solucion:

X y
a) semestres academicos Nº de estudiantes
1 8
2 12
3 20
4 30
5 35

medante el grafico de dispersion lineal

X= variable independiente
y= varaible dependiente

b) semestres academicos(x) Nº de estudiantes(y) X*Y XX

1 8 8 1
2 12 24 4
3 20 60 9
4 30 120 16
5 35 175 25
Total 15 105 387 55

remplazamos:

r= (5*387)-(15*105)/(raíz((5*55)-(15*15))(5*2733)-(105*105))
r= 360/raíz((50)(2640))
0.9909
 Por lo tanto r=0.99
La relacion es directa y no consistente

c) Y= Nº de estudiantes
X=Semestres academicos

Y=a+bx

b= (5*387)-(15*105)/((5*55)-(15*15))
7.2

media Y=105/5 21
media X=15/5 3

a=21-(7.2*3)
-0.600000000000001

Y=-0.6+7.2(x)
 Nº de estudiantes vs
Semestres academicos
40

35
f(x) = 7.2 x − 0.600000000000001
30 R² = 0.981818181818182

25

20

15

10

0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

YY
64
144
400
900
1225
2733
 X y
Cursos evento
4 2 5
5 1
4 3
5 2
1 1
2 4
3 2

a)
Cursos vs eventos Diagrama de dispersion
4.5
4
3.5
3
2.5
f(x) = − 0.104166666666667 x + 2.5
2 R² = 0.0217013888888887
1.5
1
0.5
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

Al observar el gráfico, no se puede identificar una tendencia clara entre las dos variables. No ha
Por lo que el grafico seria sin relacion
b) cursos(x) eventos(Y) X*Y X*X Y*Y
4 2 8 16 4
5 1 5 25 1
4 3 12 16 9
5 2 10 25 4
1 1 1 1 1
2 4 8 4 16
3 2 6 9 4
Total 24 15 50 96 39

r= =((7*50)-(24*15))/(RAIZ(((7*96)-(24*24))*((7*39)-(15*15))))
-0.147313913

el coeficiente entre las dos variables es -0.1473 la relacion es inversa r menor que 0

c) y=a+bX

b= =((7*50)-(24*15))/((7*96)-(24*24))
-0.104166667

media y
media x
a=2.14-(-0.104*3.43)
2.49672

Y=2.5+(-0.1X)

X=8

Y=2.5+(-0.104)*8
1.668
 El numero de eventos es 1.34 cuando un ingeniero que ha participado en 8 cursos de postgrado

d) ahora si Y=6

x=a+by

b -0.208333333
-0.208333333

a= 3.42-(-0.208)*2.14
3.86512

X= a+ by

5.115

El numero de cursos es 5.15 cuando un ingeniero ha participado en 6 eventos

iagrama de dispersion

e las dos variables. No hay una relación lineal obvia entre el número de cursos y el número de eventos. Los puntos es
2.14285714
3.42857143
de postgrado
o de eventos. Los puntos están dispersos en el gráfico, sin seguir una dirección específica.
 x y
a) gastos ventas ventas vs gastos
9 12 20
5 8 18
7 9 f(x) = 1.53046594982079 x − 1.2078853046595
16
8 10 R² = 0.908913714288563
14
10 15
12
9 11
10
11 16
8
12 18
6
4
2
0
4 5 6 7 8 9 10

b) pide la ventas cuando gasto es 14

x y
gastos ventas y = 1.5305x - 1.2079
9 12 y=1.5305(14)-1.2079
5 8 20.2191
7 9
8 10 Por lo tanto cuando gasto es 14 mil soles el proyecto de las ventas es de
10 15
9 11
11 16
12 18
14 20

c) hallamos el coeficiente de correlacion

 x y
gastos ventas x*y xx yy
9 12 108 81 144
5 8 40 25 64
7 9 63 49 81
8 10 80 64 100
10 15 150 100 225
9 11 99 81 121
11 16 176 121 256
12 18 216 144 324
total 71 99 932 665 1315

r=(8*932)-(71*99)/raiz(((8*665)-(99*99))(8*135)-(99*99)))

r=0.068 la relacion es muy buena o consistente

d) Dado que el coeficiente de correlación no es cercano a 1, no podemos considerar que la proyección sea complet
 ventas vs gastos

