1.

- El gerente de operaciones de un distribuidor de instrumentos musicales piensa que la demanda de baterías puede relacion

Demanda Apariciones
No Baterias (Yi) en Tv (Xi) (Yi) (Xi) (Xi)^2 (Yi)^2
1 3 3 9 81 9
2 6 4 24 576 36
3 7 7 49 2401 49
4 5 6 30 900 25
5 10 8 80 6400 100
6 8 5 40 1600 64
39 33 232 11958 283

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=5,5 𝑦 ̅=6,5
b= 1

a= 𝑦 ̅ - b 𝑥 ̅

a= 1

Ye= a + bXi
Ye= 1 + Xi
anda de baterías puede relacionarse con el número de apariciones en televisión del popular grupo de rock Green Shades du- rante el mes
Green Shades du- rante el mes anterior. El gerente recolectó los datos que se presentan en la siguiente tabla:
Resumen

Estadísticas de la regresión
Coeficiente de cor 0.77020798
Coeficiente de de 0.59322034
R^2 ajustado 0.49152542
Error típico 1.73205081
Observaciones 6

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 1 17.5 17.5 5.8333333333 0.07313954
Residuos 4 12 3
Total 5 29.5

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 1 2.38447359 0.41937978 0.6964820576 -5.62036002 7.62036002
Apariciones enn Tv 1 0.41403934 2.41522946 0.0731395444 -0.14955749 2.14955749

Análisis de los residuales

Ye= 1 + 1 (Xi)
Observación
Pronóstico Demanda Baterias
Residuos
(Yi)
1 4 -1 b)Ye= 7
2 5 1
3 8 -1
4 7 -2
5 9 1
6 6 2
 Apariciones enn Tv (Xi) Curva de regresión ajustada
Demanda Baterias (Yi) Pronóstico Demanda Baterias (Yi)
12

10

Demanda Baterias (Yi)

8

Inferior 95,0%
Superior 95,0% 0
2 3 4 5 6 7 8 9
-5.62036002 7.62036002
Apariciones enn Tv (Xi)
-0.14955749 2.14955749
ón ajustada
rias (Yi)

7 8 9
2.- Supóngase que una cadena de supermercados financia un estudio sobre los gastos anuales en comestibles de familias d

Ye= -200+0,10Xi

Xi(Ingresos) Ye(Gastos) Ye(Gastos)

8000 600 2000
10000 800 1800
12000 1000 1600
14000 1200
1400
16000 1400
1200
18000 1600
20000 1800 1000
800
600
400
200
0
6000 8000 10000 12000 14000 16000 18000 20000 22000

a.
Ye=-200+0,10(15000)
Ye= 1300

b.
Ye=-2000+0,10(2000)
Ye= 0
en comestibles de familias de cuatro miembros. La investigación se limitó a familias con ingresos netos (después de impuestos) que va

000 20000 22000

espués de impuestos) que van de $8000 a $20 000 dólares. Se obtuvo la siguiente ecuación.
 3.- Emplee los siguientes valores de resumen para determinar las ecuaciones de regresión:
a. Σ X = 200, ΣY = 300, ΣXY = 6200, ΣX2 = 3600, n = 20

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=10 𝑦 ̅=15
b= 2

a= 𝑦 ̅ - b 𝑥 ̅

a= -5

Ye= a + bXi
Ye= -5 + 2Xi

b. Σ X = 7.2, ΣY = 37 , ΣXY = 3100, ΣX2 = 620, n = 36

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=0,2 𝑦 ̅=1,03
b= 4,99

a= 𝑦 ̅ - b 𝑥 ̅

a= 0,032

Ye= a + bXi
Ye= 0,032 + 4,99Xi
 4.- En el caso de cada conjunto de datos,
a) Represente éstos datos en una gráfica
b) Hallar la ecuación de la recta
d) Determine el coeficiente de correlación
Xi Yi Xi * Yi (Xi)^2 (Yi)^2 (Xi - x) (Yi - 𝑦 ̅ ) (Xi-x) (Yi-Y)
25 2000 50000 625 4000000 -18.63 395.46 -7367.4198
20 3500 70000 400 12250000 -23.63 1895.46 -44789.7198
40 1000 40000 1600 1000000 -3.63 -604.54 2194.4802
45 800 36000 2025 640000 1.37 -804.54 -1102.2198
22 3000 66000 484 9000000 -21.63 1395.46 -30183.7998
63 1300 81900 3969 1690000 19.37 -304.54 -5898.9398
70 1500 105000 4900 2250000 26.37 -104.54 -2756.7198
60 1100 66000 3600 1210000 16.37 -504.54 -8259.3198
55 950 52250 3025 902500 11.37 -654.54 -7442.1198
50 900 45000 2500 810000 6.37 -704.54 -4487.9198
30 1600 48000 900 2560000 -13.63 -4.54 61.8802
480 17650 660150 24028 36312500 -110031.818

