CARRERA: ADMINISTRACION DE EMPRESAS Y NEGOCIOS

PROYECTO FORMATIVO: ESTADISTICA

MODALIDAD SEMI PRESENCIAL
NIVEL: 3ro.
ESTUDIANTE: ISRAEL MARIÑO

TAREA N° 2

TEMAS: CORRELACIÓN Y REGRESIÓN

A) REALICE LAS SIGUIENTES ACTIVIDADES: (1 punto. c/u)

1) El número de horas dedicadas al estudio de una asignatura y la calificación
obtenida en el examen correspondiente a ocho personas es:

X: Horas de estudio 20 16 34 23 27 32 18 22
Y: calificación examen 6,5 6,0 8,0 7,0 9,0 9,5 7,5 8,0

Determinar:
a) Recta de regresión de Y sobre X.
b) Calificación estimada para una persona que hubiese estudiado 28 horas.

N X Y X*Y X^2 Y^2

1 20 6,5 110 400 42,25
2 16 6 96 256 36,00
3 34 8 272 1156 64,00
4 23 7 161 529 49,00
5 27 9 243 729 81,00
6 32 9,5 304 1024 90,25
7 18 7,5 135 324 56,25
8 22 8 176 484 64,00
192 62 1534 4902 491

CALIFICACION VS HORAS DE ESTUDIO

y = 0,0036x + 0,1181
R² = 0,9005
10
CALIFICACION DE EXAMEN

4 Series1
Lineal (Series1)
2

0
0 10 20 30 40
HORAS DE ESTUDIO
 a) Recta de regresión de Y sobre X.

Recta de regresión de Y sobre X

Por lo tanto, la recta la recta de regresión de Y sobre X Queda:

b) Calificación estimada para una persona que hubiese estudiado 28 horas.

2) La información estadística obtenida de una muestra de tamaño 12 sobre la

relación existente entre la inversión realizada y el rendimiento obtenido en
cientos de miles de dólares para explotaciones agropecuarias, se muestra en el
siguiente cuadro:

Inversión 11 14 16 15 16 18 20 21 14 20 19 11
Rendimiento 2 3 5 6 5 3 7 10 6 10 5 6

Determinar:
a) La recta de regresión del rendimiento respecto de la inversión.
b) La previsión de inversión que se obtendrá con un rendimiento de $1 250 000.
N X Y X*Y X^2 Y^2
1 11 2 22 121 4,00
2 14 3 42 196 9,00
3 16 5 80 256 25,00
4 15 6 90 225 36,00
5 16 5 80 256 25,00
6 18 3 54 324 9,00
7 20 7 140 400 49,00
8 21 10 210 441 100,00
9 14 6 84 196 36,00
10 20 10 200 400 100,00
11 19 5 95 361 25,00
12 11 6 66 121 36,00
195 68 1163 3297 454

RENDIMIENTO VS INVERSION
12 y = 0,4522x - 1,6823
R² = 0,382
10
RENDIMIENTO

6
Series1
4
Lineal (Series1)
2

0
0 10 20 30
INVERSION

a) La recta de regresión del rendimiento respecto de la inversión.

Recta de regresión de Y sobre X:

La recta de regresión de Y sobre X:

 b) La previsión de inversión que se obtendrá con un rendimiento de $1 250 000.

La recta de regresión de X sobre Y:

La recta de regresión de X sobre Y es:

Para un rendimiento de y = 12,5 tenemos:

3) La tabla nos da los gastos en electricidad y los ingresos mensuales de 6

empresas en un mes, en miles de dólares. Estima el gasto en electricidad de una
empresa con ingresos de 250.

Gasto en electricidad 2 3 5 9 10 19
Ingreso total 40 60 80 100 120 200

Determinar: La recta de regresión.

N X Y X*Y X^2 Y^2

1 2 40 80 4 1600
2 3 60 180 9 3600
3 5 80 400 25 6400
4 9 100 900 81 10000
5 10 120 1200 100 14400
6 19 200 3800 361 40000
48 600 6560 580 76000
 INGRESO TOTAL VS GASTOS DE ELECTRICIDAD
250 y = 8,9796x + 28,163
200 R² = 0,9878
INGRESO TOTAL

150

100

50

0
0 5 10 15 20
GASTOS DE ELECTRICIDAD

Recta de regresión de X sobre Y:

La regresión de X sobre Y es:

El gasto estimado para una empresa con ingreso de 250 sera:

4) Se ha solicitado a un grupo de 50 individuos información sobre el número de

horas que dedican diariamente a dormir y a ver la televisión. La clasificación
de las respuestas ha permitido elaborar la siguiente tabla:

X: Horas durmiendo 6 7 8 9 10
Y: Horas de televisión 4 3 3 2 1
Fi(frecuencia) 3 16 20 10 1
a) Calcular el coeficiente de correlación entre X e Y.
b) Calcular la ecuación de la recta de regresión de Y sobre X.
 c) Determinar: Si una persona duerme ocho horas y media, ¿cuántas horas
debe esperar para que vea la televisión?

