Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PUERTO
ORGANISMO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO
ESTADISTICA INFERENCIAL II
UNIDAD I
EJERCICIOS
REGRESION LINEAL SIMPLE Y MULTIPLE
INTEGRANTES:
Los valores se usan con propósitos tributarios locales y no necesariamente representan los valores reales.
a). Ajuste una línea de mínimos cuadrados que nos permita pronosticar el precio de la venta de una
casa en esa área en términos de su valor estimado.
X Y XY X^2 250
4.03 163.4 658.502 16.2409 f(x) = 14.9273881715958 x + 106.026116500934
200
7.2 218.3 1571.76 51.84 R² = 0.991493385776519
𝑏=(8(7774.838)−(40.75)
(1456.5))/(8(231.4051)−(40.75)²)=
14.927
𝑎=(1456.5−14.927(40.75))/8=106.03
ŷ=106.03+14.927 𝑥
2. Los siguientes datos muéstrales presentan la demanda de un producto (en miles
de unidades) y su precio (en centavos) cobrado en seis áreas de mercado distintas:
Precio 18 10 14 11 16 13
Demanda 9 125 57 90 22 79
a). Ajuste una línea de mínimos cuadrados sobre la cual podamos pronosticar la demanda del
producto en términos de su precio.
b). Elabore un intervalo de confianza del 95% para B y explique qué cantidad se está estimando
Numero de
Precio x Demanda y (x)(y) (x)²
muestras
1 18 9 162 324
2 10 125 1250 100
3 14 57 798 196
4 11 90 990 121
5 16 22 352 256
6 13 79 1027 169
total 82 382 4579 1166
b=−14.154 Demanda
140
( 382 )−(−14.154 ) ( 82 ) 120
a=
6 100 f(x) = − 14.1544117647059 x + 257.110294117647
80
a=257.11 60
40
^y =257.11−14.154 x 20
0
9 10 11 12 13 14 15 16 17 18 19
3. La tabla siguiente presenta el número de semanas que seis personas trabajaron
en una estación de inspección de automóviles y el número de vehículos que cada
una inspeccionó entre el medio día y las 2:00 P.M. de un día determinado.
12 29
10
5
𝑏=(6(810)−(36)(108))/(6(
304)−(36)²)= 1.8409 0
0 2 4 6 8 10 12 14
𝑎=(108−1.8409(36))/6=6.9546
c)
ŷ=6.9546+1.8409 𝑥 =6.9546+1.8409 (8)= 21.6818
4. Un comerciante al menudeo llevó a cabo un estudio para determinarla relación entre los
gastos de publicidad semanal y las ventas. Se obtuvieron los siguientes datos:
Costos de Publicidad ($) Ventas ($) Costos de Publicidad ($) Ventas ($)
40 385 40 490
20 400 20 420
25 395 50 560
20 365 40 525
30 475 25 480
50 440 50 510
a). Dibuje un diagramo de dispersión.
b). Encuentre la ecuación de la línea de mínimos cuadrados para pronosticar las ventas semanales resultante de
los gastos de publicidad.
c). Estime las ventas semanales cuando los gastos de publicidad ascienden a $35.
c). Estime las ventas semanales cuando los gastos de publicidad ascienden a $35. Y=$456.433
A)
a). Ajuste una ecuación de regresión lineal múltiple a los datos anteriores
b). Pronostique el peso final de un animal que tiene un peso inicial de 35 kg y que recibe 250 kg de alimento.
VALORES DX/D=-22.99
D= 18530816.0 DX/D=1.4
DX=426082090.
0 DZ/D=0.22
DY=25862958.0
DZ=4032554.0
b). Pronostique el peso final de un animal que tiene un peso inicial de 35 kg y que recibe 250 kg de alimento.
Matriz:
10 27800 569.1 458.5
27800 77965000 1594375 1269535
569.1 1594375 33149.53 26910.67
MATRIZ:
5. Una discográfica quiere estimar cuál podría ser el número de discos que venderá en
quince países en los que todavía no ha salido al mercado. Para ello, cuenta con información
sobre los resultados de ventas del nuevo disco (DISCO2) y otras variables de interés en cada
país para un total de 37 observaciones donde el disco ya está en circulación.
