MÍNIMOS CUADRADOS

EJERCICIOS DE REGRESIÓN LINEAL

1.-Las ventas de línea blanca varían según el estado del mercado de casas nuevas: cuando las ventas de casas
nuevas son buenas, también lo son las de lavaplatos, lavadoras de ropa, secadoras y refrigeradores. Una asociación
de comercio compiló los siguientes datos históricos (en miles de unidades) de las ventas de línea blanca y la
construcción de casas.

Construcción de casas(miles) 2.0 2.5 3.2 3.6 3.3 4.0 4.2 4.6 4.8 5.0
Ventas de línea blanca(miles) 5.0 5.5 6.0 7.0 7.2 7.7 8.4 9.0 9.7 10.0

a) Obtenga un diagrama de dispersión de los datos

b) Desarrolle una ecuación para la relación entre las ventas de línea blanca(en miles) y la construcción de
casas(en miles) por el método de mínimos cuadrados
c) Interprete la pendiente de la recta de regresión
d) Estime las ventas de línea blanca cuando sean construido 5.6 casas
e) Si se han vendido 8.7 ventas de línea blanca cuantas casas se han construido.

Solución:

a) Obtenga un diagrama de dispersión

Gráfica de dispersión de Ventas de línea vs. Construcción de

10
Ventas de línea blanca (miles)

2.0 2.5 3.0 3.5 4.0 4.5 5.0

Construcción de casas (miles)

b) Desarrolle una ecuación para la relación entre las ventas de línea blanca(en miles) y la construcción de
casas(en miles) por el método de mínimos cuadrados

1
Construcción Ventas de
de línea
casas(miles) blanca(miles)
(x) (y)
2 5 10 4
2.5 5.5 13.75 6.25
3.2 6 19.2 10.24
3.6 7 25.2 12.96
3.3 7.2 23.76 10.89
4 7.7 30.8 16
4.2 8.4 35.28 17.64
4.6 9 41.4 21.16
4.8 9.7 46.56 23.04
5 10 50 25
∑ ∑ ∑ ∑

∑ ∑
̅ ̅

∑ (∑ )(∑ )
̂
(∑ ) (∑ )

( )( ) ( )( )
̂
( )( ) ( )

̂ ̅ ̂ ̅

̂ ( )( )

̂ ̂ ̂

2
 Gráfica de línea ajustada
Ventas de línea blanca (miles) = 1.168 + 1.716 Construcción de casas (miles)
S 0.373717
10
R-cuad. 95.9%
R-cuad.(ajustado) 95.3%

Ventas de línea blanca (miles)

9

4
2.0 2.5 3.0 3.5 4.0 4.5 5.0
Construcción de casas (miles)

c) Interprete la pendiente de la recta de regresión.

La pendiente de la línea representa el cambio esperado en Y por unidad de cambio en X. Representa la

cantidad media que cambia Y (positiva o negativamente) por unidad de cambio en X

En el diagrama de dispersión realizado en Minitab se observa una relación de tipo lineal positiva, el cual
predice que a mayor construcción de casas serán mayores las ventas de línea blanca.

Esto significa que cuando la construcción de casas aumenta en 1000 unidades, las ventas de línea blanca
aumentan 1715.6 unidades.

d) Estime las ventas de línea blanca cuando sean construido 5.6 casas

( )

Por lo tanto se ha vendido 10775.4 de línea blanca

a) Si se han vendido 8.7 ventas de línea blanca cuantas casas se han construido.

Por lo tanto se han construido 4390.3 casas

3
2. A menudo, quienes hacen la contabilidad de costos estiman los gastos generales con base en el nivel
de producción. En Standard Knitting Co. Han reunido información acerca de los gastos generales y las
unidades producidas en diferentes plantas, y ahora desean estimar una ecuación de regresión para
predecir los gastos generales futuros.

a) Desarrolle una ecuación de regresión para contabilidad de costos.

b) Pronostique los gastos generales cuando se producen 50 unidades

Solución:

En este problema, Y=gastos generales y X=unidades producidas

a) Desarrolle una ecuación de regresión para contabilidad de costos.

Gráfica de dispersión de Gastos generales vs. Unidades producidas

55

50
Gastos generales

45

40

35

30

100 150 200 250 300

Unidades producidas

2
X Y XY X
40 191 7640 1600
42 170 7140 1764
53 272 14416 2809
35 155 5425 1225
56 280 15680 3136
39 173 6747 1521
48 234 11232 2304
30 116 3480 900
37 153 5661 1369
40 178 7120 1600
∑ ∑ ∑ ∑

4
 ∑ ∑
̅ ̅

∑ (∑ )(∑ )
̂
(∑ ) (∑ )

( )( ) ( )( )
̂
( )( ) ( )

̂ ̅ ̂ ̅

̂ ( )( )

̂ ̂ ̂

a) Pronostique los gastos generales cuando se producen 50 unidades

̂
Para ̂( ) ( )
̂( )

Gráfica de línea ajustada

Gastos generales = - 80.44 + 6.491 Unidades producidas
300 S 10.2320
R-cuad. 96.7%
R-cuad.(ajustado) 96.3%

250
Gastos generales

200

150

100
30 35 40 45 50 55
Unidades producidas

5
3. Al gerente de marketing de una gran cadena de supermercados le gustaría utilizar el espacio en el estante para
predecir las ventas de alimento para mascotas. Se selecciona una muestra aleatoria de 12 tiendas de igual tamaño,
con los siguientes resultados:

Tienda Espacio en el estante Ventas semanales (Y)

(X) ( en pies) (en cientos de dólares)
1 5 1.6
2 5 2.2
3 5 1.4
4 10 1.9
5 10 2.4
6 10 2.6
7 15 2.3
8 15 2.7
9 15 2.8
10 20 2.6
11 20 2.9
12 20 3.1

a) Construya un diagrama de dispersión. Para estos datos, y

b) Interprete el significado de la pendiente en este problema.
c) Prediga la media de las ventas semanales (en cientos de dólares) de la comida para mascotas con
espacio de estantes de 8 pies.

Solución:

a) Construya un diagrama de dispersión. Para estos datos, y

Gráfica de dispersión de Ventas vs. Espacio

3.25

3.00

2.75

2.50
Ventas

2.25

2.00

1.75

1.50

5.0 7.5 10.0 12.5 15.0 17.5 20.0

Espacio

6
Tienda Espacio en el estante Ventas semanales (Y)
(X) ( en pies) (en cientos de dólares) XY
1 5 1.6 8 25
2 5 2.2 11 25
3 5 1.4 7 25
4 10 1.9 19 100
5 10 2.4 24 100
6 10 2.6 26 100
7 15 2.3 34.5 225
8 15 2.7 40.5 225
9 15 2.8 42 225
10 20 2.6 52 400
11 20 2.9 58 400
12 20 3.1 62 400
∑ ∑ ∑ ∑

∑ ∑
̅ ̅

∑ (∑ )(∑ )
̂
(∑ ) (∑ )

( )( ) ( )( )
̂
( )( ) ( )

̂ ̅ ̂ ̅

̂ ( )( )

̂ ̂ ̂

7
 Gráfica de línea ajustada
Ventas = 1.450 + 0.07400 Espacio
3.25 S 0.308058
R-cuad. 68.4%
3.00 R-cuad.(ajustado) 65.2%

2.75

2.50
Ventas

2.25

2.00

1.75

1.50

5.0 7.5 10.0 12.5 15.0 17.5 20.0

Espacio

b) Interprete el significado de la pendiente en este problema.

La pendiente de la línea representa el cambio esperado en Y por unidad de cambio en X.

En el diagrama de dispersión realizado en Minitab, se observa una relación de tipo lineal positiva, el cual
predice que a mayor espacio en el estante mayor serán las ventas semanales de alimento para mascotas.
Esto significa, que por cada incremento de espacio de 1 pie en el estante, las ventas aumentarán en
promedio 7.40 dólares por semana.

c) Prediga la media de las ventas semanales (en cientos de dólares) de la comida para mascotas con espacio
de estantes de 8 pies.
Modelo de regresión lineal:

Donde: X= 8 pies

Sustituimos
̂( ) ( )

̂( )

Predecir la media de las ventas semanales ( en cientos de dólares) :

( )

De modo que la media de las ventas semanales de la comida para mascota con espacio de estante para 8
pies es de 204.2 dólares.

8
4. En la siguiente tabla se muestran las calificaciones de álgebra y de física de diez estudiantes, tomados
en forma aleatoria de un grupo grande.

