Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERÍA INDUSTRIAL
CON ESPECIALIDAD EN
PRODUCTIVIDAD INTEGRAL
ADMINISTRACIÓN DE OPERACIONES I
“BANCO DE EJERCICIOS PROYECCIÓN DE TENDENCIA Y COEFICIEN
CORRELACIÓN”
ASESOR:
JORGE LUIS GÓMEZ LÓPEZ
ESCOBAR MEDRANO EDUARDO
AUTORES: 21700067
ESPINOZA ARGUELLO IBER VISAI 21700068
GUILLEN DIAZ BRENDA DE LOS ANGELES 21700084
TORREZ MEZA EVELYN GUADALUPE 21700134
STRIAL
DAD EN
NTEGRAL
ERACIONES I
TENDENCIA Y COEFICIENTES DE
N”
Z LÓPEZ
21700067
21700068
ELES 21700084
E 21700134
AÑO
AÑO TRANSFORMADO REGISTROS 𝑥^2 xy
(X) EN MILES (y)
1999 1 17 1 17
2000 2 16 4 32
2001 3 16 9 48
2002 4 21 16 84
2003 5 20 25 100
2004 6 20 36 120
2005 7 23 49 161
2006 8 25 64 200
2007 9 24 81 216
45 182 285 978
𝑋 ̅= 5
𝑦 ̅= 20.2222222222222
68
b=
60 = 1.133333333
a= 14.5555555555556
n= 9
FORMULAS
𝑏=(∑▒𝑥𝑦−𝑛𝑥 ̅𝑦 ̅)/(∑▒𝑥^2
𝑥 ̅=(∑▒𝑥)/𝑛 𝑦 ̅=(∑▒𝑦)/𝑛 𝑎=𝑦 ̅−𝑏𝑥 ̅
−𝑛𝑥 ̅^2 )
Estadísticas de la regresión
Coeficiente d 0.91746802
Coeficiente d 0.84174757
R^2 ajustado 0.81914008
Error típico 1.43869429
Observacione 9
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 77.0666667 77.0666667 37.2331288 0.00049017
Residuos 7 14.4888889 2.06984127
Total 8 91.5555556
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 99.0%
Intercepción 14.5555556 1.04518717 13.9262669 2.32813E-06 12.0840806 17.0270305 10.8979405
Variable X 1 1.13333333 0.18573463 6.10189551 0.00049017 0.69414071 1.57252595 0.48335808
Observación
Pronóstico para YResiduos
1 15.6888889 1.31111111
2 16.8222222 -0.82222222
3 17.9555556 -1.95555556
4 19.0888889 1.91111111
5 20.2222222 -0.22222222
6 21.3555556 -1.35555556
7 22.4888889 0.51111111
8 23.6222222 1.37777778
9 24.7555556 -0.75555556
EJERCICIO 1 Curva de regresión
ajustada
30 Y
Pronóstico para Y
20 f(x) = 1.13333333333333 x + 14.5555555555556
Linear (Pronóstico para Y)
10
Y
Linear (Pronóstico para Y)
0
0 1 2 3 4 5 6 7 8 9 10
Variable X 1
Superior 99.0%
18.2131706
1.78330858
Observamos la relación que hay entre las ventas de renovación de casas
de la compañía constructora Nodel y la nómina pagada en el área de West
Bloomfield. El vicepresidente ahora quiere conocer la fuerza de la n=
asociación entre la nomina local y las ventas.Calcula el coeficiente de
correlacion.
