1.

- Suponga que el gerente de comercializacin de Bella Holandesa observa el precio y volumen de venta de galones de leche de 10 semanas en forma aleatoria. Los datos obtenidos se presentan en la tabla. Generar el diagrama de dispersin, verificar la tendencia con el coeficiente de correlacin, los parmetros de la lnea de regresin, el coeficiente de determinacin, y la desviacin estndar.

Semana

Venta Semanal de galones

Precio de Venta por galn (en US$) 1.30 2.00 1.70 1.50 1.60 1.20 1.60 1.40 1.00 1.10

1 2 3 4 5 6 7 8 9 10

10,000 6,000 5,000 12,000 10,000 15,000 5,000 12,000 17,000 20,000

a. Primero dibujaremos los resultados en un grafico de dispersin como muestra la siguiente figura:

b.- Para determinar la recta de regresin de mnimos cuadrados, se necesita calcular:

Determinamos el coeficiente de correlacin:

Sx Sy Sxy

0,302581486 5,094659513 -1,198

Sacando que el coeficiente de correlacin es mayor a 1 y es 60%, aproximadamente, esto quiere decir que el 100% de la varianza se particiona en 40% de la varianza no explicada mas el 60% de la varianza explicada por la regresin Y en X.

Viendo que si se puede explicar mediante un ecuacin lineal:

Semana 1 2 3 4 5 6 7 8 9 10
Total

Venta Semanal de galones (Y) 10 6 5 12 10 15 5 12 17 20

Precio de Venta por galn (en US$) (X) 1,3 2 1,7 1,5 1,6 1,2 1,6 1,4 1 1,1
14,4

XY
13 12 8,5 18 16 18 8 16,8 17 22 149,3

X^2
1,69 4 2,89 2,25 2,56 1,44 2,56 1,96 1 1,21 21,56

Y^2
100 36 25 144 100 225 25 144 289 400 1488

Con esto calculamos los valores de a y b:

De esto sacamos la ecuacin: y= 32.14+14.54x

GRAFICO DE DISPERSION
25 y = -14,539x + 32,136 Volumne de Gaones 20 R = 0,7456 15 10 5 0 0 0.5 1 1.5 2 2.5 Precio de Venta por Galon GRAFICO DE DISPERSION Linear (GRAFICO DE DISPERSION)

Valores de tendencia central:

X Media Mediana 1,44 1,45

Y 11,2 11

Con estos valores podemos calcular los dems.

La desviacin Estndar para cada uno de los valores es el siguiente: Para la variable dependiente:

Sy=5.09

Esto quiere decir que en 5.09 los volmenes de ventas se dispersan de la media. Para la variable independiente:

Sx=0.30

Esto quiere decir que en 0.30 los precios de ventas se dispersan de la media. El coeficiente de variacin es el siguiente: CV para la variable dependiente:

CV para la variable independiente:

Esto quiere decir que los resultados de la variable son ms homogneas que la de la variable independiente. 2.- El gerente general de una planta de produccin de materiales de construccin considera que la demanda de embarques de aglomerado puede estar relacionado con el nmero de permisos de construccin emitidos en el municipio durante el trimestre anterior. El gerente ha recolectado los siguientes datos:

Permisos de Construccin 15 9 40 20 25 25 15 35

Embarque de Conglomerados 6 4 16 6 13 9 10 16

a) Revsese el diagrama de dispersin para ver si los datos pueden ser descritos satisfactoriamente por una ecuacin lineal.

Diagrama de Dispersion
18 16 14 12 10 8 6 4 2 0 0 10 20 30 40 50 Permisos de Construccion Embarques de Conglomerados

Diagrama de Dispersion

Para determinar la recta de regresin de mnimos cuadrados, determinamos el coeficiente de correlacin:

Sx Sy Sxy

4,629100499 10,51529498 38,25

Sacando que el coeficiente de correlacin es mayor a 1 y es 61%, aproximadamente, esto quiere decir que el 100% de la varianza se particiona en

39% de la varianza no explicada mas el 61% de la varianza explicada por la regresin Y en X.