Álgebra (X) 75 80 93 65 87 71 98 68 84 77
Física (Y) 82 78 86 72 91 80 95 72 89 74

a) Graficar los datos.

b) Encontrar la recta de mínimos cuadrados que se ajusta a los datos, usando X como la variable
independiente.
c) Encontrar la recta de mínimos cuadrados que se ajusta a los datos, usando Y como la variable
independiente.
d) Si la calificación de un estudiante en álgebra es 75, ¿cuál es la calificación que se espera que
obtenga en física?
e) Si la calificación de un estudiante es física es 95, ¿cuál es la calificación que se espera que
obtenga en álgebra?

Solución.

a) Graficar los datos.

Al graficar los datos vamos a obtener nuestro diagrama de dispersión

Gráfica de dispersión de Física (Y) vs. Álgebra(X)

95

90

85
Física (Y)

80

75

70
65 70 75 80 85 90 95 100
Álgebra(X)

b) Encontrar la recta de mínimos cuadrados que se ajusta a los datos, usando X como la variable
independiente.

Álgebra (X) Física (Y)

75 82 5625 6724 6150
80 78 6400 6084 6240
93 86 8649 7396 7998
65 72 4225 5184 4680
87 91 7569 8281 7917
71 80 5041 6400 5680
98 95 9604 9025 9310

9
 68 72 4624 5184 4896
84 89 7056 7921 7476
77 74 5929 5476 5698
∑ ∑ ∑ ∑ ∑

∑ ∑
̅ ̅

∑ (∑ )(∑ )
̂
(∑ ) (∑ )

( )( ) ( )( )
̂
( )( ) ( )

̂ ̅ ̂ ̅

̂ ( )( )

̂ ̂ ̂

Gráfica de línea ajustada

Física (Y) = 29.13 + 0.6613 Álgebra(X)
S 4.23384
95
R-cuad. 76.1%
R-cuad.(ajustado) 73.1%

90

85
Física (Y)

80

75

70
65 70 75 80 85 90 95 100
Álgebra(X)

c) Encontrar la recta de mínimos cuadrados que se ajusta a los datos, usando Y como la variable
independiente.

10
Física(Y) Álgebra(X)
82 75 5625 6724 6150
78 80 6400 6084 6240
86 93 8649 7396 7998
72 65 4225 5184 4680
91 87 7569 8281 7917
80 71 5041 6400 5680
95 98 9604 9025 9310
72 68 4624 5184 4896
89 84 7056 7921 7476
74 77 5929 5476 5698
∑ ∑ ∑ ∑ ∑

∑ ∑
̅ ̅

∑ (∑ )(∑ )
̂
(∑ ) (∑ )

( )( ) ( )( )
̂
( )( ) ( )

̂ ̅ ̂ ̅

̂ ( )( )

̂ ̂ ̂

11
 Gráfica de línea ajustada
Álgebra (X) = - 14.39 + 1.150 Física (Y)
100 S 5.58352
R-cuad. 76.1%
95 R-cuad.(ajustado) 73.1%

90
Álgebra (X)

85

80

75

70

65

70 75 80 85 90 95
Física (Y)

a) Si la calificación de un estudiante en álgebra es 75, ¿cuál es la calificación que se espera que

obtenga en física?

Para saber cuál es la calificación que se espera obtenga en física sustituimos la calificación de álgebra en
el primer modelo.
̂

̂ ( )

Redondeando a enteros la calificación que se espera obtener en física es 79.

e)Si la calificación de un estudiante es física es 95, ¿cuál es la calificación que se espera que obtenga en
álgebra?

̂ ( )

̂ ( )

Redondeando a enteros la calificación que se espera obtener en álgebra es 95.

12
 LA PARÁBOLA DE MÍNIMOS CUADRADOS

La siguiente ecuación define la ecuación de regresión para un modelo de regresión múltiple con dos
variables independientes.

( )

La parábola de mínimos cuadrados que aproxima el conjunto de puntos ( )( ) ( )

tiene la ecuación

̂ ̂ ̂ ̂ ( )

Como en el caso de la regresión lineal simple, los coeficientes de regresión muéstrales ( ̂ ̂ ̂ ) se

utilizan como estimaciones de los parámetros poblacionales ( ).