982079 x − 1.2078853046595
288563

7 8 9 10 11 12 13

l proyecto de las ventas es de 20.22

que la proyección sea completamente confiable basándonos únicamente en este análisis .
a)
diagrama de dispersion
meses(x) ingresos(Y)
octubre 1 2.8 meses(x) vs ingresos(Y)
noviembre 2 4.4
9
diciembre 3 5.5
enero 4 6.7 8
f(x) = 1.29 x + 1.63
febrero 5 8.1 7 R² = 0.996467065868263

6
5
4
3
2
1
0
0.5 1 1.5 2 2.5 3 3.5 4

b)

hallar el coeficiente de correlacion

meses(x) ingresos(Y) x*y xx yy

1 2.8 2.8 1 7.84
2 4.4 8.8 4 19.36
3 5.5 16.5 9 30.25
4 6.7 26.8 16 44.89
 5 8.1 40.5 25 65.61
total 15 27.5 95.4 55 167.95

r=(5*95.4)-(15*27.5)/raiz((5*55)-(15*15)(5*167.95)-(27.5*27.5)
0.998
la relacion es muy buena o consistente

c) meses(x) ingresos(Y)
agosto 1 0.34 meses(x) vs ingresos(Y)
setiembre 2 1.63 9
octubre 3 2.8
8
noviembre 4 4.4 f(x) = 1.29 x − 0.949999999999999
7 R² = 0.996467065868263
diciembre 5 5.5
6 6.7 6
enero
febrero 7 8.1 5
4
3
2
1
0
2.5 3 3.5 4 4.5 5 5.5 6

cuando x = 2
y = 1.29x - 0.95
y=1.63
cuando x= 1
y =0.34
meses(x) vs ingresos(Y)
d) meses(x) ingresos(Y) 9
agosto 1 0.34
8
setiembre 2 1.63 f(x) = 1.29 x − 0.949999999999999
7 R² = 0.998735365607946
octubre 3 2.8
noviembre 4 4.4 6

diciembre 5 5.5 5
enero 6 6.7 4
febrero 7 8.1 3
2
1
0
0 1 2 3 4 5
 meses(x) vs ingresos(Y) m
9 9
f(x) = 0.462716115856286 exp( 0.464793030977312 x )
8 R² = 0.832771450987488 8

7 7
f(x) = 3.92106
6 6 R² = 0.927302

5 5

4 4

3 3

2 2

1 1

0 0
0 1 2 3 4 5 6 7 8 0 1 2

meses(x) vs ingresos(Y)
9 9

8 8
f(x) = − 0.00357142857142855 x² + 1.31857142857143 x − 0.992857142857144 f(x) = 1.29 x −
R² = 0.99875833112354 7 R² = 0.998735
7
6 6

5 5

4 4

3 3

2 2

1 1

0 0
0 1 2 3 4 5 6 7 8 0 1 2

la mas adecuado es la polinomica por mayor RR

ses(x) vs ingresos(Y)

8263

2.5 3 3.5 4 4.5 5 5.5

eses(x) vs ingresos(Y)

9999999999999
68263

4.5 5 5.5 6 6.5 7 7.5

meses(x) vs ingresos(Y)

0.949999999999999
365607946

3 4 5 6 7 8
 meses(x) vs ingresos(Y)
9
8
7
f(x) = 3.92106506718087 ln(x) − 0.565387486421956
6 R² = 0.927302946392377

5
4
3
2
1
0
0 1 2 3 4 5 6 7 8

meses(x) vs ingresos(Y)
9
8
f(x) = 1.29 x − 0.949999999999999
7 R² = 0.998735365607946

