EN CADA UNO DE LOS SIGUIENTES CASOS, DETERMINE

a. El diagrama de dispersion
b. La recta de mejor de mejor ajuste
c. El coeficiente de la recta de correlacion
d. Comentar/Analizar el valaor de ¨¨R¨

CASOS

15. La Bradford Electric Illuminating Company estudia la relación entre kilowattshora (miles) consumidos
y el número de habitaciones de una residencia privada familiar. Una muestra aleatoria de 10 casas reveló lo siguiente.

x Y
i # CONTACTOS VALOR VENTAS (X1- X) (Y1-Y) (X1- X)2
5 5 4 13.94 16.81
6 6 5 7.44 9.61
7 7 7 0.840000000000001 4.41
4 8 6 1.54 1.21
5 9 7 0.04 0.01
6 10 8 0.54 0.81
7 10 8 0.54 0.81
8 10 10 2.34 0.81
9 12 9 4.64 8.41
10 14 10 12.74 24.01
91 74 44.6 66.9
10 10
9.1 7.4

A. EL GRAFICO DE DISPERSION

DIAGRAMA DE DISPERSION
12

10

8
 DIAGRAMA DE DISPERSION
12

10

0
4 6 8 10 12 14 16

# CONTACTOS VALOR VENTAS

Linear (# CONTACTOS VALOR VENTAS)

B. LA RECTA DE MEJOR AJUSTE

b= (𝟒𝟒.𝟔)/(𝟔𝟔.𝟗)
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏− = 0.66
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 7.4 - 0.66(9.1)

LINEA RECTA DE MEJOR AJUSTE a= 1.39

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 1.39 + 0.66

C. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)
(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑ _(𝒊
r= (𝟒𝟒.𝟔)/√
=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗
( 〖 (𝟔𝟔.𝟗) 〗 ^
− ¯𝑿) 〗 ^𝟐
𝟐
∑24_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−¯
〖〗(𝟑𝟔.𝟒)
r=
𝒀) ^𝟐 ) 〗 ^𝟐(𝟒𝟑.𝟎𝟕)/(𝟒𝟗.𝟑𝟓)
) = = 0.87 COEFICIENTE DE CORRELAC
(𝟒𝟒.𝟔)/√(
𝟐𝟒𝟑𝟓.𝟏𝟔)
 r=
(𝟒𝟒.𝟔)/√(
𝟐𝟒𝟑𝟓.𝟏𝟔)
D.COMENTAR/ANALIZAR EL VALOR
La relacion entre las dos variables, es positiva porque a medida que aumenta el numero de habitaciones
sube los kilowatts-hora, para aquello existe uns fuerte correlacion entre las dos variables; el coeficiente
de correlacion

F.USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = 1.39 + 0.66(8)

Y = 6.67

16. El señor James McWhinney, presidente de Daniel-James Financial Services, considera que hay una relación entre
el número de contactos con sus clientes y la cantidad de ventas. Para probar esta afirmación, el señor McWhinney
reunió la siguiente información muestral. La columna X indica el número de contactos con sus clientes el mes anterior,
mientras que la columna Y indica el valor de las ventas (miles de $) el mismo mes por cada cliente muestreado.

x Y
i # CONTACTOS VALOR VENTAS (X1- X) (Y1-Y) (X1- X)2
1 12 14 1007.94 457.96
2 14 24 719.74 376.36
3 16 30 541.14 302.76
4 20 28 443.54 179.56
5 23 30 323.44 108.16
6 46 80 238.14 158.76
7 48 90 421.94 213.16
8 50 85 396.74 275.56
9 50 110 811.74 275.56
10 55 120 1272.24 466.56
334 611 6176.6 2814.4
10 10
33.4 61.1

