UNIVERSIDAD NACIONAL DEL ALTIPLANO – FACULTAD DE INGENIERIA CIVIL Y

ARQUITECTURA – ESCUELA PROFESIONAL DE INGENIERIA CIVIL

1: Al estudiar la regresión lineal entre los ingresos medios (Y en $)

y el número de hijos por familia (X), se obtuvo la siguiente
información:

X´ =3,Y´ =700, S x =0.5 × √Cov xy

Estimar los ingresos de las familias con 4 hijos, ¿a cuántos hijos por
familia correspondería un ingreso estimado en $712?

SOLUCION:

^y
Usaremos la notación para representar un valor de Y calculado de la
Y =a+bX x^ ^y=a+b x^
ecuación cuando X es igual a . Esto es. .

ayb
Calculo de los parámetros

Cov xy
=b , a=Y´ −b X´
S x2

Calculo del parámetro b

S
¿
0.5 ×√Cov 2 Covxy 1
xy ¿ = =4
S x2 0.25
¿
Sx=0.5 × √Covxy ¿

b=4

Calculo del parámetro a

a=Y´ −b
a=700−4 × 3 a=688
X´

Por lo tanto, la recta de regresión es:

Y =688+ 4 X

Calculo de ingreso de familias con 4 hijos:

Y =688+ 4 × 4 Y =$ 704

Cantidad de hijos por familia con un ingreso de $712.

 712=688+ 4 X X =6 hijos

( x 1 , y1) ,…,( x n , y n)
2: Si n valores de (x, y) tienen índice de correlación
r, compruebe que la recta de regresión en las variables estandarizados
ZY y Zx
cuyos valores son

Zx
x i−´x yi− ZY =r × Zx
s x, = , para i=1,2,…,n, es
i
= ´y
Z y
i
sy

SOLUCION:

Ecuacion lineal → Y = a + bx

La recta pasa por (x , y) entonces:

x=
∑ xi y ∑ yi
n = n

Por ecuación punto pendiente de una recta tenemos:

y− y =b ( x−x )luego dividimos entre Sy

( Y −Y )
b = ( X −X )
Sy Sy

b Sx ( X − X ) Sx
Zy = ( X −X ) →Zy=b =b Zx …….(I )
Sy Sy Sx Sy

Por otro lado: b = Cov xy / (Sx) y r = Cov xy / (Sx.Sy)

Se obtienen lo siguiente:

Sx. Sy. r Sy .r
b= Sx . Sx = Sx
 r=b
→ Sx reemplazando esta igualadad en I
S

Rpta: Zy = r . Zx

3: En el estudio de la producción diaria (Y) de un bien y los años de

servicio (x) de los empleados de la fábrica se usó una recta de
regresión lineal simple aplicando una muestra de 4 empleados. Si
producciones observadas fueron 10, 8, 6, 14 y las producciones
estimadas respectivas resultaron: 10.8, 8.2, 5.6, 13.4, ¿Qué
porcentaje de la varianza de la producción es explicada por la recta de
regresión?

SOLUCION:

Para determinar la recta de regresión de mínimos cuadrados a partir de los

datos, es decir para calcular a y b se dispone del cuadro:

X Y X*Y 2 2
X Y
10 10.8 108 100 116.64
8 8.2 65.6 64 67.24
6 5.6 33.6 36 31.36
14 13.4 187.6 196 179.56
38 38 394.8 396 394.8
De donde se obtiene:

n=4,∑ x=38,∑ y=38,∑ x y=394.8

∑ x =396,∑ y =394.8
2 2

38 38
X´ = =9.5Y´ = =9.5
4 4

Una forma de calcular b es:

∑ xy 394.8
Sxy = −X´ Y´x = −9.5× 9.5=8.45
Sn y 4
 2
∑x ´ 22 396
S2 x= −X S x= −9.5 × 9.5=8.75
n 4
Covxy 8.45
b= = =0.96
2
Sx 8.75

a=Y´ −b a=9.5−0.96 × 9.5 a=0.38

X´

Por lo tanto, la recta de regresión es:

Y =0.38+ 0.96 X

Calculamos la varianza

y− ´y ¿2
¿
10.8−9.5¿2
¿
¿
4

∑¿
1
0.965 *100 = 96.5%
¿
n

∑¿
1

Sy 2
=¿

4: con el fin de tener un modelo de regresión lineal entre ingresos

mensuales y gastos de educación de las familias, se obtuvo un
coeficiente de determinación del 90.25%, medias respectivas de $420
y
$120, y desviaciones estándar respectivas de $10 y 7$. Con el modelo
de regresión obtenido

a) ¿En cuánto se estima los gastos por educación de una familia cuyo
ingreso mensual es de $300?
b) Si una familia estima su gasto por educación en $370, ¿cuánto
debería ser su ingreso mensual?
c) Si una familia tiene un aumento de $50, ¿en cuánto se
incrementaría la estimación de sus gastos en educación?
 SOLUCION:

Datos:

X´ =420 , Y´ =120, S x =10, S y =7

Calculamos r

r2=90.25 ÷ 100=0.9025; r =0.95

Covxy Covxy
r= = =0.95;
=66.5
Cov
xy
Sx × 10 ×7
Sy

Sy
b=r×
Sx

7
b=0.95 × =0.665
10

a=Y´ −b a=120−0.665 ×420 a=−159.30

X´

Por lo tanto, la recta de regresión es:

Y =−159.30+0.665 X

Gasto mensual:

Y =−159.30+0.665 X ; Y =−159.30+0.665 (300) ; Y =$ 40.2

Ingreso mensual:

Y =−159.30+0.665 X ; 370=−159.30+0.665 X ; X =$ 795.93

Incremento de gastos:

Y =0+ 0.665 X ; Y =0+ 0.665(50) ; Y =33.25

5: (taller de regresión lineal simple). Se realizó un estudio estadístico

para determinar un modelo de regresión lineal simple con el fin de
predecir el monto de las ventas semanales de un producto en función de
la demanda. De una muestra de montos de ventas (Y en cientos de
soles) y demandas semanales X (en unidades del producto) resultaron las
siguientes estadísticas:
 X´ =50 ,Y´ =300, S x =4.487, S y =175, Cov xy =765.6

a) Obtenga el modelo de regresión planteado

b) ¿quetanto porciento de la variabilidad de Y es explicada por la
regresión? ¿Qué opina Ud. Sobre la bondad de ajuste del modelo
a los datos de la muestra?
c) Si el modelo obtenido es el adecuado, pronostique el monto de
venta para una semana que tenga una demanda de 60 und del
producto.
d) ¿Cuánto fue la demanda en una semana donde el monto de venta
llego a 1060.536?
e) ¿es la variabilidad de las ventas menor que la variabilidad de la
demanda?

SOLUCION:

X´ =50 ,Y´ =300, S x =4.487, S y =175, Cov xy =765.6

Cov xy Sy
Cov
b= xy yr = ; b=r ×
2
Sx Sx × S y Sx

765.6 175
r= =0.975 ; b=0.975× =38.02
4.487 × 175 4.487

a=Y´ −b a=300−38 ×50 a=−1600

X´

Por lo tanto, la recta de regresión es:

Y =−1600+38 X

Calculamos la varianza
765.6
r= =0.975 ; r2=0.95
4.487 × 175

Pronostico Yest:

Y =−1600+38 (60)=680

1060.536=−1600+38 X ; x=70.01
Demanda:
 6: Al estudiar la relación entre el costos(X) y las utilidades (Y) en
dólares de ciertos productos a partir de una muestra se obtuvo la
siguiente información:

S x =5 S y =4 X´ =100 Y´ =50Y =−26+0.76 X

a) ¿Qué porcentaje de la varianza de las utilidades es explicada por

la regresión de utilidades sobre costos?
b) ¿es la variabilidad conjunta mayor que 20?
c) ¿se confirma que la variabilidad de los costos es mayor que la
variabilidad de las utilidades?

SOLUCION:

Y =−26+ 0.76 X
De la ecuación tenemos: ; a=-26 y b=0.76
Sy
b=r× ; 0.76= 4
Sx r× ; =0.95
r5

a) porcentaje de variabilidad

r=0.95; r 2=0.9025 ×100=90.25

b) La variabilidad conjunta

Covxy Covxy
r= S x × ; 0.95= ; Cov =19
Sy 4 ×5 xy

7: Una compañía de alimentos maneja una cadena de tiendas al

menudeo. Para medir la eficiencia en las tiendas se estudio la relación
del numero de empleados (X) y el promedio del volumen de ventas
mensuales (Y) en cientos de dólares para todas las tiendas durante el
año pasado. La grafica de los datos sugiere una relación lineal entre las
variables. Se tienen la siguiente información.

n
100,  X  600, Y   XY  X 2
 Y 2
 37700
1600, 13600, 5200,

a) Obtenga el modelo de regresión lineal simple para predecir las

ventas a partir del numero de empleados. ¿en cuanto se estiman
las ventas para una tienda de 8 empleados?
b) ¿Que porcentaje de la varianza de las ventas es explicada por la
variabilidad del numero de empleados?
 c) ¿Cuántos empleados tiene la tienda cuya venta promedio se
estima en $1,100?

Solución

a) la ecuación de la regresión lineal esta dado por

y  a  bx

 n xy   x
b
y n x 2    x
 2
Donde: a  y  bx

Reemplazando datos hallamos b

 100   13600    600   1600 

b
 100   5200    600  2
b  2.5

Luego hallamos a

a  y  bx
1600  600
a  2.5 
 
100  100 
a

Reemplazando los valores de a y b tenemos la ecuación de la regresión lineal

y1
2.5x

Luego: la estimación de ventas de 8 empleados será

y  1  2.5x
y  1  2.5 
y  21$

8

b) calculamos el coeficiente de correlacion

 r
 xy  nxy  x y
 x2  nx   y2  ny
2 2

 13600    100   6   16 
r
 5200   100  6  2 37700   100  16  2
r  0.909
 r2  0.826

El porcentaje de varianza es de
82.6%
c) el numero de empleados será

y  1  2.5x
11  1 
2.5x
 x4

8: (taller de regresión lineal simple). En una muestra de 10 adultos se

registraron las siguientes mediciones de edad en años (X) y la
hipertensión arterial (HTA) (Y):

X 38 42 43 46 48 50 54 60 65 67
Y 120 124 135 138 135 140 143 150 160 170

a) Indique la tendencia y obtenga la línea recta de regresión de la

HTA en función de la edad por el método de minimos cuadrados.
¿Qué opina usted de correlacion entre dos variables?
b) Compruebe la idoniedad del modelo lineal de regresión. Si el
modelo es apropiado pronostique la HTA de un adulto de 70 años.
c) De seguir la tendencia, ¿Cuánto se espera aumente la HTA para
el próximo año?

Solución

De la tabla hallamos los siguientes valores

n
10,  X  513, Y   XY  X 2
 Y 2
 202319
1415, 73913, 27207,

a) la ecuación de la recta de regresión de la HTA esta dado por

y  a  bx
  n xy   x y
b
n x 2    x  2
 a  y  bx
Donde:

Reemplazando datos hallamos b

 10   73913   513  1415 

b
 10   27207    263169 
b

Luego hallamos a

a  y  bx
1415  513
a  2.5 
 
100  100 
a  65.222

Reemplazando los valores de a y b tenemos la ecuación de la regresión lineal

y  65.222 
1.4869x

Luego, calculamos el coeficiente de correlacion

r  xy  nxy  x y
 x2  nx  y2  ny
2 2

 73913   10   51.3  141.5 

r
 27207   10  51.3 2 202319  10  141.5  2
r  0.96885  0

Se dice que hay una correlacion directa positiva en ambas variables

aumentan(disminuyen) simultaneamente

 r 2  0.93867

Concluimos que se realizo un buen ajuste y es mas útil la recta de regresión

como instrumento de prediccion

b) pronosticamos la HTA de un adulto de 70 años

 y  65.222  1.4869x
y  65.222  1.4869  70 
y
169.305

c) pronosticamos la HTA del próximo año

y  65.222  1.4869x
y  65.222  1.4869  71
y
170.792

Entonces el aumento de la HTA es

  170.792 169.305
  1.487

9: Un editor tomo una muestra de 7 libros anotando el precio y el

numero de paginas respectivo, obteniendo los siguientes datos:

No. De 630 550 400 250 370 320 610

paginas
Precio 10 8 7 4 6 6 9
($)

a) determine una función lineal entre el precio y el número de

páginas con el fin de predecir precios ¿ que porcentaje de la
varianza total de precios se explica por esta función?.
b) ¿Estimar el precio de un libro de 300 páginas. Si este libro se le
incrementa 20 páginas en una segunda edición, ¡en cuanto se
incrementara su precio?
c) ¿Cuántas paginas debería tener un libro cuyo precio se estima en
$12.277

Solución

De la tabla hallamos los siguientes valores

n  7,
 X  3130,Y  50,  XY  24130,  X 2
Y 2
 382
1533300,
 a) la ecuación de la recta de regresión para predecir precios esta
dado por

y  a  bx

 n xy   x
b
y n x 2    x
 2
Donde: a  y  bx

Reemplazando datos hallamos b

 7   24130    3130   50 
b
 7   1533300    9796900 
b  0.0133

Luego hallamos a

a  y  bx
50  3130
a  0.0133 
 
7  7 
a

Reemplazando los valores de a y b tenemos la ecuación de la regresión lineal

y  1.2 
0.0133x

Luego, calculamos el coeficiente de correlacion

r  xy  nxy  x y
 x2  nx  y2  ny
2 2

 24130    7   44.71  7.14 

r
 1533300   7  44.71 2 382   7  7.14  2
r  0.945
 r 2  94.5%
 b) estimamos el precio del libro de 300 paginas

y  1.2  0.0133x
y  1.2  0.0133  300 
y  5.19$

c) el numero de paginas sera

y  1.2  0.0133x
y  1.2  0.0133x
y  832.33  833
paginas

10: Una muestra de 5 varones adultos de quienes se observaron las

estaturas (X en pies, pulgadas) y los pesos (Y en libras)ha dado los
siguientes resultados

