Resumen

Estadísticas de la regresión Variable X 1 Gráfico de los residua

Coeficiente de correlación múltiple 0.9192388155 2

Residuos
Coeficiente de determinación R^2 0.845 0
R^2 ajustado 0.7933333333 -2 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Error típico 2.0330600909 -4
Observaciones 5 Variable X 1

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 67.6 67.6 16.35483871 0.027214829
Residuos 3 12.4 4.1333333333
Total 4 80

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 0.2 2.1322914122 0.0937958099 0.9311846574 -6.5859029266
Variable X 1 2.6 0.6429100507 4.0441116094 0.027214829 0.5539732844

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 2.8 0.2 0.1135923668
2 5.4 1.6 0.9087389348
3 8 -3 -1.7038855027
4 10.6 0.4 0.2271847337
5 13.2 0.8 0.4543694674
Superior 95% Inferior 95,0% Superior 95,0%
6.9859029266 -6.5859029266 6.9859029266
4.6460267156 0.5539732844 4.6460267156
X Y
1 3
2 7
3 5 A.
4 11 Diagrama de dispersión
5 14 16

14

12

10

0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

B.
¿Qué indica el diagrama de dispesión del inciso? Respecto a la relación entre las
Que existe una relacion lineal positiva entre x y y

C. Trate de aproximar la relación entre x y y trazando una linea recta que pase a trave
de los datos

16
14
12
10
Datos Yi

8
6
4
2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Datos Xi

D.
Con las ecuaciones (14.6) y (14.7) calcule b0 y b1 para obtener la ecuación de regr

1+2+3+4+5 15
Media Xi = 3
5 5
 3+7+5+11+14 40
Media Yi = 8
5 5

obs Xi Yi Xi -  Yi - 
1 1 3 -2 -5
2 2 7 -1 -1
3 3 5 0 -3
4 4 11 1 3
5 5 14 2 6
Total 15 40

26
b1
10
b1 = 2,6

b0 =  - b1 
bo = 8-2,6(3)= 0.2

La ecuación estimada es  = 0,2 + 2,6x

E. Use la ecuación de regresión estimada para predecir el valor de Y cuando

 = 0,2 + 2,6 (4)

= 0,2+10,4
= 10.6
5 5 5.5

o a la relación entre las dos variables?

tiva entre x y y

ea recta que pase a travez de los puntos

4.5 5 5.5

ener la ecuación de regresión estimada.

 (Xi - )(Yi - ) (Xi - )
10 4
1 1
0 0
3 1
12 4
26 10

ecir el valor de Y cuando X = 4

Resumen
Variable X 1 Gráfico d
Estadísticas de la regresión
10
Coeficiente de correlación múltiple 0.9357754408 5

Residuos
Coeficiente de determinación R^2 0.8756756757 0
R^2 ajustado 0.8342342342 -5 2 4 6 8 10
Error típico 8.7559503577 -10
-15
Observaciones 5
Variabl

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 1620 1620 21.130434783 0.0193489269
Residuos 3 230 76.6666666667
Total 4 1850

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 68 8.1774305482 8.3155704716 0.0036444696 41.9757663652
Variable X 1 -3 0.6526300069 -4.5967852661 0.0193489269 -5.0769599542

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 59 -4 -0.5275043787
2 32 8 1.0550087574
3 50 5 0.6593804734
4 8 2 0.2637521894
5 26 -11 -1.4506370415
able X 1 Gráfico de los residuales

4 6 8 10 12 14 16 18 20 22

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

94.024233635 41.9757663652 94.0242336348
-0.9230400458 -5.0769599542 -0.9230400458
X Y
3 55
12 40
6 55 A.
20 10 Diagrama de dispersión
14 15 60

50

40

30

20

10

0
2 4 6 8 10 12 14 16 18 20 22

B.
¿Qué indica el diagrama de dispesión del inciso? Respecto a la relación entre las
Que existe una relacion lineal negativa entre x y y

C. Trate de aproximar la relación entre x y y trazando una linea recta que pase a trave
los datos

60

50

40
Datos Yi

30

20

10

0
2 4 6 8 10 12 14 16 18 20 22
Datos Xi

D.
Con las ecuaciones (14.6) y (14.7) calcule b0 y b1 para obtener la ecuación de reg

3+12+6+20+14 55
Media Xi = 11
5 5
 55+40+55+10+15 175
Media Yi = 35
5 5

obs Xi Yi Xi - 
1 3 55 -8
2 12 40 1
3 6 55 -5
4 20 10 9
5 14 15 3
Total 55 175

-540
b1
180
b1 = -3

b0 =  - b1 
bo = 35 - (-3) * 11 = 68

La ecuación estimada es  = 68 - 3x

E. Use la ecuación de regresión estimada para predecir el valor de Y cuand

 = 68 - 3 (4)
= 68-12
= 56
persión

4 16 18 20 22

iso? Respecto a la relación entre las dos variables?

on lineal negativa entre x y y

ndo una linea recta que pase a travez de los puntos de

os datos

14 16 18 20 22

b1 para obtener la ecuación de regresión estimada.

 Yi -  (Xi - )(Yi - ) (Xi - )
20 -160 64
5 5 1
20 -100 25
-25 -225 81
-20 -60 9
-540 180

da para predecir el valor de Y cuando X = 4

Resumen
Variable X 1 Gráfico
Estadísticas de la regresión
10
Coeficiente de correlación múltiple 0.7397954429

Residuos
Coeficiente de determinación R^2 0.5472972973 0
R^2 ajustado 0.3963963964 0 5 10
Error típico 6.5140872986 -10
Observaciones 5 Varia

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 153.9 153.9 3.6268656716 0.1529619725
Residuos 3 127.3 42.4333333333
Total 4 281.2

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 7.6 5.5515763527 1.3689805412 0.2644967434 -10.0675936522
Variable X 1 0.9 0.4725815626 1.9044331628 0.1529619725 -0.6039654479

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 9.4 -2.4 -0.4254289458
2 13 5 0.8863103037
3 15.7 -6.7 -1.187655807
4 19.3 6.7 1.187655807
5 25.6 -2.6 -0.4608813579
iable X 1 Gráfico de los residuales

