INGENIERIA COMERCIAL

DOCENTE: Roberto Méndez Apaza

ALUMNO: Juan Pablo Justiniano Arancibia

MATERIA: Estadística Descriptiva

Santa cruz – Bolivia

2021
 PRÁCTICO # 6 REGRESIÓN LINEAL
1. La siguiente tabla da las edades X y las presiones sanguíneas Y de 12 mujeres:
Edad (X) 56 42 72 36 63 47 55 49 38 42 68 60
Presión sanguínea (Y) 14 11
147 125 160 118 128 150 145 140 152 155
9 5

a) Realice el diagrama de dispersión.

Presion sanguinea segun la edad

160 f(x) = 1.13800515907137 x + 80.7777300085984

R² = 0.803065757414532

150

140

130

120

110
30 35 40 45 50 55 60 65 70 75

b) Encuentre la ecuación lineal a través de mínimos cuadrados.

12∗89894−628∗1684 1684−( 1,1380 )∗628

B= 2
=1,1380 A= =80,778
12∗34416−(628) 12

Ecuacion lineal
Y =80,778+1,1380 X

c) Estimar la presión sanguínea de una mujer de 45 años.

Y =80,778+1,1380∗45=131.988 de presion sanguinea

d) Estimar la edad que tendrá una mujer con una presión sanguínea de 152

152−80,778
152¿ 80,778+1,1380 X X= =62,58 de edad
1,1380

e) Determinar e intérprete coeficiente de determinación y coeficiente de correlación.

Coeficiente de determinación

R2=0.896132
0.80305
r =n∗∑ ( XY )−¿ ¿ ¿ r=
12∗89894−628∗1684
=0.89613
√ 12∗34416−6282∗√12∗238822−1684 2

La correlación de las variables es fuerte, a mayor edad mayor presión sanguínea

 f) Estimar la edad que tendrá una mujer con una presión sanguínea de 120.

120¿ 80,778+1,1380 X
120−80,778
X= =34.46 de edad
1,1380

1.
2. La siguiente tabla representa las notas de Algebra y Física de 10 estudiantes elegidos al azar entre un
grupo muy numeroso:
ALGEBRA (X) 75 80 93 65 87 71 98 68 84 77

FÍSICA (Y) 82 78 86 72 91 80 95 72 89 74

a) Realice el diagrama de dispersión.

Notas de algebra y fisica

100

95
f(x) = 0.661290322580645 x + 29.1290322580645
R² = 0.760555642333525
90

85

80

75

70
60 65 70 75 80 85 90 95 100

b) Encuentre la ecuación lineal.

10∗66045−798∗819
B= 2
=0,6612
10∗64722−(798)
819−( 0,6612 )∗798
A= =29.136
10

Ecuacion lineal

Y =29,136+0,6612 X

c) Si un estudiante tiene 45 en Algebra ¿Cuál es su nota esperada en Física?

Y =29,136+0,6612∗45=58.89 de nota
 d) Si un estudiante tiene 75 en Física ¿Cuál es su nota esperada en Algebra?

Y =29,136+0,6612 X

75−29,136
X= =69.36 de nota
0,6612

e) Si un estudiante tiene 95 en Física ¿Cuál es su nota esperada en Algebra?

Y =29,136+0,6612 X
95−29,136
X= =99.61 de nota
0,6612
f) Calcule su coeficiente de correlación.

10∗66045−798∗819
r= =0.87209
√ 10∗64722−7982∗√10∗67675−8192

R2=0.872092

0.76054097

3. A pa rti r de l os s i gui e nte s da tos re fe re ntes a hora s tra ba ja das e n un ta l l er (X ), y a

uni da des produci da s (Y ), de te rmi na r la   re c ta de re gre si ón   de Y sobre X , e l   coe fi ci e nte de
c orre l ac i ón li ne al   e i nterpre ta rl o .

HO RAS P RO DUCCI Ó N
(X ) (Y )
80 3 00
79 3 02
83 3 15
84 3 30
78 3 00
60 2 50
82 3 00
85 3 40
79 3 15
84 3 30
80 3 10
62 2 40
 PRODUCCIÓN
HORAS (X)
(Y) x2 xy y2
80 300 6400 24000 90000
79 302 6241 23858 91204
83 315 6889 26145 99225
84 330 7056 27720 108900
78 300 6084 23400 90000
60 250 3600 15000 62500
82 300 6724 24600 90000
85 340 7225 28900 115600
79 315 6241 24885 99225
84 330 7056 27720 108900
80 310 6400 24800 96100
62 240 3844 14880 57600
936 3632 73760 285908 1109254