A.DIAGRAMA DE DISPERSION

Y
12

10 f(x) = 0.666666666666667 x + 1.33333333333333

R² = 0.816849816849817
8
Axis Title

6 Y VALOR VENTAS
Linear (Y VALOR VENTAS)
4

0
4 6 8 10 12 14 16
Axis Title

B. LA RECTA DE MEJOR AJUSTE

b= (𝟔𝟏𝟕𝟔.𝟔)/(𝟐𝟖𝟏𝟒.𝟒)
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏− 0.21
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒
a= ¯𝒀−𝒃¯𝒙 〖(
𝑿_𝟏 〗−- 0.21(33.4)
a= 61.1 ¯𝑿) )
a= 54.08 ORDENA DE ORIGEN

Y= 33.4 + 0.21

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 33.4 + 0.21x
 D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)
(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑ _(𝒊
r=
=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗
− ¯𝑿) 〗 ^𝟐 〖 (𝟐𝟖𝟏
(𝟔𝟏𝟕𝟔,𝟔)/√(
𝟒.𝟒) 〗 ^𝟐
∑24_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−¯
(𝟔𝟏𝟕𝟔.𝟔)/(𝟐𝟎𝟑.𝟎𝟑) 30.4
r=
〖 〗(𝟏𝟒𝟐𝟒𝟖.𝟗)
^𝟐 )
(𝟔𝟏𝟕𝟔.𝟔)/√𝟒
𝒀) 〗 ^𝟐 )
𝟏𝟐𝟐𝟏𝟔𝟒𝟖𝟑𝟔
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE A MEDIDA QUE HAY NUMERO DE CONTACTOS
EL VALOR DE LA VENTA DE IGUAL FORMA VA AUMENTANDO, SIN EMBARGO ES NOTORIO DE LA VENTA
DE IGUAL LA CORRELACION DE LAS DOS VARIABLES DENTRO DEL COEFICIENTE DE CORRELACION

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = 54.08 + 0.21(33.4)

Y = 61.09
17. En un artículo reciente en BusinessWeek se enumeran las “Best Small Companies”. Nos interesan los resultados
actuales de las ventas e ingresos de ellas. Se seleccionó una muestra de 12 empresas,y a continuación se reportan
sus ventas e ingresos, en millones de dólares
 x Y
i VENTAS INGRESOS (X1- X) (Y1-Y) (X1- X)2
1 11.9 1.7 179.9691 1460.0041
2 17.5 2.6 124.2441 1063.4121
3 18.2 1.3 163.0601 1018.2481
4 18.6 4.4 63.3351 992.8801
5 19.6 3.5 88.7841 930.8601
6 28.6 6 8.81910000000002 462.6801
7 46.8 4.1 7.64610000000001 10.9561
8 51.2 8.2 1.9511 1.1881
9 58.6 6.6 1.61309999999999 72.0801
10 69.2 12.8 121.9851 364.4281
12 71.7 8 34.3281 466.1281
12 89.2 4.9 -59.0259 1528.0281
501.1 64.1 761.407 6376.737
10 10
50.11 6.41

A. El GRAFICO DE DISPERSION

Y
14

12

10

8 f(x) = 0.083574475201885 x + 1.85173587302795

Axis Title

R² = 0.453601243104446 Y INGRESOS
6 Linear (Y INGRESOS)
4

0
0 10 20 30 40 50 60 70 80 90 100
Axis Title

B. LA RECTA DE MEJOR AJUSTE

b= (𝟕𝟔𝟏.𝟒𝟎𝟕)/(𝟔𝟑𝟕𝟔.𝟕𝟒)
= 0.119
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) )
 (∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 (
𝑿_𝟏 〗− ¯𝑿) ) a= 6.41 - 0.119(50.11)

