UNIVERSIDAD DE IBAGUE ESTADISTICA II DOCENTE: CARLOS VALDES

UNIVERSIDAD DEL TOLIMA

INSTITUTO DE EDUCACION A DISTANCIA
PROGRAMA DE GESTION EN BASE DE DATOS
TALLER No. 5 REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN
TUTOR: CARLOS VALDES JIMENEZ
I-mail: [email protected]
Contacto: 3005558466 - 3209333703

1. al ajustar una línea recta se obtuvo la siguiente ecuación de regresión:

yˆi = 2 + 5 xi
a. Interprete el significado de la ordenada b0
b. Explique el significado de la pendiente b1
c. Pronostique el valor promedio de Y para X=3
d. Si el intervalo de valores de X es de 2 a 25, ¿debe usarse este modelo para predecir el valor promedio
de Y cuando X es igual a:
(1) 3? (2) -3? (3)0? (4) 24? (5) 26?

2. El ajuste de una línea recta a un conjunto de datos lleva a la siguiente ecuación de regresión:
yˆ i = 16  0,5 xi
a. Interprete el significado de la ordenada b0
b. Explique el significado de la pendiente b1
c. Pronostique el valor promedio de Y para X = 6

3. El gerente de una cadena de supermercados desea determinar el efecto del espacio de anaqueles en las
ventas de comida para mascotas, se seleccionó una muestra aleatoria de 12 tiendas del mismo tamaño con los
siguientes resultados.

Ti Espacio en Ventas semanales Tienda Espacio en Ventas sem

e anaquel.,X (pies) Y (cientos de dólares) anaquel.,X (pies) Y (cientos d
n
d
a
1 5 1.6 11 20
2 5 2.2 12 20
3 5 1.4 13 25
4 10 1.9 14 25
5 10 2.4 15 25
6 10 2.6 16 30
7 15 2.3 17 30
8 15 2.7 18 30
9 15 2.8 19 35
1 20 2.6 20 35
0

a. Grafique el diagrama de dispersión

b. Suponga una relación lineal y utilice el método de mínimos cuadrados para encontrar los coeficientes de
regresión b0 y b1
c. Interprete el significado de la pendiente b1 en este problema
d. Pronostique las ventas semanales promedio (en cientos de dólares)de comida para mascotas con 8 pies
de espacio en anaqueles para ello
e. Suponga que las ventas en la tienda 12 son 2.6. Resuelva los incisos a,b,c,y d con este valor y compare
los resultados
f. ¿Qué espacio en repisas recomendaría que el gerente asignara a la comida para mascotas? Explique
g. Calcule el coeficiente de determinación r 2 e intérprete su significado
h. Calcule el error estándar de la estimación e intérprete su significado
i. Determine el coeficiente de correlación e intérprete.
j. Pruebe el grado de asociación entre las variables.
k. Con base en los incisos (c) a (j), ¿existe alguna razón para dudar de la validez del modelo?

4. Suponga que el gerente de una cadena de servicios de entrega d paquetería desea desarrollar un modelo
para predecir las ventas semanales (en miles de dólares para las tiendas individuales basado en el número de
clientes que realizan compras. Se seleccionó una muestra aleatoria entre todas las tiendas de la cadena entre
todas las tiendas de la cadena con los siguientes resultados:

Tienda Clientes Ventas ($000) Tienda Clientes Ventas ($000)

1 907 11.20 11 679 7.63
2 926 11,05 12 872 9,43
3 506 6,84 13 924 9,46
4 741 9,21 14 607 7,64
5 789 9,42 15 452 6,92
6 889 10,08 16 729 8,95
7 874 9,45 17 794 9,33
REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN
 UNIVERSIDAD DE IBAGUE ESTADISTICA II DOCENTE: CARLOS VALDES
8 510 6,73 18 844 10,23
9 529 7,24 19 1,010 11,77
10 420 6,12 20 621 7,41

a. Grafique el diagrama de dispersión

b. Suponga una relación lineal y utilice el método de mínimos cuadrados para encontrar los coeficientes
de regresión b0 y b1
c. Interprete el significado de la pendiente b1 en este problema
d. Pronostique las venas semanales (en miles de dólares ) para las tiendas que tienen 600 clientes
e. Suponga que las ventas en la tienda 19 son 14.77. Resuelva los incisos a,b,c,y d con este valor y
compare los resultados.
f. ¿Qué otros factores además del número de clientes pueden afectar las ventas?
g. Calcule el coeficiente de determinación r 2 e intérprete su significado
h. Calcule el error estándar de la estimación e intérprete su significado
i. Determine el coeficiente de correlación e intérprete.
j. Pruebe el grado de asociación entre las variables.
k. Con base en los incisos (c) a (j), ¿existe alguna razón para dudar de la validez del modelo?