Y X 𝑥^2 𝑌^2 XY
2 1 1 4 2 FOR
3 3 9 9 9
2.5 4 16 6.25 10 𝑟=(𝑛∑▒ 〖𝑥𝑦−∑▒〖𝑥∑▒𝑦〗〗 )/
2 2 4 4 4 (∑▒ 〖𝑥 ) 〗 ^2][𝑛∑▒ 〖𝑦 ^2−(∑
2 1 1 4 2
3.5 7 49 12.25 24.5
15 18 80 39.5 51.5
Referencias
JAY HEIZER, & RENDER, B. (2009). Principios De La Adm
(SÉPTIMA EDICIÓN ed.). PEARSON EDUCACIÓN,.(PÁG
https://drive.google.com/drive/folders/1EBjdTqyaNos
6
FORMULA
DEMANDA
ENERGIA 𝑥^2 XY
ELECTRICA
AÑO PERIODO (X) ( Y) n=
2001 1 74 1 74
2002 2 79 4 158
2003 3 80 9 240
2004 4 90 16 360
2005 5 105 25 525 𝑥 ̅=(∑▒𝑥)/𝑛 𝑦 ̅=(∑▒𝑦)/𝑛
2006 6 142 36 852
2007 7 122 49 854
28 692 140 3063
𝑋 ̅= 4
𝑦 ̅= 98.85714286
295
b= = 10.53571429
28
a= 56.71428571
FORMULAS
𝑏=(∑▒𝑥𝑦−𝑛𝑥 ̅𝑦 ̅)/(∑▒𝑥^2
𝑦 ̅=(∑▒𝑦)/𝑛 𝑎=𝑦 ̅−𝑏𝑥 ̅
−𝑛𝑥 ̅^2 )
Estadísticas de la regresión
Coeficiente d 0.89490961
Coeficiente d 0.80086321
R^2 ajustado 0.76103585
Error típico 12.4323886
Observacione 7
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3108.03571 3108.03571 20.1083691 0.00649326
Residuos 5 772.821429 154.564286
Total 6 3880.85714
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 99.0%
Intercepción 56.7142857 10.5072861 5.39761506 0.00294795 29.7044469 83.7241245 14.3474058
Variable X 1 10.5357143 2.3495006 4.48423563 0.00649326 4.49613073 16.5752978 1.06219193
Observación
Pronóstico para YResiduos
1 67.25 6.75
2 77.7857143 1.21428571
3 88.3214286 -8.32142857
4 98.8571429 -8.85714286
5 109.392857 -4.39285714
6 119.928571 22.0714286
7 130.464286 -8.46428571
EJERCICIO 2 Curva de regresión
ajustada
150 Y
Pronóstico para Y
100 f(x) = 10.5357142857143 x + 56.7142857142857
Linear (Pronóstico para Y)
50
Y
Linear (Pronóstico para Y)
0
0 1 2 3 4 5 6 7 8
Variable X 1
Superior 99.0%
99.0811656
20.0092366
En el hotel Toronto Towers Plaza tienen los datos del registro decuartos de los últimos nu
Para provectar la ocupación futura. la administración desea determinar la tendencia mate
registro de nuestros húespedes. Esa estimacion ayudara a determinar si es necesaria u
ampliación futura del hotel. Dada la siguiente serie de tiempo Calcula el coeficiente de corr
AÑO 𝑌^2
AÑO TRANSFORMADO REGISTROS 𝑥^2 XY
(X) EN MILES (y)
1999 1 17 1 289 17
2000 2 16 4 256 32
2001 3 16 9 256 48
2002 4 21 16 441 84
2003 5 20 25 400 100 𝑟=(𝑛∑▒ 〖𝑥𝑦−∑▒〖𝑥∑▒𝑦
2004 6 20 36 400 120 (∑▒ 〖𝑥 ) 〗 ^2][𝑛∑▒ 〖𝑦 ^
2005 7 23 49 529 161
2006 8 25 64 625 200
2007 9 24 81 576 216
45 182 285 3772 978
Referencias
JAY HEIZER, & RENDER, B. (2009). Principios De La
(SÉPTIMA EDICIÓN ed.). PEARSON EDUCACIÓN,.(P
https://drive.google.com/drive/folders/1EBjdTqya
cuartos de los últimos nueve anos.
rminar la tendencia matemáticade
n 9
rminar si es necesaria una
cula el coeficiente de correlacion.