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=43,63 𝑦 ̅=1604,54
b= -35,5873
43.63 1604.54
a= 𝑦 ̅ - b 𝑥 ̅

a= 3157,21

Ye= a + bXi
Ye= 3157,21 -35,5873Xi
 Yi
4000

3500

3000

2500

2000

1500

1000

500

0
10 20 30 40 50 60 70 80
Resumen

Estadísticas de la regresión
Coeficiente de correlac 0.70101675
Coeficiente de determi 0.49142449
R^2 ajustado 0.4349161
Error típico 672.034572
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3927598.54 3927598.54 8.69648713 0.01624782
Residuos 9 4064674.19 451630.466
Total 10 7992272.73

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 3162.15052 565.717143 5.58963178 0.00033874 1882.40944 4441.89161
Xi -35.6951162 12.1042217 -2.94898069 0.01624782 -63.0767681 -8.31346431

Análisis de los residuales

Observación Pronóstico Yi Residuos

1 2269.77262 -269.77262
2 2448.2482 1051.7518
3 1734.34588 -734.345877
4 1555.8703 -755.870296
5 2376.85797 623.142031
6 913.358205 386.641795
7 663.492391 836.507609
8 1020.44355 79.5564469
9 1198.91913 -248.919134
10 1377.39472 -477.394715
11 2091.29704 -491.297039
 Xi Curva de regresión ajustada
Yi Pronóstico Yi
4000
3000
2000

Yi
1000
0
10 20 30 40 50 60 70 80
Xi

Inferior 95,0%
Superior 95,0%
1882.40944 4441.89161
-63.0767681 -8.31346431
70 80
 5.- Determine una ecuación que describa la relación entre la frecuencia de accidentes y el nivel de educación preventiva en

Horas
hombre por Accidentes xi*yi xi^2 yi^2
mes por millon
1 200 7 1400 40000 49 Acciden
2 500 6.4 3200 250000 40.96 9
3 450 5.2 2340 202500 27.04 8
4 800 4 3200 640000 16 7 f(x) = − 0.0058832116788321
5 900 3.1 2790 810000 9.61 6
6 150 8 1200 22500 64 5
7 300 6.5 1950 90000 42.25 4
8 600 4.4 2640 360000 19.36
3
3900 44.6 18720 2415000 268.22
2
1
0
100 200 300 400 5

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=487 𝑦 ̅=5,57
b= -0,00123

a= 𝑦 ̅ - b 𝑥 ̅

a= 6,169

Ye= a + bXi
Ye= 6,169 - 0,00123Xi
el de educación preventiva en lo referente a los siguientes datos:

Accidentes por millon

9
8
7 f(x) = − 0.00588321167883212 x + 8.44306569343066
6
5
4
3
2
1
0
100 200 300 400 500 600 700 800 900 1000
 Resumen

Estadísticas de la regresión
Coeficiente d 0.95310228
Coeficiente d 0.90840395
R^2 ajustado 0.89313794
Error típico 0.54665539
Observacione 8

ANÁLISIS DE VARIANZA
Grados de libertad
Suma dePromedio
cuadradosde los cuadrados
F Valor crítico de F
Regresión 1 17.7820073 17.7820073 59.5050073 0.00024888
Residuos 6 1.7929927 0.29883212
Total 7 19.575

Coeficientes Error típico Estadístico tProbabilidadInferior 95%Superior 95%

Inferior 95,0%
Intercepción 8.44306569 0.41903596 20.1487856 9.70693E-07 7.41772164 9.46840975 7.41772164
Horas hombre-0.00588321 0.00076267 -7.71394888 0.00024888 -0.0077494 -0.00401702 -0.0077494

Análisis de los residuales

Observación
Pronóstico Accidentes por
Residuos
millon
1 7.26642336 -0.26642336 Y=1+6*(Xi)
2 5.50145985 0.89854015 Y=1+6*(700)
3 5.79562044 -0.59562044 A) Y=4201
4 3.73649635 0.26350365 B)
5 3.14817518 -0.04817518
6 7.56058394 0.43941606
7 6.67810219 -0.17810219
8 4.91313869 -0.51313869
 Horas hombre por mes Curva de regresión
ajustada
Accidentes por millon Pronóstico Accidentes por millon
9