Viendo que si se puede explicar mediante una ecuacin lineal:

N 1 2 3 4 5 6 7 8
Total

Embarque de Conglomerados(Y) 6 4 16 6 13 9 10 16
80

Permisos de Construccin(X) 15 9 40 20 25 25 15 35
184

XY
90 36 640 120 325 225 150 560 2146

X^2
225 81 1600 400 625 625 225 1225 5006

Y^2
36 16 256 36 169 81 100 256 950

Diagrama de Dispersion
18 16 14 12 10 8 6 4 2 0 0 10 20 30 40 50 Permisos de Construccion Embarques de Conglomerados y = 0,3953x +0,72

Diagrama de Dispersion Linear (Diagrama de Dispersion)

Con esto calculamos los valores de a y b:

De esto sacamos la ecuacin: y= 0.39x+0.90 b) Calclese la razn de la variacin de los embarques ante una variacin de los permisos.

Variacin x Variacin y

110,5714286 21,42857143

c) Determnese una estimacin de los embarques cuando el nmero de permisos de construccin es de 30. y= 0.39x+0.90 y= 0.39*30+0.90 y= 12.6

Para un nmero de permisos de construccin de 30, se tiene una estimacin de embarques de aglomerado de aproximadamente 13. d) Calcular la desviacin estndar. Valores de tendencia central:

X Media Mediana 23 22,5

Y 10 9,5

La desviacin Estndar para cada uno de los valores es el siguiente: Para la variable dependiente:

s=10.52

Esto quiere decir que en 10.52 los volmenes de ventas se dispersan de la media. Para la variable independiente:

s=4.69

Esto quiere decir que en 4.69 los precios de ventas se dispersan de la media. e) Calcular el coeficiente de correlacin. Determinamos el coeficiente de correlacin:

Sx Sy Sxy

4,629100499 10,51529498 38,25

Sacando que el coeficiente de correlacin es mayor a 1 y es 61%, aproximadamente, esto quiere decir que el 100% de la varianza se particiona en 39% de la varianza no explicada mas el 61% de la varianza explicada por la regresin Y en X.

3.- La poblacin de cierta ciudad tiene el siguiente comportamiento histrico:

Ao 1 2 3 4 5 6 7 8 9

Habitantes 1000,000 1020,000 1050,000 1080,000 1120,000 1170,000 1230,000 1300,000 1380,000

a) Realizar el diagrama de dispersin.

1600000 1400000 N de Habitantes 1200000 1000000 800000 600000 400000 200000 0 0 2 4 Ao 6 8 10 Diagrama de Dispersion

b) Hallar los parmetros de la tendencia.

N 1 2 3 4 5 6 7 8 9
Total

Habitantes(Y) Ao(X) 1000000 1020000 1050000 1080000 1120000 1170000 1230000 1300000 1380000
10350000

xy
1000000 2040000 3150000 4320000 5600000 7020000 8610000 10400000 12420000

x^2
1 4 9 16 25 36 49 64 81

Y^2
1000000000000,00 1040400000000,00 1102500000000,00 1166400000000,00 1254400000000,00 1368900000000,00 1512900000000,00 1690000000000,00 1904400000000,00

1 2 3 4 5 6 7 8 9
45

54560000 285 12039900000000,00

Luego calculamos los parmetros, a y b, primero determinando el coeficiente de correlacin.

Determinamos el coeficiente de correlacin:

Sx Sy Sxy

2,738612788 131053,4242 312222,2222

Sacando que el coeficiente de correlacin es mayor a 1 y es 75%, aproximadamente, esto quiere decir que el 100% de la varianza se particiona en 25% de la varianza no explicada mas el 75% de la varianza explicada por la regresin Y en X. Con esto calculamos los valores de a y b:

De esto sacamos la ecuacin: y= 46833.34x+915833

Diagrama de Dispersion
1600000 1400000 N Habitantes 1200000 1000000 800000 600000 400000 200000 0 0 2 4 Ao 6 8 10 Diagrama de Dispersion Linear (Diagrama de Dispersion) y = 46833x + 915833

c) Pronosticar la poblacin en el ao 15. y= 46833.34(15)+915833 y=1618333.1 Para el ao 15 se tiene una poblacin aproximada de 1618334 habitantes.