Datos de horas y produccion

360

310 f(x) = 3.47340425531915 x + 31.7411347517731

R² = 0.910104853363233

260

210

160

110

60
55 60 65 70 75 80 85 90

n 12

y media 302.67

x media 78.00

b 3.4734

a 31.741
y=3,4734x+31,741

coeficiente de correlación 0.9540 x explica a y en un 95,4%

coeficiente de determinación 0.9101 bondad de ajuste excelente, baja dispersion en la nube de puntos

4. La ta bl a si gui e nte nos da la s nota s del te s t de apti tud (X ) da da s a se is de pe ndie nte s a

prue ba y ve ntas de l pri me r mes de prue ba (Y ) en c ie ntos de e uros.

X 25 42 33 54 29 36
Y 42 72 50 90 45 48

a ) Hal l a r e l   coe fi ci e nte de c orre l ac i ón   e inte rpre ta r e l re s ul ta do obte ni do.

X Y
x2 xy y2
25 42 625 1050 1764
42 72 1764 3024 5184
33 50 1089 1650 2500
54 90 2916 4860 8100
29 45 841 1305 2025
36 48 1296 1728 2304
219 347 8531 13617 21877

regresion lineal
100
90
f(x) = 1.77023255813953 x − 6.78015503875968
80 R² = 0.93119484699333
70
60
50
40
30
20
10
0
20 25 30 35 40 45 50 55 60
coeficiente de correlación 0.9650 x explica a y en un 96,5%

b) Cal c ula r l a   rec ta de re gres i ón   de Y sobre X. Pre dec i r la s v e nta s de un v ende dor que
obte nga 4 7 e n el tes t.

n 6

y media 57.83

x media 36.50

b 1.7702
-
a 6.780

y=1,7702x-6,780

x 47 puntos en el test

y 76 el nivel de ventas

5. Una c ompa ñí a de se a ha ce r pre di c ci one s de l va l or a nual de sus ve ntas tota l es e n c ie rto

pa ís a pa rti r de l a rel a ci ón de és tas y l a re nta na c i onal . Pa ra i nve s ti ga r l a re la c i ón c ue nta
c on l os si gui e ntes da tos :

X Y X re pre se nta la re nta nac i ona l en mi l l ones de e uros e

Y re pre se nta la s ve nta s de la c ompa ñí a e n mi le s de
18 9 4 02
e uros en el pe ri odo que v a de s de 19 90 ha s ta 20 00
19 0 4 04 (a mbos inc l us i ve ). Ca lc ul a r:
20 8 4 12
22 7 4 25 a ) La   re c ta de re gre si ón   de Y sobre X.
23 9 4 29 b) E l   coe fi ci e nte de c orre l ac i ón li ne al   e inte rpre ta rl o.
25 2 4 36 c ) S i e n 20 01 la re nta na ci ona l de l pa í s fue de 32 5
mi ll one s de e uros . ¿Cuál s erá la pre di cc i ón pa ra
l as ve nta s de la c ompa ñí a e n es te año?
 25 7 4 40
27 4 4 47
29 3 4 58
30 8 4 69
31 6 4 69

X Y x2 xy y2
189 402 35721 75978 161604
190 404 36100 76760 163216
208 412 43264 85696 169744
227 425 51529 96475 180625
239 429 57121 102531 184041
252 436 63504 109872 190096
257 440 66049 113080 193600
274 447 75076 122478 199809
293 458 85849 134194 209764
308 469 94864 144452 219961
316 469 99856 148204 219961
2753 4791 708933 1209720 2092421

regresion lineal
480

f(x) = 0.534982258020378 x + 301.653985788173

460 R² = 0.996851690532427

440

420

400

380

360
180 200 220 240 260 280 300 320 340

a) La recta de regresión de Y sobre X.

n 11
y media 435.55
x media 250.27

b 0.5350
a 301.65

y=0,535x+301,65
b) El coeficiente de correlación lineal e interpretarlo

x explica a y en un
coeficiente de correlación 0.9984 99,84%

c) Si en 2001 la renta nacional del país fue de 325 millones de euros. ¿Cuál será la
predicción para las ventas de la compañía en este año?

millones de
x 325 euros
millones en
y 475.52 ventas

6. La i nformac i ón es ta dís ti ca obte ni da de una mue s tra de ta ma ño 1 2 sobre l a re l ac i ón

e xi s te nte e ntre la i nv e rs i ón re a l i za da y el re ndi mi e nto obte ni do en c ie ntos de mi le s de
e uros pa ra e xpl ota c i one s agrí c ol a s, s e mues tra en e l s i gui e nte cua dro:

INVERSIÓN RENDIMIENTO Ca lc ul a r:
(X) (Y)
11 2 a) La   re c ta de re gre s i ón   de l re ndi mi e nto
14 3 res pe c to de l a i nve rs i ón.
16 5
15 6 b) La pre v is i ón de i nve rs i ón que se
16 5
obte ndrá con un re ndi mi e nto de Bs 1 2
18 3
20 7
21 10
14 6
20 10
19 5
11 6
 INVERSIÓN RENDIMIENT
(X) O (Y) x2 xy y2
11 2 121 22 4
14 3 196 42 9
16 5 256 80 25
15 6 225 90 36
16 5 256 80 25
18 3 324 54 9
20 7 400 140 49
21 10 441 210 100
14 6 196 84 36
20 10 400 200 100
19 5 361 95 25
11 6 121 66 36
195 68 3297 1163 454

regresion lineal
12

10

8
f(x) = 0.45224171539961 x − 1.682261208577
R² = 0.38199057514336
6

0
10 12 14 16 18 20 22

a)    La recta de regresión del rendimiento

respecto de la inversión.

n 12
y media 5.67
x media 16.25

b 0.4522
a - 1.682

y=0,4522x-1,682
 b)    La previsión de inversión que se obtendrá con
un rendimiento de Bs 12

12=0,4522x-1,682
x=(12+1,682)/0,4522
x 30 Bs será la inversión

7. La siguiente tabla nos muestra las alturas redondeadas en centímetros (cm) y los pesos en kilogramos (kg)
de una muestra de 12 estudiantes del primer año de una determinada universidad.

Altur Peso
a (kg) 1. Obtenga un diagrama de dispersión para esos datos.
(cm) 2. Determine si existe relación lineal entre los datos.
178 69,8
3. Obtenga la recta de ajustes por mínimos cuadrados.
160 67,5
4. ¿Cuál es el peso estimado de un estudiante que mide 169 cm?
183 81,0
152 60,8 5. ¿Cuál es el peso estimado de un estudiante que mide 178 cm?
168 70,2 6. ¿Cuál es la altura estimada de un estudiante que pesa 77 kg?
178 75,6 7. ¿Cuál es la atura estimada de un estudiante que pesa 100 kg?
188 80,1
165 72,0
157 59,4
170 65,3
165 62,6
173 68,4

Altura (cm) Peso (kg) x2 xy y2

178 69.8 31684 12424.4 4872.04
160 67.5 25600 10800 4556.25
183 81 33489 14823 6561
152 60.8 23104 9241.6 3696.64
168 70.2 28224 11793.6 4928.04
178 75.6 31684 13456.8 5715.36
188 80.1 35344 15058.8 6416.01
165 72 27225 11880 5184
157 59.4 24649 9325.8 3528.36
170 65.3 28900 11101 4264.09
165 62.6 27225 10329 3918.76
173 68.4 29929 11833.2 4678.56
2037 832.7 347057 142067.2 58319.11
 regresion lineal
90
80
f(x) = 0.561312438785504 x − 25.8911198171727
70 R² = 0.749270171104729
60
50
40
30
20
10
0
150 155 160 165 170 175 180 185 190

regresion lineal Linear (regresion lineal)

Linear (regresion lineal)

2. Determine si existe relación lineal entre los datos.

si existe, porque tiene forma de una recta con pendiente
positiva

3.   Obtenga la recta de ajustes por

mínimos cuadrados.

n 12
y media 69.39
x media 169.75

b 0.5613
a - 25.891

y=0,5613X-25,891

4.   ¿Cuál es el peso estimado de un

estudiante que mide 169 cm?

x 169
estimar y
y 68.97
 5.   ¿Cuál es el peso estimado de un estudiante que
mide 178 cm?

x 178 cm
estimar y
y 74.02 kg

6.   ¿Cuál es la altura estimada de un estudiante que

pesa 77 kg?

77=0,5613X-25,891
x=(77+25,891)/0,5613
x 183.30 cm
7.   ¿Cuál es la atura estimada de un estudiante que
pesa 100 kg?