FORMULA
𝑋 ̅= 3
𝑦 ̅= 2.5
b= 6.5
26 = 0.25
a= 1.75
Referencias
REFERENCIAS
JAY HEIZER, & RENDER, B. (2009). Principios De La Adm
(SÉPTIMA EDICIÓN ed.). PEARSON EDUCACIÓN,.(PÁG 1
https://drive.google.com/drive/folders/1EBjdTqyaNosq
igan. Con el tiempo, la compañía ha
ómina del área de West Bloomfield. La
las ventas.El Vicepresidente de
de Nodel y la cantidad de dinero
FORMULAS
𝑏=(∑▒𝑥𝑦−𝑛𝑥 ̅𝑦 ̅)/(∑▒𝑥^2
𝑦 ̅=(∑▒𝑦)/𝑛 𝑎=𝑦 ̅−𝑏𝑥 ̅
−𝑛𝑥 ̅^2 )
Estadísticas de la regresión
Coeficiente d 0.90138782
Coeficiente d 0.8125
R^2 ajustado 0.765625
Error típico 0.30618622
Observacione 6
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1.625 1.625 17.3333333 0.01410707
Residuos 4 0.375 0.09375
Total 5 2
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 99.0%
Intercepción 1.75 0.2192645 7.98122798 0.00133578 1.14122414 2.35877586 0.74048542
Variable X 1 0.25 0.06004806 4.163332 0.01410707 0.08327986 0.41672014 -0.02646695
Observación
Pronóstico para YResiduos
1 2 0
2 2.5 0.5
3 2.75 -0.25
4 2.25 -0.25
5 2 0
6 3.5 0
EJERCICIO 3
Curva de regresión ajustada
4
Y
3 f(x) = 0.25 x + 1.75 Pronóstico para Y
Y 2 Linear (Pronóstico para Y)
1 Linear (Pronóstico para Y)
0
0 1 2 3 4 5 6 7 8
Variable X 1
Superior 99.0%
2.75951458
0.52646695
La compañía constructora Nodel renueva casas antiguas en West Bloomfield, Michigan. Con el tiempo,
encontrado que su volumen de dólares por trabajos de renovación depende de la nómina del área de W
administración quiere establecer una relación matemática para ayudarse a predecir las ventas.El Vicepr
Operaciones de Nodel ha preparado la tabla siguiente, la cual muestra los ingresos de Nodel y la cantid
por los trabajadores en West Bloomfield durante los últimos 6 años.Calcula el coeficiente de correlaci
Referencias
JAY HEIZER, & RENDER, B. (2009). Princi
(SÉPTIMA EDICIÓN ed.). PEARSON EDUC
https://drive.google.com/drive/folders/
gan. Con el tiempo, la compañía ha
ómina del área de West Bloomfield. La
las ventas.El Vicepresidente de
de Nodel y la cantidad de dinero percibido
iciente de correlacion.
FORMULA
6
𝑟=(𝑛∑▒ 〖𝑥𝑦−∑▒〖𝑥∑▒𝑦〗〗 )/√([𝑛∑▒ 〖𝑥 ^2−
(∑▒ 〖𝑥 ) 〗 ^2][𝑛∑▒ 〖𝑦 ^2−(∑▒ 〖𝑦 ) 〗 ^2] 〗〗 )
𝑋 ̅= 7.5
𝑦 ̅= 425.714286
-490
b= = -2.15384615
227.5
a= 441.868132
Referencias
Llinás Solano, H. (2017). Estadística Inferencia
Norte. Recuperado de https://elibro.n
ia (en m) que hay entre el terreno
14
FORMULAS
𝑥 ̅=(∑▒𝑥)/𝑛 𝑏=(∑▒𝑥𝑦−𝑛𝑥 ̅𝑦 ̅)/(∑▒𝑥^2
𝑦 ̅=(∑▒𝑦)/𝑛
−𝑛𝑥 ̅^2 ) 𝑎=𝑦 ̅−𝑏𝑥 ̅
Estadísticas de la regresión
Coeficiente d 0.1059921
Coeficiente d 0.01123433
R^2 ajustado-0.07116281
Error típico 87.9808088
Observacione 14
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1055.38462 1055.38462 0.13634363 0.71837655
Residuos 12 92887.4725 7740.62271
Total 13 93942.8571
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 99.0%
Intercepción 441.868132 49.6668084 8.89664841 1.24711E-06 333.653453 550.082811 290.158899
Variable X 1 -2.15384615 5.83307082 -0.36924739 0.71837655 -14.8630157 10.5553234 -19.9711919
Observación
Pronóstico para YResiduos
1 439.714286 30.2857143
2 437.56044 12.4395604
3 435.406593 44.5934066
4 433.252747 76.7472527
5 431.098901 18.9010989
6 428.945055 -68.9450549
7 426.791209 -26.7912088
8 424.637363 -124.637363
9 422.483516 -12.4835165
10 420.32967 -140.32967
11 418.175824 -68.1758242
12 416.021978 83.978022
13 413.868132 176.131868
14 411.714286 -1.71428571
EJERCICIO 4 Curva de regresión
ajustada
1000 Y
Pronóstico para Y
Y 500 Linear (Pronóstico para Y)
f(x) = − 2.15384615384615 x + 441.868131868132
Linear (Pronóstico para Y)
0
0 2 4 6 8 10 12 14 16
Variable X 1
Superior 99.0%
593.577364
15.6634996
Los siguientes datos representan la produción y de grano de máız Y (en g/m-surco) y la distancia (en m) que hay entre el terre
de producción y la orilla de un ŕıo en cada cierto Año X
-6860
r = -0.1059921
4188912000 No existe correlación lineal entre ambas variables, por lo que
64721.80467 cualquier predicción hecha no ofrecerian confianza alguna.