LINEA RECTA DE MEJOR AJUSTE a= 0.45

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 0.45 + 0.119

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 0.45 + 0.119x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r=
¯𝑿) 〗 ^𝟐
(𝟕𝟔𝟏.𝟒𝟎𝟕)/√( 〖 (𝟔𝟑
∑24_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−
𝟕𝟔.𝟕𝟒) 〗 ^𝟐 (𝟕𝟔𝟏.𝟒𝟎𝟕)/(𝟐𝟓.𝟏𝟖𝟓) 30.4
r=〗 ^𝟐 )
¯𝒀)
〖 (𝟏𝟐𝟒.𝟖𝟗𝟕) 〗 ^𝟐 )
(𝟕𝟔𝟏.𝟒𝟎𝟕)/√(
𝟔𝟑𝟒.𝟐𝟖𝟔)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE LOS INGRESOS VAN AUMENTANDO DE A POCO
MIENTRAS QUE LAS VENTAS SE INCREMENTAN SIN EMBARGO EL COEFICIENTE DE RELACION NO ES MUY
FUERTE EN LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = 0.45 + 0.119(50)

Y = 6.4
18. Se realiza un estudio de fondos mutualistas para fines de inversión en varios de ellos. Este estudio
en particular se enfoca en los activos y su desempeño a cinco años. La pregunta: ¿es posible determinar la tasa de
rendimiento a cinco años con base en los activos del fondo? Se seleccionaron nueve fondos mutualistas al azar, y sus
activos y tasas de recuperación se muestran a continuación

x Y
i ACTIVOS RENDIMIENTOS (X1- X) (Y1-Y) (X1- X)2
1 158.3 9.5 61.6237037037035 53402.0746
2 160.4 11.3 -351.116296296297 52435.9112
3 241.3 6.8 439.33037037037 21930.319
4 275.7 11.4 -185.691851851852 12925.1635
5 433.2 9.1 -29.2074074074074 1919.41346
6 437.9 9.2 -27.4896296296296 2353.3279
7 494.5 11.6 192.703703703704 11048.3457
8 622.2 10.8 240.571481481482 54201.0135
9 681 8.2 -456.857407407407 85037.0401
3504.5 87.9 -116.133333333 295252.6
9 9
389.388888888889 9.76666666666667

A. EL DIAGRAMA DE DISPERSION

Y
14

12

10
f(x) = − 0.000393335502675 x + 9.91982714101373
8 R² = 0.002120676093034
Axis Title

Y RENDIMIENTOS
6 Linear (Y RENDIMIENTOS)
4

0
100 200 300 400 500 600 700 800
Axis Title
 0
100 200 300 400 500 600 700 800
Axis Title

B. LA RECTA DE MEJOR AJUSTE

b= (−𝟏𝟏𝟔.𝟏𝟑)/𝟐𝟗𝟓𝟐𝟓𝟑
= 3.94
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 9.76 - 3.94(389.38)

LINEA RECTA DE MEJOR AJUSTE a= -1.52

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 1.52 + 3.94

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = -1.52 + 3.94x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r=
¯𝑿) 〗 ^𝟐
(−𝟏𝟏𝟔.𝟏𝟑)/√( 〖 (𝟐𝟗
∑24_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−
𝟓𝟐𝟓𝟑) 〗 ^𝟐 (−𝟏𝟏𝟔.𝟏𝟑)/𝟐 -58.07
r=〗 ^𝟐 )
¯𝒀)
〖 (𝟐𝟏.𝟓𝟒) 〗 ^𝟐 )
(−𝟏𝟏𝟔.𝟏𝟑)/√(
𝟒.𝟎𝟒𝟒)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES NEGATIVA PORQUE EL DESEMPEÑO DE LOS ACTIVOS, NO HA SIDO
MUY BUENA POR ENDE EXISTE UNA GRAN DEBILIDAD EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
FUERTE EN LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO
 Y = a + bx

Y = 0.45 + 0.119(50)

Y = 6.4
36. De acuerdo con la economía básica, conforme aumenta la demanda de un producto, el precio disminuye.
A continuación se presenta el número de unidades de demanda y su precio.