7
Accidentes por millon

2
Superior 95,0% 1
9.46840975
0
-0.00401702 100 200 300 400 500 600 700 800 900 1000
Horas hombre por mes
 6.- Una compañía que tiene 15 tiendas ha recopilado datos en relación con los metros cuadrados de áreas de ventas respect

Xi Yi Xi * Yi (Xi)^2 (Yi)^2 (Xi - x) (Yi - 𝑦 ̅ ) (Xi-x) (Yi-Y)

45 55 2475 2025 3025 -62.66 -99.33 6224.0178
115 200 23000 13225 40000 7.34 45.67 335.2178
120 180 21600 14400 32400 12.34 25.67 316.7678
95 110 10450 9025 12100 -12.66 -44.33 561.2178
75 90 6750 5625 8100 -32.66 -64.33 2101.0178
170 260 44200 28900 67600 62.34 105.67 6587.4678
110 140 15400 12100 19600 2.34 -14.33 -33.5322
140 215 30100 19600 46225 32.34 60.67 1962.0678
130 200 26000 16900 40000 22.34 45.67 1020.2678
75 85 6375 5625 7225 -32.66 -69.33 2264.3178
80 90 7200 6400 8100 -27.66 -64.33 1779.3678
105 180 18900 11025 32400 -2.66 25.67 -68.2822
200 300 60000 40000 90000 92.34 145.67 13451.1678
95 130 12350 9025 16900 -12.66 -24.33
60 80 4800 3600 6400 -47.66 -74.33
1615 2315 289600 197475 430075 36501.0814

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑏=𝑦 ̅= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=107,66 𝑦 ̅=154,33
b= 1,7096
107.66 154.33
a= 𝑦 ̅ - b 𝑥 ̅

a= -29,7255

Ye= a + bXi
Ye= -29,7255 + 1,7096Xi
os de áreas de ventas respecto a los ingresos mensuales. Trace una gráfica de los datos, y si parece apropiado un modelo lineal, determi

Yi
350

300

250

200

150

100

50

0
20 40 60 80 100 120 140 160 180 200 220
piado un modelo lineal, determine la ecuación de regresión.
Resumen

Estadísticas de la regresión
Coeficiente d 0.9736907
Coeficiente d 0.94807358
R^2 ajustado 0.94407924
Error típico 17.051725
Observacione 15

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 69013.4361 69013.4361 237.35425 9.92327E-10
Residuos 13 3779.89722 290.761324
Total 14 72793.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -29.8089149 12.7374971 -2.340249 0.03587191 -57.3266045 -2.29122539 -57.3266045
Xi 1.71029952 0.11101296 15.4063055 9.92327E-10 1.47047061 1.95012843 1.47047061

Análisis de los residuales

Observación Pronóstico Yi Residuos

1 47.1545634 7.84543656
2 166.87553 33.1244702
3 175.427027 4.57297259
4 132.669539 -22.6695394
5 98.463549 -8.46354903
6 260.942003 -0.94200339
7 158.324032 -18.3240322
8 209.633018 5.3669822
9 192.530023 7.46997739
10 98.463549 -13.463549
11 107.015047 -17.0150466
12 149.772535 30.2274654
13 312.250989 -12.250989
14 132.669539 -2.66953942
15 72.8090562 7.19094377
 Xi Curva de regresión ajustada
Yi Pronóstico Yi
400
300
Yi 200
100
0
20 40 60 80 100 120 140 160 180 200 220
Xi

Superior 95,0%
-2.29122539
1.95012843
 7.- Determine una ecuación predictiva para calcular el monto del seguro, en función del ingreso anual para los siguientes dato

Xi Yi Xi * Yi (Xi)^2 (Yi)^2 (Xi - x) (Yi - 𝑦 ̅ ) (Xi-x) (Yi-Y)

20 10 200 400 100 -6.09 -12.45 75.8205
25 12 300 625 144 -1.09 -10.45 11.3905
26 15 390 676 225 -0.09 -7.45 0.6705
18 10 180 324 100 -8.09 -12.45 100.7205
16 15 240 256 225 -10.09 -7.45 75.1705
17 20 340 289 400 -9.09 -2.45 22.2705
32 30 960 1024 900 5.91 7.55 44.6205
13 5 65 169 25 -13.09 -17.45 228.4205
38 40 1520 1444 1600 11.91 17.55 209.0205
40 50 2000 1600 2500 13.91 27.55 383.2205
42 40 1680 1764 1600 15.91 17.55 279.2205
287 247 7875 8571 7819 1430.5455

