EJERCICIOS

ANÁLISIS DE REGRESIÓN LINEAL, CORRELACIÓN Y

DIAGRAMAS DE DISPERSIÓN

Fecha:24/07/2022.
Nombre del estudiante: Felix Hernández Arias.
Nombre del docente: Luis Orozco Ochoa.

1. Con base en el material consultado en la unidad resuelve los ejercicios que se plantean acerca
de los siguientes temas:

 Diagrama de dispersión
 Coeficiente de correlación
 Análisis de regresión lineal simple

Ejercicios sobre diagramas de dispersión, correlación y regresión lineal:

1. Revisa el siguiente material:

Llinás, H. (2017). Estadística Inferencial [Versión electrónica]. Recuperado de

https://elibro.net/es/ereader/uvm/70060?page=338
Colección eLibro.net Pórtico UVM
Capítulo 6 Regresión Lineal y Correlación,
Epígrafe 6.1. El modelo de Regresión Lineal Simple
Páginas 377 a 379

2. Resuelve los ejercicios que se plantean en el material anterior.

Archivo Ejercicios Unidad 1.

 Página 377 Problemas 14.40,
 Página 378 Problemas 14.42,14.53
 Página 379 Problemas 14.54

1. Una determinada empresa asigna diferentes precios a un dispositivo electrónico de cierta

marca en ocho ciudades diferentes del país. La tabla adjunta muestra el número de
dispositivos vendidos y los precios correspondientes (en miles de pesos).

Página 1 de 7
 Ventas 400 440 380 450 420 420 380 350
Precio 60 50 65 45 50 55 60 65

a) Elabora un diagrama de dispersión con estos datos y estime la regresión lineal de las
ventas sobre el precio.

Título del gráfico

80
75
70
65
60
Precio

55
50 y = -0.2063x + 149.78
R² = 0.8782
45
40
35
30
300 320 340 360 380 400 420 440 460
Ventas

Estadísticas de la regresión

Coeficiente de correlación múltiple 0.937137027

Coeficiente de determinación R^2 0.878225806

R^2 ajustado -1.333333333

Error típico 2.804386445

Observaciones 1

ANÁLISIS DE VARIANZA Columna1 Columna2 Columna3 Columna4 Columna5

Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 8 340.3125 42.5390625 43.27152318 #¡NUM!
Residuos 6 47.1875 7.864583333
Total 14 387.5
b) ¿Qué efecto se esperaría en las ventas si se produjera un incremento de 10.000 pesos
en el precio?

Página 2 de 7
 90
80
70
60 y = -0.2063x + 149.78
R² = 0.8782
50
Precio

40
30
20
10
0
0 100 200 300 400 500
Ventas

Estadísticas de la regresión Columna1

Coeficiente de correlación múltiple 0.946457415
Coeficiente de determinación R^2 0.895781638
R^2 ajustado -1.4
Error típico 2.782433375
Observaciones 1

Al tener un aumento en ventas tiende a disminuir la regresión

2. Los datos de 13 personas que aparecen en la siguiente tabla representan el incremento

porcentual en sus inversiones en dos tipos de acciones, A y B, durante un mismo periodo
de tiempo.
A: 2,8 2,2 -1,6 -1,3 5,6 -1,4 1,4 1,5 -4,7 1,1 1,5 0,2 -0,1
B: 20,3 -3,7 27,7 22,6 2,3 11,9 27,0 -4,3 20,3 4,2 14,9 -9,2 19,6

a) Estime la recta de regresión de y sobre x.

Página 3 de 7
 regresion lineal
30
27.7 27
25
22.6
20.3 20 19.6 20.3

15 14.9
11.9
10
y = -2.0341x + 12.942
R² = 0.1653 5 4.2
2.3
0
-6 -4 -2 0 2 4 6 8
-5 -4.3 -3.7

-10 -9.2

-15

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.406600079
Coeficiente de determinación R^2 0.165323624
R^2 ajustado -1.181818182
Error típico 12.01950868
Observaciones 1

b) Interprete el valor del intersecto y de la pendiente de la recta de regresión muestral.