x Y
i DEMANDA PRECIO (X1- X) (Y1-Y) (X1- X)2
5 2 120 -1346.18 445.21
6 5 90 -611.78 327.61
7 8 80 -359.38 228.01
4 12 70 -153.18 123.21
5 16 50 44.02 50.41
6 21 45 23.52 4.41
7 27 31 -98.28 15.21
8 35 30 -311.78 141.61
9 45 25 -683.28
10 60 21 -1298.88 1361.61
231 562 -4795.2 2697.29
10 10
23.1 56.2

A. EL GRAFICO DE DISPERSION

Y
140

120

100

80 f(x) = − 1.50939595202871 x + 91.0670464918632

itle

R² = 0.748671383711372 Y PRECIO
 Y
140

120

100

80 f(x) = − 1.50939595202871 x + 91.0670464918632

Axis Title
R² = 0.748671383711372 Y PRECIO
60 Linear (Y PRECIO)

40

20

0
0 10 20 30 40 50 60 70
Axis Title

B. LA RECTA DE MEJOR AJUSTE

b= (−𝟒𝟕𝟗𝟓,𝟐)/(𝟐𝟔𝟗𝟕,𝟐𝟗)
= -1.78
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 56.2 - (-1.78)(23.1)

LINEA RECTA DE MEJOR AJUSTE a= 97.31

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 52.2 + (-1.78)

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 97.31+ (-1.78)x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r=
¯𝑿) 〗 ^𝟐
(−𝟒𝟕𝟗𝟓,𝟐)/√( 〖 (𝟐𝟔
∑24_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−
𝟗𝟕.𝟐𝟗) 〗 ^𝟐
¯𝒀) 〗 ^𝟐 )
〖 (𝟗𝟔𝟔𝟕.𝟔) 〗 ^𝟐 )
 _(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r=
¯𝑿) 〗 ^𝟐
(−𝟒𝟕𝟗𝟓,𝟐)/√( 〖 (𝟐𝟔
∑24_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−
𝟗𝟕.𝟐𝟗) 〗 ^𝟐 (−𝟒𝟕𝟗𝟓,𝟐)/(𝟐𝟔.𝟎𝟖) -183.87
r=〗 ^𝟐 )
¯𝒀)
〖 (𝟗𝟔𝟔𝟕.𝟔) 〗 ^𝟐 )
(−𝟒𝟕𝟗𝟓,𝟐)/√(
𝟔𝟕𝟗.𝟗𝟒)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES NEGATIVA PORQUE LA DEMANDA DE LOS ACTIVOS, NO HA SIDO
MUY BUENA POR ENDE EXISTE UNA GRAN DEBILIDAD EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
FUERTE EN LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = 93.31 + (-1.78)(23)

Y = 52.37
40. Un hotel de los suburbios obtiene su ingreso bruto de la renta de sus instalaciones y de su restaurante. Los
propietarios tienen interés en conocer la relación entre el número de habitaciones ocupadas por noche y el ingreso
por día en el restaurante. En la siguiente tabla se presenta una muestra de 25 días (de lunes a jueves) del año pasado
que indica el ingreso del restaurante y el número de habitaciones ocupadas

x Y
i INGRESOS HABITACIONES (X1- X) (Y1-Y) (X1- X)2
1 1348 15 487.872000000001 635.04
2 1354 16 21664 368.64
3 1361 19 #VALUE! 148.84
4 1394 21 29274 432.64
 5 1399 23 32177 665.64
6 1405 23 32315 1011.24
7 1425 27 38475 2030625
8 1426 29 41354 2787.84
9 1426 30 42780 2787.84
10 1430 34 48620 3226.24
12 1431 37 52947 3340.84
13 1437 38 54606 4070.44
14 1394 38 52972 432.64
15 1439 39 56121 4329.64
16 1442 39 56238 4733.44
17 1445 43 62135 2053489
18 1450 42 60900 5898.24
19 1452 44 63888 6209.44
20 1456 44 64064 6855.84
21 1458 45 65610 7191.04
22 1461 47 1109.792 7708.84
23 1470 51 74970 9370.24
24 1490 54 80460 13642.24
25 1537 61 93757 26830.44
34330 859 1104772.792 4196791
25 25
1373.2 34.36

