SEMANA 1

Actividad No. 1

Tenemos cinco observaciones para dos variables, x y y. Trace el diagrama de dispersión para los

datos que se proporcionan.

Actividad No. 2

En los siguientes diagramas diga cuándo la relación entre las variables y (variable dependiente) y x
(variable independiente) son directa, inversa o no existe relación entre las mismas. Justifique cada
respuesta.

A. Diagrama de dispersión con pendiente directa (Positiva)

B. Diagrama de dispersión inversa (negativa)
C. Diagrama de dispersión no existe relación alguna.
Actividad No. 3

Plantee en cada caso la definición y diferencias fundamentales entre los términos que se le ofrecen
a continuación.

a) Regresión y Correlación.
El análisis de regresión consiste en emplear métodos que permitan determinar la
mejor relación funcional entre dos o más variables concomitantes (o relacionadas). El
análisis de correlación estudia el grado de asociación de dos o más variables.
b) Variables dependientes e independientes.
Una variable dependiente es aquella cuyos valores dependen de los que tomen
otra variable. La variable dependiente en una función se suele representar por y.
La variable dependiente se representa en el eje ordenadas.
c) Relación directa, inversa y no relación entre variables
Si la covarianza es positiva ambas variables crecerán o decrecerán a la vez (relación
directa). Si la covarianza es negativa cuando una de las variables crece la otra decrece
(relación inversa).

SEMANA 2

Actividad No. 1

Una aplicación importante del análisis de regresión en contabilidad es para determinar costos.

a) Use los datos de la siguiente tabla para deducir una ecuación de regresión con la que se
pueda predecir el costo total para determinado volumen de producción. 33,700
 La ecuación de regresión es
Y = 1250 + 7.6X

b) Calcule el coeficiente de determinación.

Coeficiente de determinación
0.959

¿Qué porcentaje de la variación en el costo total puede explicar el volumen de producción?

El 95.9% del costo total

c) El programa de producción de la empresa indica que el mes próximo se deben producir 500
unidades. ¿Cuál será el costo total estimado para esta operación?
Y = 1250 + 7.6X
Y = 1250 + 7.6(500)
Q. 5,050.00
 d) Empleando α = 0.05 determine si el volumen de producción se relaciona apreciablemente
con el costo total. ¿Cuál es su conclusión?
Si se relaciona ya que se trabajo al 0.05 de significancia.

Actividad No. 2

Califique como falso (F) o verdadero (V), cada enunciado.

___V__ Una correlación r2= 0.25 puede considerarse como débil.

___V__ La correlación entre dos variables, puede ser nula, débil o fuerte.

__ F __ En un contraste de hipótesis de la correlación, el estadístico de prueba siempre debe ser z.

___F__ Teóricamente, los modelos de regresión sólo deben utilizarse en el rango de los valores
derivados de la variable independiente.

___F_ β0 es equivalente a la pendiente de la recta de regresión poblacional.

__F__ H0: ℓ = 0, puede rechazarse utilizando la regla práctica aproximada

Actividad No. 3

Un hospital de Ciudad Guatemala contrató a un sociólogo para investigar la relación entre la

cantidad de días que faltan sin permiso los empleados, por año, y la distancia, en kilómetros, de su
hogar a su trabajo. Se eligió una muestra de 10 empleados y se reunieron los siguientes datos:

a. Construya el Diagrama de dispersión.

 Gráfica de dispersión de Dias ausentes vs. Distancia al trabajo
16

14

12
Dias ausentes

10

0 5 10 15 20 25 30
Distancia al trabajo

b. Dado el diagrama de dispersión ¿cree usted que es adecuado trabajar con una regresión
lineal?

R// Si, por la forma de agrupación de datos.

c. Determine la ecuación de regresión que relaciona los días ausentes con la distancia al
trabajo y realice el diagrama donde aparezca la línea de mejor ajuste para estos datos.

La ecuación de regresión es
Días ausentes = 4.230 + 0.1725 Distancia al trabajo

d. De acuerdo con la ecuación de regresión ¿cuántas ausencias deberá tener un trabajador

que vive a 18 kilómetros de distancia

4.230+0.1725(18) = 7.29

e. ¿Qué valor tienen los coeficientes de correlación y de determinación? Interprételos

El valor del coeficiente de correlación (Pearson) es: 0.395 y el del coeficiente de

determinación: 0.1557 (15.57%). La relación entre variables es directa (la pendiente es
positiva). La ecuación de regresión construida explica el 15.57% de las ausencias. Las
ausencias quedan explicadas por la distancia a que viva.

f. ¿Existe una relación significativa entre las ausencias al trabajo y la distancia al trabajo? Use
α = 0.05. (Pvalue)
 P>0.05= Se rechaza la Ho
P<0.05= Se acepta la Ho

P=0.259

Se acepta la hipótesis alternativa, por lo tanto, concluimos que no es significativa a la

relación de la distancia a las ausencias de los trabajadores.

g. ¿Qué dificultades tendría al estimar el número de ausencias de un trabajador que viva a 40

km?

