EJERCICIOS

ANÁLISIS DE REGRESIÓN LINEAL, CORRELACIÓN Y DIAGRAMAS DE DISPERSIÓN

Fecha:25 JULIO 2022

Nombre del estudiante: Katia Lizbeth Carreón Proa
Nombre del docente: Luis Orozco Ochoa

1. Con base en el material consultado en la unidad resuelve los ejercicios que se plantean
acerca de los siguientes temas:

 Diagrama de dispersión
 Coeficiente de correlación
 Análisis de regresión lineal simple

Ejercicios sobre diagramas de dispersión, correlación y regresión lineal:

1. Revisa el siguiente material:

Llinás, H. (2017). Estadística Inferencial [Versión electrónica]. Recuperado de

https://elibro.net/es/ereader/uvm/70060?page=338
Colección eLibro.net Pórtico UVM
Capítulo 6 Regresión Lineal y Correlación,
Epígrafe 6.1. El modelo de Regresión Lineal Simple
Páginas 377 a 379

2. Resuelve los ejercicios que se plantean en el material anterior.

Archivo Ejercicios Unidad 1.

 Página 377 Problemas 14.40,
 Página 378 Problemas 14.42,14.53
 Página 379 Problemas 14.54

3. Utiliza la Hoja de Cálculo o Minitab en el desarrollo de los ejercicios propuestos y

realiza captura de pantallas del proceso y resultados obtenidos.

Página 1 de 9
Ejercicios de sección 6.1 Tema Regresión lineal simple.

1. Una determinada empresa asigna diferentes precios a un dispositivo electrónico

de cierta marca en ocho ciudades diferentes del país. La tabla adjunta muestra el
número de dispositivos vendidos y los precios correspondientes (en miles de
pesos).

a) Elabore un diagrama de dispersión con estos datos y estime la regresión lineal de

las ventas sobre el precio.

Calculando los datos de la tabla

Precio Ventas
xy x^2
(x) (y)
60 400 24000 3600
50 440 22000 2500
65 380 24700 4225
45 450 20250 2025
50 420 21000 2500
55 420 23100 3025
60 380 22800 3600
65 350 22750 4225
SUMAS 450 3240 180600 25700

Ecuaciones

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦 8(180600) − 450(3240)
𝑎= = = −4.2581
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 8(25700) − 4502
∑ 𝑦 − 𝑎 ∑ 𝑥 3240 + 4.2581(450)
𝑏= = = 644.5161
𝑛 8
Finalmente, el modelo de regresión lineal
𝑦 = −4.2581𝑥 + 644.5161

Página 2 de 9
Diagrama de dispersión

Ventas (y)
500

450 y = -4.2581x + 644.52

400
Ventas

350

300

250
40 45 50 55 60 65 70
Precio

b). ¿Qué efecto se esperaría en las ventas si se produjera un incremento de 10.000

pesos en el precio?

Precio Ventas
xy x^2
(x) (y)
70 400 28000 4900
60 440 26400 3600
75 380 28500 5625
55 450 24750 3025
60 420 25200 3600
65 420 27300 4225
70 380 26600 4900
75 350 26250 5625
SUMAS 530 3240 213000 35500

Ecuaciones

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦 8(213000) − 530(3240)
𝑎= = = −4.2581
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 8(35500) − 5302

Página 3 de 9
 ∑ 𝑦 − 𝑎 ∑ 𝑥 3240 + 4.2581(530)
𝑏= = = 687.0991
𝑛 8
Finalmente, el modelo de regresión lineal
𝑦 = −4.2581𝑥 + 687.0991

Ventas (y)
500

450 y = -4.2581x + 687.1

400
Ventas

350

300

250
40 45 50 55 60 65 70 75 80
Precio

Para P=100
Modelo inicial=−4.2581(100) + 644.5161 = 218.7061 𝑣𝑒𝑛𝑡𝑎𝑠
Modelo modificado=−4.2581(100) + 687.0991 = 261.2891 𝑣𝑒𝑛𝑡𝑎𝑠
Se tendrá mayores ventas si se incrementa ese costo de 10.000

2. Los datos de 13 personas que aparecen en la siguiente tabla representan el

incremento porcentual en sus inversiones en dos tipos de acciones, A y B, durante
un mismo periodo de tiempo:

(a) Estime la recta de represión de y sobre x

A (x) B (y) xy x^2

2.8 20.3 56.84 7.84
2.2 -3.7 -8.14 4.84
-1.6 27.7 -44.32 2.56
-1.3 22.6 -29.38 1.69
5.6 2.3 12.88 31.36