A. EL DIAGRAMA DE DISPERSION

Y
70
60 f(x) = 0.270469851991657 x − 351.092917453066
R² = 0.882271354602102
50
Axis Title

40
30
20
10
0
1300 1350 1400 1450 1500 1550
Axis Title

Y HABITACIONES Linear (Y HABITACIONES)

B. LA RECTA DE MEJOR AJUSTE

 b= "1104772,792 " /"4196791 "
= 2.64
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 34,36 - 3.64(1373,2)

LINEA RECTA DE MEJOR AJUSTE a= -4.96

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 34.36+ 3.64

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = -4.96+ (3.64)x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r= "1104772,792 " /√
¯𝑿) 〗 ^𝟐
( 〖 ("4196791" ) 〗 ^𝟐
∑_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−¯
〖 ("1350,53" ) 〗 ^𝟐 )
(𝟏𝟏𝟎𝟒𝟕𝟕𝟐.𝟕𝟗𝟐)/(𝟏.𝟕𝟗) 617.20
𝒀)r=〗 ^𝟐 )
(𝟏𝟏𝟎𝟒𝟕𝟕𝟐.𝟕𝟗
𝟐)/√(𝟑.𝟐𝟐)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES PORQUE POSITIVA EL INGRESO EN HABITACIONES, HA SIDO
MUY BUENA POR ENDE EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx
 Y = 93.31 + (-1.78)(23)

Y = 52.37
41. En la siguiente tabla se muestra el número de automóviles (en millones) vendidos en Estados. Unidos durante
varios años y el porcentaje de ellos que fabricó la compañía General Motors.

x Y
i AUTOMOVILES PORCENTAJE (X1- X) (Y1-Y) (X1- X)2
1950 6 120 -429.854166666667 34.515625
1955 7.3 90 -197.4875 20.930625
1960 7.8 80 -135.154166666667 16.605625
1965 10.1 70 -41.1208333333333 3.150625
1970 10.3 50 -4.98749999999999 2.480625
1975 10.8 45 1.97083333333333 1.155625
1980 11.5 31 17.5625 0.140625
1985 13.5 30 -27.3541666666667 2.640625
1990 15.4 25 -76.9625 12.425625
1995 15.5 21 -93.6458333333333 13.140625
2000 16.9 -235.3375 25.250625
2005 17.4 -393.4 30.525625
142.5 562 -1615.77083333 162.9625
12 12
11.875 46.8333333333333

A. EL DIAGRAMA DE DISPERSION

Y
140

120

100
f(x) = − 9.36786874323311 x + 157.560339801782
80 R² = 0.871941641142671
Axis Title

Y PORCENTAJE
60 Linear (Y PORCENTAJE)
40
 140

120

100
f(x) = − 9.36786874323311 x + 157.560339801782
80 R² = 0.871941641142671

Axis Title
Y PORCENTAJE
60 Linear (Y PORCENTAJE)
40

20

0
4 6 8 10 12 14 16 18 20
Axis Title

B. LA RECTA DE MEJOR AJUSTE

b= "-1615.77083 " /"162.963 "

= -9.91
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 46.83 - (-9.91)(11.88)

LINEA RECTA DE MEJOR AJUSTE a= 164.56

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 164.56+ (-9.91)

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 164.56+ (-9.91)x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r= ("-"
¯𝑿) 〗 ^𝟐
𝟏𝟔𝟏𝟓.𝟕𝟕𝟎𝟖𝟑)/√
∑_(𝒊=𝟏)^𝒏▒ 〖〗
( 〖 (𝟏𝟔𝟐.𝟗𝟔𝟑) (𝒀_𝟏−¯
^𝟐
r=〗
𝒀) ^𝟐 ) (−𝟏𝟔𝟏𝟓.𝟕𝟕𝟎𝟖𝟑)/(𝟐.𝟒𝟑) -19.72
〖 (𝟏𝟒𝟗𝟑𝟐,𝟕) 〗 ^𝟐 )
(−𝟏𝟔𝟏𝟓.𝟕𝟕𝟎𝟖
𝟑)/√(𝟓.𝟗𝟐𝟏)
 r=
(−𝟏𝟔𝟏𝟓.𝟕𝟕𝟎𝟖
𝟑)/√(𝟓.𝟗𝟐𝟏)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES PORQUE NEGATIVA LOS AUTOM,OVILES VENDIDOS,NO HA SIDO
MUY BUENA POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = 164.56 + (-9.91)(12)

Y = 45.64
43. ¿Cuál es la relación entre la cantidad gastada por semana en diversión y el tamaño de la familia? ¿Gastan más en
diversión las familias grandes? Una muestra de 10 familias del área de Chicago reveló las siguientes cifras por tamaño
de familia y cantidad gastada en diversión por semana

x Y
i CANTIDAD TAMAÑO (X1- X) (Y1-Y) (X1- X)2
1 74 120 -1956.37037037037 1067.11111
2 91 90 -468.259259259259 245.444444
3 91 80 -311.592592592593 245.444444
4 99 70 -75.8148148148148 58.7777778
5 104 50 26.962962962963 7.11111111
6 111 45 -65.4814814814814 18.7777778
7 119 31 -741.37037037037 152.111111
8 129 30 -672.481481481481 498.777778
9 142 25 -1240.59259259259 1248.44444
960 541 -5505 3542
 9 9
106.666666666667 60.1111111111111

A. EL DIAGRAMA DE DISPERSION

Y
140

120

100 f(x) = − 1.44626388104649 x + 214.379258422737

R² = 0.893598729150706
80
Axis Title

Y TAMAÑO
60 Linear (Y TAMAÑO)
40

20

0
70 80 90 100 110 120 130 140 150
Axis Title

B. LA RECTA DE MEJOR AJUSTE

b= "-5505 " /"3542 "

= -1.56
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 60.11 - (-1.56)(106.67)

LINEA RECTA DE MEJOR AJUSTE a= 226.52

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 60.11+ (-1.56)

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 226.52+ (-1.56)x
D. COEFICIENTE DE CORRELACION
 r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r= ("-"
¯𝑿) 〗 ^𝟐
𝟓𝟓𝟎𝟓)/√( 〖 (𝟑𝟓𝟒𝟐)
∑_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−¯
〗 ^𝟐 (−𝟓𝟓𝟎𝟓)/(𝟖𝟔𝟐.𝟑𝟏) -6.39
𝒀)r=〗 ^𝟐 )
〖 (𝟖𝟐𝟗𝟎,𝟖𝟗) 〗 ^𝟐 )
(−𝟏𝟔𝟏𝟓.𝟕𝟕𝟎𝟖
𝟑)/√(𝟖𝟔𝟐.𝟑𝟏)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES PORQUE NEGATIVA LAS CANTIDADES GASTADAS,NO HA SIDO
MUY BUENA POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = 226.52 + (-1.56)(106)

Y = 65.4
44.Se selecciona una muestra de 12 casas que se vendieron la semana pasada en St. Paul, Minnesota. ¿Se puede
concluir que, conforme aumenta el tamaño de la casa (reportado en la siguiente tabla en miles de pies cuadrados),
también aumenta el precio de venta (reportado en miles de dólares)?

x Y
i TAMAÑO PRECIO (X1- X) (Y1-Y) (X1- X)2
 1 0.8 70 9.33333333333334 0.1225
2 0.9 75 5.41666666666667 0.0625
3 1 80 2.5 0.0225
4 1.1 85 0.583333333333334 0.0025
5 1.1 95 0.083333333333334 0.0025
6 1.1 100 0.416666666666665 0.0025
7 1.2 105 0.416666666666665 0.0025
8 1.2 105 0.416666666666665 0.0025
9 1.3 105 1.25 0.0225
10 1.3 110 143 0.0225
11 1.4 110 3.33333333333333 0.0625
12 1.4 120 5.83333333333333 0.0625
13.8 1160 172.583333333 0.39
12 12
1.15 96.6666666666667

