Universidad Nacional De

Trujillo

Facultad de Ingeniera Qumica

Escuela Profesional De Ingeniera Qumica

Tema: Regresin Lineal Simple

Curso: Estadstica General

Alumno: Angulo Gutirrez, Fredy Rolando

Aula: II - B

Docente: Tapia Sanchez Carlos Danter

Trujillo-Per
Noviembre 2014
 LABORATORIO 08

1. Los gastos semanales de publicidad y las ventas semanales de un laboratorio, en

dolares, para una muestra de diez semanas son:

GASTOS
SEMANALES DE 41 54 63 54 48 46 62 61 64 71
PUBLICIDAD
VENTAS
1250 1380 1425 1425 1450 1300 1400 1510 1575 1650
SEMANALES

a) Establece la recta de regresion de mnimos cuadrados que permita predecir las ventas
semanales en funcion de los gastos en publicidad.

n X Y X2 Y2 XY
1 41 1250 1681 1562500 51250
2 54 1380 2916 1904400 74520
3 63 1425 3969 2030625 89775
4 54 1425 2916 2030625 76950
5 48 1450 2304 2102500 69600
6 46 1300 2116 1690000 59800
7 62 1400 3844 1960000 86800
8 61 1510 3721 2280100 92110
9 64 1575 4096 2480625 100800
10 71 1650 5041 2722500 117150
564 14365 32604 20763875 818755

1800
nxyxy
b= 1600
nx2 (x)

10(818755)(564)(14365) 1400
b= 10(32604)(564)

b=10.787 1200

1000

b= - bX
800
b=1436.5-(10.787)(56.4)
600
b= 828.13
400

=b+bX 200

= 828.13+10.787x
0
0 10 20 30 40 50 60 70 80
b) Representa los puntos y la recta de los minimos cuadrados. Comenta

1800

1600

1400

1200

1000

800

600

400

200

0
0 10 20 30 40 50 60 70 80

Luego de obtener los datos de los minimos cuadrados logramos obtener la ecucacin lineal
que nis permitira predecir las ventas semanales de acuerdo al gasto efectuado.
= 828.13+10.787x

c) Interpreta la pendiente de recta de regresion.

Como se aprecia en la grafica, tenemos una pendiente positiva. A partir de ello podemos
decir que la relacion de las ventas con el gasto semanala es directamente proporcional.

d) Pronostica las ventas para gastos semanales de publicidad de 50 y 60 dolares.

y = 10.787x + 828.13
y = 10.787(50) + 828.13
y = 1367.48

y = 10.787x + 828.13
y = 10.787(60) + 828.13
y = 1475.35
 e) Cales son los errores de estimacin cuando se predice las ventas semanales para
gastos semanales de publicidad?

n Y Y-Y (Y-Y)2
1 1270.397 -20.397 416.037609
(yy)2 2 1410.628 -30.628 938.074384
SXY = 3
n2 1507.711 -82.711 6841.10952
4 1410.628 14.372 206.554384
36120.78
5 1345.906 104.094 10835.5608
SXY = 6 1324.332 -24.332 592.046224
102
7 1496.924 -96.924 9394.26178
SXY = 67.19 8 1486.137 23.863 569.442769
9 1518.498 56.502 3192.476
10 1594.007 55.993 3135.21605
14365.168 -0.168 36120.7796

2. Las calificaciones en un examen de Bioestadstica y el nmero de horas de estudio para

el examen, de una muestra de doce estudiantes de la seccin B de medicina, se presenta en
el siguiente cuadro:

TIEMPO DE
3 3 3 4 4 5 5 5 6 6 7 8
ESTUDIO
CALIFICACIN 9 12 11 12 15 14 16 15 18 16 15 17

a) Halla la recta de regresion de minimos cuadrados considerando la calificacin en el

examen como variable dependiente.

n X Y XX YY XY
1 3 9 9 81 27
2 3 12 9 144 36
3 3 11 9 121 33
4 4 12 16 144 48
5 4 15 16 225 60
6 5 14 25 196 70
7 5 16 25 256 80
8 5 15 25 225 75
9 6 18 36 324 108
10 6 16 36 256 96
11 7 15 49 225 105
12 8 17 64 289 136
59 170 319 2486 874
 20 y = 1.3199x + 7.6772

18

16

14

12

10

0
0 1 2 3 4 5 6 7 8 9

b) Interpreta la pendiente de la recta de regresion.

La pendiente de la grafia es positiva, a partir de ello podemos decir que la relacion del
tiempo de estudio con la nota es directamente proporcional.

c) Calcula el error estandar de estimacin Para que se utiliza esta medida?

n Y Y-Y (Y-Y)
(yy)2 1 11.627 -2.627 6.901129
SXY =
n2 2 11.627 0.373 0.139129
3 11.627 -0.627 0.393129
4 12.946 -0.946 0.894916
27.30 5 12.946 2.054 4.218916
SXY = 6 14.265 -0.265 0.070225
122
7 14.265 1.735 3.010225
SXY = 1.65 8 14.265 0.735 0.540225
9 15.584 2.416 5.837056
10 15.584 0.416 0.173056
11 16.903 -1.903 3.621409
12 18.222 -1.222 1.493284
169.861 0.139 27.292699
3. En un empresa se tiene interes en pronosticar el tiempo, en minutos, que toma a tender a
un ciente en caja (Y) y se decide utilizar como variable independiente el monto de las
compras en dolares (X). Se tomo una muestra de 18 clientes y se obtuvieron resultados X
= 861, X2 = 60323, XY= 5177.3, Y2 = 455.86.

a) Halla la recta de regresion que mejor se ajusta a los datos e interpreta la pendiente.
La recta de regresion est dada por la siguiente ecuacion:

nxyxy
b=
nx2 (x)
b= - bX
18(5177.3)(861)(75.4)
b= b=4.189-(0.082)(47.83)
18(60323)(861)

b= 0.082 b=0.267

=b+bX

=0.267+0.082X

b) Grafica la recta de regresion.

c) Utilizar el grafico de la recta de regresion para realizar dos predicciones de la variable
dependiente.