Página 4 de 9
 -1.4 11.9 -16.66 1.96
1.4 27 37.8 1.96
1.5 -4.3 -6.45 2.25
-4.7 20.3 -95.41 22.09
1.1 4.2 4.62 1.21
1.5 14.9 22.35 2.25
0.2 -9.2 -1.84 0.04
-0.1 19.6 -1.96 0.01
SUMAS 7.2 153.6 -69.67 80.06

Ecuaciones

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦 13(−69.67) − 7.2(153.6)
𝑎= = = −2.0341
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 13(80.06) − 7.22
∑ 𝑦 − 𝑎 ∑ 𝑥 153.6 + 2.0341(7.2)
𝑏= = = 12.9420
𝑛 13
Finalmente, el modelo de regresión lineal
𝑦 = −2.0341𝑥 + 12.9420

ACCIONES B (y)
30

25

20

15

10

5
y = -2.0341x + 12.942
0
-6 -4 -2 0 2 4 6 8
-5

-10

-15

(b) Interprete el valor del intersecto y de la pendiente de la recta de represión muestral.

Página 5 de 9
 Se observa que la recta posee una tendencia negativa, lo que significa que a
mayor crece la tendencia de A, menor es la acción de B.

3. Los siguientes datos representan la variación en el ´índice de inflación (x) y la

variación en la tasa de deserción escolar (y):

(a) Estime la regresión lineal de estas dos variables.

x y xy x^2
1 -0.4 -0.4 1
-0.3 -0.1 0.03 0.09
-0.7 0.2 -0.14 0.49
0.7 -0.1 -0.07 0.49
2.9 -0.8 -2.32 8.41
-0.8 0.2 -0.16 0.64
-0.7 0.2 -0.14 0.49
-1 0.2 -0.2 1
-0.2 0.2 -0.04 0.04
-0.1 0.2 -0.02 0.01
1.4 0.2 0.28 1.96
SUMAS 2.2 0 -3.18 14.62

Ecuaciones

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦 13(−3.18) − 0
𝑎= 2 2
= = −0.2243
𝑛 ∑ 𝑥 − (∑ 𝑥) 13(14.62) − 2.22
∑ 𝑦 − 𝑎 ∑ 𝑥 0 + 0.2243(2.2)
𝑏= = = 0.0449
𝑛 13
Finalmente, el modelo de regresión lineal
𝑦 = −0.2243𝑥 + 0.0449

Página 6 de 9
 GRAFICO DE DISPERSION
0.4

0.2

0
-2 -1 0 1 2 3 4
-0.2

-0.4

-0.6 y = -0.2243x + 0.0449

-0.8

-1

(b) Interprete la pendiente estimada de la recta de regresión.

La pendiente es negativa, esto indica una relación inversamente proporcional entre

las variables.

4. La siguiente tabla contiene datos acerca de las ventas anuales y (en millones de
pesos) de cajas y los gastos de publicidad x (en miles de pesos) para 8 marcas
principales de colores:

(a) Estime la regresión lineal de y sobre x.

x y xy x^2
75 24 1800 5625
80 18 1440 6400
85 16 1360 7225
65 15 975 4225
60 12 720 3600
55 10 550 3025
60 12 720 3600
85 28 2380 7225
SUMAS 565 135 9945 40925

Página 7 de 9
Ecuaciones

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦 8(9945) − 565 ∗ 135

𝑎= = = 0.4018
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 8(40925) − 5652
∑ 𝑦 − 𝑎 ∑ 𝑥 135 − 0.4018(565)
𝑏= = = −11.5021
𝑛 8
Finalmente, el modelo de regresión lineal
𝑦 = 0.4018𝑥 − 11.5021

GRAFICO DE DISPERSION
30

25
y = 0.4018x - 11.505
20

15

10

0
50 55 60 65 70 75 80 85 90

(b) Interprete la pendiente estimada de la recta de regresión.

La pendiente es positiva, indica una relación directa entre las variables. A mayores
gastos de publicidad mayores serán las ventas.

Página 8 de 9
Bibliografía
Pontificia Universidad Católica de Chile. (2014). REGRESIÓN LINEAL. Obtenido de
https://revistachilenadeanestesia.cl/regresion-
lineal/#:~:text=La%20regresi%C3%B3n%20lineal%20permite%20predecir,y%20h
omogeneidad%20de%20las%20varianzas.
IBM. (2021). ¿Qué es la regresión lineal? Obtenido de https://www.ibm.com/mx-
es/analytics/learn/linear-regression

Página 9 de 9