X 5’1” 5’2” 5’3” 5’4” 5’5”

Y 125 130 140 145 160

a) realice una regresión lineal y utilice los datos para verficar que la
varianza total de Y es igual a la varianza residual mas la varianza
explicada por la recta de regresión
r2
b) usando la descripción de la varianza calcule e interprete el
resultado

Solución

12. un fabricante quiere obtener un modelo de regresión lineal simple

entre la edad en años (X) de un tipo de maquinas que vende para
producir un bien y el numero de artículos (Y) producidos. A partir de
la muestra de la tabla siguiente:

a) obtenga la recta re regresión y realice la predicción de la

producción para 4, 7 y 8 años
 b) ¿en cuantos años aproximadamente las maquinas dejaran de
producir por edad?
c) Si realmente en cada maquina de la muestra produce 10 artículos
menos determinar la recta de regresión ¿Cuánto es el porcentaje
de la varianza explicada por la regresión de la producción?

X Y
2 95
3 7,.8
0
4 ….
5 75
6 60
7 …
8 …
9 45,5
0
10 25

Solución

De la tabla hallamos los siguientes valores

n  6,
 X  35, Y   XY  X 2
 Y 2
 25957.89
371.3, 1796.9, 137863.69,

a) la ecuación de la recta de regresión para predecir precios esta dado

por

y  a  bx

 n xy   x
b
y n x 2   
 x 2
Donde: a  y  bx

Reemplazando datos hallamos b

  6   1796.9    35   371.3
b
 6   225   1225 
b  7.259

Luego hallamos a

a  y  bx
35  371.3
a  7.259 
 
6  6 
a  455.04

Reemplazando los valores de a y b tenemos la ecuación de la regresión lineal

y  455.04 
7.259x

12: sea Y el índice de precion al consumidor, tomando como base al año

2000 (es decir 2000=100). Para los datos que siguen:

a) obtenga la recta de minimos cuadrados que se ajuste a los datos.

b) Realice la predicción del índice de precios para el año 2008 y
compararlo con el valor verdadero (144.4). ¿en que año podemos
esperar que el índice de precios sea 150.57, suponiendo que las
tendencias presentes continúen?

Solución

De la tabla hallamos los siguientes valores

n  7,
 X  14028, Y  841.4,  XY  X 2
 Y 2
 101670.54
1686287.2, 28112140,

a) la ecuación de la recta de regresión para predecir precios esta dado

por

y  a  bx
  n xy   x y
b
n x 2    x  2
 a  y  bx
Donde:

Reemplazando datos hallamos b

 7   110.1   14028   841.4 

b
 7   28112140    196784784 
b  4.3429

Luego hallamos a

a  y  bx
841.4  14028
a 4.3429  
7   7 
a  8582.97

Reemplazando los valores de a y b tenemos la ecuación de la regresión lineal

y  8582.97  4.3429x

b) pronosticamos los beneficios para un gasto de 5%

y  8582.97  4.3429x
y  8582.97  4.3429  150.57 
y(año)  2010.99  2011

13. los porcentajes en gastos de publicidad y los porcentajes de

beneficios netos de ventas en una muestra de 9 negocios de pequeños
comerciantes es como sigue:

a) Halle la ecuación de regresión lineal simpe para predecir

beneficios netos.
 b) ¿Es idóneo la recta de regresión propuesto?. Si lo es,
pronostique el beneficio para un negocio que gasta 5% en
publicidad.

Solución

De la tabla hallamos los siguientes valores

n
9,  X  22.2, Y   XY  X 2
 Y 2
 197.98
40.8, 110.1, 61.92,

a)

la ecuación de la recta de regresión para predecir precios esta dado por

y  a  bx

 n xy   x
b
y n x 2   
 x 2
Donde: a  y  bx

Reemplazando datos hallamos b

 9   110.1   22.2   40.8 

b
 9   61.92    492.84 
b

Luego hallamos a

a  y  bx
40.8  22.2
a  1.3212 
 
9  9 
a

Reemplazando los valores de a y b tenemos la ecuación de la regresión lineal

y  1.2744 
1.3212x

c) pronosticamos los beneficios para un gasto de 5%

y  1.2744  1.3212x
y  1.2744  1.3212 
y  7.88

5
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA CIVIL Y ARQUITECTURA
ESCUELA PROFESIONAL DE INGENIERIA CIVIL

CURSO : ESTADISTICA

TEMA : TRABAJO ENCARGADO

SEMESTRE : 3ERO “B”

DE : CHAYÑA SANDOVAL
JEHYSON ARNOL (Cod. 130359)

A : ING. NESTOR TIPULA QUISPE

PUNO 14 de enero de 2016