En Senegal reunieron datos sobre volumen de producción y

costos totales de cierta referencia de una chaqueta con el

fin de estimar costos de acuerdo a ciertos volúmenes de
producción programados. Se obtuvo la siguiente muestra:

Costo total
Volumen de
Encuentra la ecuación de regr
producción a)
(millones parámetros.
(unidades)
de pesos)
400 60.9
450 67.2 Estima el costo total si se produ
b)
550 80.8 de esa referenc
600 88.1
700 101.4
750 107.5 calcula e interpreta el coeficient
c) y de correlació
830 121.2
900 127.4

Volumen de Costo total

producción (millones de
(unidades) X pesos) Y

1 400 60.9 160000 3708.81 24360

2 450 67.2 202500 4515.84 30240
3 550 80.8 302500 6528.64 44440
4 600 88.1 360000 7761.61 52860
5 700 𝑋^2
101.4 𝑌^2
490000 10281.96
𝑋𝑌 70980
6 750 107.5 562500 11556.25 80625
7 830 121.2 688900 14689.44 100596
8 900 127.4 810000 16230.76 114660
5180 754.5 3576400 75273.31 518761

∑▒𝑻𝑶𝑻𝑨𝑳
 Encuentra la ecuación de regresión y analiza los
parámetros.

Estima el costo total si se producen 640 chaquetas

de esa referencia.

alcula e interpreta el coeficiente de determinación

y de correlación

a)

Los parametros de la ecucion de regresion se hallan a traves de

las formulas

COEFICIENTES
b1 b0
0.13592197 6.30302451

calculamos la media para cada variable

n 8
647.5

94.3125

La ecuacion de regresion es:

b)
𝑋 ̅ 𝑌 ̂=6.303+0.1359𝑋
X 140
Ahora para X=140 chaquetas
Y 25.33

𝑌 ̅ El costo total si se producen 640 chaquetas de esa referencia es de 25.33 millones de pe

c)
el coeficiente de correlacion se halla a traves de la formula:

Para X=140:

𝑌 ̂=6.303+0.1359(140)=25.33
 Para X=140:

𝑌 ̂=6.303+0.1359(140)=25.33

valor cercano a 1 por lo que existe una fuerte correlacion lineal positi
r 0.99919022

0.99838110 El poder de explicacion del modelo es de 99.83%; esto indica que el

en un 99.83% por el volumen de produccion de las ch

𝑺_𝒙=√((∑▒𝒙^𝟐 )/𝒏−(𝑿 ̅ )^𝟐 )

𝑟=((∑▒𝑋𝑌)/𝑛−(𝑋 ̅ )(𝑌 ̅
))/(𝑆_𝑥 )(𝑆_𝑦 ) 𝑺_𝒚=√((∑▒𝒚^𝟐 )/𝒏−(𝒀 ̅ )^𝟐 )
 |

es de 25.33 millones de pesos

 166.714576
22.6785382

erte correlacion lineal positiva

99.83%; esto indica que el costo total es explicado

men de produccion de las chaquetas
 Los siguientes datos representan el numero de charlas x ofrecidas por una empresa de seguros durante 6 meses y nu
empresa en ese periodo de tiempo:

x 20 30 50 40 20 50 40
y 365 475 440 490 420 560 525

a. Realiza un diagrama de dispersión

b. Encuentra la ecuación de la línea de regresión para predecir el número de afiliaciones a partir del número de charlas.
C. Estime el número de afiliaciones cuando se realizaron 15 charlas.
d. calcular es coeficiente de correlaciòn, y el de determinaciòn

Numero de Numero de 𝑋^2 𝑌^2 𝑋𝑌

charlas (X) afiliaciones (Y)

1 20 365 400 133225 7300

2 30 475 900 225625 14250
3 50 440 2500 193600 22000
4 40 490 1600 240100 19600
5 20 420 400 176400 8400
6 50 560 2500 313600 28000
7 40 525 1600 275625 21000
8 25 480 625 230400 12000
9 50 510 2500 260100 25500

10 40 385 1600 148225 15400

11 20 400 400 160000 8000

12 25 395 625 156025 9875
∑▒𝑻𝑶𝑻𝑨𝑳
410 5445 15650 2512925 191325
eguros durante 6 meses y numero de afiliaciones a dicha

25 50 40 20 25
480 510 385 400 395

rtir del número de charlas.

Afiliaciones vs Charlas
600

500
f(x) = 3.22081218274112 x + 343.705583756345
R² = 0.403018356248925
Numero de charlas

400

300

200

100

0
15 20 25 30 35 40 45 50 55
Numero de Afiliaciones

Los parametros de la ecucion de regresion se

hallan a traves de las formulas

COEFICIENTES
b1 b0
 3.2208 343.71

calculamos la media para cada variable

La ecuacion de regresion es:
n 12
𝑋 ̅ 𝑌 ̂=343.71+3.2208𝑋
34.17
𝑌 ̅ 453.75

C)
La ecuacion de regresion es:
X 15
Ahora para X=15 Charlas 𝑌 ̂=343.71+3.2208(15)=392,02
Y 392.02

El numero total de afiliaciones cuando se realizan 15 charlas es de 392

c)
el coeficiente de correlacion se halla a traves de la formula:

𝑟=((∑▒𝑋𝑌)/𝑛−(𝑋 ̅ ) 𝑺_𝒙=√((∑▒𝒙^𝟐 )/𝒏−(𝑿 ̅ )

(𝑌 ̅ ))/(𝑆_𝑥 )(𝑆_𝑦 ) ^𝟐 )
𝑺_𝒚=√((∑▒𝒚^𝟐 )/𝒏−(𝒀 ̅ )^𝟐 )
𝑆_𝑋
11.6964
𝑆_𝑌 59.341

r 0.63483727
valor poco cercano a 1 por lo cual se concluye que la relacion lineal entre las
variables no es fuerte, el modelo hallado no se ajusta muy bien a los datos

𝒓^𝟐
0.40301836
El poder de explicacion del modelo es de 40.30%; esto indica que el numero de
afiliaciones es explicado en un 40.3% por el numero de charlas
45 50 55
2

elacion lineal entre las

muy bien a los datos

a que el numero de
de charlas