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=26,090 𝑦 ̅=22,45
b= 1,3218
26.09 22.45
a= 𝑦 ̅ - b 𝑥 ̅

a= -12,035

Ye= a + bXi
Ye= -12,035 + 1,3218Xi
o anual para los siguientes datos:

Yi
60

50

40

30

20

10

0
10 15 20 25 30 35 40 45
Resumen

Estadísticas de la regresión
Coeficiente d 0.91186805
Coeficiente d 0.83150334
R^2 ajustado 0.81278149
Error típico 6.52301008
Observacione 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1889.78033 1889.78033 44.4135231 9.22126E-05
Residuos 9 382.946944 42.5496605
Total 10 2272.72727

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -12.0120887 5.5331374 -2.17093627 0.05802494 -24.528915 0.50473775 -24.528915
Xi 1.32102082 0.19822209 6.66434716 9.22126E-05 0.8726113 1.76943034 0.8726113

Análisis de los residuales

Observación Pronóstico Yi Residuos

1 14.4083277 -4.40832774
2 21.0134318 -9.01343183
3 22.3344527 -7.33445265
4 11.7662861 -1.7662861
5 9.12424446 5.87575554
6 10.4452653 9.55473472
7 30.2605776 -0.26057757
8 5.161182 -0.161182
9 38.1867025 1.81329752
10 40.8287441 9.17125588
11 43.4707858 -3.47078576
 Xi Curva de regresión ajustada
Yi Pronóstico Yi
60
40
Yi
20
0
10 15 20 25 30 35 40 45
Xi

Superior 95,0%
0.50473775
1.76943034
 8.- Los estudiantes en una clase de ciencias de la administración acaban de recibir sus calificaciones del primer examen. El pro

Xi Yi Xi * Yi (Xi)^2 (Yi)^2 (Xi - x) (Yi - 𝑦 ̅ ) (Xi-x) (Yi-Y)

98 93 9114 9604 8649 16.89 14 236.46
77 78 6006 5929 6084 -4.11 -1 4.11
88 84 7392 7744 7056 6.89 5 34.45
80 73 5840 6400 5329 -1.11 -6 6.66
96 84 8064 9216 7056 14.89 5 74.45
61 64 3904 3721 4096 -20.11 -15 301.65
66 64 4224 4356 4096 -15.11 -15 226.65
95 95 9025 9025 9025 13.89 16 222.24
69 76 5244 4761 5776 -12.11 -3 36.33
730 711 58813 60756 57167 1143

(𝑥 ) ̅= (∑▒𝑋𝑖)/𝑛
𝑦 ̅=
𝑏= (∑▒𝑌𝑖)/𝑛
(∑▒ 〖𝑌𝑖∗𝑋𝑖 −𝑛 (𝑥 ̅)(𝑦 ̅) 〗 )/(∑▒ 〖〖 (𝑋𝑖) 〗 ^2 −𝑛 〖 (𝑥 ̅) ̅ 〗 ^2 〗 )

(𝑥 ) ̅=81,11 𝑦 ̅=79
b= 0,7396
81.11 79
a= 𝑦 ̅ - b 𝑥 ̅

a= 19,011

Ye= a + bXi
Ye= 19,011 + 0,7396Xi
ones del primer examen. El profesor les dio información acerca de estas calificaciones en algunas clases anteriores y del promedio final pa

Yi
100
90
80
70
60
50
40
30
20
10
0
55 60 65 70 75 80 85 90 95 100 105
nteriores y del promedio final para los mismos estudiantes. Se obtuvo una muestra de algunas calificaciones:
Resumen

Estadísticas de la regresión
Coeficiente d 0.92051811
Coeficiente d 0.84735358
R^2 ajustado 0.82554695
Error típico 4.66508498
Observacione 9

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 845.658875 845.658875 38.8576107 0.00043095
Residuos 7 152.341125 21.7630178
Total 8 998

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 18.9892117 9.75178833 1.9472543 0.09254105 -4.07010345 42.0485269 -4.07010345
Xi 0.73985903 0.11868913 6.23358731 0.00043095 0.45920385 1.02051422 0.45920385

Análisis de los residuales

Observación Pronóstico Yi Residuos

1 91.495397 1.50460299
2 75.9583573 2.04164269
3 84.0968067 -0.09680667
4 78.1779344 -5.17793441
5 90.0156789 -6.01567894
6 64.1206128 -0.12061277
7 67.8199079 -3.81990794
8 89.2758199 5.72418009
9 70.039485 5.96051496
 Xi Curva de regresión ajustada
Yi Pronóstico Yi
100
80
60
40
Yi
20
0
55 60 65 70 75 80 85 90 95 100 105
Xi

Superior 95,0%
42.0485269
1.02051422