0 5 10 15 20 25

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

25.267593652 -10.067593652 25.2675936522
2.4039654479 -0.6039654479 2.4039654479
X Y
2 7
6 18
9 9 A.
13 26 Diagrama de dispersión
20 23 30

25

20

15

10

0
0 5 10 15 20 25

B. Obtenga la ecuación de regresión estimada correspondiente a los da

2+6+9+13+20 50
Media Xi = 10
5 5

7+18+9+26+23 83
Media Yi = 16.6
5 5

obs Xi Yi Xi - 
1 2 7 -8
2 6 18 -4
3 9 9 -1
4 13 26 3
5 20 23 10
Total 50 83

171
b1
190
b1 = 0.9

b0 =  - b1 
bo = 16,6 - 0,9 * 10 = 7.6

La ecuación estimada es  = 7,6 - 0,9x

E. Use la ecuación de regresión estimada para predecir el valor de Y cuand

E. Use la ecuación de regresión estimada para predecir el valor de Y cuand

 = 7,6 - 0,9 (4)

= 7,6 + 3,6
= 11.2
persión

5 20 25

n estimada correspondiente a los datos

Yi -  (Xi - )(Yi - ) (Xi - )

-9.6 76.8 64
1.4 -5.6 16
-7.6 7.6 1
9.4 28.2 9
6.4 64 100
171 190

da para predecir el valor de Y cuando X = 4

Resumen
Variable X 1 Gráfico de
Estadísticas de la regresión 10
Coeficiente de correlación múltiple 0.9603416567

Residuos
5
Coeficiente de determinación R^2 0.9222560976
R^2 ajustado 0.8963414634 0
Error típico 4.1231056256 61 62 63 64 65
-5
Observaciones 5 Variable X

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 605 605 35.588235294 0.0094239985
Residuos 3 51 17
Total 4 656

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -240.5 59.9554000904 -4.0113150715 0.027802072 -431.3048414995
Variable X 1 5.5 0.9219544457 5.96558759 0.0094239985 2.5659294805

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 133.5 -1.5 -0.4200840252
2 111.5 -3.5 -0.9801960588
3 100.5 1.5 0.4200840252
4 117 -2 -0.5601120336
5 122.5 5.5 1.5403080924
le X 1 Gráfico de los residuales

63 64 65 66 67 68 69

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

-49.6951585 -431.3048415 -49.6951585005
8.4340705195 2.5659294805 8.4340705195
ESTATURA PESO
68 132
64 108
62 102 A.
65 115 Diagrama de dispersión
66 128 140
120
100
80

PESO
60
40
20
0
61 62 63 64 65 66 67 68 69
ESTATURA

B. Que indica el diagrama de dispersión del inciso a respecto a la relacion entre

Indica que la relación es positiva entre las dos variables, lo que significa que a m
aumenta el peso también.

C. Trate de aproximar la relación entre x y y trazando una linea recta que pase a trav
datos

Diagrama de dispersión
140
120
100
80
PESO

60
40
20
0
61 62 63 64 65 66 67 68 69
ESTATURA

D. Obtenga la ecuación de regresión estimada correspondiente a lo

68+64+62+65+66 325
Media Xi = 65
5 5
 132+108+102+115+128 585
Media Yi = 117
5 5

obs Xi Yi Xi - 
1 68 132 3
2 64 108 -1
3 62 102 -3
4 65 115 0
5 66 128 1
Total 325 585

110
b1
20
b1 = 5.5

b0 =  - b1 
bo = 117 - 5,5 * 65 = -240.5

La ecuación estimada es  = - 240,5 - 5,5x

E. Si la estatura de una nadadora es 63 pulgadas, ¿Cuál sera su peso e

 = 240,5- 5,5 (63)

= 240,5 + 346,5
= 106
sión

66 67 68 69

a respecto a la relacion entre las dos variables?

ables, lo que significa que a medida que la estatura

eso también.

na linea recta que pase a travez de los puntos de los

tos

ión

66 67 68 69

stimada correspondiente a los datos

 Yi -  (Xi - )(Yi - ) (Xi - )
15 45 9
-9 9 1
-15 45 9
-2 0 0
11 11 1
110 20

ulgadas, ¿Cuál sera su peso estimado?

Resumen
Variable X 1 Gráfico de
Estadísticas de la regresión
400
Coeficiente de correlación múltiple 0.9148284126 200

Residuos
Coeficiente de determinación R^2 0.8369110246 0
R^2 ajustado 0.8136125995 -200 1.5 2 2.5 3
Error típico 227.4727460032 -400
Observaciones 9 Variable

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 1858709.27100271 1858709.27100271 35.921356156 0.0005458172
Residuos 7 362206.951219512 51743.850174216
Total 8 2220916.22222222

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -859.256097561 357.4661788586 -2.4037409645 0.047205998 -1704.5292932143
Variable X 1 638.756097561 106.5758234113 5.9934427632 0.0005458172 386.7443208891

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 1695.7682926829 -100.7682926829 -0.4735768925
2 1695.7682926829 -296.7682926829 -1.3947105991
3 1695.7682926829 194.2317073171 0.912823329
4 1057.012195122 -262.012195122 -1.2313686962
5 737.6341463415 -137.6341463415 -0.6468339355
6 1695.7682926829 299.2317073171 1.4062878146
7 1057.012195122 147.987804878 0.6954926287
8 418.256097561 164.743902439 0.7742406198
9 1057.012195122 -9.012195122 -0.0423542689
ble X 1 Gráfico de los residuales

2 2.5 3 3.5 4 4.5

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

-13.982901908 -1704.5292932 -13.9829019077
890.76787423 386.744320889 890.7678742329
 CAPACIDAD
BOTE PARA PRECIO
EQUIPAJE
S14 4 1595
ORINOCO 4 1399
OUTSIDE PRO 4 1890 Los adelantos tecnológicos han hecho posible fabricar botes inflab
EXPLORER 380X 3 795 paquete no mayor que una bolsa de golf, tienen tamaño suficiente
Kayac probó los botes de nueve fabricantes para ver su funcionam
RIVER XK2 2.5 600 fue su capacidad para equipaje que se evaluó utilizando una esca
SEA TIGER 4 1995 alta. Los datos siguientes muestran la evaluación que obtuvieron
MAVERIK II 3 1205 Kayak, m
STARLITE 100 2 583
FAT PACK CAT 3 1048