ANÁLISIS DE VARIANZA Columna1 Columna2 Columna3 Columna4 Columna5
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 8 340.3125 42.5390625 43.27152318 #¡NUM!
Residuos 6 47.1875 7.864583333
Total 14 387.5

Columna1 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepción 0 0
Ventas 0 0
400 0 0
440 0 0
380 0 0
450 0 0
420 0 0 65535 #¡NUM! 0 0 0 0
420 139.78125 12.73701724 10.97441005 #¡NUM! 108.6148916 170.9476084 108.6148916 170.9476084
380 -0.20625 0.031353994 -6.578109392 0.000592135 -0.282970459 -0.129529541 -0.282970459 -0.129529541

Para la intersección de la recta nos indica que se encuentra en 12.9 del eje Y.
La pendiente de la recta tiene un valor de -2.03 para cada incremento de x produce
un descenso de 2.03 por unidades de Y.

Página 4 de 7
 3. Los siguientes datos presentan la variación en el índice de inflación (x) y la variación en
la tasa de deserción escolar (y):
X 1,0 -0,3 -0,7 0,7 2,9 -0,8 -0,7 -1,0 -0,2 -0,1 1,4
y -0,4 -0,1 0,2 -0,1 -0,8 0,2 0,2 0,2 0,2 0,2 0,2

a) Estime la regresión lineal de estas dos variables.

0.4

0.2

0
-1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3
-0.2

-0.4

-0.6
y = -0.2243x + 0.0449
R² = 0.6483
-0.8

-1

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.805179413
Coeficiente de determinación R^2 0.648313886
R^2 ajustado -1.222222222
Error típico 0.207325489
Observaciones 1

ANÁLISIS DE VARIANZA Columna1 Columna2 Columna3 Columna4 Columna5

Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 11 0.713145275 0.064831389 16.5910019 #¡NUM!
Residuos 9 0.386854725 0.042983858
Total 20 1.1
b) Interprete la pendiente estimada de la recta de regresión.
La pendiente de la recta tiene un valor de –0.22 para cada incremento de x se
producirá un descenso de 0.22 en deserción escolar.

Página 5 de 7
 4. La siguiente tabla contiene datos acerca de las ventas anuales y (en millones de pesos)
de cajas y los gastos de publicidad x (en miles de pesos) para 8 marcas principales de
colores.
Y 24 18 16 15 12 10 12 28
X 75 80 85 65 60 55 60 85

a) Estime la regresión lineal de y sobre x.

33

28

23
y = 0.4018x - 11.505
R² = 0.6003
18

13

8
50 55 60 65 70 75 80 85 90

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.774780851
Coeficiente de determinación R^2 0.600285367
R^2 ajustado -1.333333333
Error típico 4.279243696
Observaciones 1

b) Interprete la pendiente estimada de la recta de regresión.

En la gráfica la pendiente estimada de la recta nos indica que a mayor gasto de

publicidad se obtendrá un incremento de 0.6 en ventas.

3. Utiliza la Hoja de Cálculo o Minitab en el desarrollo de los ejercicios propuestos y realiza

captura de pantallas del proceso y resultados obtenidos.

4. Redacta una conclusión acerca de la relevancia de la regresión, correlación lineal y los

diagramas de dispersión, si es posible busca una posible aplicación en tu ámbito cotidiano.

La regresión lineal es usada para aproximar las relevancias de dependencia entre una variable
dependiente Y, y variables independientes X, permite predecir el comportamiento de una variable

Página 6 de 7
 y te permite conocer información valiosa y accionable, mientras que la correlación indica la fuerza
y la dirección de una relación lineal y proporcionalidad entre dos variables, nos permite conocer
con exactitud el grado de dispersión y por último los diagramas de dispersión nos ayuda a mostrar
los valores de dos variables para un conjunto de datos, nos muestra la relación que existe entre
dos factores problema relacionadas con la calidad.

Referencias:
González, L. (Productor). (27 de agosto de 2017). Prueba de hipótesis para significancia de los
coeficientes de regresión [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=fgjmyO9qXGU
 Gutiérrez, E. y Vladimirovna, O. (2016). Estadística inferencial 1 para ingeniería y ciencias [Versión electrónica].
Recuperado de https://elibro.net/es/ereader/uvm/40474?page=1

 Llinás, H. (2017). Estadística Inferencial [Versión electrónica]. Recuperado de

https://elibro.net/es/ereader/uvm/70060?page=338

 Puente, C. (2018). Estadística descriptiva e inferencial [Versión electrónica]. Recuperado de

https://elibro.net/es/ereader/uvm/59931?page=1

Página 7 de 7