4. Para los puntajes de ansiedad (X) y de la aptitud acadmica (Y) de diez postulantes a un
trabajo se han obtenido los siguientes resultados: X = 847, X2 = 71927, Y = 446, Y2
= 20058, XY= 37615.
a) Halla la recta de regresion de minimos cuadrados que se ajusta a estos datos.

nxyxy
b=nx2 (x) b= - bX

10(37615)(847)(446)
b=44.6-(-0.866)(84.7)
b= 10(71927)(847)
b=117.95
b=-0.866

=b+bX
=117-0.866X

b) Interpreta la pendiente.

La pendiente es positiva, por lo tanto la relacion existente entre las variables es

directamente proporcional.

c) Grafica la recta de regresion.

5. La tabla de datos presenta datos ficticios para un estudio de adolescentes en riesgo de
desarrollar obesidd.

N de comidas rapidas consumidas en la

2 2 5 2 4 3 3 2
ltima semana
Peso (Kg) 50.8 59.4 77.6 72.6 82.6 74.8 67.6 62.1

a) Trace un diagrama de dispersion del peso regresionando a partir del nmero de comidas
rapidas consumidas en la ltima semana.
X Y X Y XY (Y-) (-)
2 50.8 4 2580.64 101.6 2296.80 3542.03
2 59.4 4 3528.36 118.8 3195.07 3542.03
5 77.6 25 6021.76 388 5583.82 6439.26
2 72.6 4 5270.76 145.2 4861.57 3542.03
4 82.6 16 6822.76 330.4 6356.07 5378.02
3 74.8 9 5595.04 224.4 5173.20 4412.28
3 67.6 9 4569.76 202.8 4189.32 4412.28
2 62.1 4 3856.41 124.2 3507.60 3542.03
23 547.5 75 38245.49 1635.4 35163.49 34809.98
 b) Calcule el coeficiente de correlacin R de Pearson para estas dos variables de Regresin
Y=B0 + B1X

b=
nxyxy b= - bX =b+bX
nx2 (x) =48.57+6.91 X
b=68.437-(6.91)(2.875)
8(1635.4)(23)(547.5)
b= b=48.57
8(75)(23)

b=6.91
coeficiente de corelacion de pearson:
Variacon explicita ()
r= =
Variacion total (Y)
34809.98
r= = 0.989
35163.49

r=0.989
r=0.994

6. La tabla contiene la edad (X) y la mxima de la presin sanguinea (Y) de un grupo de

10 mujeres:

EDAD 56 42 72 36 63 47 55 49 38 42
PRESION 14.8 12.6 15.9 11.8 14.9 13.0 15.1 14.2 11.4 14.1

a) Determine la recta de regresin y sobre X, justificando la adecuacin de un modelo

lineal.

18

16

14

12

10

0
0 10 20 30 40 50 60 70 80
 XYXY bi = 0.116
bi = 2 (x)2
b0 = y- bix
10(7029)500(137.8) b0 = 13.78- 0.116(50)
bi =
10(26192) (500)2
b0 = 7.98

Y = 7.98 + 0.116X

b) Interprete la pendiente.

La pendiente es positiva, eso quiere decir que la relacion x y es directamente proporcional.

c) Realice las siguiente predicciones:

Presion sanguinea de una mujer de 51 aos.

Y = 7.98 + 0.116X
Y = 7.98 + 0.116(51)
Y = 13,89

Presion sanguinea de una nia de 10 aos.

Y = 7.98 + 0.116X
Y = 7.98 + 0.116(10)
Y = 9.14

Presion sanguinea de un hombre de 55 aos.

Y = 7.98 + 0.116X
Y = 7.98 + 0.116(55)
Y = 14.36
7. El crecimiento de los nios desde la infancia a la adolecencia generalmente sigue un
praton lineal. Se calcul una recta de regresion mediante el mtodo de mnimos cuadrados
con datos de alturas de nias norteamericanas de 4 a 9 aos y el resultado fue: 0 = 80 y 1
= 6. La variable dependiente Y es la altura en cm y X es la edad en aos.

=80
=6
= +X
=80+6X

a) Interprete los valores estimados del intercepto y de la pendiente.

La recta de regresion interceptara al eje coordendas en y=80 ;La pendiente es

positiva, eso quiere decir que la relacion xy es directamente proporcional.

b) Cual sera la altura predicha de una nia de 8 aos.

X=8
=80+(6)(8)
=128

c) Cual sra la altura predicha de una mujer de 25 aos. Comente el resultado.

X=25
=80+(6)(25)
=230

INTERPRETACION .- Supuestamente la mujer de 25 aos tiene una altura de 230cm,

pero el patrn lineal de la recta de regresin corresponde a nias entre 4 y 9 aos. Por lo
tanto esa altura no le corresponde a la mujer.