N Xi Yi Xi^2 Yi^2 fi Xi* Yi* fi* fi* fi*Xi*Yi

fi fi Xi^2 Yi^2
1 6 4 36 16 3 18 12 108 48 72
2 7 3 49 9 16 112 48 784 144 336
3 8 3 64 9 20 160 60 1280 180 480
4 9 2 81 4 10 90 20 810 40 180
5 10 1 100 1 1 10 1 100 1 10
40 13 330 39 50 390 141 3082 413 1078

HORAS DE TELEVISION VS HORAS DURMIENDO

4,5
4 y = -0,7x + 8,2
R² = 0,9423
HORAS DE TELEVISION

3,5
3
2,5
2
1,5
1
0,5
0
0 2 4 6 8 10 12
HORAS DURMIENDO

a) Calcular el coeficiente de correlación entre X e Y.

Coeficiente de correlación:
 b) Calcular la ecuación de la recta de regresión de Y sobre X.

d) Determinar: Si una persona duerme ocho horas y media, ¿cuántas horas

debe esperar para que vea la televisión?

5) Una planta envasadora de frutos secos necesita adquirir una máquina

empaquetadora de bolsas de 50 gramos lo más precisa posible, para lo que
efectúa una prueba de diez pesadas con cada una de las máquinas X e Y,
obteniéndose los siguientes resultados en gramos:

X 52 54 53 47 48 49 46 48 51 52
Y 51 54 51 46 49 49 48 49 41 52

a) Calcular la recta de regresión de Y sobre X. ¿Qué pesada se espera de la

máquina Y en una nueva prueba si se sabe que X ha dado 54 gramos?

N X Y X*Y X^2 Y^2

1 52 51 2652 2704 2601
2 54 54 2916 2916 2916
3 53 51 2703 2809 2601
4 47 46 2126 2209 2116
5 48 49 2352 2304 2401
6 49 49 2401 2401 2401
7 46 48 2208 2116 2304
8 48 49 2352 2304 2401
9 51 51 2601 2601 2601
10 52 52 2704 2704 2704
500 500 25051 25068 25046
 MAQUINA Y VS MAQUINA X
55
54 y = 0,75x + 12,5
53 R² = 0,8315
52
MAQUINA Y

51
50
49
48
47
46
45
45 46 47 48 49 50 51 52 53 54 55
MAQUINA X

a) Calcular la recta de regresión de Y sobre X. ¿Qué pesada se espera de la

máquina Y en una nueva prueba si se sabe que X ha dado 54 gramos?

Recta de regresión de Y sobre X:

Recta de regresión será:

Para x = 54 tenemos:
6) La siguiente tabla muestra los índices de las Bolsas de Barcelona y Madrid
durante la primera semana de diciembre.

Barcelona 25721,7 25862,5 26018,3 26089 25952,3

Madrid 313 318,6 325,4 325,4 324,1

a) Calcular la recta de regresión de los índices de Madrid respecto de los

de Barcelona.
b) Calcular el coeficiente de correlación lineal y da una interpretación del
resultado obtenido.

N X Y X*Y X^2 Y^2

1 25721,7 313 8050892.1 661605851 97969
2 25862.5 318,6 8239792.5 668868906 101505,96
3 26018,3 325,4 8466354,82 6766951935 105885,16
4 26089 325,4 8489360,6 680635921 105885,16
5 25952,3 324,1 8411140,43 673521875 105040,81
129643,8 1606,5 41657540,5 3361584488 516286,09

BOLSAS DE MADRID VS BOLSAS DE BARCELONA

328
y = 2,9x + 312,6
326 R² = 0,7149
BOLSAS DE MADRID

324
322
320
318
316
314
312
0 1 2 3 4 5 6
BOLSAS DE BARCELONA

a) Calcular la recta de regresión de los índices de Madrid respecto de los de

Barcelona.
 Recta de regresión de Y sobre X:

La recta de regresión es:

b) Calcular el coeficiente de correlación lineal y da una interpretación del resultado

obtenido.