5. Una compañía que fabrica partes de maquinarias quiere desarrollar un modelo para estimar el número de
horas-trabajador requeridas para corridas de producción de lotes de diversos tamaños. Se seleccionó una
muestra aleatoria de 14 corridas de producción (2 para cada tamaño de lote de 20, 30,40,50,60, 70 y 80) y se
obtiene los siguientes resultados:

No. Tamaño de Horas- No. Tamaño de Horas-

lote Trabajador lote Trabajador
1 20 50 16 70 151
2 20 53 17 70 152
3 20 55 18 70 153
4 30 62 19 80 154
5 30 65 20 80 158
6 30 72 21 80 159
7 40 79 22 90 163
8 40 87 23 90 165
9 40 89 24 90 167
10 50 94 25 110 169
11 50 98 26 110 170
12 50 125 27 110 162
13 60 138 28 120 173
14 60 146 29 120 175
15 60 149 30 120 178

a. Grafique el diagrama de dispersión

b. Suponga una relación lineal y utilice el método de mínimos cuadrado para encontrar los coeficientes de
regresión b0 y b1 .
c. Interprete el significado de la ordenada b0 y la pendiente b1 en este problema.
d. Pronostique el número promedio de horas-trabajador requeridas para una corrida de producción de lote de
45.
e. ¿Por qué no es adecuado predecir el número promedio de horas-trabajador para una corrida de producción
de un lote de tamaño 100? Explique.
f. Suponga que las horas-trabajador para el lote de tamaño 60 son 117 y 119. Resuelva los incisos a, b, c y d
con estos valores y compare los resultados.
g. Calcule el coeficiente de determinación r 2 e intérprete su significado
h. Calcule el error estándar de la estimación e intérprete su significado
i. Determine el coeficiente de correlación e intérprete.
j. Pruebe el grado de asociación entre las variables.
l. Con base en los incisos (c) a (j), ¿existe alguna razón para dudar de la validez del modelo?

6. Una compañía que tiene los derechos de distribución de las ventas de videos de películas liberadas desea
poder estimar la cantidad de unidades que puede esperar para vender. Se dispone de datos para 30 películas
que indican la ganancia bruta en taquilla (en millones de dólares) y el número de unidades vendidas (en miles)
de videos. Los resultados son los siguientes:

Película Ganancia bruta en Videos vendidos Película Ganancia bruta en Videos vendidos
taquilla(Millones (en miles) taquilla(Millones de (en miles)
de dólares) dólares)
1 1.10 57.18 16 9.36 190.80
2 1.13 26.17 17 9.89 121.30
3 1.18 92.79 18 12.66 183.30
4 1.25 61.60 19 15.35 204.72
5 1.44 46.50 20 17.55 112.47
6 1.53 85.06 21 17.91 162.95
7 1.53 103.52 22 18.25 109.20
8 1.69 30.88 23 23.13 280.79
REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN
 UNIVERSIDAD DE IBAGUE ESTADISTICA II DOCENTE: CARLOS VALDES
9 1.74 49.29 24 27.62 229.51
10 1.77 24.14 25 37.09 277.68
11 2.42 115.31 26 40.73 226.73
12 5.34 87.04 27 45.55 365.14
13 5.70 128.45 28 42.62 218.64
14 6.43 126.64 29 54.70 286.31
15 8.59 107.28 30 58.51 254.58

a. Grafique el diagrama de dispersión

b. Utilice el método de mínimos cuadrados para encontrar los coeficientes b0 y b1
c. Establezca la ecuación de regresión
d. Interprete el significado de b0 y b1 en este problema.
e. Pronostique el número promedio de unidades de videos que se venderán para una película que tuvo una
ganancia en taquilla de 20 millones de dólares
f. ¿Qué otros factores además de la ganancia en taquilla pueden ser útiles para predecir las unidades que se
venderán?
g. Calcule el coeficiente de determinación r 2 e intérprete su significado
h. Calcule el error estándar de la estimación e intérprete su significado
i. Determine el coeficiente de correlación e intérprete.
j. Pruebe el grado de asociación entre las variables
m. Con base en los incisos (c) a (j), ¿existe alguna razón para dudar de la validez del modelo?