6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8
a) ganancias No.Proyecto
7 6
9 8
13 9
20 10
25 16

hallamos primero el diagrama de dispersion y hallamos el que tiene mayo RR

Ganancias vs No.Proyecto
18 18
16 16
14 f(x) = 0.462412587412587 x + 2.95629370629371 14
R² = 0.861324854722742 f(x) = 6.3332879
12 12 R² = 0.79776617
10 10
8 8
6 6
4 4
2 2
0 0
6 8 10 12 14 16 18 20 22 24 26 6 8 10

Ganancias vs No.Proyecto
18 18

16 16
14 f(x) = 0.02389
14 R² = 0.908751
f(x) = 1.81819264894322 x^0.631012833872127
12 R² = 0.872664086155606 12

10 10
 Ganancias vs No.Proyecto
18 18

16 16
14 f(x) = 0.02389
14 R² = 0.908751
f(x) = 1.81819264894322 x^0.631012833872127
12 R² = 0.872664086155606 12

10 10

8 8

6 6

4 4
2
2
0
0 6 8 10
6 8 10 12 14 16 18 20 22 24 26

el mejor modelo seria la polinomica R² = 0.9088 porque el tiene el mayo R que los demas y la mas confiable

b)
El coeficiente polinomica de 3er grado es 0.9996

Ganancias vs No.Proyecto
18
16
f(x) = 0.0066235466986 x³ − 0.293981902323 x² + 4.3368339409294 x − 12.165467573111
14 R² = 0.999553147033762
12
10
8
6
4
2
0
6 8 10 12 14 16 18 20 22 24 26
 Ganancias vs No.Proyecto
18
16
14
f(x) = 6.33328793916094 ln(x) − 6.56862610789866
12 R² = 0.797766179086997
10
8
6
4
2
0
6 8 10 12 14 16 18 20 22 24 26

Ganancias vs No.Proyecto
18
16
14 f(x) = 0.0238936820256999 x² − 0.299804223641515 x + 7.91005550948908
R² = 0.908751713168379
12
10
 Ganancias vs No.Proyecto
18
16
14 f(x) = 0.0238936820256999 x² − 0.299804223641515 x + 7.91005550948908
R² = 0.908751713168379
12
10
8
6
4
2
0
6 8 10 12 14 16 18 20 22 24 26

s demas y la mas confiable

 trimestre ventas
a) 1 4.1
2 5.2 trimestre vs ventas
3 5.2 7
4 6.1
5 3.2 6

6 3.3 5 f(x) = − 0.433333333333333 x + 5.9

R² = 0.542411737734984
7 2.3
8 2.2 4

9 0.18 3

1
la mejor es la polinomica grado 2
0
0 1 2 3 4 5 6 7

remplazamos cuando x = 9

y = -0.1214(9*9) + 0.6595(9) + 4.0786

0.1807
trimestre vs ventas
Es 0.1807 para el primer trimestre del 2021 7

6
b) no es muy confiable porque esta alejado del 100%
5 f(x) = − 1.15531635068184 ln(x) + 5.48145889075371
R² = 0.317931643232359
4

0
0 1 2 3 4 5 6

polinomia grado 2
 trimestre vs ventas
7

5
f(x) = − 0.121428571428571 x² + 0.65952380952381 x + 4.0785
R² = 0.712779196960765
4

0
0 1 2 3 4 5 6 7
mestre vs ventas trimestre vs ventas
7

6
f(x) = 6.49787752962001 exp( − 0.124354776659545 x )
3333 x + 5.9 5 R² = 0.635199223485785
4
4

0
4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9

rimestre vs ventas trimestre vs ventas

7

6
f(x) = 5.83197295344266 x^-0.340588905793572
068184 ln(x) + 5.48145889075371 5 R² = 0.392909962474601
32359

0
4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
mestre vs ventas

8571 x² + 0.65952380952381 x + 4.07857142857143

5

4 5 6 7 8 9
tas

76659545 x )

6 7 8 9

ntas

793572

6 7 8 9