Coeficiente de correlación lineal:

7) Un centro comercial sabe que, en función de la distancia, en kilómetros, a la

que se sitúe de un núcleo de población, acuden los clientes, en cientos, que figuran
en la tabla:

N° de clientes 8 7 6 4 2 1
Distancia 15 19 25 23 34 40
a) Calcular el coeficiente de correlación.
b) Si el centro comercial se sitúa a 2 km, ¿cuántos clientes puede esperar?
c) Si desea recibir a 500 clientes, ¿a qué distancia del núcleo de población debe
situarse?
 N X Y X*Y X^2 Y^2
1 8 15 120 64 225
2 7 19 133 49 361
3 6 25 150 36 625
4 4 23 92 16 529
5 2 34 68 4 1156
6 1 40 40 1 1600
28 156 603 170 4496

DISTANCIA VS N DE CLIENTES
45
y = -3,178x + 40,831
40
R² = 0,9028
35
30
DISTANCIA

25
20
15
10
5
0
0 1 2 3 4 5 6 7 8 9
N· DE CLIENTES

a) Calcular el coeficiente de correlación.

b) Si el centro comercial se sitúa a 2 km, ¿cuántos clientes puede esperar?

Coeficiente de correlación lineal:

Recta de regresión de X sobre Y:

c) Si desea recibir a 500 clientes, ¿a qué distancia del núcleo de población debe
situarse?

Recta de regresión de Y sobre X:

8) La tabla siguiente muestra los gastos (en miles de dólares) de cinco campañas de
publicitarias junto con los consiguientes volúmenes de ventas (en miles de dólares)
obtenidos de cierto artículo. Calcular el coeficiente de correlación y la recta de
regresión de la variable” Volumen de ventas” sobre la variable” Gastos de la
campaña". Utilizar esta recta para predecir el volumen de venta que podría
esperarse con unos gastos publicitarios de ocho mil dólares. Valorar dicha
predicción por el coeficiente de correlación.

Gasto en publicidad 2 3 5 6 10
Volumen de ventas 50 60 120 150 180
Determinar el coeficiente de correlación y la recta de regresión de la
variable” Volumen de ventas” sobre la variable” Gastos de la campaña".

N X Y X*Y X^2 Y^2

1 2 50 100 4 2500
2 3 60 180 9 3600
3 5 120 600 25 14400
4 6 150 900 36 22500
5 10 180 1800 100 32400
26 560 3580 174 75400
 VOLUMEN DE VENTAS VS GASTO DE PUBLICIDAD
250
y = 17,216x + 22,474
R² = 0,907
VOLUMEN DE VENTAS

200

150

100

50

0
0 2 4 6 8 10 12
GASTO EN PUBLICIDAD

Determinar el coeficiente de correlación y la recta de regresión de la

variable” Volumen de ventas” sobre la variable” Gastos de la campaña".

Coeficiente de correlación:

Recta de regresión de Y sobre X:

B) CONTESTE LAS SIGUIENTES PREGUNTAS: (1 punto c/u)

1) ¿Qué es un diagrama de correlación?

Los diagramas de correlación son una representación grafica que muestra la

relación de una variable con respecto a otra, aunque no tiene por qué ser

relación causa-efecto.

2) ¿Qué es una regresión en matemáticas?

Un modelo de regresión es un modelo matemático que busca determinar la

relación entre una variable dependiente (Y) con respecto a otras variables

llamadas explicativas o independientes (X).

3) ¿Qué es la regresión lineal?

La Regresión lineal permite determinar el grado de dependencia de las series

de valores X e Y, prediciendo el valor y estimado que se obtendría para un

valor x que no esté en la distribución.

4) ¿Qué es el modelo de regresión simple?

La regresión lineal simple se basa en estudiar los cambios en una variable,

no aleatoria, afectan a una variable aleatoria, en el caso de existir una

relación funcional entre ambas variables que puede ser establecida por una

expresión lineal, es decir, su representación gráfica es una línea recta. Es

decir, se está en presencia de una regresión lineal simple cuando una variable

independiente ejerce influencia sobre otra variable dependiente.

Ejemplo: Y = f(x)
BIBLIOGRAFIA:

CODIGO
TIPO BIBLIOGRAFIA BIBLIOGRAFIA BASICA
BASICA
SUAREZ,M.(2017). PROBABILIDADES Y
BASICA UTI: L 10624 ESTADÍSTICA EMPLEANDO LAS TIC:
ECUADOR: GRAFICOLOR
JOHNSON,R Y KUBY,P. (2014).
BASICA UTI: 2804 ESTADÍSTICA ELEMENTAL. MÉXICO:
CENGAGE LEARNING
Richard,L y David R. (2013). Estadística para
COMPLEME
UTI:2804 Administración y Economía, Mexico: Editorial
NTARIA
Pearson
ISBN:
COMPLEME Puente Viedma Carlos. (2018). Estadística
NUMBER:97897
NTARIA descriptiva e inferencia, España: Ediciones IDT
08170062