100=0,5613X-25,891
x=(100+25,891)/0,5613
x 224.28 cm

8. Un gerente de ventas recolecto los datos siguientes sobre ventas anuales y años de experiencia.

Ventas a) Elabore un diagrama de dispersión con

Vendedor

Años de anuales estos datos, en el que la variable

experiencia (miles independiente sean los años de experiencia.
X de $us) b) De la ecuación de regresión estimada que
Y puede emplearse para predecir las ventas
anuales cuando se conocen los años de
1 1 80 experiencia.
2 3 97 c) Use la ecuación de regresión estimada para
3 4 92 pronosticar las ventas anuales de un
4 4 102 vendedor de 9 años de experiencia.
5 6 103
6 8 111
7 10 119
8 10 123
9 11 117
10 13 120
 Vendedor
Ventas
Años de anuales
experiencia (miles de
$us)
X Y x2 xy y2
1 1 80 1 80 6400
2 3 97 9 291 9409
3 4 92 16 368 8464
4 4 102 16 408 10404
5 6 103 36 618 10609
6 8 111 64 888 12321
7 10 119 100 1190 14161
8 10 123 100 1230 15129
9 11 117 121 1287 13689
10 13 120 169 1560 14400
70 1064 632 7920 114986
a)   Elabore un diagrama de dispersión con estos datos, en el que la variable
independiente sean los años de experiencia.

regresion lineal
140

120 f(x) = 3.32394366197183 x + 83.1323943661972

R² = 0.883191515678172
100

80

60

40

20

0
0 2 4 6 8 10 12 14

b)   De la ecuación de regresión estimada que puede emplearse para predecir las ventas anuales cuando se
conocen los años de experiencia.

n 10

y media 106.40

x media 7.00
b 3.3239

a 83.132

y=3,3239X+83,132

c)   Use la ecuación de regresión estimada para

pronosticar las ventas anuales de un vendedor
de 9 años de experiencia.

x 9 años
y 113.05 miles de $us

9. El gerente de ventas de una empresa, desea determinar si existe una relación entre el número de llamadas
telefónicas de ventas hechas en un mes, y la cantidad de copiadoras vendidas durante ese lapso. El
gerente selecciona al azar una muestra de 10 vendedores, y determina el número de tales llamadas que
hizo cada uno el mes anterior y la cantidad de copiadoras vendidas.
NÚMERO DE NÚMERO DE
VENDEDO
LLAMADAS COPIADORAS
R
TELEFONICAS VENDIDAS
1 20 30
2 40 60
3 20 40
4 30 60
5 10 30
6 10 40
7 20 40
8 20 50
9 20 30
10 30 70
TOTAL

NÚMERO DE
NÚMERO DE
LLAMADAS
VENDEDOR COPIADORA
TELEFONICA
S VENDIDAS
S
x2 xy y2
1 20 30 400 600 900
2 40 60 1600 2400 3600
3 20 40 400 800 1600
4 30 60 900 1800 3600
5 10 30 100 300 900
6 10 40 100 400 1600
7 20 40 400 800 1600
8 20 50 400 1000 2500
9 20 30 400 600 900
10 30 70 900 2100 4900
220 450 5600 10800 22100
 regresion lineal
80

70
f(x) = 1.18421052631579 x + 18.9473684210526
60 R² = 0.576102418207681
50

40

30

20

10

0
5 10 15 20 25 30 35 40 45

La recta de regresión de Y sobre

X.

n 10
y media 45.00
x media 22.00

b 1.1842
a 18.947

y=1,1842X+18,947
10. Una aplicación importante del análisis de regresión a la contaduría es la estimación de costos. Con los
datos sobre volumen de producción y costos y empleando el método de mínimos cuadrados para obtener
la ecuación de regresión estimada que relaciones volumen de producción y costos, los contadores
pueden estimar los costos correspondientes a un determinado volumen de producción. considere la
siguiente muestra de datos sobre volumen de producción y costos totales de operación de fabricación.

Volumen a) Con estos datos obtenga la ecuación de regresión estimada para la

Costos pronosticar los costos totales dado un volumen de producción.
de
totales b) Calcule el coeficiente de determinación. ¿Qué porcentaje de la variación
producción
($us) de los costos tales puede ser explicada por el volumen de producción?
(unidades)
400 4000 c) De acuerdo con el programa de producción de la empresa, el mes
450 5000 próximo se deberán producir 500 unidades. ¿Cuál es el costo total
550 5400 estimado de esta operación?
600 5900
700 6400
750 7000

Volumen
de
Costos
producció
totales ($us)
n
(unidades) x2 xy y2
400 4000 160000 1600000 16000000
450 5000 202500 2250000 25000000
550 5400 302500 2970000 29160000
600 5900 360000 3540000 34810000
700 6400 490000 4480000 40960000
750 7000 562500 5250000 49000000
3450 33700 2077500 20090000 194930000

regresion lineal
8000
7000
6000 f(x) = 7.6 x + 1246.66666666667
R² = 0.95868987902036
5000
4000
3000
2000
1000
0
350 400 450 500 550 600 650 700 750 800
a)   Con estos datos obtenga la ecuación de regresión estimada para la pronosticar los costos totales dado un
volumen de producción.