A.
Diagrama
2500

2000

1500

PRECIO
1000

500

0
1.5 2 2.5
CAPACI

B. Que indica el diagrama de dispersión del incis

Indica que aunque la capacidad de algunos botes para equipaj

C.
A traves de los puntos de los datos trace una linea recta para

Diagrama de
2500

2000

1500
PRECIO

1000

500

0
1.5 2 2.5
CAPACIDAD
 1500

PRECIO
1000

500

0
1.5 2 2.5
CAPACIDAD

D. Obtenga la ecuación de regresión

Media Xi =

Media Yi =

obs
1
2
3
4
5
6
7
8
9
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estimada es  = - 859,26 - 638

E. De una interpretación de la pendiente de la ecuaci

La pendiente de la regresión estimada como se puede apreciar es p

aumenta la capacidad del bote para equipaje

F. Diga cual sera el precio de un bote que tenga

 =- 859,26 - 638,76 (3)

=
=
os adelantos tecnológicos han hecho posible fabricar botes inflables. Estos botes de goma inflables, que pueden enrollarse formando un
aquete no mayor que una bolsa de golf, tienen tamaño suficiente para dos pasajeros con su equipo de excursionismo. La revista Canoe &
Kayac probó los botes de nueve fabricantes para ver su funcionamiento en un recorrido de tres días. Uno de los criterios de evaluación
ue su capacidad para equipaje que se evaluó utilizando una escala de 4 puntos, siendo 1 la puntuación más baja y 4 la puntuación más
alta. Los datos siguientes muestran la evaluación que obtuvieron respecto a capacidad para equipaje y los precios de los botes (Canoe
Kayak, marzo 2003).

Diagrama de dispersión
2500

2000

1500
PRECIO

1000

500

0
1.5 2 2.5 3 3.5 4 4.5
CAPACIDAD PARA EQUIPAJE

Que indica el diagrama de dispersión del inciso a respecto a la capacidad para equipaje y precio?

Indica que aunque la capacidad de algunos botes para equipaje es igual su precio varía dependiendo del tipo de bote que se elija.

A traves de los puntos de los datos trace una linea recta para aproximar la relacion lineal entre capacidad de equipaje y precio

Diagrama de dispersión
2500

2000

1500
PRECIO

1000

500

0
1.5 2 2.5 3 3.5 4 4.5
CAPACIDAD PARA EQUIPAJE
 1500

PRECIO
1000

500

0
1.5 2 2.5 3 3.5 4 4.5
CAPACIDAD PARA EQUIPAJE

Obtenga la ecuación de regresión estimada correspondiente a los datos

4+4+4+3+2,5+4+3+2+3 29.5
3.28
9 9

1595+1399+1890+795+600+1995+1205+583+1048 11110
1234.4
9 9

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
4 1595 0.72 360.6 260.40
4 1399 0.72 164.6 118.85
4 1890 0.72 655.6 473.46
3 795 -0.28 -439.4 122.07
2.5 600 -0.78 -634.4 493.46
4 1995 0.72 760.6 549.29
3 1205 -0.28 -29.4 8.18
2 583 -1.28 -651.4 832.40
3 1048 -0.28 -186.4 51.79
29.5 11,110 2909.89

2909.89
4.56
638.76

b0 =  - b1 
1234,4 - 638,76* 3,28 = -859.26

La ecuación estimada es  = - 859,26 - 638,76x

De una interpretación de la pendiente de la ecuacion de regresión estimada

a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
aumenta la capacidad del bote para equipaje, aumenta el precio.

Diga cual sera el precio de un bote que tenga 3 en la evaluacion de su capacidad para equipaje

 =- 859,26 - 638,76 (3)

859,26 + 1916,28
1057.02
n enrollarse formando un
nismo. La revista Canoe &
criterios de evaluación
a y 4 la puntuación más
ios de los botes (Canoe

4.5

ecio?

de bote que se elija.

de equipaje y precio
 (Xi - )
0.52
0.52
0.52
0.08
0.60
0.52
0.08
1.63
0.08
4.56

paje
Resumen
Variable X 1 Gráfico de l
Estadísticas de la regresión
4
Coeficiente de correlación múltiple 0.9247950544
2

Residuos
Coeficiente de determinación R^2 0.8552458926
0
R^2 ajustado 0.8371516292
-2 90 100 110 120 130 140
Error típico 2.0838961639 -4
Observaciones 10 Variable X 1

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 205.2590142243 205.2590142243 47.266134715 0.0001277089
Residuos 8 34.7409857757 4.342623222
Total 9 240

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -10.1640754218 3.8622965374 -2.6316144613 0.0301026338 -19.0705472085
Variable X 1 0.1842540523 0.0268004449 6.8750370701 0.0001277089 0.1224521155

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 14.7102216341 -2.7102216341 -1.3794469196
2 11.0251405888 2.9748594112 1.5141420905
3 16.7370162091 -0.7370162091 -0.3751260511
4 20.6063513066 -1.6063513066 -0.8175996877
5 20.2378432021 1.7621567979 0.8969014696
6 22.264637777 1.735362223 0.8832635836
7 7.8928217003 -0.8928217003 -0.454427833
8 14.8944756864 2.1055243136 1.0716684539
9 19.8693350976 -1.8693350976 -0.9514530139
10 11.7621567979 -0.7621567979 -0.3879220924
e X 1 Gráfico de los residuales

110 120 130 140 150 160 170 180 190

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

-1.257603635 -19.070547208 -1.257603635
0.2460559891 0.1224521155 0.2460559891
VICEPRESIDENTE SALARIO GRATIFICACIÓN
1 135 12
2 115 14
3 146 16
4 167 19 Wageweb realiza estudios sobre datos salariales y presenta r
5 165 22 el 1 de octubre de 2002 Wageweb publicó que el salario
6 176 24 gratificación anual promedio de $ 15432 (Wageweb.com, 13
salarios y bonos anuales de 410 vicepres
7 98 7
8 136 17
9 163 18
10 119 11
A.
Diagrama de dispersión
30

