Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 17 vistas

    Taller Estadistica.

    Cargado por

    jcrodriguez980612
    Este documento presenta dos ejemplos de relaciones entre variables cuantitativas para analizar la regresión lineal y correlación. En el primer ejemplo, se analiza la relación entre horas trabajadas y unidades de zapatos producidas en un taller, encontrando una correlación directa y excelente. En el segundo ejemplo, se estudia la relación entre gastos en publicidad de candidatos y votos obtenidos, encontrando una correlación aceptable pero no del todo conveniente para pronosticar votos. Ambos ejemplos incluyen el cálculo de ecuaciones de regresión lineal

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Taller Estadistica.

    Cargado por

    jcrodriguez980612
    17 vistas5 páginas
    Este documento presenta dos ejemplos de relaciones entre variables cuantitativas para analizar la regresión lineal y correlación. En el primer ejemplo, se analiza la relación entre horas trabajadas y unidades de zapatos producidas en un taller, encontrando una correlación directa y excelente. En el segundo ejemplo, se estudia la relación entre gastos en publicidad de candidatos y votos obtenidos, encontrando una correlación aceptable pero no del todo conveniente para pronosticar votos. Ambos ejemplos incluyen el cálculo de ecuaciones de regresión lineal

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta dos ejemplos de relaciones entre variables cuantitativas para analizar la regresión lineal y correlación. En el primer ejemplo, se analiza la relación entre horas trabajadas y unidades de zapatos producidas en un taller, encontrando una correlación directa y excelente. En el segundo ejemplo, se estudia la relación entre gastos en publicidad de candidatos y votos obtenidos, encontrando una correlación aceptable pero no del todo conveniente para pronosticar votos. Ambos ejemplos incluyen el cálculo de ecuaciones de regresión lineal

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    17 vistas5 páginas

    Taller Estadistica.

    Cargado por

    jcrodriguez980612
    Este documento presenta dos ejemplos de relaciones entre variables cuantitativas para analizar la regresión lineal y correlación. En el primer ejemplo, se analiza la relación entre horas trabajadas y unidades de zapatos producidas en un taller, encontrando una correlación directa y excelente. En el segundo ejemplo, se estudia la relación entre gastos en publicidad de candidatos y votos obtenidos, encontrando una correlación aceptable pero no del todo conveniente para pronosticar votos. Ambos ejemplos incluyen el cálculo de ecuaciones de regresión lineal

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 5

    1

    Actividad N° 2: Tarea: Regresión lineal y correlación. (Grupal)

    ESTUDIANTES:

    GRUPO:

    DOCENTE:
    Héctor Guillermo Moreno

    UNIDADES TECNOLOGICAS DE SANTANDER


    FACULTAD DE CIENCIAS SOCIOECONOMICAS Y EMPRESARIALES

    2024
    2

    1. En las siguientes tablas, se registraron el número de horas trabajadas, en un taller de


    zapatería de la ciudad de Bucaramanga, y las unidades producidas de zapatos.

    Horas ( X ) Producción ( Y )
    80 300
    79 302
    83 315
    84 330
    78 300
    60 250
    82 300
    85 340
    79 315
    84 330
    80 310
    62 240

    a. Determinar la correlación si existe de las dos variables y ¿qué tipo de correlación es?

    X (horas) Vs Y
    400 (Produccion)
    350

    300 y = 3,4734x + 31,741


    R² = 0,9101
    250

    200

    150

    100

    50
    0 10 20 30 40 50 60 70 80 90
    0

    Es lineal y Directa.

    b. Calcular el coeficiente de correlación. R = 0,953994158

    El coeficiente de correlación esta entre 0,90 y 1 la relación es Excelente.


    3

    c. Encontrar la recta de regresión.

    Y= 3,4734 X + 31,7411

    1. El valor de recursos gastados en campañas políticas de candidatos al concejo de Bucaramanga,


    en millones de pesos, y los votos obtenidos, se presentan en la siguiente tabla.

    No de Votos 13.000 14.000 18.000 20.000 10.000 15.000 11.000


    obtenidos por un
    candidato al
    concejo
    Gasto en 15 16 18 23 12 17 18
    Publicidad
    (millones)

    a. ¿Cuál es la variable independiente, y cuál la variable dependiente?

    La variable independiente son los gastos en publicidad en millones y la variable


    dependiente son los votos obtenidos por un candidato al concejo de acuerdo con los
    gastos hechos en publicidad.

    Gasto en Publicidad Vs No de Votos


    25000

    20000
    y = 867,65x - 321,43
    R² = 0,6587
    15000

    10000

    5000

    0
    0 5 10 15 20 25

    b. ¿Cuál es la correlación entre estas dos variables?

    La correlación es directa y aceptable porque el coeficiente de correlación se encuentra


    entre 0,8 y 0,9.
    4

    R = 0,811609507

    c. ¿Es conveniente utilizar el gasto en publicidad, para pronosticar el número de votos


    obtenidos? ¿Por qué?

    La correlación es apenas aceptable por lo que no es tan conveniente utilizar el gasto en


    publicidad para pronosticar el numero de votos obtenidos por un candidato al concejo.

    d. Establezca la ecuación de regresión lineal, que relaciona estas dos variables.

    Y= 867,6471 X - 321,4286

    2. El número de vehículos vendidos en una semana, por un concesionario en la ciudad de


    Bucaramanga, y las ventas de seguros de vehículos, en millones de pesos, se presentan en la
    siguiente tabla:

    No de Vehículos vendidos Ventas de seguros (Millones de $)


    12 7,0
    6 4,2
    14 9,0
    14 8,0
    9 4,6
    16 9,4
    9 5,8

    Suponiendo regresión lineal contestar:

    No de Vehiculos vendidos Vs Ventas de seguros


    10
    9
    8 y = 0,563x + 0,4226
    7
    6
    R² = 0,9354
    5
    4
    3
    2
    1
    0

    024681012 14 16 18
    5

    a. ¿Es conveniente utilizar el número de vehículos vendidos, para pronosticar el valor de las
    ventas de seguros de vehículos? ¿Por qué?

    Si es conveniente porque el coeficiente de correlación esta entre 0,9 y 1 que es excelente:

    R = 0,96718091

    b. Para una venta de 25 vehículos ¿Cuántos millones se espera, vender en seguros?

    Y= 0,5630 X + 0,4226

    Y= 0,5630 (25) + 0,4226 = 14,4981 Millones de Pesos.

    También podría gustarte