n 6

y media 5,616.67

x media 575.00

b 7.60

a 1,246.67

y=7,60X+1246,67

b)   Calcule el coeficiente de determinación. ¿Qué porcentaje de la variación de los costos tales puede ser
explicada por el volumen de producción?

coeficiente de correlación 0.9791 x explica a y en un 97,91%

coeficiente de determinación 0.9587 bondad de ajuste excelente

c)   De acuerdo con el programa de producción de la empresa, el mes próximo se deberán producir 500
unidades. ¿Cuál es el costo total estimado de esta operación?

x 500 unidades

y 5,046.67 $
11.Una economista que trabaja en el rubro de automóviles desea medir la relación del precio de compra de los
automóviles nuevos en función al ingreso familiar. Se selecciona una muestra aleatoria de 9 personas que
compraron autos nuevos con los resultados de la siguiente tabla:

Ingreso Familiar 10.2 14.4 16.3 20.0 24.3 11.6 32.8 9.4 26.7

Precio de compra 3.6 4.1 3.9 5.2 5.1 3.9 7.8 3.4 9.1

A. Encuentre la curva de ajuste lineal.

precio
ingreso compra x2 xy y2
10.2 3.6 104.04 36.72 12.96
14.4 4.1 207.36 59.04 16.81
16.3 3.9 265.69 63.57 15.21
20 5.2 400 104 27.04
24.3 5.1 590.49 123.93 26.01
11.6 3.9 134.56 45.24 15.21
32.8 7.8 1075.84 255.84 60.84
9.4 3.4 88.36 31.96 11.56
26.7 9.1 712.89 242.97 82.81
165.7 46.1 3579.23 963.27 268.45

regresion lineal
10
9
8 f(x) = 0.216680892574076 x + 1.13288623338617
7 R² = 0.767859746734966

6
5
4
3
2
1
0
5 10 15 20 25 30 35

n 9

y media 5.12

x media 18.41

b 0.2167

a 1.13

y=0,2167X+1,13
 B. Calcule el coeficiente de correlación r entre el ingreso familiar y el precio de compra.

coeficiente de correlación 0.8763 x explica a y en un 87,63%

coeficiente de determinación 0.7679 bondad de ajuste

C. Calcule las compras para un ingreso de 30 dólares.

x 30 dólares

y 7.63 dólares son las compras

D. Calcule el ingreso para unas compras de 10 dólares,

10=0,2167X+1,13
X=(10-1,13)/0,2167

X 40.92 Dolares

E. ¿Hay relación lineal entre las variables?. Demuestre su respuesta.

Existe relación directa entre ambas variables porque su pendiente es positiva

12.
13. Una organización de estudio de consumidores desea determinar la relación entre el precio de una pila
para radio de transmisores en función al número de horas de duración de la pila. Se compró una muestra
de 11 pilas con los resultados dados en la siguiente tabla:

Precio (dólares) 24 32 49 49 39 69 69 89 119 79 35

Duración (horas) 5.4 4.8 6.3 7.2 6.3 7.4 6.8 10.2 13.1 9.2 6.0

A. Encuentre la curva de ajuste lineal.

Duración Precio
(horas) (dólares) x2 xy y2
5.4 24 576 129.6 29.16
4.8 32 1024 153.6 23.04
6.3 49 2401 308.7 39.69
7.2 49 2401 352.8 51.84
6.3 39 1521 245.7 39.69
7.4 69 4761 510.6 54.76
6.8 69 4761 469.2 46.24
10.2 89 7921 907.8 104.04
13.1 119 14161 1558.9 171.61
9.2 79 6241 726.8 84.64
6 35 1225 210 36
82.7 653 46993 5573.7 680.71

regresion lineal
140

120
f(x) = 11.2681181767717 x − 25.3521248380929
R² = 0.909725571608558
100

80

60

40

20

0
4 5 6 7 8 9 10 11 12 13 14
n 11

y media 59.36

x media 7.52

b 0.0143

a 59.256

y=3,4734x+31,741

B. Calcule el coeficiente de correlación r.

coeficiente de correlación 0.9538 x explica a y en un 95,38%

bondad de ajuste excelente, baja dispersion en la nube de

coeficiente de determinación 0.9097 puntos

C. ¿Hay relación lineal entre las variables?. Demuestre su respuesta.

Existe relación directa por la pendiente positiva