1. Desarrollo de un Caso.

Una agencia de Viajes desea saber la relación que hay entre las ventas, el presupuesto des
vendedores para esto presenta los siguientes datos. Realice los análisis de Regresión y Correlación respectivos e inte
Y X1 X2
GASTOS DE COMISIONES DE
AÑOS VENTAS
PUBLIBIDAD VENDEDORES
2000 264000 550 15840
2001 384000 590 19250
2002 400200 680 26013
2003 422400 700 16896
2004 543000 750 16290
ntre las ventas, el presupuesto destinado a publicidad, y las comisiones de los
ión y Correlación respectivos e interprete los resultados

Integrantes
Daney Machorro
Jesler Ramírez
Dalia Leiva
 G. Comision
VENTAS Publicidad Vendedor
VENTAS 1
G. Publicidad 0.91597633 1
COMISION VENDEDOR -0.00331729 0.09991373 1

INTERPRETACION
ventas vrs Es de 0.91597633, hay una asociacion lineal positiva, lo que indica la
Publicidad publicidad fue efectiva para la generacion de ventas de vuelos

es de -0.00331 de una asociacion lineal negativa lo que indica que las ve

ventas vrs directas por medio de vendedores ha disminuido un 30%
comisiones
vendedores
eal positiva, lo que indica la
n de ventas de vuelos

egativa lo que indica que las ventas

minuido un 30%
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.92092192
Coeficiente de determinación R^2 0.84809718
R^2 ajustado 0.69619436
Error típico 54887.8316
Observaciones 5

ANÁLISIS DE VARIANZA

Promedio de
Grados de Suma de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 2 3.364E+10 1.682E+10 5.58315624194 0.15190282
Residuos 2 6025348107 3012674053
Total 4 3.9666E+10

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -289315.164 242459.39 -1.19325205 0.35512610737 -1332533.72
GASTOS PUBLICIDAD 1123.49007 336.215062 3.3415816 0.07907898926 -323.126589
COMISIONES VENDEDOR -2.26576481 6.55135794 -0.34584659 0.76244972794 -30.4539829
 Superior Inferior Superior
95% 95.0% 95.0%
753903.392 -1332533.72 753903.392
2570.10672 -323.126589 2570.10672
25.9224533 -30.4539829 25.9224533
2. Un estudiante graduado que quiere comprar un auto Neptuno usado investigó los precios. Piensa que el año del modelo y e
número de millas recorridas influyen en el precio de compra. Los datos siguientes corresponden a 10 autos con precio (Y) en m
de dólares, año (X1) y millas recorridas (X2) en miles. Realice los análisis respectivos de regresión y correlación e interprete los
resultados, y pronostique cuanto pagaría si desea comprar un auto Neptuno 1991 con alrededor de 40,000 millas recorridas.

Y X1 X2
Precio en
Millas en
miles de Año
miles
dólares
2.99 1987 55.6
6.02 1992 18.4
8.87 1993 21.3
3.92 1988 46.9
9.55 1994 11.8
9.05 1991 36.4
9.37 1992 28.2
4.2 1988 44.2
4.8 1989 34.9
5.74 1991 26.4
iensa que el año del modelo y el
n a 10 autos con precio (Y) en miles
ón y correlación e interprete los
dor de 40,000 millas recorridas.
 Precio en miles de dolares Año Millas en miles
Precios en miles de dolares 1
Año 0.892126081024309 1
Millas en miles -0.733266039402159 -0.9496950139 1
Interpretación
Pecio en dolares vs Es de 0.892126081024309, hay una asociación lineal positiva
años
Precio en dolares vs Es de -0.733266039402159, hay una asociación lineal negativa
miillas
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.963509838721838
Coeficiente de determinación R^2 0.928351209313782
R^2 ajustado 0.907880126260577
Error típico 0.76782805672743
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 53.4723705271152
Residuos 7 4.12691947288475
Total 9 57.59929

Coeficientes Error típico

Intercepción -4243.16824364259 688.565556983647
AÑO 2.13147494087436 0.34500821100186
MILLAS EN MILES 0.213464172544935 0.05933819320863
Promedio de los cuadrados F Valor crítico de F
26.7361852635576 45.349393918 9.84534697E-05
0.589559924697822

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

-6.16233007969547 0.0004619295 -5871.3670584976 -2614.9694288 -5871.3670585
6.17804119700463 0.0004548909 1.3156601581407 2.9472897236 1.31566015814
3.59741611603182 0.00876997 0.0731516418381 0.3537767033 0.07315164184
 Superior 95.0%
-2614.96942879
2.947289723608
0.353776703252
3. Un embotellador de bebidas gaseosas analiza las rutas de servicio de las máquinas expendedoras en un sistema de distribuc
predecir el tiempo necesario para que el representante de ruta atienda las máquinas expendedoras en una tienda. Ésta activid
en abastecer las máquinas con productos embotellados y algo de mantenimiento y limpieza. El Ingeniero Industrial responsab
sugerido que las dos variables más importantes que afectan el tiempo de entrega (Y) son la cantidad de cajas de producto aba
distancia caminada por el representante (X2). El ingeniero ha reunido 25 observaciones de tiempo de entrega que se muestran

Y X1 X2

Tiempo de
Cantidad Distancia
Observación entrega
de cajas (pies)
(min.)