25

20

15

10

0
90 100 110 120 130 140 150 1

B. Que indica el diagrama de dispersión de

Que existe una relacion lin

C. Use el metodo de minimos cuadrad

Media Xi =

Media Yi =

obs
1
2
3
4
5
 6
7
8
9
10
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estimada es  = -10,164

E. De una interpretación de la pendiente de la

La pendiente de la regresión estimada como se puede apreci

aumenta la capacidad del bote para eq

E. Cual sera la gratificación de un vise

 =- -10,1641 + 0,1843 (10)

=
=
Wageweb realiza estudios sobre datos salariales y presenta resúmenes de éstos en su sitio de la Red basándose en datos salariales desde
el 1 de octubre de 2002 Wageweb publicó que el salario anual promedio de los Vicepresidentes de ventas era $142111 con una
gratificación anual promedio de $ 15432 (Wageweb.com, 13 de marzo de 2003). Suponga que los datos siguientes sean una muestra de
salarios y bonos anuales de 410 vicepresidentes de ventas. Los datos se dan en niveles de dólares

Diagrama de dispersión
30

25

20

15

10

0
90 100 110 120 130 140 150 160 170 180 190

Que indica el diagrama de dispersión del inciso acerca de la relación entre salario y gratificación?

Que existe una relacion lineal positiva entre el salario y la gratificación

Use el metodo de minimos cuadrados para obtener la ecuación de regresión estimada

135+115+146+167+165+176+98+136+163+119 1420
142.0
10 10

12+14+16+19+22+24+7+17+18+11 160
16.0
10 10

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
135 12 -7.00 -4.0 28.000
115 14 -27.00 -2.0 54.000
146 16 4.00 0.0 0.000
167 19 25.00 3.0 75.000
165 22 23.00 6.0 138.000
 176 24 34.00 8.0 272.000
98 7 -44.00 -9.0 396.000
136 17 -6.00 1.0 -6.000
163 18 21.00 2.0 42.000
119 11 -23.00 -5.0 115.000
1301 160 1114.00

1114.00
6046.00
0.1843

b0 =  - b1 
16 - 0.1843 * 142 = -10.1641

La ecuación estimada es  = -10,1641 + 0.1843x

De una interpretación de la pendiente de la ecuacion de regresión estimada

a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
aumenta la capacidad del bote para equipaje, aumenta el precio.

Cual sera la gratificación de un visepresidente que tenga un salario anual de $120.000?

 =- -10,1641 + 0,1843 (10)

10,1641+ 1,843
12.0071
Gratificación
en datos salariales desde
ra $142111 con una
es sean una muestra de
lares

ción?

(Xi - )
49.00
729.00
16.00
625.00
529.00
 1156.00
1936.00
36.00
441.00
529.00
6046.00

?
 Estadísticas de la regresión
Variable X 1 Gráfico de
Coeficiente de correlación múltiple 0.7065009352 5000

Residuos
Coeficiente de determinación R^2 0.4991435715
0
R^2 ajustado 0.4606161539 0.5 1 1.5 2 2.5 3
Error típico 1903.7781435017 -5000
Observaciones 15 Variable X

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 46955693.0775641 46955693.0775641 12.955541867 0.003235689
Residuos 13 47116825.8557692 3624371.21967456
Total 14 94072518.9333333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 40639.3509615385 1234.7774669518 32.9122874763 6.609497E-14 37971.776424229
Variable X 1 -1301.1971153846 361.505826022 -3.5993807616 0.003235689 -2082.1829710513

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 35434.5625 -2284.5625 -1.2453145115
2 36735.7596153846 3834.2403846154 2.0900435823
3 34133.3653846154 971.6346153846 0.5296378131
4 34133.3653846154 1040.6346153846 0.5672496978
5 39338.1538461538 2891.8461538462 1.5763446964
6 36735.7596153846 1489.2403846154 0.811784603
7 38036.9567307692 -431.9567307692 -0.235459518
8 39338.1538461538 -1643.1538461539 -0.8956827967
9 35434.5625 -1044.5625 -0.5693907868
10 34133.3653846154 -288.3653846154 -0.1571879071
11 36735.7596153846 174.2403846154 0.094978395
12 35434.5625 -739.5625 -0.4031353545
13 39338.1538461538 -1343.1538461539 -0.7321528633
14 36735.7596153846 219.2403846154 0.119507885
15 36735.7596153846 -2845.7596153846 -1.5512229345
ble X 1 Gráfico de los residuales

1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

43306.925499 37971.7764242 43306.92549885
-520.21125972 -2082.1829711 -520.211259718
 Marca y Modelo Confiabilidad Precio

Acura TL 4 33150
BMW 330i 3 40570
Lexus IS300 5 35105
Lexus ES330 5 35174 ¿Esper
Consumer Reports evalúo 15 de los m
Mecedes-Benz C320 1 42230 regular(2), buena (3), muy buena (4)
Lincoln LS Premium (V6) 3 38225 presen
Audi A4 3.0 Quattro 2 37605
Cadillacc CTS 1 37695
Nissan Maxima 3.5 SE 4 34390
Infiniti I35 5 33845
Saab 9-3 Aero 3 36910 A.
Infiniti G35 4 34695
Jaguar X-Type 3.0 1 37995
Saab 9-5 Arc 3 36955
Volvo S60 2.5T 3 33890

B. De la ecua

Media Xi =

Media Yi =

obs
1
2
3
4
5
6
7
8
 9
10
11
12
13
14
15
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estimad

C. De acuerdo con este analisis, ¿Cree

La pendiente de la regresión estimada co

aumenta la confi

D. Estime el pr

 = 40639,35 + 1301,
=
=
 ¿Esperaría que los automóviles más confiables fueran los más caros?
Consumer Reports evalúo 15 de los mejores automóviles sedan. La confiabilidad se evalúo con una escala de 5 puntos: mala (1),
regular(2), buena (3), muy buena (4) y excelente (5). Los precios y la evaluación sobre la confiabilidad de estos 15 automóviles se
presentan en la tabla siguiente (Consumer Reports, febrero de 2004)

