial-2

Estudiante:

1. Una empresa aseguradora de productos agrícolas investiga cómo la cantidad

de lluvia caída afecta las ganancias de los agricultores que siembran un
determinado cultivo. Con el propósito de construir un modelo de regresión lineal
simple que permita relacionar las dos variables, toma información sobre la
cantidad de lluvia (en mm) caída en diferentes épocas y las ganancias obtenidos
en millones de pesos por hectárea por los agricultores en dicha temporada, los
resultados obtenidos:

Lluvia 260 420 125 500 110 280 130 360 220 130 140 150
Ganancias 2.1 1.8 3.1 1.2 4.5 2.1 3.2 1.9 2.5 2.9 2.8 2.8

2. Una compañía capacita a sus vendedores en una prueba de adiestramiento en ventas

antes de permitirles salir a trabajar. La administración de la compañía está interesada en
determinar la relación entre las calificaciones obtenidas y las ventas hechas por dichos
vendedores al final de un año de trabajo. Los siguientes datos se recolectaron de 10
agentes de venta que han estado trabajando durante un año:

a. Realice un diagrama de Dispersión para los datos observados e incluya su línea

de tendencia.
Con la Anova de REGRESION:
b. Obtenga el modelo de regresión lineal Y= A + BX
c. Interprete cada uno de los coeficientes del modelo obtenido.
d. Indique un intervalo de confianza para B, interprete
e. ¿A cuánto corresponde el coeficiente de Correlación? Interprete
f. ¿A cuánto corresponde el coeficiente de Determinación? Interprete
g. Obtenga la ganancia si la cantidad de lluvia fue de 300mm y construya un intervalo
de confianza para la media de dicho valor
h. Pruebe el supuesto de linealidad para el modelo
i. Realice el gráfico de Normalidad de los residuos
j. Pruebe, gráficamente, el supuesto de homogeneidad de la varianza de los
residuos. (Residuos Vs Pronósticos)

vendedor 1 2 3 4 5 6 7 8 9 10
Calificación X 2,6 3,,7 2,4 4,5 2,6 5,0 2,8 3,0 4,0 3,4

Ventas en 95 140 85 180 100 182 115 136 175 150

Unidades Y

a. Realice un diagrama de Dispersión para los datos observados e incluya su línea

de tendencia.
Con la Anova de REGRESION:
b. Obtenga el modelo de regresión lineal Y= A + BX
c. Interprete cada uno de los coeficientes del modelo obtenido.
d. Indique un intervalo de confianza para B, interprete
 e. ¿A cuánto corresponde el coeficiente de Correlación? Interprete
f. ¿A cuánto corresponde el coeficiente de Determinación? Interprete
g. ¿A cuánto corresponderían las ventas si la calificación es de 3,5?. Construya un
rango de predicción para las ventas con esa calificación.
h. Pruebe el supuesto de linealidad para el modelo
i. Realice el gráfico de Normalidad de los residuos
j. Pruebe, gráficamente, el supuesto de homogeneidad de la varianza de los
residuos. (Residuos Vs Pronósticos)

3. El departamento de mercadeo de una gran cadena de supermercados quiere

estudiar el efecto de los Precios sobre las Ventas de paquetes de máquinas de
afeitar desechables. Se formaron paquetes de tres cantidades diferentes con
precios de $ 7.900, $9.900 y $11.900. A continuación se muestran los resultados

Precios* 79 79 79 79 79 99 99 99 99 99 119 119 119 119 119

($100)
Paquetes 142 151 163 168 176 91 100 107 115 126 77 86 95 100 106

a. Elabore un diagrama de dispersión para precio y ventas de paquetes.

b. Determine la mejor ecuación para estos datos.
c. ¿Qué tipo de ecuación es?
d. Elabore un pronóstico de las ventas para un precio de $ 7900.

4. Leer las siguientes afirmaciones y evaluar como verdadera (V) o falsa (F)

1. ( ) La variación explicada en un modelo de regresión es la variación que puede

explicarse con la variable independiente

2. ( ) Si r = 0,80, entonces la ecuación de regresión explica el 80% de la variación de la

variable dependiente.

3. ( ) Si r = -0,75 indica que hay una fuerte correlación entre las variables y que su
comportamiento es inverso.

4. ( ) La relación entre las variables es directa si una disminuye y la otra aumenta

5. ( ) En un análisis de regresión intentamos predecir la variable independiente

6. ( ) La relación entre las variables dependiente e independiente puede ser directa

cuando la pendiente es negativa.

7. ( ) Si r = -085, entonces la pendiente es positiva

8. ( ) Si R2 = 0,75 el valor de r es 0,866 si la pendiente es positiva

9. ( ) En el análisis de regresión puede haber más de una variable dependiente

10. ( ) La prueba de linealidad se realiza para probar si el modelo de regresión es

significativo no.