4. Cul de las siguientes situaciones es inconsistente? a) Y = 499 + 0.21X y r = 0.75 b) Y = 100 + 0.9X y r = -0.7 c) Y = -20 + X y r = 0.4 d) Y = -7-4X y r = -0.9

Sabemos que

De todo esto podemos deducir una frmula que relacione a r con los parmetros a y b:

( )

Con esta relacin, vemos que el que est mal es el b); ya que Sx>0, y b para el primer valor es POSITIVO, teniendo que dar un coeficiente de determinacin POSITIVO, pero segn lo que indica el valor es NEGATIVO,

Nota: En el caso de e) la funcin funciona a partir de x>-7/4, para este caso est bien la relacin.

5. Los ingresos de Telefnica se estiman mediante el Producto Nacional Bruto. La ecuacin de regresin es Y = 0.078 + 0.06X en donde el PNB se mide en miles de millones de dlares. a) Interprete la pendiente. Ingresos de Telefnica: Y Producto Nacional Bruto: X

Como b>0, la tendencia lineal es creciente, es decir que a mayor Producto Nacional bruto, mayor sern los ingresos de telefnica. O Tambin se podra decir que 0.06 es el cambio promedio en los ingresos de telefnica, cuando producto nacional interno cambia en una unidad b) Interprete la interseccin con Y. Sin ningn cambio en el producto Nacional Bruto, los ingresos telefnicos sern de 0.078.

6. Considere los datos de la tabla siguiente: Ventas semanales (en US$) 1,250.00 1,380.00 1,425.00 1,425.00 1,450.00 1,300.00 1,400.00 1,510.00 1,575.00 1,650.00 Gastos de publicidad (en US$) 41,000.00 54,000.00 63,000.00 54,000.00 48,000.00 46,000.00 62,000.00 61,000.00 64,000.00 71,000.00

Gastos Generales: X Ventas Semanales: Y a) Existe una relacin significativa entre los gastos de publicidad y las ventas? Eso se determina con el coeficiente de correlacin, para esto calcularemos el coeficiente de correlacin con los datos anteriores:

Sx Sy Sxy

9395,034149 119,5140624 856900

Sacando que el coeficiente de correlacin es mayor a 1 y es 58%, aproximadamente, esto quiere decir que el 100% de la varianza se particiona en 42% de la varianza no explicada mas el 58% de la varianza explicada por la regresin Y en X. Se puede expresar mediante una regresin lineal. b) Establezca la ecuacin de prediccin. Viendo que si se puede explicar mediante una ecuacin lineal:

Ventas Semana semanales (en US$)(Y) 1 2 3 4 5 6 7 8 9 10 1250 1380 1425 1425 1450 1300 1400 1510 1575 1650

Gastos de publicidad (en US$)(X) 41000 54000 63000 54000 48000 46000 62000 61000 64000 71000

xy

x^2

Y^2

51250000 74520000 89775000 76950000 69600000 59800000 86800000 92110000

1681000000 2916000000 3969000000 2916000000 2304000000 2116000000 3844000000 3721000000

1562500 1904400 2030625 2030625 2102500 1690000 1960000 2280100 2480625 2722500

100800000 4096000000 117150000 5041000000

Total

14365

564000

818755000 32604000000 20763875

De esto sale que el valor de a y b es. a= 0.0108 b= 828.13

Diagrama de Dispersion
1800 1600 1400 1200 1000 800 600 400 200 0 0 20000 40000 60000 80000 Gastos en Publicidad (US$) y = 0,0108x + 828,13 Ventas Semanales(US$)

Diagrama de Dispersion Linear (Diagrama de Dispersion)

c) Pronostique las ventas para un gasto de publicidad de US$50000 Y=0.0108X+828.13

Y=0.0108*(50000)+828.13=1367.46

Para un gasto en publicidad de US$ 50000, se tiene ventas semanales en 1367.46 (US$)

d) Qu porcentaje de los gastos en publicidad explican las variaciones en las ventas? El 10% de los gastos de publicidad explican la variacin de las ventas.