Diagrama de dispersión
45000
40000
35000
30000
25000
20000
15000
10000
5000
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

De la ecuación de regresión obtenida por el metodo de minimos cuadrados

4+3+5+5+1+3+2+1+4+5+3+4+1+3+3 47
3.13
15 15

105+35174+42230+38225+37605+37695+34390+33845+36910+34695+37995+36955+33890
548434
36562.3
15 15

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
4 33150 0.87 -3412.3 -2957.298
3 40570 -0.13 4007.7 -534.364
5 35105 1.87 -1457.3 -2720.231
5 35174 1.87 -1388.3 -2591.431
1 42230 -2.13 5667.7 -12091.164
3 38225 -0.13 1662.7 -221.698
2 37605 -1.13 1042.7 -1181.764
1 37695 -2.13 1132.7 -2416.498
 4 34390 0.87 -2172.3 -1882.631
5 33845 1.87 -2717.3 -5072.231
3 36910 -0.13 347.7 -46.364
4 34695 0.87 -1867.3 -1618.298
1 37995 -2.13 1432.7 -3056.498
3 36955 -0.13 392.7 -52.364
3 33890 -0.13 -2672.3 356.302
47 548,434 -36086.53

-36086.53
27.73
-1301.20

b0 =  - b1 
36562,3 - 1301,20* 3,13= 40639.35

La ecuación estimada es  = 40639,35 + 1301,20x

De acuerdo con este analisis, ¿Cree usted que los automoviles mas confiables sean mas caros?

a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
aumenta la confiabilidad del automovil, aumenta el precio.

Estime el precio de un automovil sedan cuya evaluacion de confiabilidad sea 4

 = 40639,35 + 1301,20 (4)

40639,35+5204,8
46201.4
Precio Sedan
e 5 puntos: mala (1),
os 15 automóviles se

(Xi - )
0.75
0.02
3.48
3.48
4.55
0.02
1.28
4.55
 0.75
3.48
0.02
0.75
4.55
0.02
0.02
27.73
Resumen

Estadísticas de la regresión
Variable X 1 Gráfico d
Coeficiente de correlación múltiple 0.8570753575 500

Residuos
Coeficiente de determinación R^2 0.7345781684 0
R^2 ajustado 0.7014004394 0.5 1 1.5 2 2.5
-500
Error típico 192.1691066775
Variabl
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 817633.175510204 817633.175510204 22.14070075 0.0015307607
Residuos 8 295431.724489796 36928.9655612245
Total 9 1113064.9

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 490.2142857143 135.8840784662 3.6075917889 0.0069057657 176.8650388628
Variable X 1 204.2448979592 43.4065766443 4.7053906055 0.0015307607 104.1491527223

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 694.4591836735 -94.4591836735 -0.5213590036
2 694.4591836735 -45.4591836735 -0.2509078925
3 898.7040816327 -99.7040816327 -0.5503077481
4 694.4591836735 204.5408163265 1.1289447151
5 1102.9489795918 -152.9489795918 -0.8441881933
6 1307.193877551 -207.193877551 -1.1435880489
7 1307.193877551 -158.193877551 -0.8731369378
8 1102.9489795918 197.0510204082 1.0876054573
9 1511.4387755102 38.5612244898 0.2128352247
10 1307.193877551 317.806122449 1.7541024271
ble X 1 Gráfico de los residuales

1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

803.56353257 176.865038863 803.5635325658
304.3406432 104.149152722 304.3406431961
 Fabricante y modelo Agarre Lateral
Raleigh M80
Marin Bear Valley Feminina
GT Avalanche 2.0
Kona Jake the Snake
Schwinn Moab 2
Giant XTC NRS
Fisher Paragon Genesisters
Jamis Dakota XC
Trek Fuel 90
Specialized Stumpjumper M4
Precio
1 600
1 649
2 799 Las bicicletas de montaña que actualmente cue
poco sólo tenían los modelos de alta calidad. Ho
1 899 y cuadro muy bien diseñado. Una cuestión intere
3 950 del agarre lateral de la bicicleta. Para medir el ag
4 1100 correspondía a mala y 5 a promedio. A continua
4 1149
3 1300
5 1550
4 1625
A.
B. Parecen indicar estos datos que los mo
La pendiente de la regresión estimada como se p
la evaluacion del agarre lateral a
C. De la ecuación de
Media Xi =
Media Yi =
obs
1
2
3
4
 5
6
7
8
9
10
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estimada es 

D. Cual es el precio estimado de u

 = 490,21 + 204,24 (4)

=
=
Las bicicletas de montaña que actualmente cuestan menos de 1000 tienen muchos de los componentes de alta calidad que hasta hace
oco sólo tenían los modelos de alta calidad. Hoy, incluso modelos de menos de 1000 suelen ofrecer suspensión flexible, pedales clipless
cuadro muy bien diseñado. Una cuestión interesante es si precios más altos corresponden a mayor facilidad de manejo, medida a través
el agarre lateral de la bicicleta. Para medir el agarre lateral, Outside Magazine empleó una escala de evaluación del 1 al 5, en la que el 1
orrespondía a mala y 5 a promedio. A continuación se presenta el agarre lateral y los precios de 10 bicicletas de montaña probadas por
Outside Magazine
(Outside Magazine Buyer’s Guide, 2001).

Diagrama de dispersión
1800
1600
1400
1200
1000
800
600
400
200
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

Parecen indicar estos datos que los modelos más caros sean de facil manejo? Explique

a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
la evaluacion del agarre lateral aumenta, el precio de la bicicleta tambien.