A. EL DIAGRAMA DE DISPERSION

Y
140

120
f(x) = 79.4871794871795 x + 5.25641025641024
100 R² = 0.90703161868806
80
Axis Title

Y PRECIO
60 Linear (Y PRECIO)
40

20

0
0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
Axis Title
B. LA RECTA DE MEJOR AJUSTE

b= "172.58 " /"0.39 "

= 442.52
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 96.66 - 442.52(1.52)

LINEA RECTA DE MEJOR AJUSTE a= -575.97

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 1.52+ 442.52

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 226.52+ (-1.56)x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r=
¯𝑿) 〗 ^𝟐
(𝟏𝟕𝟐.𝟓𝟖)/√( 〖 (𝟎.𝟑
∑_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−¯
𝟗) 〗 ^𝟐 (𝟏𝟕𝟐.𝟓𝟖)/(𝟏.𝟎𝟕) 161.29
𝒀)r=〗 ^𝟐 )
〖 (𝟐𝟕𝟏𝟔,𝟔𝟕) 〗 ^𝟐 )
(𝟏𝟕𝟐.𝟓𝟖)/√(𝟏
.𝟏𝟑)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE LOS PRECIOS DE VENTA ,HA SIDO MUY
FAVORABLE POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx

Y = -575.95 + 442.52(1.15)

Y = -67.05
45. El fabricante de equipo para ejercicio Cardio Glide desea estudiar la relación entre el número de meses desde
la compra de un aparato y el tiempo que se utilizó el aparato la semana pasada.
 x Y
i MESES HORA (X1- X) (Y1-Y) (X1- X)2
RUPPLE 2 2 17.1 20.25
HALL 2 3 12.6 20.25
BENNETTI 4 4 4.5 6.25
LONGNECKER 5 5 1.2 2.25
PHILLIPS 6 5 0.4 0.25
MASSA 7 5 -0.4 0.25
SAPS 8 8 3.3 2.25
KARL 9 8 5.5 6.25
MALROONEY 10 8 7.7 12.25
VEIGHTS 12 10 23.1 30.25
65 58 75 100.5
10 10
6.5 5.8

A. EL DIAGRAMA DE DISPERSION

Y
12

10
f(x) = 0.746268656716418 x + 0.949253731343282
8 R² = 0.939096463988781
Axis Title

6 Y HORA
Linear (Y HORA)
4

0
0 2 4 6 8 10 12 14
Axis Title

B. LA RECTA DE MEJOR AJUSTE

 b= "75" /"100,5"
= 442.52
(∑_(𝒊=𝟏)^𝒏▒(𝑿_(𝟏−
¯𝑿) )(𝒀_(𝟏−¯𝒀) )
)/(∑_(𝒊=𝟏)^𝒏▒ 〖 ( a= ¯𝒀−𝒃¯𝒙
ORDENADA EN EL ORIGEN

𝑿_𝟏 〗− ¯𝑿) ) a= 96.66 - 442.52(1.52)