7. En la siguiente tabla se presenta la informacin de una empresa de rdenes por correo para 12 ciudades:

Ciudades Nmero de rdenes Recibidas por Correo A B C D E F G H I J K L 24,000 16,000 23,000 15,000 32,000 25,000 18,000 18,000 35,000 34,000 15,000 32,000

Nmero de Catlogos Distribuidos 6,000 2,000 5,000 1,000 10,000 7,000 15,000 3,000 11,000 13,000 2,000 12,000

a) Determine si existe una relacin lineal significativa entre estas dos variables. El coeficiente de determinacin es el siguiente:
Sx Sy Sxy 4,826536496 7,680652592 23,77083333

Este me indica que de 100 pares de puntos, 41 estn en la recta de regresin, pero vemos que no est alto este valor, por tanto, no tiene una relacin significativa. Nota: Pero este valor puede darse por el punto (15,18), el cual esta muy alejado de todos los dems, si este lo eliminamos el coeficiente de determinacin sera mas cercano al 100. b) Determine la lnea de regresin.

DIAGRAMA DE DISPERSION
40 35 30 25 20 15 10 5 0 0 5 10 15 20 Numero de Catalogos Recibidos Numero de ordenes recibidas y = 1,1132x + 15,846

DIAGRAMA DE DISPERSION Linear (DIAGRAMA DE DISPERSION)

Los valores de los parmetros de a y b: b=1.1132

a=-15.846 Y= 1.1132X-15.846

c) Determine el error estndar de la estimacin. SRT= SCE + SCR

Ciudades

Nmero de Ordenes Recibidas por Correo(Y) 24 16 23 15 32 25 18 18 35 34 15 32 287

Nmero de Catalogos Distribuidos(X) 6 2 5 1 10 7 15 3 11 13 2 12 87

Yi

y-Yi

(y-Yi)^2

y'(media)

Yi-y'

(Yi-y')^2

1 2 3 4 5 6 7 8 9 10 11 12 Total

22,5252

1,4748

2,175 4,295 2,522 3,838 25,220 1,854 211,528 1,406 47,732 13,560 9,440 7,815 331,385

23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 23,9166667 -

20,350 13,778 18,890 13,121 1,758 21,784 -178,984 17,780 -19,640 16,758 8,633 21,389 -

414,129 189,821 356,842 172,154 3,089 474,562 32035,249 316,127 385,742 280,815 74,525 457,490 35160,544

18,0724 -2,0724 21,412 1,588

16,9592 -1,9592 26,978 23,6384 32,544 5,022 1,3616 -14,544

19,1856 -1,1856 28,0912 30,3176 6,9088 3,6824

18,0724 -3,0724 29,2044 2,7956 -

SCE SCR

331,385

Suma Cuadrado de errores

35160,544 Suma de Cuadrado debido a Regresin

d) Qu porcentaje de la variacin de los datos independientes explica la variacin de los datos dependientes?

100% = 0.93% + 99.07%

El 99.07% explica la variacin de los datos independientes con respecto a los datos dependientes. e) Pronostique las rdenes por correo recibidas cuando se distribuyeron 10000 catlogos. y = 1.1132X-15.846 y = (1.1132*10000)-15.846 y=11116.15

Aproximadamente se tienen 11117 rdenes recibidas cuando se distribuyen 10000 catlogos.

f) Calcule la varianza explicada para la variable Y.

Y Media Sy CV 23,92 7,68 0,321142269

La homogeneidad de los valores en este caso es baja.