EJERCICIOS VARIADOS

1.- Una compañía de bebida rehidratante está analizando el efecto de su última

campaña publicitaria. Se escogieron personas al azar y se les llamó para preguntarles
cuántas bebidas rehidratantes habían comprado la semana anterior y cuántos
anuncios del refresco habían visto u oído durante el mismo período. Los datos fueron
los siguientes:

NºAnuncios 3 7 4 2 0 4 1 2
a) Nº Bebidas 11 18 9 4 7 6 3 8

Identificar la variable independiente X y la variable dependiente.

b) Graficar e interpretar el Diagrama de Dispersión.
c) Calcular e interpretar el Coeficiente de Correlación “r”.
d) Establezca el modelo de regresión lineal simple.
e) Estime los parámetros del modelo de regresión simple.
f) Estime el tiempo de sueño de 20 mm/kg
SOLUCIÓN:
a) X (Variable independiente): NºAnuncios
Y (Variable dependiente): Nº Bebidas
b) Interpretación: La variable N° anuncios y N° bebidas tienen una correlación lineal
positiva directa.

c) El
coeficiente de correlación “r” es 0,787.
Interpretación: Existe una correlación positiva fuerte (directa) entre las variables N°
de anuncios y N° bebidas.
 Correlaciones
X_Anuncios Y_Bebidas
X_Anuncios Correlación de Pearson 1 ,787*
Sig. (bilateral) ,021
N 8 8
Y_Bebidas Correlación de Pearson ,787* 1
Sig. (bilateral) ,021
N 8 8
*. La correlación es significativa en el nivel 0,05 (bilateral).

d) El modelo de regresión lineal es:

y=a+bx
e) Estime los parámetros del modelo de regresión simple:
y=a+b x
y=3,331+1,711 X
Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 3,331 1,928 1,728 ,135
X_Anuncios 1,711 ,548 ,787 3,122 ,021
a. Variable dependiente: Y_Bebidas

f) Estime el tiempo de sueño de 20 mm/kg:

y=a+b x
y=3,331+1,711 X
y=3,331+1,711 (20)
y=3 7 , 55 1

2.- Los corredores de bienes raíces a menudo están interesados en ver cómo el
avalúo de una casa varía de acuerdo con su tamaño. A continuación, se muestran
algunos datos del área en miles de pies cuadrados y el avalúo en miles de dólares,
para una muestra de 11 casas.
Área 1.1 1.5 1.6 1.6 1.4 1.3 1.1 1.7 1.9 1.5 1.3
Valor 75 95 110 102 95 87 82 115 122 98 90
Pasos a seguir para realizar este análisis:
1.- Identificar la variable independiente X.
2.- Identificar la variable dependiente Y.
3.- Graficar el Diagrama de Dispersión.
4.- Calcular e interpretar el Coeficiente de Correlación “R”.
5.- Calcular e interpretar el Coeficiente de Determinación “R2”.
6.-Interpretar la pendiente “b” de la recta de regresión.
7.- Escribir la Ecuación de Regresión “Y=a+bX”.
SOLUCIÓN:
1) X (Variable independiente): Área
2) Y (Variable dependiente): Valor
3) Interpretación: La variable área y valor tienen una correlación lineal positiva

directa.
4) Calcular e interpretar el Coeficiente de Correlación “R”.

Correlaciones
X_Area Y_Valor
X_Area Correlación de Pearson 1 ,973**
Sig. (bilateral) ,000

N 11 11

Y_Valor Correlación de Pearson ,973** 1

Sig. (bilateral) ,000

N 11 11
**. La correlación es significativa en el nivel 0,01 (bilateral).
 R = 0,973
Interpretación: Existe una correlación positiva fuerte (directa) entre las variables área
y valor.
5) Calcular e interpretar el Coeficiente de Determinación “R2”.
R = 0,973
R2 = 0,947
Interpretación: El 94,7 % de la variación del el avalúo en miles de dólares es
explicado por el área. Además, existe un 5,3% que no es explicado por el avalúo.
6) Interpretar la pendiente “b” de la recta de regresión.

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 15,970 6,519 2,450 ,037
X_Area 55,958 4,424 ,973 12,648 ,000
a. Variable dependiente: Y_Valor

Interpretación: Por cada miles de pies cuadrados de área, el avalúo se incrementará

en 55,958 miles de dólares.

7) Escribir la Ecuación de Regresión “Y=a+bX”.

y=a+b x
y=15 , 970+55 , 958 X