De la ecuación de regresión obtenida por el metodo de minimos cuadrados

4+3+5+5+1+3+2+1+4+5+3+4+1+3+3 28
2.8
10 10

600+649+799+899+950+1100+1149+1300+1550+1625 10621
1062.1
10 10

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
1 600 -1.80 -462.1 831.780
1 649 -1.80 -413.1 743.580
2 799 -0.80 -263.1 210.480
1 899 -1.80 -163.1 293.580
 3 950 0.20 -112.1 -22.420
4 1100 1.20 37.9 45.480
4 1149 1.20 86.9 104.280
3 1300 0.20 237.9 47.580
5 1550 2.20 487.9 1073.380
4 1625 1.20 562.9 675.480
28 10,621 4003.20

4003.20
19.60
204.24

b0 =  - b1 
1062,1 - 204,24* 2,8= 490.21

La ecuación estimada es  = 490,21 + 204,24x

Cual es el precio estimado de una bicicleta de montaña cuyo agarre lateral tenga una evaluacion de 4?

 = 490,21 + 204,24 (4)

490,21+816,96
1307.17
Precio Bicicleta
 calidad que hasta hace
flexible, pedales clipless
manejo, medida a través
del 1 al 5, en la que el 1
e montaña probadas por

(Xi - )
3.24
3.24
0.64
3.24
 0.04
1.44
1.44
0.04
4.84
1.44
19.60

on de 4?
Resumen

Estadísticas de la regresión Variable X 1 Gráfico de

Coeficiente de correlación múltiple 0.9645646326 10

Residuos
Coeficiente de determinación R^2 0.9303849304
0
R^2 ajustado 0.9216830467 0 2 4 6
Error típico 4.6097722286 -10
Observaciones 10 Variable X

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 2272 2272 106.91764706 0.000006609
Residuos 8 170 21.25
Total 9 2442

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 80 3.0753449366 26.0133421291 5.120023E-09 72.9082418591
Variable X 1 4 0.386843492 10.3400989869 0.000006609 3.1079373077

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 84 -4 -0.9203579866
2 92 5 1.1504474833
3 96 -4 -0.9203579866
4 96 6 1.3805369799
5 104 -1 -0.2300894967
6 112 -1 -0.2300894967
7 120 -1 -0.2300894967
8 120 3 0.69026849
9 124 -7 -1.6106264766
10 132 4 0.9203579866
e X 1 Gráfico de los residuales

2 4 6 8 10 12 14

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

87.091758141 72.9082418591 87.0917581409
4.8920626923 3.1079373077 4.8920626923
 Años de Ventas
Vendedor Experiencia anuales
1 1 80
2 3 97 Un gerente de ventas recolecto los siguien
3 4 92
4 4 102
5 6 103 A.
6 8 111 Diagram
7 10 119 160
8 10 123
140
9 11 117
120
10 13 136
100

80

60

40

20

0
0 2 4 6

De la ecuación de regresión estimada que pue

B. conoce los

Media Xi =

Media Yi =

obs
1
2
3
4
5
6
7
8
9
10
Total

b1
 b1 =

b0 =  - b1 
bo =

La ecuación estimad

C. Use la ecuación de regresión estimada

 = 80 + 4 (9)
=
=
 Un gerente de ventas recolecto los siguientes datos sobre ventas anuales y años de experiencia

Diagrama de dispersión
160

140

120

100

80

60

40

20

0
0 2 4 6 8 10 12 14

De la ecuación de regresión estimada que puede emplearse para predecir las ventas anuales cuando se
conoce los años de experiencia

1+3+4+4+6+8+10+10+11+13 70
7
10 10

80+97+92+102+103+111+119+123+117+136 1080
108
10 10

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
1 80 -6.00 -28.0 168.000
3 97 -4.00 -11.0 44.000
4 92 -3.00 -16.0 48.000
4 102 -3.00 -6.0 18.000
6 103 -1.00 -5.0 5.000
8 111 1.00 3.0 3.000
10 119 3.00 11.0 33.000
10 123 3.00 15.0 45.000
11 117 4.00 9.0 36.000
13 136 6.00 28.0 168.000
70 1,080 568.00

568.00
142.00
 4

b0 =  - b1 
108 - 4 * 7= 80

La ecuación estimada es  = 80 + 4x

Use la ecuación de regresión estimada para pronosticar las ventas anuales de un vendedor de 9 años de experiencia

 = 80 + 4 (9)
80 + 36
116
Ventas Anuales
(Xi - )
36.00
16.00
9.00
9.00
1.00
1.00
9.00
9.00
16.00
36.00
142.00
de experiencia
Resumen
Variable X 1 Gráfico de los
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.896846727 100
50

Residuos
Coeficiente de determinación R^2 0.8043340518
0
R^2 ajustado 0.7825933908 -50 0 5 10 15 20 25 30
Error típico 37.9372080242 -100
Observaciones 11 Variable X 1

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 53246.9142259414 53246.9142259414 36.996761729 0.0001830957
Residuos 9 12953.0857740586 1439.2317526732
Total 10 66200

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 359.2667364017 20.0643226786 17.9057495315 0.000000024 313.8780851376
Variable X 1 -5.2771966527 0.8676037531 -6.0824963402 0.0001830957 -7.2398526972

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 295.940376569 23.059623431 0.6407160307
2 232.6140167364 56.3859832636 1.5666952886
3 343.4351464435 45.5648535565 1.2660281379
4 290.6631799163 -51.6631799163 -1.4354712977
5 158.7332635983 -9.7332635983 -0.2704405836
6 338.1579497908 -49.1579497908 -1.3658630013
7 332.8807531381 26.1192468619 0.7257282507
8 280.1087866109 -21.1087866109 -0.586511658
9 227.3368200837 1.6631799163 0.0462117709
10 121.7928870293 7.2071129707 0.2002510071
11 227.3368200837 -28.3368200837 -0.7873439452
X 1 Gráfico de los residuales

0 15 20 25 30 35 40 45 50

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

404.65538767 313.878085138 404.6553876657
-3.3145406083 -7.2398526972 -3.3145406083
 Modelo Temperatura Precio
Modelo Ranger 3-Seasons 12 319 Bergans of Norway ha estado fabricando equ
Ranger Spring 24 289 presentan en la tabla siguiente se da la temper
Ranger Winter 3 389 fabrica
Rondane 3-Seasons 13 239
RondaneSummer 38 149 A.
Rondane Winter 4 289
Diagrama
Senja Ice 5 359 450
Senja Snow 15 259 400
Senja Zero 25 229
350
Super Light 45 129
Tight & Light 25 199 300

250

200

150

100

50

0
0 5 10 15 20

B. Que indica el diagrama de dispersión del in

La pendiente de la regresión estimada como se p

aumenta la temperatura d

De la ecuación de regresión estimada que pue

C. conoce los

Media Xi =

Media Yi =

obs
1
2
3
4
5
6
7
8
9
 10
11
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estimada es 

C. Use la ecuación de regresión estimada

 = 359,27 - 5,277 (20)

=
=
 Bergans of Norway ha estado fabricando equipo para excursionismo desde 1908. En los datos que se
presentan en la tabla siguiente se da la temperatura (°F) y el precio ($) de 11 modelo de sacos de dormir
fabricados por Norway.