7. Una compañía de vienes raíces residenciales en una ciudad grande desea poder predecir los costos
mensuales de renta para departamentos, basa en el tamaño de los mismos definidos por los pies cuadrados de
espacio. Se selecciona una muestra aleatoria y la información generada revela lo siguiente:

Departamento Renta mensual Tamaño( Departamento Renta mensual Tamaño(

(en dólares) Pies (en dólares) Pies cuadrados)
cuadrados)
1 950 850 14 1.800 1.369
2 1.600 1.450 15 1.400 1.175
3 1.200 1.085 16 1.450 1.225
4 1.500 1.232 17 1.100 1.245
5 950 718 18 1.700 1.259
6 1.700 1.485 19 1.200 1.150
7 1.650 1.136 20 1.150 896
8 935 726 21 1.600 1.361
9 875 700 22 1.650 1.040
10 1.150 956 23 1.200 755
11 1.400 1.100 24 800 1.000
12 1.650 1.285 25 1.750 1.200
13 2.300 1.985 26 1560 1320

a. Grafique el diagrama de dispersión

b. Utilice el método de mínimos cuadrados para encontrar los coeficientes de regresión b0 y b1
c. Establezca la ecuación de regresión
d. Interprete el significado de b0 y b1 en este problema
e. Pronostique la renta mensual promedio para un departamento que tiene 1,000 pies cuadrados.
f. ¿Por qué no es adecuado predecir la renta mensual promedio para departamentos de 500 pies cuadrados
g. Sus Amigos Jim y Jennifer piensan firmar un contrato por un apartamento en esta área residencial. Intenta
decidir entre dos departamentos, uno con 1,000 pies cuadrados por una renta mensual de 1.250 dólares y
otro con 1,200 pies cuadrados por una renta mensual de 1,425 dólares. ¿Qué le recomendaría? ¿Por qué?
h. Calcule el coeficiente de determinación r 2 e intérprete su significado
i. Calcule el error estándar de la estimación e intérprete su significado
j. Determine el coeficiente de correlación e intérprete.
K Pruebe el grado de asociación entre las variables.
L Con base en los incisos (c) a (k), ¿existe alguna razón para dudar de la validez del modelo?
8. El dueño de una casa unifamiliar en un suburbio del noreste de Estados Unidos desea desarrollar un modelo
para predecir el consumo de energía eléctrica e su “casa eléctrica” (luz, ventiladores, calefacción, aparatos,
etcc.) según la temperatura exterior (en grados Fahrenheit). Dispone de datos de los recibos mensuales y la
información de temperatura para un periodo de 24 meses.

Mes Consumo Temperatura Mes Consumo Temperatura

en kilowats Promedio(°F) en kilowats Promedio(°F)
1 126 30 13 123 27
2 132 25 14 121 33
3 114 29 15 138 28
4 87 42 16 99 39
5 67 48 17 64 47
6 50 61 18 52 63
7 39 69 19 49 69
8 45 78 20 41 73
9 39 72 21 44 70

REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN

UNIVERSIDAD DE IBAGUE ESTADISTICA II DOCENTE: CARLOS VALDES
10 43 62 22 53 64
11 61 45 23 59 53
12 92 36 24 118 27
a. Establezca el diagrama de dispersión
b. Suponga una relación lineal y utilice el método de mínimos cuadrados para encontrar los coeficiente de
regresión b0 y b1
c. Interprete el significado de la pendiente b1 en este problema
d. Construya un modelo para estimar el consumo promedio y la temperatura promedio
e. Pronostique el consumo promedio de kilowats cundo la temperatura media es de 22°F, 33°F, 55°F.
f. Pronostique la temperatura para un consumo de 100 , 130, 145 Kilowatts
g. Calcule el coeficiente de determinación r 2 e interprete su significado
h. Calcule el error estándar de la estimación
i. Calcular el coeficiente de correlación
j. Pruebe el grado de asociación entre las variables.
k. Con base en los incisos (d) a (j), ¿existe alguna razón para dudar de la validez del modelo?