Referencias
Llinás Solano, H. (2017). Estadístic
Norte. Recuperado de ht
a (en m) que hay entre el terreno
n 14
FORMULA
𝑟=(𝑛∑▒ 〖𝑥𝑦−∑▒〖𝑥∑▒𝑦〗〗 )/
√([𝑛∑▒ 〖𝑥 ^2−(∑▒ 〖𝑥 ) 〗 ^2][𝑛∑▒ 〖𝑦 ^2−
(∑▒ 〖𝑦 ) 〗 ^2] 〗〗 )
Proyecciones
Volumen en ventas en MDP
con 10 anuncios de publicidad
212.830985915493
Volumen en ventas en MDP
con 11 anuncios de publicidad
225.887323943662
Volumen en ventas en MDP
con 9 anuncios de publicidad
199.774647887324
Volumen semanal de ventas en
MDP xy x^2 y^2
125 375 9 15625 n=
152 760 25 23104 media x=
131 524 16 17161 media y=
133 532 16 17689
142 710 25 20164 b=
116 348 9 13456 a=
127 381 9 16129
163 978 36 26569 "y = 13.056x + 82.268"
1089 4608 145 149897 cálculo de r
Referencia
Vladimirovna Panteleeva, O. y Gutiérrez González, E. (2016).
Estadística inferencial 1 para ingeniería y ciencias. México D.F,
Mexico: Grupo Editorial Patria.
Recuperado de https://elibro.net/es/ereader/itcomitan/40474?page=288
FORMULAS
8 𝑥 ̅=(∑▒𝑥)/𝑛 𝑦 ̅=(∑▒𝑦)/𝑛
𝑏=(∑▒𝑥𝑦−𝑛𝑥 ̅𝑦 ̅)/(∑▒𝑥^2
−𝑛𝑥 ̅^2 ) 𝑎=𝑦 ̅−𝑏𝑥 ̅
4.125
136.125
13.056338 FORMULA
82.2676056 𝑟=(𝑛∑▒ 〖𝑥𝑦−∑▒〖𝑥∑▒𝑦〗〗 )/
√([𝑛∑▒ 〖𝑥 ^2−(∑▒ 〖𝑥 ) 〗 ^2][𝑛∑▒ 〖𝑦 ^2−
y = 13.056x + 82.268"
(∑▒ 〖𝑦 ) 〗 ^2] 〗〗 )
0.95556601
onde a 95.55%, esto indica que los cambios que suceden en la variable x
. por lo tanto este modelo si es útil para predecir
(2016).
xico D.F,
an/40474?page=288
Resumen
Estadísticas de la regresión
Coeficiente d 0.95556601
Coeficiente d 0.9131064
R^2 ajustado 0.89862414
Error típico 4.8985003
Observacione 8
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1512.90317 1512.90317 63.0499658 0.00021208
Residuos 6 143.971831 23.9953052
Total 7 1656.875
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 99.0%
Intercepción 82.2676056 7.00032117 11.7519759 2.29156E-05 65.1384368 99.3967745 56.3144188
Variable X 1 13.056338 1.64429205 7.94040086 0.00021208 9.03290032 17.0797757 6.96024359
Observación
Pronóstico para YResiduos
1 121.43662 3.56338028
2 147.549296 4.45070423
3 134.492958 -3.49295775
4 134.492958 -1.49295775
5 147.549296 -5.54929577
6 121.43662 -5.43661972
7 121.43662 5.56338028
8 160.605634 2.3943662
EJERCICIO 5 Curva de regresión ajustada
180
160
f(x) = 13.056338028169 x + 82.2676056338028
140
120
Y
100 Pronóstico para Y
80 Linear (Pronóstico para Y)
Y
40
20
0
2.5 3 3.5 4 4.5 5 5.5 6 6.5
Superior 99.0% Variable X 1
108.220792
19.1524325
a
aY
tico para Y)
tico para Y)