Diagrama de dispersión
450

400

350

300

250

200

150

100

50

0
0 5 10 15 20 25 30 35 40 45 50

Que indica el diagrama de dispersión del inciso respetoa la relación entre temperatura y precio?

a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
aumenta la temperatura de la misma forma aumenta el precio.

De la ecuación de regresión estimada que puede emplearse para predecir las ventas anuales cuando se
conoce los años de experiencia

12+24+3+13+38+4+5+15+25+45+25 209
19
11 11

319+289+389+239+149+289+359+259+229+129+199 2849
259
11 11

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
12 319 -7.00 60.0 -420.000
24 289 5.00 30.0 150.000
3 389 -16.00 130.0 -2080.000
13 239 -6.00 -20.0 120.000
38 149 19.00 -110.0 -2090.000
4 289 -15.00 30.0 -450.000
5 359 -14.00 100.0 -1400.000
15 259 -4.00 0.0 0.000
25 229 6.00 -30.0 -180.000
 45 129 26.00 -130.0 -3380.000
25 199 6.00 -60.0 -360.000
184 2,650 -10090.00

-10090.00
1912.00
-5.277

b0 =  - b1 
259 - (-5,277) * 19= 359.27

La ecuación estimada es  = 359,27 + (-5,277x)

Use la ecuación de regresión estimada para pronosticar las ventas anuales de un vendedor de 9 años de experiencia

 = 359,27 - 5,277 (20)

359,27 -105,54
253.73
Precio Saco de Dormir
(Xi - )
49.00
25.00
256.00
36.00
361.00
225.00
196.00
16.00
36.00
 676.00
36.00
1912.00

de experiencia
Resumen
Variable X 1 Gráfico de
Estadísticas de la regresión
4
Coeficiente de correlación múltiple 0.8966753579 2

Residuos
Coeficiente de determinación R^2 0.8040266974 0
R^2 ajustado 0.7862109426 -2 14 16 18 20 22
Error típico 1.640594226 -4
Observaciones 13 Variable

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 121.4698795181 121.4698795181 45.130094535 3.2960392085E-05
Residuos 11 29.6070435589 2.6915494144
Total 12 151.0769230769

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 2.4207599629 2.712468208 0.8924565294 0.3912538634 -3.5493423101
Variable X 1 0.8554216867 0.1273348071 6.7178936085 3.296039E-05 0.575159666

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 22.9508804449 -0.9508804449 -0.6053673833
2 19.5291936979 0.4708063021 0.2997335582
3 28.0834105653 0.9165894347 0.5835363958
4 19.5291936979 -0.5291936979 -0.3369052396
5 19.5291936979 2.4708063021 1.5730111538
6 22.0954587581 0.9045412419 0.5758660488
7 17.8183503244 1.1816496756 0.7522840289
8 19.5291936979 -3.5291936979 -2.246821633
9 17.8183503244 0.1816496756 0.1156452311
10 20.3846153846 1.6153846154 1.0284165195
11 23.8063021316 -1.8063021316 -1.1499620175
12 17.8183503244 -0.8183503244 -0.5209935667
13 16.1075069509 -0.1075069509 -0.068443096
ble X 1 Gráfico de los residuales

6 18 20 22 24 26 28 30 32

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

8.3908622359 -3.5493423101 8.3908622359
1.1356837075 0.575159666 1.1356837075
 Llegadas Salidas
Aeropuerto Retrasadas Retrasadas
Atlanta 24 22
Aunque acyualmente en los aeropuertos grand
Cahrlotte 20 20 aeropuertos es mas probable que le echen a perd
Chicago 30 29 un determinado aeropuerto en elque tiene qu
Cincinnati 20 19 porcentaje de llegadas y salidas retrasadas du
fe
Dallas 20 22
Denver 23 23
Detroit 18 19 A.
Houston 20 16 Diagrama
Minneapolis 18 18 35
Phoenix 21 22
Pittsburgh 25 22 30

Salt Lake City 18 17 25

St Louis 16 16
20

15

10

0
14 16 18 20 2

Que indica el diagrama de dispersión del incis

B. r
La pendiente de la regresión estimada como se p
aumenta las llegadas retra

C. Use el metodo de minimos cuadrados

Media Xi =

Media Yi =

obs
1
2
3
4
5
6
 7
8
9
10
11
12
13
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estimada e

C. Use la ecuación de regresión estimada

 = 2,42 + 0,855(22)
=
=
 Aunque acyualmente en los aeropuertos grandes los retrasos son menos frecuentes, es util saber en que
eropuertos es mas probable que le echen a perder a uno sus planes. Ademas, si su vuelo llega con retraso a
un determinado aeropuerto en elque tiene que hacer un trasbordo? en la tabla siguiente se muestra el
porcentaje de llegadas y salidas retrasadas durante el mes de agosto en 13 aeropuertos (Business 2.0,
febrero 2002)

Diagrama de Dispersión
35

30

25

20

15

10

0
14 16 18 20 22 24 26 28 30 32

Que indica el diagrama de dispersión del inciso respetoa la relación entre llegadas retrasadas y salidas
retrasadas?
a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
aumenta las llegadas retrasadas de igual las salidas retrasadas