LINEA RECTA DE MEJOR AJUSTE a= -575.97

ECUACION DE LA RECTA DEL MEJOR AJUSTE Y= 1.52+ 442.52

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

Y = a + bx

Y = 226.52+ (-1.56)x
D. COEFICIENTE DE CORRELACION

r=
(∑_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏−¯
𝑿)(𝒀_𝟏−¯𝒀) 〗 )/√( 〖∑
_(𝒊=𝟏)^𝒏▒ 〖 (𝑿_𝟏 〗−
r=
¯𝑿) 〗 ^𝟐
(𝟏𝟕𝟐.𝟓𝟖)/√( 〖 (𝟎.𝟑
∑_(𝒊=𝟏)^𝒏▒ 〖 (𝒀_𝟏−¯
𝟗) 〗 ^𝟐 (𝟏𝟕𝟐.𝟓𝟖)/(𝟏.𝟎𝟕) 161.29
𝒀)r=〗 ^𝟐 )
〖 (𝟐𝟕𝟏𝟔,𝟔𝟕) 〗 ^𝟐 )
(𝟏𝟕𝟐.𝟓𝟖)/√(𝟏
.𝟏𝟑)
E. COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE LOS PRECIOS DE VENTA ,HA SIDO MUY
FAVORABLE POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION PARA ANALIZAR
LA RELACION DE ESTAS DOS VARIABLES

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMANDA CUANDO LA

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU CRITERIO

Y = a + bx
Y = -575.95 + 442.52(1.15)

Y = -67.05
eveló lo siguiente.

(Y1-Y)2
11.56
5.76
0.16
1.96
0.16
0.36
0.36
6.76
2.56
6.76
36.4
OEFICIENTE DE CORRELACION
o de habitaciones
es; el coeficiente

ANDA CUANDO LA

a relación entre
or McWhinney
es el mes anterior,

(Y1-Y)2
2218.41
1376.41
967.21
1095.61
967.21
357.21
835.21
571.21
2391.21
 3469.21
14248.9
RO DE CONTACTOS
IO DE LA VENTA

ANDA CUANDO LA

n los resultados
n se reportan
(Y1-Y)2
22.1841
14.5161
26.1121
4.0401
8.4681
0.1681
5.3361
3.2041
0.0361
40.8321
2.5281
2.2801
124.897
TANDO DE A POCO
CION NO ES MUY

ANDA CUANDO LA
 nar la tasa de
stas al azar, y sus

(Y1-Y)2
0.07111111
2.35111111
8.80111111
2.66777778
0.44444444
0.32111111
3.36111111
1.06777778
2.45444444
21.54
TIVOS, NO HA SIDO
CION PARA ANALIZAR

ANDA CUANDO LA
(Y1-Y)2
4070.44
1142.44
566.44
190.44
38.44
125.44
635.04
686.44
973.44
1239.04
9667.6
VOS, NO HA SIDO
CION PARA ANALIZAR

ANDA CUANDO LA

che y el ingreso
) del año pasado

(Y1-Y)2
374.8096
337.0896
100
178.4896
 129.0496
129.0496
54.1696
28.7296
19.0096
0.1296
6.9696
13.2496
13.2496
21.5296
21.5296
74.6496
58.3696
92.9296
92.9296
113.2096
159.7696
276.8896
385.7296
709.6896
1350.526
NES, HA SIDO
PARA ANALIZAR

ANDA CUANDO LA
nidos durante

(Y1-Y)2
5353.36111
1863.36111
1100.02778
536.694444
10.0277778
3.36111111
250.694444
283.361111
476.694444
667.361111
2193.36111
2193.36111
14931.67
DOS,NO HA SIDO
ION PARA ANALIZAR

ANDA CUANDO LA

¿Gastan más en
cifras por tamaño

(Y1-Y)2
3586.67901
893.345679
395.567901
97.7901235
102.234568
228.345679
847.45679
906.679012
1232.79012
8290.889
AS,NO HA SIDO
ION PARA ANALIZAR

ANDA CUANDO LA

a. ¿Se puede
es cuadrados),

(Y1-Y)2
711.111111
469.444444
277.777778
136.111111
2.77777778
11.1111111
69.4444444
69.4444444
69.4444444
177.777778
177.777778
544.444444
2716.667
SIDO MUY
ON PARA ANALIZAR

ANDA CUANDO LA

meses desde
(Y1-Y)2
14.44
7.84
3.24
0.64
0.64
0.64
4.84
4.84
4.84
17.64
59.6
SIDO MUY
ON PARA ANALIZAR

ANDA CUANDO LA