Después de haber realizado un profuso estudio sobre las características del mercado y a
partir de su propia experiencia, decide especificar un modelo econométrico del siguiente
tipo:
DISCO2 = bo + b1*DISCO1 + b2*CONCIERTOS + b3*PRECIO +
b4*COMPETENCIA
Donde las variables responden a la siguiente descripción:
Encuentre un modelo de la regresión lineal múltiple para el nuevo disco, y estime las ventas
para información futura, proyecte las ventas para diferentes escenarios proponiendo valores
de las variables en cuestión y escriba los comentarios al respecto
La información para el desarrollo del modelo son las 37 observaciones siguientes:
DATOS INTRODUCIDOS
Y X1 X2 X3 X4
19.62 0.04 8.88 0.71 0.77
24.75 0.60 13.10 0.24 0.06
20.34 0.17 9.37 0.60 0.78
20.30 0.76 9.11 0.37 0.56
22.73 0.85 11.57 0.09 0.11
19.02 0.33 8.10 0.41 0.93
22.22 0.72 8.70 0.06 0.88
21.81 0.62 11.20 0.06 0.77
21.39 0.11 10.68 0.75 0.43
24.70 0.90 12.42 0.17 0.65
22.21 0.09 9.90 0.01 0.86
22.68 0.92 9.89 0.53 0.53
23.40 0.42 11.94 0.53 0.35
22.81 0.22 11.67 0.24 0.49
21.89 0.36 9.41 0.54 0.06
22.17 0.26 12.37 0.71 0.78
21.66 0.96 11.38 0.56 0.65
20.79 0.48 8.80 0.13 0.99
19.37 0.51 7.68 0.09 0.65
23.99 0.45 11.92 0.42 0.20
19.88 0.28 8.09 0.22 0.56
21.83 0.12 10.20 0.12 0.33
23.70 0.78 11.82 0.61 0.10
22.11 0.72 8.70 0.08 0.09
21.55 0.54 8.67 0.01 0.77
22.50 0.15 10.36 0.22 0.18
23.43 0.97 10.70 0.07 0.80
23.44 0.34 12.75 0.17 0.65
20.73 0.77 8.87 0.44 0.70
21.33 0.21 10.91 0.18 0.20
21.60 0.19 9.80 0.64 0.45
23.21 0.56 11.93 0.60 0.11
20.20 0.56 9.53 0.43 0.63
24.28 0.86 12.50 0.05 0.79
24.01 0.83 11.96 0.06 0.50
21.85 0.10 10.47 0.33 0.55
22.78 0.23 10.61 0.19 0.40
X1^2 x2^2 x3^2 x4^2 x1x2 x1x3
.00 78.88 0.50 0.60 0.38 0.03
0.36 171.73 0.06 0.00 7.90 0.15
0.03 87.74 0.36 0.61 1.63 0.10
0.58 82.95 0.14 0.31 6.94 0.28
0.71 133.92 0.01 0.01 9.78 0.07
0.11 65.60 0.17 0.86 2.70 0.14
0.51 75.61 0.00 0.78 6.23 0.04
0.38 125.34 0.00 0.59 6.93 0.03
0.01 114.14 0.56 0.18 1.17 0.08
0.81 154.23 0.03 0.42 11.21 0.15
0.01 98.07 0.00 0.74 0.88 0.00
0.84 97.83 0.28 0.28 9.06 0.48
0.18 142.55 0.29 0.12 5.05 0.23
0.05 136.23 0.06 0.24 2.60 0.05
0.13 88.55 0.30 0.00 3.41 0.20
0.07 153.05 0.50 0.60 3.17 0.18
0.92 129.55 0.31 0.42 10.90 0.54
0.23 77.41 0.02 0.98 4.23 0.06
0.26 58.93 0.01 0.42 3.89 0.04
0.20 142.14 0.18 0.04 5.33 0.19
0.08 65.41 0.05 0.32 2.27 0.06
0.01 104.05 0.02 0.11 1.22 0.01
0.61 139.72 0.37 0.01 9.24 0.48
0.51 75.69 0.01 0.01 6.24 0.06
0.29 75.25 0.00 0.60 4.70 0.01
0.02 107.32 0.05 0.03 1.55 0.03
0.95 114.48 0.00 0.63 10.42 0.07
0.11 162.65 0.03 0.43 4.32 0.06
0.60 78.67 0.20 0.49 6.87 0.34
0.04 119.13 0.03 0.04 2.31 0.04
0.04 95.96 0.41 0.20 1.86 0.12
0.31 142.21 0.37 0.01 6.62 0.34
0.32 90.77 0.19 0.40 5.35 0.24
0.74 156.36 0.00 0.63 10.75 0.04
0.68 142.99 0.00 0.25 9.89 0.05
0.01 109.65 0.11 0.30 1.00 0.03
0.05 112.52 0.04 0.16 2.47 0.04
X1x4 x2x3 x2x4 x3x4 yx1 yx2 yx3 yx4
0.03 6.29 6.87 0.55 0.84 174.30 13.90 15.17
0.03 3.16 0.75 0.01 14.91 324.36 5.96 1.42
0.14 5.64 7.30 0.47 3.55 190.55 12.25 15.86
0.43 3.35 5.10 0.21 15.46 184.85 7.46 11.37
0.09 1.01 1.25 0.01 19.22 263.05 1.99 2.46
0.31 3.32 7.52 0.38 6.35 154.07 7.80 17.65
0.63 0.49 7.68 0.05 15.92 193.25 1.25 19.62
0.47 0.62 8.58 0.04 13.50 244.18 1.21 16.71
0.05 7.99 4.57 0.32 2.35 228.51 15.99 9.15
0.59 2.09 8.10 0.11 22.30 306.73 4.17 16.10
0.08 0.10 8.49 0.01 1.98 219.94 0.22 19.05
0.48 5.24 5.19 0.28 20.77 224.32 12.01 11.91
0.15 6.38 4.18 0.19 9.89 279.33 12.51 8.18
0.11 2.81 5.66 0.12 5.08 266.26 5.49 11.07
0.02 5.11 0.57 0.03 7.94 206.00 11.90 1.33
0.20 8.74 9.61 0.55 5.68 274.29 15.66 17.22
0.62 6.38 7.39 0.36 20.75 246.51 12.13 14.07
0.47 1.14 8.69 0.13 9.99 182.91 2.70 20.54
0.33 0.66 4.97 0.06 9.81 148.71 1.65 12.54
0.09 5.00 2.42 0.09 10.72 286.00 10.05 4.88
0.16 1.78 4.56 0.12 5.59 160.82 4.37 11.21
0.04 1.27 3.36 0.04 2.61 222.63 2.72 7.19
0.08 7.23 1.24 0.06 18.53 280.19 14.49 2.48
0.06 0.69 0.76 0.01 15.86 192.40 1.77 1.93
0.42 0.09 6.72 0.01 11.67 186.98 0.21 16.70
0.03 2.23 1.87 0.04 3.37 233.08 4.85 4.07
0.77 0.75 8.51 0.06 22.81 250.73 1.64 18.64
0.22 2.14 8.32 0.11 7.94 298.92 3.93 15.30
0.54 3.94 6.22 0.31 16.05 183.89 9.20 14.55
0.04 1.96 2.18 0.04 4.51 232.82 3.82 4.26
0.09 6.31 4.39 0.29 4.10 211.60 13.91 9.69
0.06 7.21 1.30 0.07 12.89 276.82 14.03 2.53
0.36 4.12 6.04 0.27 11.35 192.48 8.75 12.80
0.68 0.65 9.93 0.04 20.88 303.64 1.27 19.29
0.42 0.74 6.03 0.03 19.87 287.10 1.49 12.10
0.05 3.50 5.78 0.18 2.09 228.75 7.29 12.06
0.09 2.03 4.27 0.08 5.30 241.61 4.37 9.18
Sumatoria de las columnas
Y= 816.31
X1= 17.98
X2= 385.96
X3= 11.65
X4= 19.31
X1^2= 11.79
X2^2= 4107.28
X3^2= 5.63
X4^2= 12.84
X1x2= 190.46
X1x3= 5.08
X1x4= 9.44
X2x3= 122.14
X2x4= 196.40
X3x4= 5.71
Yx1= 402.39
Yx2= 8582.59
Yx3= 254.40
Yx4= 420.29
Matriz
0.037000000000000 0.017979514000000 0.385961377000000 0.011645912000000 0.019313991000000 0.816307980000000
0.017979514000000 0.011788232573074 0.190463511975619 0.005082427128651 0.009441324708470 0.402390758993950
0.385961377000000 0.190463511975619 4.107282905112158 0.122140315881447 0.196397538748659 8.582589630708970
0.011645912000000 0.005082427128651 0.122140315881447 0.005633365108004 0.005711929435006 0.254402166724570
0.019313991000000 0.009441324708470 0.196397538748659 0.005711929435006 0.012840167871343 0.420285457954380
Solución de la matriz
1.000000000000000 0 0 0 0 14.746568195457385
0 1.000000000000000 0 0 0 0.901637275339372
0 0 1.000000000000000 0 0 0.750314444067491
0 0 0 1.000000000000000 0 -1.450427935582846
0 0 0 0 1.000000000000000 -0.943713972008595
Coeficientes
A = 14.7465681955
B = 0.9016372753
C = 0.7503144441
D = -1.4504279356
E = -0.9437139720
Ecuación
Y=14.746568 + 0.901637X1 0.750314X2 -1.450428X3 -0.943714X4
Diagrama de dispersión
}
CONCLUSION
El análisis de regresión únicamente indica qué relación matemática podría haber, de existir una. es
de suma importancia para la industria ya que es aquí en donde se presentan variables de respuesta
e independientes las cuales interactúan para originar las características de un proceso en particular
y por ende; analizar, predecir valores de la variable dependiente y examinar el grado de fuerza con
que se relacionan dichas variables.
Bibliografía:
Matlab con aplicaciones a la Ingeniería, Física y Finanzas, David Báez López, AlfaOmega