UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ECONÓMICAS

63° Curso de Actualización Profesional
Asignatura: Estadística
Profesor: Mg. Sc. Juan Francisco Bazán Baca

LABORATORIO 6

Para cada uno de los ejercicios siguientes determine e interprete: el diagrama de dispersión, la
línea de regresión mínimo cuadrática, la covarianza, el coeficiente de correlación, el coeficiente
de determinación, el ANVA, pruebas de hipótesis para los parámetros e intervalos de confianza
para la media de Y condicionada a un valor de X y para un valor único de Y.

1. Las tallas (X) y los pesos (Y) de 15 alumnos son:

Observación Problema 1 Problema 2

Talla (cm.) Peso (Kg.) Publicidad Pasajeros
1 168 58 10 15
2 173 63 12 17
3 165 60 8 13
4 165 66 17 23
5 173 67 10 16
6 172 70 15 21
7 174 80 10 14
8 170 56 14 20
9 168 65 19 24
10 173 63 10 17
11 172 66 11 16
12 175 65 13 18
13 170 65 16 23
14 171 68 10 15
15 178 85 12 16

2. Los gastos de publicidad mensual = X (en miles de $) y los pasajeros transportados = Y (en
miles) del cuadro anterior.

Análisis de regresión: Peso (Kg.) vs. Talla (cm.)

La ecuación de regresión es
Peso (Kg.) = - 160 + 1.32 Talla (cm.)
Coef.
Predictor Coef de EE T P
Constante -160.21 77.61 -2.06 0.060
Talla (cm.) 1.3246 0.4534 2.92 0.012

1
S = 6.07897 R-cuad. = 39.6% R-cuad.(ajustado) = 35.0%
Análisis de varianza (ANVA)

Fuente GL SC MC F P
Regresión 1 315.33 315.33 8.53 0.012
Error residual 13 480.40 36.95
Total 14 795.73

Valores pronosticados para nuevas observaciones

Nueva Ajuste
Obs Ajuste SE IC de 95% PI de 95%
1 63.64 1.84 (59.66, 67.62) (49.92, 77.36)

Valores de predictores para nuevas observaciones

Nueva Talla
Obs (cm.)
1 169

Análisis de regresión: Pasajeros vs. Publicidad

La ecuación de regresión es
Pasajeros = 4.39 + 1.08 Publicidad

Predictor Coef Coef. de EE T P

Constante 4.3863 0.9913 4.42 0.001
Publicidad 1.08132 0.07726 13.99 0.000

S = 0.906780 R-cuad. = 93.8% R-cuad.(ajustado) = 93.3%

Análisis de varianza (ANVA)

Fuente GL SC MC F P
Regresión 1 161.04 161.04 195.86 0.000
Error residual 13 10.69 0.82
Total 14 171.73

Valores pronosticados para nuevas observaciones

Nueva
Obs Ajuste Ajuste SE IC de 95% PI de 95%
1 15.199 0.302 (14.547, 15.852) (13.135, 17.264)

Valores de predictores para nuevas observaciones

Nueva
Obs Publicidad
1 10.0

3. La empresa Jardín S.A. vende podadoras, sean: Y = cantidad vendida (miles), X1 = precio
de la podadora de la competencia ($) y X2 = precio de la podadora Jardín ($).
X1 120 140 190 130 155 175 125 145 180 150
X2 100 110 90 150 210 150 250 270 300 250
Y 102 100 120 77 46 93 26 69 65 85

4. El gerente de ventas de automóviles desea investigar por qué ciertas distribuidoras obtienen
mejores resultados que otras. Para ello selecciona al azar 12 distribuidoras. De ellas obtiene

2
 Y = número de autos vendidos, X1 = minutos de publicidad en radio comprada en el último
mes, y X2 = vendedores a tiempo completo empleados.
Y 127 138 159 144 139 128 161 180 102 163 106 149
X1 18 15 22 23 17 16 25 26 15 24 18 25
X2 10 15 14 12 12 12 14 17 7 16 10 11

5. En una escuela de secundaria se investigó una muestra de 20 estudiantes de un grupo que

egreso del plantel en 1990. Se registró el número de años de educación después de la
secundaria (X) y el ingreso anual de las personas en miles de soles durante el último año
(Y). Los datos son los siguientes:
X Y X Y
0 36.6 4 41.6
0 33.0 4 55.2
1 39.0 4 38.7
1 35.5 5 53.0
1 32.8 5 46.5
2 34.5 6 55.6
2 31.8 6 68.9
2 36.2 7 62.6
3 40.2 7 66.2
3 44.8 7 59.9

6. Se quiere explicar Y = cantidad semanal ($) gastada en alimentos y X = tamaño de la

familia, basados en una muestra aleatoria de 10 familias. Los datos son los siguientes:
X 3 6 5 6 6 3 4 4 5 3
Y 99 104 151 129 142 111 74 91 119 91

7. Una compañía productora de juguetes quiere establecer la relación entre las variables X =
precio de los juguetes ($) e Y = cantidad de juguetes vendidos. Los datos son:
X 16.5 18.0 20.0 22.5 24.0 26.0 27.5 30.0
Y 275 250 238 215 190 185 156 125

8. Con los datos: X = Ingreso e Y = Consumo.

Año 0 1 2 3 4 5 6 7 8 9
X 248.8 328.4 345.5 364.6 364.8 398.0 419.2 441.1 447.3 483.7
Y 191.0 206.3 216.7 230.0 236.5 254.4 266.7 281.4 290.1 311.2

9. Con los datos: X = Tasa de interés e Y = Nº de casas vendidas.

Mes 1 2 3 4 5 6 7 8 9 10
X 12.3 10.5 15.6 9.5 10.5 9.3 8.7 14.2 15.2 12
Y 196 285 125 225 248 303 265 102 105 114

3
10. Una empresa financiera desea estimar un modelo que le permita predecir el monto
de las cuotas vencidas de sus clientes. Para ello ha decidido realizar un análisis
tomando en cuenta las siguientes variables:
Y = monto de las cuotas vencidas (miles de $)
X1 = monto de préstamo (decenas de miles de $)
X2 = tasa de interés.
X3 = tasa de inflación-
Para estas variables se ha recopilado datos correspondientes a 24 clientes elegidos
al azar, y se ha obtenido las siguientes matrices:

n

 X1 X 2 X 3 

 X1  X 1 X X X X 3 
2
1 2 1
X 'X =  
 X 2  X1 X 2 X X X
2
2 2 3
 
  X 3  X 1 X 3 X X X 2
2 3 3 

 24 3965 391 72.4 

3965 717877 66795 12625.8 
= 
391 66795 6459 1205.3 
 
72.4 12625.8 1205.3 234.26 

 Y  1018 
  179138
  X 1Y   ,
X ´Y =  = Y ' Y = 45262
 2 
X Y 16984 
 
 X Y
  3  3212.6 