Donde las constantes ̂ , ̂ , ̂ se determinan resolviendo simultáneamente las ecuaciones

∑ ̂ ̂ ∑ ̂ ∑

∑ ̂ ∑ ̂ ∑ ̂ ∑

∑ ̂ ∑ ̂ ∑ ̂ ∑ ( )

Para recordar las ecuaciones (3), obsérvese que se pueden obtener formalmente multiplicando la
ecuación (2) por 1, X y X2, respectivamente, y sumando a ambos lados de las ecuaciones resultantes. Está
técnica puede extenderse a las ecuaciones de curvas cúbicas de mínimos cuadrados, ecuaciones
cuarticas de mínimos cuadrados y, en general, a cualquiera de las curvas de mínimos cuadrados
correspondientes a la ecuación .

Ejemplo 1. Ajuste una parábola de mínimos cuadrados, ̂ ̂ ̂ ̂ , a los datos que se

muestran en la siguiente tabla.

X 0 1 2 3 4 5 6
Y 2.4 2.1 3.2 5.6 9.3 14.6 21.9

13
 Diagrama de dispersión

X Y X2 XY X3 X2 Y X4
0 2.4 0 0 0 0 0
1 2.1 1 2.1 1 2.1 1
2 3.2 4 6.4 8 12.8 16
3 5.6 9 16.8 27 50.4 81
4 9.3 16 37.2 64 148.8 256
5 14.6 25 73 125 365 625
6 21.9 36 131.4 216 788.4 1296
∑ ∑ ∑ ∑ ∑ ∑ ∑

Estos valores se sustituyen en las ecuaciones (3) y se resuelven simultáneamente

∑ ̂ ̂ ∑ ̂ ∑

∑ ̂ ∑ ̂ ∑ ̂ ∑

∑ ̂ ∑ ̂ ∑ ̂ ∑ ( )

̂ ( ) ̂ ( ) ̂ ( )

̂ ̂ ̂ ( )

̂ ( ) ̂ ( ) ̂ ( )

̂ ̂ ̂ ( )

̂ ( ) ̂ ( ) ̂ ( )

̂ ̂ ̂ ( )

14
Las soluciones que resultan de resolver el sistema de ecuaciones son:

̂ ̂ ̂

El modelo buscado es

Redondeando a tres dígitos decimales después del punto el modelo seria el siguiente

La gráfica ajustada al diagrama de dispersión se muestra en la siguiente figura.

15
Ejemplo 2. El tiempo total requerido para detener un automóvil después de percibir peligro es el tiempo
de reacción ( el tiempo que pasa entre el reconocimiento del peligro y pisar el freno) más el tiempo de
frenado ( el tiempo que tarda en detenerse después de pisar el freno). La siguiente tabla muestra la
distancia de frenado D(en pies) de un automóvil que viaja a la velocidad V ( en millas sobre hora o mi/h)
a partir del instante en que se percibe el peligro.

Velocidad V(mi/h) 20 30 40 50 60 70
Distancia de Frenado D(pies) 54 90 138 206 292 396

a) Grafique D contra V.
b) Ajuste una parábola de mínimos cuadrados, de la forma ̂ ̂ ̂ , a los datos.
c) Estime D cuando V=45 mi/h y 80 mi/h.

Solución:

a)

DIAGRAMA DE DISPERSIÓN

16
 V D VD
20 54 400 1080 8000 21600 160000
30 90 900 2700 27000 81000 810000
40 138 1600 5520 64000 220800 2560000
50 206 2500 10300 125000 515000 6250000
60 292 3600 17520 216000 1051200 12960000
70 396 4900 27720 343000 1940400 24010000
∑ ∑ ∑ =∑ ∑ ∑
∑

Solución de b)

̂ ̂ ̂

∑ ̂ ̂ ∑ ̂ ∑

∑ ̂ ∑ ̂ ∑ ̂ ∑

∑ ̂ ∑ ̂ ∑ ̂ ∑ ( )

̂ ( ) ̂ ( ) ̂ ( )

̂ ̂ ̂ ( )

̂ ( ) ̂ ( ) ̂ ( )

̂ ̂ ̂ ( )

̂ ( ) ̂ ( ) ̂ ( )

̂ ̂ ̂ ( )

Las soluciones que resultan de resolver el sistema de ecuaciones son:

̂ ̂ ̂

El modelo buscado es

17
Solución de c): Para estimar D cuando V=45 mi/h y 80 mi/h. sustituimos el valor de V=45
mi/h y 80 mi/h en el modelo.
̂

̂ ( ) ( )

̂ ( ) ( )
̂

La gráfica ajustada al diagrama de dispersión se muestra en la siguiente figura.

18