Problema 1

El administrador de ventas de una tienda de artículos para

excursionistas afirma que el precio de los sacos de dormir (en dólares)
depende del costo de fabricación del mismo (en dólares). Para
corroborar esto, se seleccionó una muestra de 8 sacos de dormir y se
registró el precio de los sacos de dormir y el costo de fabricación. La
información obtenida se presenta a continuación:

Costo de fabricación 120 230 180 380 150 250 450 300

Precio 519 760 490 950 559 729 1129 909

*Redondee a 2 decimales.
1. Si se aumenta un dólar a la fabricación del saco de dormir, el
precio promedio de éste se incrementa en: 1.94  dólares.

Del modelo estimado Precio = 256.89 + 1.9358 ( Costo)

2. ¿Qué porcentaje de variación del precio del saco de dormir no está

explicado por el costo de fabricación?: 6.74   %
3.  ¿Se puede afirmar que existe una buena relación directa entre las
variables? (V o F): 

SC ( X ) =∑ X 2−n(X )2

SC ( Y )=∑ Y −n(Y ) =SCT

2 2

Solución

X: Costo de
Y: Precio X2 Y2 XY
fabricación
120 519 14400 269361 62280
230 760 52900 577600 174800
180 490 32400 240100 88200
380 950 144400 902500 361000
150 559 22500 312481 83850
250 729 62500 531441 182250
450 1129 202500 1274641 508050
300 909 90000 826281 272700

Suma 2060 6045 621600 4934405 1733130

Promedio 257.5 755.625

SC(X) = 91150
SC(Y) = 366651.875 = SCT

176542.5
b1= = 1.9368
91150
Respuesta
A: 1.94
b0= 256.899

Modelo estimado :

Precio = 256.899 + 1.9368 ( Costo)

Construimos el cuadro ANOVA de regresión

SCT = 366651.875

SCR = (b1)2 SC(X) = 341933.6731

Ho: El modelo no es significativo

H1: El modelo es significativo

F de V gl SC CM Fcal F tabla
Regresión 1 341933.6731 341933.673
82.9996 5.9874
Error 6 24718.20187 4119.70031
Total 7 366651.875  

Como el Fcal =82.9996 es mayor que el F tabla se rechaza la hipótesis nula y se concluye que
existen las evidencias suficientes para afirmar que el modelo es significativo
 341933.6731
R2= = 0.9326
366651.875

El 93.26% de variación del precio del saco de dormir está

explicado por el costo de fabricación.

Piden 1-0.9326 = 0.0674

El 6.74% no es explicado por el modelo, o también es explicado
por otras variables no consideradas en el modelo

176542.5
R= = 0.9657
182812.2491

Como R esta cerca a 1 y es positivo se afirma que la relación entre las variables es buena y
directa.
Problema 2
Un productor de trigo desea obtener un modelo para estimar la utilidad (en miles de dólares) en
función del área de terreno cultivado (en hectáreas). Para esto, el productor tomó una muestra
aleatoria de 10 de los productores y obtuvo los siguientes resultados:

Utilidad 12.5 13.5 13.9 16 15.2 16 12.1 17.3 14 14.7

Área de terreno 4.7 6 7 7.5 7 8 5 9 5.5 5.9

Si la utilidad y el área de terreno cultivado se relacionan linealmente, se pide:

1. La pendiente de la recta de regresión es: 1.1057
2. La intersección de la recta con el eje Y es: 7.2666
3. Si el área de terreno cultivado se incrementa en 1 hectárea , la utilidad se
incrementa, en promedio, en b1 miles de dólares.

4. El error de predicción cuando el área de terreno cultivado es 9 hectáreas es 0.0822.

5. Si el área de terreno cultivado es 6.3 hectáreas, entonces la utilidad ESTIMADA es 

14.2324 miles de dólares. 

Solución

Y: Utilidad (en miles de dólares)

X: área de terreno cultivado  (en hectáreas)

  X Y      
Área de
Utilidad X2 Y2 XY
  terreno
  4.7 12.5 22.09 156.25 58.75
  6 13.5 36 182.25 81
  7 13.9 49 193.21 97.3
  7.5 16 56.25 256 120
  7 15.2 49 231.04 106.4
  8 16 64 256 128
  5 12.1 25 146.41 60.5
  9 17.3 81 299.29 155.7
  5.5 14 30.25 196 77
  5.9 14.7 34.81 216.09 86.73
           
sumas 65.6 145.2 447.4 2132.54 971.38
Promedios 6.56 14.52      

SC ( X ) =∑ x −n ( X ) =447.4−10(6.56) =17.064
2 2 2

SC ( Y )=∑ y 2 −n ( Y )2=2132.54−10(14.52)2=SCT
 b 1=
∑ XY −n X Y = 971.38−10 (6.56)(14.52) =1.1057
SC ( X ) 17.064

b 0=Y −b1 X=14.52−1.1057 ( 6.56 )=7.2666

Solución punto 4:

Y: Utilidad 12.5 13.5 13.9 16 15.2 16 12.1 17.3 14 14.7

X: Área de
4.7 6 7 7.5 7 8 5 9 5.5 5.9
terreno

La utilidad estimada es:

Utilidad = 7.2665 + 1.1057 (Área) = 7.2665 + 1.1057 ( 9 ) = 17.2178

El error esta dado por:

Error = 17.3 – 17.2178 = 0.0822

Solución punto 5)

Utilidad = 7.2665 + 1.1057 (Área) = 7.2665 + 1.1057 ( 6.3 ) = 14.2324

Problema 3

El gerente de ventas de una cadena de tiendas de alimentos desea estimar el nivel de ventas

semanal de la empresa  (en  decenas de miles de soles). Para esto, considera que las variables
que pueden explicar el nivel de ventas son:  El capital invertido (CAP) (en miles de soles) y el
pago del personal (PP) (en miles de soles), A partir de una muestra de tamaño 15, se obtuvieron
los siguientes resultados:           

Análisis de regresión: Nivel de ventas vs. CAP; PP

Coeficientes

EE del
Término Coef Valor T Valor p FIV
coef.
Constante -12.87 6.56 -1.96 0.074
CAP 0.346 0.143 2.42 0.032 1.25
PP 0.930 0.168 5.54 0.000 1.25

 Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 2 259.52 129.761 15.35 0.000
Error 12 101.41 8.451
Total 14 360.93

1. Como Tcal=2.42 > 2.179 , se rechaza Ho. Con un n.s.  del 5%, e.e.e. para pensar
que  la variable capital invertido es significativo.

2. El 71.90%  de la variabilidad del nivel de ventas semanal ES EXPLICADA por el

modelo de regresión lineal múltiple.

3. Si el pago en personal se incrementa en mil soles, el nivel de ventas semanal se

incrementa, EN PROMEDIO, en 0.93 miles de soles, manteniendo la otra variable
constante.

4. La varianza estimada es 8.451.

Solución

1) El valor de tabla de la T de Student es:

T α =T 0.05 =T 0.975 ,12
1− , n− p−1 1− , 15−2−1
2 2
2 259.52
2) R = =0.7190
360.93
3) Los puntos 3 y 4 no requieren cálculos
Problema 4
El gerente de ventas de una cadena de tiendas de alimentos desea estimar el nivel de ventas
semanal de la empresa  (en  decenas de miles de soles). Para esto, considera que las variables
que pueden explicar el nivel de ventas son:  El capital invertido (CAP) (en miles de soles) y el
pago del personal (PP) (en miles de soles), A partir de una muestra de tamaño 15, se obtuvieron
los siguientes resultados:           

Análisis de regresión: Nivel de ventas vs. CAP; PP

Coeficientes
EE del
Término Coef Valor T Valor p FIV
coef.
Constante -13.11 5.04 -2.60 0.023  
CAP 0.375 0.119 3.16 0.008 1.21
PP 0.918 0.125 7.33 0.000 1.21

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión  2 293.05 146.524 26.90 0.000
Error 12 65.35 5.446    
Total 14 358.40  

1. Como Tcal=7.33 > 2.179 , se rechaza Ho. Con un n.s.  del 5%, e.e.e. para pensar
que la variable pago del personal es significativa.

2. La varianza estimada es 5.446.

3. Si el pago en personal se incrementa en 1000 soles, el nivel de ventas

semanal aumenta, EN PROMEDIO, en 0.918 decenas de miles de soles,
manteniendo la otra variable constante.

4. El 81.77% de la variabilidad del nivel de ventas semanal ES EXPLICADO por el

modelo de regresión lineal múltiple.
Solución

1) El valor de tabla de la T de Student es: T 1− α , n− p−1=T 1− 0.05 , 15−2−1=T 0.975 ,12

2 2

T α =2.179
1− , n− p−1
2

2) Sale de la tabla
3) PP: pago del personal (en miles de soles)
nivel de ventas semanal de la empresa (en decenas de miles de soles).

El modelo estimado es

Nivel de ventas = -13.11 + 0.375 CAP + 0.918 PP

4) Pide coeficiente de determinación

2 293.05
R= =0.8177
358.40