1.

Se desea estudiar la relacin entre la intensidad de regado (x) y la

productividad (y) de un cierto cultivo. Se obtuvieron los siguientes
resultados:

i Riego Productivida
d
1 9 36
2 10 44
3 13 48
4 15 63
5 18 70
6 13 45

DIAGRAMA DE DISPERSIN:

Productividad
75
70
65
60
55
50
45
40
35
30
8 10 12 14 16 18 20

La productividad aumenta as como el valor del regado

Relacin directa: Lineal.

MODELO MATEMATICO:
 Productividad
80

70
f(x) = 3.7x + 2.85
60 R = 0.9
50

40

30
8 10 12 14 16 18 20
Productividad Linear (Productividad)

y=a+bx

Productividad = 2.8519 + 3.7037 (Regado)

Cuando la productividad se incrementa en 1 unidad, el regado se incrementa en

3,7037.

ANALISIS DE R2:

R2 = 0.899

El riego explica en un 89.9% a la variable productividad y el 10.1% por otras

variables que no estn en el modelo.

Riego Grfico de los residuales

10

Residuos 0
-20 -10 0 10 20 30 40 50 60
-10
Riego
Riego Curva de regresin ajustada

Productividad

0
-20 -10 0 10 20 30 40 50 60
Riego

Productividad Pronstico Productividad

Grfico de probabilidad normal

100

Productividad 50

0
0 20 40 60 80 100
Muestra percentil
 2.

Se realiz un experimento para medir la velocidad del sonido en el aire a

diferentes temperaturas. Los resultados obtenidos se indican en la
siguiente tabla.

Temperatu Velocid
ra ad
-13 322
0 335
9 337
20 346
33 352
50 365

DIAGRAM DE DISPERCION:

Velocidad
370
360
350
340
330
320
310
300
-20 -10 0 10 20 30 40 50 60

Aumenta la temperatura cuando la velocidad aumenta.

Relacin directa: lineal.

MODELO MATEMATICO:
 Velocidad
380

360
f(x) = 0.65x + 332.12
R 340
= 0.99

320

300
-20 -10 0 10 20 30 40 50 60
Velocidad Linear (Velocidad )

y=a+bx Velocidad=332.12+0.6496(temperarura)

Cuando la velocidad se incrementa en 1 unidad, la temperatura se incrementa en

0,6496.

ANALISIS DE R2:

R2 = 0.9862

El riego explica en un 98.6% a la variable Velocidad.

La Velocidad es explicada en un 98.6 % por la variable Temperatura, y 2% por

otras variables que no estn en el modelo.

Temperatura Grfico de los residuales

5

Residuos 0
-20 -10 0 10 20 30 40 50 60
-5
Temperatura
Temperatura Curva de regresin ajustada

Velocidad

0
-20 -10 0 10 20 30 40 50 60

30
Temperatura

Velocidad Pronstico Velocidad

Grfico de probabilidad normal

0
40

Velocidad
0

0 10 20 30 40 50 60 70 80 90 100
30

Muestra percentil
 3.

Para determinar la relacin entre el nmero de vendedores y las ventas

anuales (en miles de dlares) que tiene un empresa, se obtuvieron los
siguientes datos:

Nume. Ventas
Vendedor
es
12 20
13 27
14 33
15 41
16 58

DIAGRAM DE DISPERCION:

Ventas
80

60

40

20

0
11 12 13 14 15 16 17

Aumenta el nmero vendedores como las ventas.

Relacin indirecta: Lineal.

MODELO MATEMATICO:
 Ventas
80

60
f(x) = 9x - 90.2
40
R = 0.95
20

0
11 12 13 14 15 16 17
Ventas Linear (Ventas)

y=a+bx Ventas=90.2+ 9( Num . de vendedores)

Cuando las ventas se incrementan en 1 unidad, el numero de venderores se

incrementa en 9.

ANALISIS DE R2:

R2 = 0.9476

El riego explica en un 94.7% a la variable Ventas.

Las Ventas es explicada en un 94.7 % por la variable nmero De vendedores, y

3.7% por otras variables que no estn en el modelo.

Nume. Vendedores Grfico de los residuales

5

Residuos 0
11 12 13 14 15 16 17
-5
Nume. Vendedores
Nume. Vendedores Curva de regresin ajustada

Ventas

0
11 12 13 14 15 16 17
Nume. Vendedores

Ventas Pronstico Ventas

Grfico de probabilidad normal

100

Ventas 50

0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 4. En una investigacin de las propiedades de un pegamento de secado rpido
se midi el tiempo que se demora en cristalizarse en funcin de la cantidad
de pega depositada sobre una superficie de material cermico de prueba.

Cantidad Tiempo
(g) (s)
1 26,2
1,2 27,9
1,4 29,4
1,6 30,5
1,8 31
2 34,3

DIAGRAM DE DISPERCION:

Tiempo (s)
40

30

20

10

0
1 1.2 1.4 1.6 1.8 2 2.2

Aumenta el valor del Cantidad con relacin al tiempo

Relacin directa: Lineal.

MODELO MATEMATICO:

Tiempo (s)
40

30 f(x) = 7.27x + 18.98

R = 0.95
20

10

0
1 1.2 1.4 1.6 1.8 2 2.2
Tiempo (s) Linear (Tiempo (s))
 y=a+bx Tiempo=18.976+ 7.2714(Cantidad )

Cuando la Cantidad se incrementa varia en 1 unidad, el Tiempo se incrementa en

7.2714.

ANALISIS DE R2:

R2 = 0.9522

La cantidad explica en un 95.2% a la variable Tiempo.

El Tiempo es explicada en un 95.2 % por la variable Cantidad, y 4.8% por otras

variables que no estn en el modelo.

Cantidad (g) Grfico de los residuales

1
0
Residuos 1 1.2 1.4 1.6 1.8 2 2.2
-1
-2
Cantidad (g)

Cantidad (g) Curva de regresin ajustada

Tiempo (s)
0

1 1.2 1.4 1.6 1.8 2 2.2

Cantidad (g)

Tiempo (s) Pronstico Tiempo (s)

Grfico de probabilidad normal

40

Tiempo (s) 20

0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 5. En una agencia bancaria se registr el nmero de depsitos realizados y el
monto total de estas transacciones, en una hora de trabajo, con los
siguientes resultados:

Monto Numero
total de Dep.
10 16
5 9
7 3
19 25
11 7
8 13

DIAGRAM DE DISPERCION:

Numero de Dep.
30
25
20
15
10
5
0
2 4 6 8 10 12 14 16 18 20

Aumenta el valor del Monto total en sincrona con el nmero de depsitos.

Relacin indirecta: Lineal.

MODELO MATEMATICO:
 Numero de Dep.
30

20 f(x) = 1.27x - 0.5

R = 0.64
10

0
2 4 6 8 10 12 14 16 18 20
Numero de Dep. Linear (Numero de Dep.)

y=a+bx Num . de Depo.=0.5+1.2667(Monto total)

El Monto total se incrementa en 1 unidad, y el nmero de depsitos se incrementa

en 1.266.

ANALISIS DE R2:

R2 = 0.64

El monto total explica en un 64% al variable nm. De depsitos.

El nmero de depsitos es explicado en un 64% por la variable monto total, y 36%

por otras variables que no estn en el modelo.

Monto total Grfico de los residuales

5
0
Residuos 4 6 8 10 12 14 16 18 20
-5
-10
Monto total
Monto total Curva de regresin ajustada
Numero de Dep.

0
4 6 8 10 12 14 16 18 20
Monto total

Numero de Dep.
Pronstico Numero de Dep.

Grfico de probabilidad normal

40

Numero de Dep. 20
0
0 20 40 60 80 100
Muestra percentil
 6.

En el mercado inmobiliario se realiza el avalu de una propiedad para luego

efectuar su venta, la diferencia constituye la ganancia del vendedor. En la
tabla se dan los valores (en miles de dlares) de avalu y precio de venta de
doce propiedades en Quito

Avalu Venta
46,5 59
43,5 56,5
52,2 65,2
62,5 74
85,7 109
67,4 108
70,1 95
74 84
57,4 106
103,8 154

DIAGRAM DE DISPERCION:

Venta
200

150

100

50

0
40 50 60 70 80 90 100 110

Aumenta el valor del Avalu en sincrona con las ventas

Relacin indirecta: Lineal.

MODELO MATEMATICO:
 Venta
200

150
f(x) = 1.44x - 4.37
100 R = 0.79

50

0
40 50 60 70 80 90 100 110
Venta Linear (Venta)

y=a+bx Venta=4.3656+1.4392( Avalo)

El Avalo se incrementa 1 unidad, las ventas se incrementan en 1.4392.

ANALISIS DE R2:

R2 = 0.788

El Avalo explica en un 78.8% al variable Venta.

Las ventas es explicado en un 78.8% por la variable Avalo, y 20.2% por otras
variables que no estn en el modelo.

Avaluo Grfico de los residuales

40
20
Residuos 0
40 50 60 70 80 90 100 110
-20
-40
Avaluo
 Avaluo Curva de regresin ajustada
200

Venta 100

0
40 50 60 70 80 90 100 110
Avaluo

Venta Pronstico Venta

Grfico de probabilidad normal

200
150

Venta 100
50
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 7.

En una entidad financiera se desea tener en mtodo que permita realizar

pronsticos de las ganancias obtenidas en base a informacin que pueda
estar disponible de manera rpida. El gerente de crdito plantea un modelo
que relaciona el nmero de prstamos realizados en un mes y la ganancia
obtenida en el mismo periodo. Para tal efecto recoge la siguiente
informacin de los 8 ltimos meses:

No. Ganancia
Prestamo
s
125 44
131 54
142 77
127 35
140 80
121 41
136 66
133 65
DIAGRAM DE DISPERCION:

Ganancia
100
80
60
40
20
0
120 125 130 135 140 145

Aumenta el valor de prstamos en sincrona con las ganancias aumentan.

Relacin indirecta: Lineal.

MODELO MATEMATICO:

Ganancia
100
80
f(x) = 2.15x - 225.25
60 R = 0.87
40
20
0
120 125 130 135 140 145
Ganancia Linear (Ganancia)

y=a+bx Ganancia=225.25+2.1459(No . prestamos)

El No. prestamos se incrementa en 1 unidad, las ganancias se incrementan en

2.1459.

ANALISIS DE R2:

R2 = 0.8732

El No. prestamos explica en un 87.32% al variable ganancia.

Las ganancias es explicado en un 87.32% por la variable No. prestamos, y 18.68%

por otras variables que no estn en el modelo.

No. Prestamos Grfico de los residuales

10
5
0
Residuos 115 120 125 130 135 140 145
-5
-10
-15
No. Prestamos
No. Prestamos Curva de regresin ajustada
100

Ganancia 50

0
115 120 125 130 135 140 145
No. Prestamos

Ganancia Pronstico Ganancia

Grfico de probabilidad normal

100

Ganancia 50

0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 8.

La siguiente tabla muestra la captura de anchoas (captura, en millones de

toneladas mtricas) y el precio de la harina de pescado (precio, en dlares
por tonelada) para los ltimos 10aos.

Precio Captura
190 7,23
160 8,53
134 9,82
129 10,26
172 8,96
239 4,45
542 1,78
245 3,3
454 0,8
410 0,5

DIAGRAM DE DISPERCION:

Captura
12
10
8
6
4
2
0
100 150 200 250 300 350 400 450 500 550 600

Aumenta el valor del precio y la captura disminuye.

Relacin inversa: Lineal.

MODELO MATEMATICO:

Captura
15

10
f(x) = - 0.02x + 11.8
5 R = 0.8

0
100 150 200 250 300 350 400 450 500 550 600
Captura Linear (Captura)

y=a+bx Captura=11.80.0233( Precio)

El precio se incrementa en una 1 unidad, la captura se decremento en 0.0233.

ANALISIS DE R2:

R2 = 0.8031

El precio explica en un 80.31% al variable captura.

La captura es explicado en un 80.31% por la variable precio, y 19.69% por otras

variables que no estn en el modelo.

Precio Grfico de los residuales

5

Residuos 0
100 150 200 250 300 350 400 450 500 550 600
-5
Precio
Precio Curva de regresin ajustada
Captura 100 150 200 250 300 350 400 450 500 550 600

0
-2
Precio

Captura Pronstico Captura

Grfico de probabilidad normal

20

Captura
0

0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 9. Los siguientes datos corresponden al ritmo cardiaco en reposo (Y) y el
peso (X, en Kg) de 6 personas.

Peso R. Card.
Reposo
90 62
86 45
67 40
89 55
81 64
75 53

DIAGRAM DE DISPERCION:

R. Card. Reposo
70
60
50
40
30
20
10
0
65 70 75 80 85 90 95

Aumenta el valor del peso en sincrona con el aumento del ritmo cardiaco.

Relacin directa: Lineal.

MODELO MATEMATICO:

R. Card. Reposo
80
60
f(x) = 0.59x + 4.8
40 R = 0.32
20
0
65 70 75 80 85 90 95
R. Card. Reposo
Linear (R. Card. Reposo)
 y=a+bx Ritmo cardiaco=4.799+ 0.5947( Peso)

El peso se incrementa en una unidad, el ritmo cardiaco se incrementa en 0.5947.

ANALISIS DE R2:

R2 = 0.3234

El peso explica en un 32.34% al variable ritmo cardiaco.

El ritmo cardiaco es explicado en un 32.34% por la variable peso, y 67.66% por

otras variables que no estn en el modelo.

Peso Grfico de los residuales

20

Residuos 0
60 65 70 75 80 85 90 95
-20
Peso

Peso Curva de regresin ajustada

R. Card. Reposo
0

60 65 70 75 80 85 90 95
Peso

R. Card. Reposo
Pronstico R. Card. Reposo

Grfico de probabilidad normal

100

R. Card. Reposo 50

0
0 20 40 60 80 100
Muestra percentil