Beruflich Dokumente
Kultur Dokumente
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
Solución:
10
Ventas de línea blanca (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%
4
2.0 2.5 3.0 3.5 4.0 4.5 5.0
Construcción de casas (miles)
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
( )
a) Si se han vendido 8.7 ventas de línea blanca cuantas casas se han construido.
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.
Solución:
55
50
Gastos generales
45
40
35
30
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
∑ ∑
̅ ̅
∑ (∑ )(∑ )
̂
(∑ ) (∑ )
( )( ) ( )( )
̂
( )( ) ( )
̂ ̅ ̂ ̅
̂ ( )( )
̂ ̂ ̂
̂
Para ̂( ) ( )
̂( )
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:
Solución:
3.00
2.75
2.50
Ventas
2.25
2.00
1.75
1.50
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
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
̂( ) ( )
̂( )
( )
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
Solución.
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.
9
68 72 4624 5184 4896
84 89 7056 7921 7476
77 74 5929 5476 5698
∑ ∑ ∑ ∑ ∑
∑ ∑
̅ ̅
∑ (∑ )(∑ )
̂
(∑ ) (∑ )
( )( ) ( )( )
̂
( )( ) ( )
̂ ̅ ̂ ̅
̂ ( )( )
̂ ̂ ̂
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)
Para saber cuál es la calificación que se espera obtenga en física sustituimos la calificación de álgebra en
el primer modelo.
̂
̂ ( )
e)Si la calificación de un estudiante es física es 95, ¿cuál es la calificación que se espera que obtenga en
álgebra?
̂ ( )
̂ ( )
12
LA PARÁBOLA DE MÍNIMOS CUADRADOS
La siguiente ecuación define la ecuación de regresión para un modelo de regresión múltiple con dos
variables independientes.
( )
̂ ̂ ̂ ̂ ( )
∑ ̂ ̂ ∑ ̂ ∑
∑ ̂ ∑ ̂ ∑ ̂ ∑
∑ ̂ ∑ ̂ ∑ ̂ ∑ ( )
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 .
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
∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ̂ ̂ ∑ ̂ ∑
∑ ̂ ∑ ̂ ∑ ̂ ∑
∑ ̂ ∑ ̂ ∑ ̂ ∑ ( )
̂ ( ) ̂ ( ) ̂ ( )
̂ ̂ ̂ ( )
̂ ( ) ̂ ( ) ̂ ( )
̂ ̂ ̂ ( )
̂ ( ) ̂ ( ) ̂ ( )
̂ ̂ ̂ ( )
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
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)
̂ ̂ ̂
∑ ̂ ̂ ∑ ̂ ∑
∑ ̂ ∑ ̂ ∑ ̂ ∑
∑ ̂ ∑ ̂ ∑ ̂ ∑ ( )
̂ ( ) ̂ ( ) ̂ ( )
̂ ̂ ̂ ( )
̂ ( ) ̂ ( ) ̂ ( )
̂ ̂ ̂ ( )
̂ ( ) ̂ ( ) ̂ ( )
̂ ̂ ̂ ( )
̂ ̂ ̂
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.
̂
̂ ( ) ( )
̂ ( ) ( )
̂
18