R// La dificultad para estimar es debido a la distancia muy larga de acuerdo con el lugar
de trabajo.

4.230+0.1725(40) =

SEMANA 3
A continuación, se muestran los datos correspondientes a veinte empleados del Club de Salud de
una prestigiosa Universidad de Guatemala, en una prueba de salud consistente en evaluar el ritmo
cardíaco en reposo y el tiempo en recorrer 1.5 km.
a) Construya la ecuación de regresión para los datos de la tabla anterior.

La ecuación de regresión es
Tiempos = 98.3 + 4.425 Pulsaciones x minuto

b) Determine el coeficiente de correlación. ¿Será la relación entre las pulsaciones por minutos
y el tiempo que demoran los empleados que integran el Club de salud directa o inversa?
Justifique su respuesta.

Correlaciones
Correlación de Pearson 0.465
Valor p 0.039

La relación es positiva lo que significa que sí existe una relación significativa entre las
variables.

c) Determinar el coeficiente de determinación. Interprételo.

El coeficiente de determinación: 0.2160(21.6%). La relación entre variables es directa (la

pendiente es positiva). La ecuación de regresión construida explica el 21.60% de las
pulsaciones por minuto recorrido.
Ejercicio No. 2

El número de vendedores que emplea una comerciante de coches varía de cuatro, el valor más bajo,
a ocho, el más alto. ¿Depende el número de nuevos coches vendidos “y”, del número de vendedores
“x”? Para aclarar esta cuestión, el gerente de ventas examinó los registros de las ventas para los
últimos cuatro meses y localizó un período de ocho semanas durante el cual no se utilizaron
programas de estímulos especiales. El número de coches vendidos semanalmente “y” y el número
de vendedores “x” se muestran en la tabla siguiente:

a) Determine la ecuación de la línea de mejor ajuste.

La ecuación de regresión de línea ajustada es

Autos vendidos = - 0.500 + 2.891 Vendedores

b) Estime el número de coches vendidos semanalmente cuando el comerciante emplea seis

vendedores.

0.500 + 2.891 (6) = 17.846

c) Calcule el coeficiente de determinación y el coeficiente de correlación. Interprete cada una

de ellos en el contexto de este problema.

El valor del coeficiente de correlación (Pearson) es: 0.768 y el del coeficiente de

determinación: 0.5902 (59.02%). La relación entre variables es directa (la pendiente es
positiva). La ecuación de regresión construida explica el 59.02% de autos vendidos con
significancia al número de vendedores.

d) ¿Proporcionan los datos evidencia para indicar que el número de vendedores y el número
de nuevos coches vendidos están correlacionados positivamente? Justifique.

Según el P-Value al momento de aceptar la Ho concluimos que si se proporcionan datos

para la evidencia del caso.
 e) ¿Cree usted que la dependencia entre variables puede ser caracterizada como fuerte?
Justifique su respuesta.

Sí, al momento de tener dependencia una de la otra significativamente la hace fuerte.

Autoevaluación de la Unidad No. 1

Supongamos que un analista toma una muestra aleatoria de 10 embarques recientes por camión
realizados por una compañía y registra la distancia en kilómetros y el tiempo de entrega del
embarque. Considere la distancia como variable independiente.

El valor de la intercepción con el eje y es:

b. 0.12

La pendiente de la línea de mejor ajuste es:

h. 0.89

Los días estimados para la entrega de un embarque de una distancia de 910 kilómetros es de:

j. 3.76 ES EL QUE MAS SE APROXIMA (3.38)

¿Qué por ciento del tiempo de demora es explicado por la distancia en esta regresión?

p. 0.89 = 0.8881

El coeficiente de correlación de los datos con que se está trabajando es:

q. 0.9489

El coeficiente de determinación de los datos analizados es:

v. 0.9004
¿Podría utilizarse con seguridad la misma ecuación de regresión para estimar el tiempo de entrega
de un embarque de 2500 millas?

y. Sí

¿La regresión como un todo es o no significativa?

a. Sí

¿La relación que existe entre el tiempo de demora del paquete y la distancia es positiva?

b. Sí

La ecuación de mejor ajuste es: Tiempo de entrega = 0.1181 + 0.003585x(Distancia)