Use el metodo de minimos cuadrados para obtener la ecuación de regresión estimada

24+20+30+20+20+23+18+20+18+21+25+18+16 273
21
13 13

319+289+389+239+149+289+359+259+229+129+199 265
20.38
13 13

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
24 22 3.00 1.6 4.846
20 20 -1.00 -0.4 0.385
30 29 9.00 8.6 77.538
20 19 -1.00 -1.4 1.385
20 22 -1.00 1.6 -1.615
23 23 2.00 2.6 5.231
 18 19 -3.00 -1.4 4.154
20 16 -1.00 -4.4 4.385
18 18 -3.00 -2.4 7.154
21 22 0.00 1.6 0.000
25 22 4.00 1.6 6.462
18 17 -3.00 -3.4 10.154
16 16 -5.00 -4.4 21.923
214 210 142.00

142.00
166.00
0.855

b0 =  - b1 
20,38 - 0,855 * 21= 2.42

La ecuación estimada es  = 2,42 + 0,855x

Use la ecuación de regresión estimada para pronosticar las ventas anuales de un vendedor de 9 años de experiencia

 = 2,42 + 0,855(22)
2,42 + 18.81
21
Porcentaje de Salidas retrasadas
(Xi - )
9.00
1.00
81.00
1.00
1.00
4.00
 9.00
1.00
9.00
0.00
16.00
9.00
25.00
166.00

de experiencia
Resumen
Variable X 1 Gráfico de los
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.7020659758 2000
1000

Residuos
Coeficiente de determinación R^2 0.4928966343
0
R^2 ajustado 0.4295087136
-1000700 720 740 760 780
Error típico 979.5098610323
-2000
Observaciones 10
Variable X 1

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 7460483.45712356 7460483.45712356 7.7758763627 0.0236119367
Residuos 8 7675516.54287644 959439.567859554
Total 9 15136000

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -8129.4395678596 6229.4301371904 -1.3050053358 0.228174436 -22494.531224186
Variable X 1 22.4442943957 8.0488027295 2.7885258404 0.0236119367 3.883722018

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares

1 8703.7812288994 796.2187711006 0.8621838045
2 9601.5530047265 898.4469952735 0.9728814198
3 9825.9959486833 1374.0040513167 1.4878373675
4 8479.3382849426 20.6617150574 0.0223734942
5 10499.3247805537 -499.3247805537 -0.5406927777
6 9152.667116813 847.332883187 0.9175326122
7 10499.3247805537 -1199.3247805537 -1.2986862903
8 8030.452397029 -330.452397029 -0.357829676
9 8030.452397029 -1030.452397029 -1.1158231886
10 9377.1100607698 -877.1100607698 -0.9497767656
X 1 Gráfico de los residuales

740 760 780 800 820 840

Variable X 1

Superior 95% Inferior 95,0% Superior 95,0%

6235.6520885 -22494.531224 6235.652088467
41.004866773 3.883722018 41.0048667734
 Fabricante y Modelo Peso Precio
Honda AquaTrax F-12 750 9500
Honda AquaTrax F-12X 790 10500 Una moto acuatica personal (persona
diseñada para ser conducida por una p
Honda AquaTrax F-12X GPScape 800 11200 Kawasaki Motors Corp. USA introdujo la
Kawasaki STX-12F jetski 740 8500 ski se usa como termino gener
Yamaha FX Cruiser Waverunner 830 10000
Yamaha FX High Output Waverunner 770 10000
Yamaha FX Waverunner 830 9300 A.
Yamaha VX110 Deluxe Waverunner 720 7700
Yamaha VX110 Sport Waverunner 720 7000
Yamaha XLT1200 Waverunner 780 8500

B. Que indica el diagrama de disp

La pendiente de la regresión estimada co

aume

C. Use el metodo de minimos cu

Media Xi =

Media Yi =

obs
1
2
3
4
5
6
7
8
 9
10
Total

b1

b1 =

b0 =  - b1 
bo =

La ecuación estima

E. Use la ecuación de regresión e

 = -8129,44 + 22,44
=
=
 Una moto acuatica personal (personal watercraft, PWC) es una embarcación a motor dentro de borda
diseñada para ser conducida por una persona sentada, de pie o arrodillada. Al principio de los años 80,
Kawasaki Motors Corp. USA introdujo la moto acuatica JET SKI, la primera motoacuatica comercial. Hoy jet
ski se usa como termino generico para motos acuaticas personales. En la taba siguiente

Diagrama de dispersión
12000

10000

8000

6000

4000

2000

0
700 720 740 760 780 800 820 840

Que indica el diagrama de dispersión del inciso respetoa la relación entre peso y precio?

a pendiente de la regresión estimada como se puede apreciar es positiva, lo que implica que a medida que
aumente el peso igual lo hara el precio

Use el metodo de minimos cuadrados para obtener la ecuación de regresión estimada

750+790+800+740+830+770+830+720+720+780 7730
773
10 10

9500+10500+11200+8500+10000+10000+9300+7700+7000+8500
92200
9220
10 10

Xi Yi Xi -  Yi -  (Xi - )(Yi - )
750 9500 -23.00 280.0 -6440.000
790 10500 17.00 1280.0 21760.000
800 11200 27.00 1980.0 53460.000
740 8500 -33.00 -720.0 23760.000
830 10000 57.00 780.0 44460.000
770 10000 -3.00 780.0 -2340.000
830 9300 57.00 80.0 4560.000
720 7700 -53.00 -1520.0 80560.000
 720 7000 -53.00 -2220.0 117660.000
780 8500 7.00 -720.0 -5040.000
7730 92,200 332400.00

332400.00
14810.00
22.444

b0 =  - b1 
9220 - 22,444 * 773= -8129.44

La ecuación estimada es  = -8129,44 + 22,444x

Use la ecuación de regresión estimada para pronosticar las ventas anuales de un vendedor de 9 años de experiencia

 = -8129,44 + 22,444(950)
8129,44 + 21321,8
13192
(Xi - )
529.00
289.00
729.00
1089.00
3249.00
9.00
3249.00
2809.00
 2809.00
49.00
14810.00

de experiencia