1 16.68 7 560
2 11.5 3 220
3 12.03 3 340
4 14.88 4 80
5 13.75 6 150
6 18.11 7 330
7 8 2 110
8 17.83 7 210
9 79.24 30 1460
10 21.5 5 605
11 40.33 16 688
12 21 10 215
13 13.5 4 255
14 19.75 6 462
15 24 9 448
16 29 10 776
17 15.35 6 200
18 19 7 132
19 9.5 3 36
20 35.1 17 740
21 17.9 10 140
22 52.32 26 810
23 18.75 9 450
24 19.83 8 635
25 10.75 4 150
as en un sistema de distribución. Le interesa
as en una tienda. Ésta actividad de servicio consiste
eniero Industrial responsable del estudio ha
ad de cajas de producto abastecido (X1) y la
de entrega que se muestran en la siguiente tabla.
 Tiempo de cantidad de
entrega cajas Distancia
Tiempo de
entrega 1
cantidad de
cajas 0.96461459 1
distancia 0.89218148 0.82298832 1

INTERPRETACION

Tiempo de
entrega vrs
Cnt de cajas es de 0.96461459 hay una asociacion lineal positiva

Tiempo de
Entrega vrs es de 0.89218148 hay una asociacion lineal positiva
distancia
al positiva

al positiva
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98001796
Coeficiente de determinación R^2 0.9604352
R^2 ajustado 0.9568384
Error típico 3.22535609
Observaciones 25

ANÁLISIS DE VARIANZA

Promedio de
Grados de Suma de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 2 5555.67832 2777.83916 267.0248973235 3.71877E-16
Residuos 22 228.864282 10.4029219
Total 24 5784.5426

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 2.31591073 1.0858731 2.13276369 0.044349149046 0.06394774
CANTIDAD DE CAJAS 1.61049339 0.16841803 9.56247615 2.70727495E-09 1.26121577
DISTANCIA 0.01460539 0.00357874 4.08115808 0.000494831705 0.00718354
 Superior Inferior Superior
95% 95.0% 95.0%
4.56787371 0.06394774 4.56787371
1.95977101 1.26121577 1.95977101
0.02202723 0.00718354 0.02202723
4. El gerente de ventas distrital de un importante fabricante de automóviles está estudiando las ventas. Específicamente le gu
determinar qué factores afectan el número de autos vendidos en una distribuidora. Para investigar, selecciona al azar 12
distribuidores. De ellos obtiene el número de vehículos vendidos el último mes, los minutos de publicidad radiofónica compra
en dicho periodo, el número de vendedores de tiempo completo empleados en la distribuidora, y si ésta se localiza en la ciuda
no. La información es la siguiente:

Autos
vendidos Fuerza Ciudad
Publicidad ventas
en el (1:si, 2:no)
(X1)
último (X3)
mes(Y) (X2)
127 18 10 1
138 15 15 2
159 22 14 1
144 23 12 1
139 17 12 2
128 6 12 1
161 25 14 1
180 26 17 1
102 15 7 2
163 24 16 1
106 18 10 2
149 25 11 1
as ventas. Específicamente le gustaría
tigar, selecciona al azar 12
publicidad radiofónica comprados
a, y si ésta se localiza en la ciudad o
 AUTOS VENDIDOS PUBLICIDAD FUERZA DE VENTAS UBICACIÓN
AUTOS VENDIDOS 1
PUBLICIDAD 0.674246137674522 1
FUERZA DE VENTAS 0.871719470009637 0.4160092191 1
UBICACIÓN -0.63911566314444 -0.4110960958 -0.389468090167124 1
INTERPRETACIÓN
Autos vendidos vs Es de 0.674246137674522 hay una asociación lineal
Publicidad positiva
Autos vendidos vs Es de 0.871719470009637 hay una asociación lineal
Fuerza de ventas positiva
Autos vendidos vs Es de -0.639115663144443 hay una asociación
Ubicación lineal negativa
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.965431304328322
Coeficiente de determinación R^2 0.932057603377085
R^2 ajustado 0.906579204643492
Error típico 7.09344814357965
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 3 5522.13061414144
Residuos 8 402.536052525229
Total 11 5924.66666666667

Coeficientes Error típico

Intercepción 69.311982757106 15.6761389425828
PUBLICIDAD 1.17922301551509 0.421902447124653
FUERZA DE VENTAS 5.25988508641946 0.857145825434582
UBICACIÓN -12.5415463549201 4.93970343169774
Promedio de los cuadrados F Valor crítico de F
1840.71020471381 36.582267713 5.0994215977E-05
50.3170065656536

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

4.42149581672987 0.0022220551 33.162741531475 105.46122398 33.1627415315
2.7950134528769 0.0233768744 0.2063142277929 2.1521318032 0.20631422779
6.13651135004087 0.0002780789 3.2833032684943 7.2364669043 3.28330326849
-2.538926987892 0.0347688086 -23.932522895097 -1.1505698147 -23.932522895
 Superior 95.0%
105.4612239827
2.152131803237
7.236466904345
-1.15056981474