9. Un negocio de ventas por catalogo de artículos para computadoras personales, sofware y harware, tiene un
almacén centralizado para la distribución de los productos que le ordenan. La administración examina el
proceso de distribución desde el almacén y esta interesado en estudiar los factores que afectan los costos de
distribución. En la actualidad, se agrega un pequeño cargo por envío independiente del monto de la orden. Se
recolectaron datos durante los últimos 24 meses que indican los costos de distribución y el número de órdenes
recibidas. Los resultados son los siguientes:

Mes Costo de distribución Número Mes Costo de distribución Número

(Miles de dólares) de órdenes (Miles de dólares) de órdenes
1 52.95 4,015 13 62.98 3,977
2 71.66 3,806 14 72.30 4,428
3 85.58 5,309 15 58.99 3,964
4 63.69 4,262 16 79.38 4,582
5 72.81 4,296 17 94.44 5,582
6 68.44 4,097 18 59.74 3,450
7 52.46 3,213 19 90.50 5,079
8 70.77 4,809 20 93.24 5,735
9 82.03 5,237 21 69.33 4,269
10 74.39 4,732 22 53.71 3,708
11 70.84 4,413 23 89.18 5,387
12 54.08 2,921 24 66.80 4,161

a. Establezca el diagrama de dispersión

b. Suponga una relación lineal y utilice el método de mínimos cuadrados para encontrar los coeficientes
de regresión b0 y b1
c. Interprete el significado de la pendiente b1 en este problema
d. Construya un modelo para estimar el costo de distribución y el numero de ordenes
e. Pronostique los costos de distribución del almacén para un mes en que el número de órdenes es
4,500 , 3750, 3960 y 4160
f. Pronostique el numero de ordenes para un costo de producción de 60.5, 72.3 ,80.4
g. Calcule el coeficiente de determinación r 2 e interprete su significado
h. Calcule el error estándar de la estimación
i. Calcular el coeficiente de correlación
j. Pruebe el grado de asociación entre las variables
k. Con base en los incisos (d) a (j), ¿existe una razón para dudar de la validez del modelo?

10. El dueño de una gran cadena de expendio de helados desea estudiar el efecto del clima en las ventas
durante la temporada de verano. Se selecciona un muestra aleatoria de 21 días con los siguientes resultados:

Día Temperatura Ventas por Día Temperatura Ventas por

alta por día (°F) expendio alta por día (°F) expendio
(miles de dólares) (miles de dólares)
1 63 1.52 12 75 1.92
2 70 1.68 13 80 3.40
3 73 1.80 14 100 3.28
4 75 2.05 15 92 3.17
5 80 2.36 16 87 2.83
6 82 2.25 17 84 2.58
7 85 2.68 18 88 2.86
8 88 2.90 19 80 2.26
9 90 3.14 20 82 2.14
10 91 3.06 21 76 2.98
11 92 3.24 22 85 2.40

a. Establezca el diagrama de dispersión

b. Suponga una relación lineal y utilice el método de mínimos cuadrados para encontrar los coeficiente de
regresión b0 y b1

REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN

UNIVERSIDAD DE IBAGUE ESTADISTICA II DOCENTE: CARLOS VALDES
c. Interprete el significado de la pendiente b1 en este problema
d. Construya un modelo para estimar la temperatura alta por dia y las ventas por expendio
e. Pronostique las ventas promedio por expendio para un día en que la temperatura es 65 °F. 83 °F. 53 °F.
68 °F.
f. Pronostique la temperatura para ventas promedios de 4.05, 3.25, y 2.98 miles de dólares
g. Calcule el error estándar de la estimación
h. Calcule el coeficiente de determinación r 2 e intérprete su significado
i. Calcular el coeficiente de correlación
j. Pruebe el grado de asociación entre las variables
k. Con base en los incisos (d) a (j), ¿existe una razón para dudar de la validez del modelo?
l. Suponga que el monto de las ventas el día 21 fue 1.75. resuelva los incisos (b) , (e) y comprare las
diferencia con los resultados.

REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN