1

1
























MERIDA YUCATAN A 04 DE SEPTIEMBRE DE 2014




2



LISTA DE COTEJO #1
UNIDAD TEMTICA: REGRESIN LINEAL SIMPLE
FORMA VALOR PUNTUACIN
OBTENIDA
1. Realiz la portada con los datos completos: Institucin,
asignatura, tema, nombres completos iniciando con
apellidos y ordenados alfabticamente, grupo y horario y
siguiendo las reglas gramaticales correspondientes en todo
el documento.
0.5
2. Las instrucciones de cada ejercicio se transcribieron a
formato de texto y toda la resolucin se escribe en un
documento de Word paginado en la parte superior derecha,
con mrgenes de 3 cm a la izquierda y 2 cm para los dems.
0.5
3. El trabajo se entreg en forma limpia, ordenada, con los
ejercicios enumerados correlativamente comenzando con el
#1 y guarda el mismo formato en todo el documento.
0.5
CONTENIDO
4. El modelo de regresin obtenido es correcto y se describe
explcita y correctamente el significado de dicho modelo
1.5
5. Elabora un diagrama de dispersin con los datos de cada
ejercicio y traza la recta de regresin estimada.
1.5
6. Calcula y describe el significado del error estndar,
coeficiente de correlacin y de determinacin en todos los
ejercicios.
1.5
7. Realiza las pruebas de significancia (pruebas de hiptesis)
correspondientes para los parmetros poblacionales ( y p).
1.5
8. Proporciona el intervalo de confianza para un valor
promedio de yy para un valor nico de y
1.5
TRABAJO EN EQUIPO y RESPONSABILIDAD
9. El equipo (mnimo 3 integrantes y mximo 5) trabaj en
forma coordinada y colaborativa y se condujo con armona
y respeto.
o.5
10. El trabajo se entreg (Impreso y engargolado) en la fecha
establecida, contiene el total de ejercicios solicitados y se
deposit en el sitio electrnico de la clase.
0.5
Puntuacin obtenida de 10

Observaciones:


3

1- Si el valor de

es elevado, implica eso que entre las dos variables hay una relacin de causa y
efecto?
R= Si, porque mide el porcentaje del cambio (efecto) en la variable X y se explica por un cambio
(causa) en la variable independiente.

2- Explique con sus propias palabras la diferencia entre estimacin por intervalo del valor medio de
las y para un valor dado de x y estimacin por intervalo de un valor de y para una x dada.
R= El intervalo del valor medio de las Y para un valor dado de X estima un valor promedio de
Y dado cualquier valor de X, mientras el que el intervalo de estimacin de un valor de Y
para una X dada estima un solo valor de Y dado X fijado en una cantidad especifica.

3- Qu objeto tiene probar si 1 = 0? Si se rechaza que 1 = 0, significa eso un buen ajuste?
R= Al probar que =0 podemos aceptar Ho, lo cual significa que la pendiente en la poblacin es
cero y por lo tanto no hay relacin lineal. Al rechazar Ho podemos ver que la pendiente en la
poblacin no es cero y as podemos decir que hay una relacin lineal entre las variables.

4- En la tabla siguiente se da el nmero de acciones vendidas (en millones) y el precio esperado (el
promedio del precio mnimo y del precio mximo) de 10 acciones de oferta pblica inicial.
Empresa Acciones vendidas
(x)
Precio esperado
($)(y)

xy
American Physician 5.0 15 25 225 75
Apex Silver Mines 9.0 14
81 196 126
Dan River 6.7 15
44.89 225 100.5
Franchise Mortgage 8.75 17 76.562 289 148.75
Gene Logic 3.0 11
9 121 33
International Home
Foods
13.6 19
184.96 361 258.4
PRT Group 4.6 13
21.16 169 59.8
Rayovac 6.7 14 44.89 196 93.8
RealNetworks 3.0 10
9 100 30
Software AG
Systems
7.7 13
59.29 169 100.1

68.05 141 555.752 2051 1025.35



4

a) Obtenga la ecuacin de regresin estimada en la que la cantidad de acciones vendidas sea la
variable independiente y el precio la variable dependiente.
Media de x=6.805
Media de y=14.

Scx=

= 92.6718
scy

= 62.9
scxy

=65.845

bi=

=0.7105

b0= 14-(.0715)(6.805) = 13.5134

Ecuacin de la regresin = 13.5134 + 0.7105x

b) Empleando 0.05 como nivel de significancia, existe una relacin significativa entre las dos
variables?

1- HO: BI=0 2- t=

= 2.82
HA: BI0 Sbi=

= .2512
3- Grado de libertad gl=n-2 gl=10-2= 8 =5%=0.05 t=8,0.05


Como la t calculada es 2.82 >2.306 que es la t de la tabla critica. Se rechaza la Ho y se acepta
HA lo cual significa que con un nivel de confianza del 95% existe una relacin entre las
acciones vendidas y el precio esperado


-2.306
2.306
-2.82
2.82
5

c) Proporciona la ecuacin de regresin estimada un buen ajuste? Explique.
r=

r=

=.8624302
Existe una relacin positiva considerable entre las variables,

=.743785
El porcentaje de cambio y se debe al cambio de x, es decir el 71% en el cambio del precio esperado y
se explica por los resultados de las acciones vendidas


d) Empleando la ecuacin de regresin estimada, estime el precio esperado en una empresa
que considera una oferta pblica inicial de 6 millones de acciones.

=bo + bix
= 13.5134 + 0.7105(6)
= 13.5134 +4.263
=17.77
El precio esperado de 6 millones de acciones es de 17.77 millones











6

5- Los programas de recompra de acciones corporativas, suelen promoverse como un beneficio
para los accionistas. Pero Robert Gabele, director de investigacin interna de First Call/Thomson
Financial, hizo notar que muchos de estos programas se realizan nicamente con el objetivo de
obtener acciones que se emplean como opciones como incentivo para los altos directivos de la
empresa. En todas las empresas, las opciones de acciones existentes en 1998 representaban el
6.2 por ciento de todas las acciones comunes en circulacin. En los datos siguientes se da la
cantidad de opciones otorgadas y la cantidad de acciones en circulacin de 13 empresas
(Bloomberg Personal Finance, enero/febrero, 2000)
Opciones
otorgadas en
circulacin
(en millones)
(x)
Acciones
comunes en
circulacin
(en millones)
(y)

xy
Adobe
Systems
20.3 61.8
412.09 3819.24 1254.54
Apple
Computer
52.7 160.9
2777.29 25888.81 8479.43
Applied
Materials
109.1 375.4
11902.81 140925.16 40956.14
Autodesk 15.7 58.9 246.49 3469.21 924.73
Best Buy 44.2 203.8 1953.64 41534.44 9007.96
Fruit of the
Loom
14.2 66.9
201.64 4475.61 949.98
ITT Industries 18.0 87.9 324 7726.41 1582.2
Merrill Lynch 89.9 365.5 8082.01 133590.25 32858.45
Novell 120.2 335.0 14448.04 112225 40267
Parametric
Technologyl
78.3 269.3
6130.89 72522.49 21086.19
Reebok
International
12.8 56.1
163.84 3147.21 718.08
Silicon
Graphics
52.6 188.8
2766.76 35645.44 9930.88
Toys R Us 54.8 247.6 3003.04 61305.76 13568.48
682.8 2477.9 52412.54 646275.03 181584.1
a) Obtenga una ecuacin de regresin estimada que sirva para estimar la cantidad en circulacin
de opciones otorgadas dada la cantidad de acciones comunes en circulacin.

Media de x=52.4615
Media de y=190.6076
Scx=

= 16,549.79 bi=

= 3.1243
scy

= 173,968.23 b0= 190.6076 (3.1243) (52.4615)= 26.7022

scxy

=51,707.17 Ecuacin = 26.7022 + 3.1243 x

7


b) Emplee la ecuacin de regresin estimada para estimar la cantidad en circulacin de opciones
otorgadas por una empresa que tiene 150 millones de acciones comunes en circulacin.

=bo + bix
= 26.7022 + 3.1243 (150)
=495.3472
El precio esperado de 150 millones de acciones comunes es de 495.3472 opciones otorgadas en
circulacion

c) Cree que la ecuacin de regresin estimada proporcione una buena prediccin de la cantidad
en circulacin de opciones otorgadas? Emplee r2 para justificar su respuesta.
r=

r=


=.963650

=.9286
El porcentaje de cambio y se debe al cambio de x, es decir el 92% en las acciones comunes y se
explica por los resultados de las opciones otorgadas en circulacin













8

6- El promedio industrial Down Jones (DJIA) y el Estndar & Poors 500 (S&P) son ndices que
emplean como una medida del movimiento general del mercado de valores. El DJIA se basa en
los movimientos de los precios de 30 empresas grandes; el S&P 500 es un ndice compuesto de
500 acciones. Algunos dicen que el S&P 500 es una mejor medida de la actividad del mercado de
valores porque tiene una base ms amplia. A continuacin se presenta el precio de cierre del
DJIA y del S&P 500 durante 20 semanas a partir del 9 de Septiembre del 2005, 30 de enero de
2006
DJLA (X) S&P 500 (Y) XY X2 Y2
10679 1241 13252639 114041041 1540081
10642 1238 13174796 113252164 1532644
10420 1215 12660300 108576400 1476225
10569 1229 12989301 111703761 1510441
10292 1196 12309232 105925264 1430416
10287 1187 12210669 105822369 1408969
10215 1180 12053700 104346225 1392400
10403 1198 12462794 108222409 1435204
10531 1220 12847820 110901961 1488400
10686 1235 13197210 114190596 1525225
10766 1248 13435968 115906756 1557504
10932 1268 13861776 119508624 1607824
10878 1265 13760670 118330884 1600225
10779 1259 13570761 116186841 1585081
10876 1267 13779892 118287376 1605289
10883 1269 13810527 118439689 1610361
10718 1248 13376064 114875524 1557504
10959 1285 14082315 120099681 1651225
10960 1288 14116480 120121600 1658944
10667 1261 13451087 113784889 1590121
213142 24797 264404001 2272524054 30764083

N=20

N-2=18









9

a) De el diagrama de dispersin de estos datos empleando DJIA como variable independiente



b) Obtenga la ecuacin de la regresin estimada
b =(NXY)-(XY)/((nX2)-((x)2))
NXY = 5288080020
XY = 5285282174
nX2 = 45450481080
(x)2 45429512164






-182.1083219+0.1334x

c) Pruebe la significancia de la relacin. Use significancia = 0.05
Ho: B1=0
Ha: B1 dif de 0


T, 05,18= 2.101
t=b1-B1/sb1
1160
1180
1200
1220
1240
1260
1280
1300
10000 10200 10400 10600 10800 11000
E
S
T

N
D
A
R

A
N
D

P
O
O
R

S

DJIA
b =2797846/20968916
b= 0.1334

a = (y/n)-(bx/n)
a=1239.85- 1421.95832
a =-182.108
10

b1=0.1334
B1=0
SB1=0.006738635
t= 0.1334-0/0.0067
t=19.80048678

Debido a que t (19.80) es mayor que 2.101 se rechaza la hiptesis de que B1=0 por lo tanto, se
puede afirmar que hay una relacin entre el cierre de los ndices de DJIA y los de S&P.

d) Proporciona un buen ajuste la ecuacin de regresin estimada? Explique
Tendramos que obtener que tan fuerte es la relacin para esto utilizaramos el coeficiente de
determinacin para saber con qu tanta precisin se relacionan estos datos por lo tanto utilizamos la
frmula r= scxy/raz (scx*scy)
Por lo tanto:
SCXY XY 264404001
XY-(xy/n) X 213142
139892.3 Y 24797
n 20
xy/n 264264108.7

SCX
x2-(x)2/n x2 2272524054
1048445.8 (x)2 45429512164
n 20

SCY y2 30764083
y2-(y)2/n (y)2 614891209
19522.55 n 20
y2 30764083




r = 13989.3/raz (1048445.8*19522.55)
r= 139892/143067.5909
r= 0.9778
-2.101
2.101
11

Conclusin: La ecuacin de regresin proporciona un buen ajuste, ya que hay una relacin directa entre
el ndice DJIA y el S&P 500, en el cual el valor estimado de S&P 500 y el valor real quedan muy cercanos.
e) Suponga que el precio de cierre de DJIA es 11,000. Estime el precio de cierre de S&P 500 Utilizando la
ecuacin de regresin :
-182.1083219+0.1334x obtenemos: -182.1083 +0.1334(11,000)
182.1083+1467.4=1285.29
Conclusin: Si el precio de cierre de DJIA es de 11,000 el precio aproximado de S&P 500 es de 1285

f) Debe preocupar que el valor de 11000 del DJIA empleado en el inciso e) para producir el del S&P se
encuentre fuera del intervalo de los datos empleado para obtener la ecuacin estimada?
No, porque los datos que se proporcionaron son cercanos a 11,000 y aparte el ndice DJIA y el S&P 500
estn directamente relacionados, por lo cual se tienen dos razones para estar seguro que al usar 11,000
en DJIA podramos aproximarnos mucho al ndice de S&P 500
















12

7- Jensen Tire & Auto est por decidir si firma un contrato de mantenimiento para su nueva
mquina de alineamiento y balanceo de neumticos. Los gerentes piensan que los gastos de
mantenimiento debern estar relacionados con el uso y recolectan los datos siguientes sobre
uso semanal (horas) y gastos de mantenimiento (en cientos de dlares)


Uso
semanal(X)
Gastos anuales de
mantenimientoY) XY X2 Y2
13 17 221 169 289
10 22 220 100 484
20 30 600 400 900
28 37 1036 784 1369
32 47 1504 1024 2209
17 30.5 518.5 289 930.25
24 32.5 780 576 1056.25
31 39 1209 961 1521
40 51.5 2060 1600 2652.25
38 40 1520 1444 1600
=253 =346.5 =9668.5 =7347 13010.75






a) Obtenga la ecuacin de regresin que relaciona gastos anuales de mantenimiento con el
uso semanal.
NXY = 96685
XY = 87664.5
nX2 = 73470
(x)2 64009
b =(NXY)-(XY)/(nX2)-((x)2)

B =96685-87664.5/(73470-64009)
B =9020.5/9461
B =0.95343

0
10
20
30
40
50
60
0 10 20 30 40 50
Series1
USO SEMANAL EN HORAS
Costo en cientos de
dlares
13



a= (y/n)-(bx/n)
y/n =34.65


a=
A= 34.65-24-12
A=10.5279569
bx/n=0.9534*253/10
bx/n=24.12

Ecuacin de regresin : 10.53 + 0.9534X


b) Pruebe la significancia del inciso a) con 0.05 como nivel de significancia
Ho: B1=0
Ha: B1 dif de
T, 05,8= 2.306
t=b1-B1/sb1
b1=0.9534
B1=0
SB1=0.1381
t= 0.9534-0/0.1381
t=6.90
SCX SCE
x2-
(x)2/n x2 7347
SCY-
(SCYX)2/SCX SCY 1004.525
Valor
SCX=946.1 (x)2 64009
VALOR
SCE=144.474051 (SCXY)2 813694.202
n 10 SCX 946.1
(SCXY)2/SCX 860.050949
SCY y2 13010.75
VALOR SCY
=1004.525 (y)2 120062.25
n 10 CME
SCE/n-2 SCE 144.474051
SCXY XY 9668.5 18.0592564 n-2 8
XY-
(xy/n) X 253
902.05 Y 346.5 Se
n 10 raiz(CME)
-2.306 2.306
14

xy/n 8766.45 4.24961839

sb1
Se/raiz (scx) se 4.24961839
0.13815971 scx 946.1
raiz (scx) 30.7587386
Conclusin: Debido a que Ho: B= 0 cae en la zona de rechazo, podemos afirmar que hay una relacin
entre el uso semanal de las mquinas y el costo del mantenimiento.
c) Jensen piensa que usar la nueva mquina 30 horas a la semana. Obtenga un intervalo de prediccin
de 95% para los gastos anuales de mantenimiento de la empresa.
*Calcular error estndar del pronstico (SYi)
SYi = Se raiz (1+1/n)+(xi-promedio x)2/scx i=10.53 + 0.9534(30)
Se=4.2496 i=39.132
1+1/n=1.1
Xi=30
X promedio= 253/10 =25.3
SCX=946.1
SYi= 4.2496* raiz (1.1)+(30-25.3)
2
/946.1
SYi=4.50


Intervalo de prediccin:
i (+-)t(syi)
39.13 (+-) 2.306*4.50
*=39.13+10.377=49.50
*39.13-10.377=28.753
CONCLUSIN: Se gastarn entre 2,875 y 4950 dlares por el costo de mantenimiento
d) Si el precio del contrato de mantenimiento es de 3,000 anuales recomendara firmar el contrato de
mantenimiento? Por qu s o por qu no?
Si, por que segn la prediccin del intervalo que podramos pagar por el costo de
mantenimiento (por 30 horas) es menor a lo que seria el promedio de 2,875 a 4,950 por
lo cual el 3,000 dolares, est cerca de la prediccin mnima supuesta antes.



15

8- En un determinado proceso de manufactura, se cree que la velocidad (pies por minuto) de la
lnea de ensamble afecta el nmero de partes defectuosas halladas en el proceso de inspeccin.
Para probar esto, los gerentes han ideado un procedimiento en el que la misma cantidad de
partes por lote se examina visualmente a diferentes velocidades de la lnea. Se obtienen los
datos siguientes.
VELOCIDAD DE
LA LNEA
NMERO DE
PARTES
DEFECTUOSAS
ENCONTRADAS

xy
20 21 400 441 420
20 19 400 361 380
40 15 1600 225 600
30 16 900 256 480
60 14 3600 196 840
40 17 1600 289 680
a) Obtenga la ecuacin de regresin estimada que relaciona la velocidad de la lnea de produccin
con el nmero de partes defectuosas encontradas.

Media de X = x/n = 210/6 =35
Media de Y = y/n = 102/6 = 17

Scx=

= 1150 bi=

= 16.1905
scy

= 34 b0= 17 (16.1905) (35)= -549.6675

scxy

= -170 Ecuacin = -549.6675 + 16.1905 x

b=

= -0.1478 Ecuacin Y1=22.1739 + (-0.1478)X

a= 102/6 -

= 22.1739


b) Empleando el nivel de significancia 0.05, determine la velocidad de la lnea y el numero de partes
defectuosas estn relacionados.
Ho: B1=0
Ha: B1 dif de 0

T, 05,4= 2.78
t=b1-B1/sb1




-2.78 2.78
16

b1=16.1906
B1=0
SB1=0.0012948
t= 16.1906-0/0.0012948
t=12,503.65



Debido a que t (12,503.65) es mayor que 2.78 se rechaza la hiptesis de que B1=0 por lo tanto,
se puede afirmar que hay una relacin entre la velocidad de la lnea y los desperfectos

c) la ecuacin de regresin estimada proporciona un buen ajuste a los datos?.

Tendramos que obtener que tan fuerte es la relacin para esto utilizaramos el coeficiente de
determinacin para saber con qu tanta precisin se relacionan estos datos por lo tanto utilizamos la
frmula r= scxy/raz (scx*scy)
Por lo tanto:
SCXY XY 3400
XY-(xy/n) X 210
-170 Y 102
n 6
xy/n 3570

SCX
x2-(x)2/n x2 8500
34 (x)2 44100
n 6

SCY y2 1768
y2-(y)2/n (y)2 10404
19522.55 n 6
y2 1768

r =

r= 0.8597
r2=0.7390



17

d) Obtenga un intervalo de confianza de 95% para predecir el nmero medio de partes defectuosas
si la velocidad de la lnea es de 50 pies por minuto.

SYi= 1.4891(raiz 1.3556) = 1.7338
IC Yx= i (+-) t SYi
Yx (+)=19.6039
Yx (-)= 9.9639
El intervalo es: 19.6039 >o igual a Yx >o igual a 9.9639



















18

9- Un hospital de una ciudad grande contrat a un socilogo para que investigara la relacin entre
el nmero de das de ausencia sin autorizacin de los empleados por ao y la distancia en
millas entre su casa y el trabajo. Se tom una muestra de 10 empleados y se obtuvieron los
datos siguientes:
DISTANCIA ENTRE
LA CASA Y EL
TRABAJO
NUMERO DE DIAS DE
AUSENCIA SIN
AUTORIZACIN

xy
1 8 1 64 8
3 5 9 25 15
4 8 16 64 32
6 7 36 49 42
8 6 64 36 48
10 3 100 9 30
12 5 144 25 60
14 2 196 4 28
14 4 196 16 56
18 2 324 4 36
a) Elabore el diagrama de dispersin con estos datos. Aparenta ser razonable una relacin lineal?
Explique.
R= no aparenta ser razonable por que unos puntos estn relativamente cerca y otros dispersos
b) Obtenga la ecuacin de regresin estimada por mnimos cuadrados.
Media de X = x/n = 210/6 =35
Media de Y = y/n = 102/6 = 17
Scx=

= 1150 bi=

= 16.1905
scy

= 34 b0= 17 (16.1905) (35)= -549.6675

scxy

= -170 Ecuacin = -549.6675 + 16.1905 x

b=

= -0.1478 Ecuacin Y1=22.1739 + (-0.1478)X

a= 102/6 -

= 22.1739

c) Existe una relacin significativa entre las dos variables? Explique.

SCXY XY 355
XY-(xy/n) X 90
-95 Y 50
n 10
xy/n 450

SCX
x2-(x)2/n x2 1086
276 (x)2 8100
19

n 10

SCY y2 1086
y2-(y)2/n (y)2 2500
46 n 10
y2 296

r =

r= 0-0.8431
r2=0.7108
R= las variables estn fuertemente relacionadas ya que el valor de r es cercano a 1
d) La ecuacin de regresin estimada obtenida en el inciso b) para calcular un intervalo de
confianza de 95% para el nmero esperado de das de ausencia de los empleados que viven a 5
millas de la empresa.

SYi= 3.1365 (raiz 1.1579) = 3.6320
IC Yx= i (+-) t SYi
Yx (+)= 14.7767
Yx (-)= -2.0131
El intervalo es: 14.7767 igual a Yx > igual a -2.0131











20


10- La autoridad de trnsito de una zona metropolitana importante desea determinar si hay relacin
entre la antigedad de un autobs y los gastos de mantenimiento. En una muestra de 10 de autobuses
se obtuvieron los siguientes datos.















Donde el promedio de x=3 y el promedio para y= 615

a) Empleando el mtodo de mnimos cuadrados obtenga la ecuacin de regresin estimada.

SCxy= 20820- [(30)(6150)]/10 = 2370

SCx= 108- [30^2]/10 = 18 SCy= 4139900- [6150^2]/10 =357650

bi= 2370/18 = 131.66 bo= 615- 131.66(3)= 220.02

Y= 220.02 + 131.6X












Antigedad
Costo de
Mantenimiento (XY) (X^2) (Y^2)
1 350 350 1 122500
2 370 740 4 136900
2 480 960 4 230400
2 520 1040 4 270400
2 590 1180 4 348100
3 550 1650 9 302500
4 750 3000 16 562500
4 800 3200 16 640000
5 790 3950 25 624100
5 950 4750 25 902500
30 6150 20820 108 4139900
La ecuacin nos
dice que mayor
sea la
antigedad del
autobs podras
pagar ms por
el costo de
mantenimiento.
21

H0
b) Haga una prueba para determinar si las dos variables estn relacionadas de manera significativa
con =.05
H0: i=0 No estn relacionadas
HA: i0 estn relacionadas

Sbi= *75.4983+/18 = 17.79 = *131.66-0]/17.7951 = 7.3986
=.05 g.l= 10-2 =2.306










c) Proporciona la recta de mnimos cuadrados una buena aproximacin a los datos observados?

r= *2370+/(18)(357650) = .9340 r^2= (.9340)^2 =.8725

*Existe relacin directa, los datos se ajustan adecuadamente debido a que estn entre 0 y 1
[-1 r 1+. Hay una relacin positiva muy fuerte en el que el 87.25 % de las variables estn
correlacionadas.

d) Calcule un intervalo de prediccin de 95% para los gastos de mantenimiento de un determinado
autobs cuya antigedad es de 4 aos.

Syi= (75.4983) 1 + *1/10+ + *4-3]/18 = 81.1582
Yi: Y= 220.02 + 131.6(4) = 746.42
=.05 g.l= 10-2 =2.306

Yx= 746.42 2.306(81.1582) = I.C: 559.26 Yx 933.57

*Se calcula que un autobs en un nivel de confianza al 95% con 4 aos de antigedad, se pagara por
mantener entre $559 y $934 en concepto de gastos de mantenimiento






Aceptar HA y rechazar H0 porque a un nivel de 95% de
confianza, las dos variables estn relacionadas de
manera significativa porque los datos demuestran
correlacin del modelo.
H0
2.306 -2.306
7.3986
22


11- Un profesor de merca desea saber cul es la relacin entre las horas de estudio y las calificaciones en
un curso. Se presenta una muestra de 10 datos obtenidos en los estudiantes que tomaron el curso el
trimestre pasado.










Donde el promedio es de x= 69.5, y el promedio y=63.5
a) Obtenga la ecuacin de regresin estimada que indica la relacin entre la calificacin y las horas
de estudio.

SCxy= 48050- [(695)(635)]/10 = 3917.5
SCx= 53025- [695^2]/10 = 4722.5 SCy= 44025- [635^2]/10 = 3702.5
bi= 3917.5/4722.5 = .8295 bo= 63.5- .8295(69.5)= 5.8497
Y= 5.84 + .8295X













Horas de
estudio Calificaciones (XY) (X^2) (Y^2)
45 40 1800 2025 1600
30 35 1050 900 1225
90 75 6750 8100 5625
60 65 3900 3600 4225
105 90 9450 11025 8100
65 50 3250 4225 2500
90 90 8100 8100 8100
80 80 6400 6400 6400
55 45 2475 3025 2025
75 65 4875 5625 4225
695 635 48050 53025 44025
La ecuacin
nos
demuestra,
que mayor
sean las
horas de
estudio,
mayor
calificacin
podras
obtener.
23





b) Empleando =.05 pruebe la significancia del modelo
Prueba para i
H0: i=0 No Estn relacionadas
HA: i0 Estn relacionadas
Se= 7.5231
Sbi= *7.5231+/4722.5 = .1094 = [.8295-0]/.1094 = 7.5771
=.05 g.l= 10-2 =2.306









r= *3917.5+/(4722.5)(3702.5) = .9368 *-1 r 1+
r^2= (.9368)^2 =.8777

Prueba para
H0: =0 No Estn relacionadas
HA: 0 Estn relacionadas

Sr= ,(1-.8777)/10-2} = .1236 = [.9368-0]/.1277 = 7.3359

c) Pronostique la calificacin que obtendr Mark, l estudio 95 horas.
Y= 5.84 + .8295(95) = 84.64

d) Calcule un intervalo de prediccin de 95% para la calificacin.

*Mark podra sacar 85 en el eximen si estudia al menos 95 horas.

xi= 95 horas Syi= (75.4983) ,1 + *1/10+ + *(95-69.5)^2/4722.5] = 8.3695
Se= 7.5231 horas
X= 69.5 Yx= 84.64 2.306(8.3695) = I.C: 65 Yx 103.91
yi= 84.64
= 2.306 *Mark puede sacar de 65 a 100 de calificacin si estudia al menos 95.

H0
-2.306 2.306
*Existe una correlacin positiva muy fuerte
en un 87.77% de las variables que estn
correlacionadas, hay una gran fuerza de
relacin en la que demostramos que se
rechaza el Ho y aceptamos el HA a un nivel
de 95% de confianza.
24


12- Bloomberg Personal Finance (julio/agosto 2001) public que la beta del mercado de Texas
Instrument era 1.46. La beta del mercado de cada accin se determina mediante regresin
lineal simple. En cada caso, la variables dependiente es la rentabilidad porcentual trimestral
(revalorizacin ms dividendos) menos el rendimiento porcentual que se hubiera obtenido
en una inversin libre de riesgos (como la tasa libre de riesgo se emple la tasa Treasury Bill).
La variable independiente es la rentabilidad porcentual trimestral (revalorizacin de capital
ms dividendos) para el mercado de valores (S&P 500) menos la rentabilidad porcentual de
una inversin libre de riesgos. A partir de los datos trimestrales se desarrolla la ecuacin de
regresin estimada; la beta del mercado de accin en cuestin es la pendiente de la
ecuacin de regresin estimada (b
1
). La beta del mercado suele interpretarse como una
medida de lo riesgoso de la accin. Si la beta del mercado es mayor a 1, la volatilidad de la
accin es mayor al promedio en el mercado; si la beta del mercado es menor a 1, la
volatilidad de la accin es menos al promedio en el mercado. Supongase que las cifras
siguientes son diferencias entre rentabilidad porcentual y rentabilidad libre de riesgos a lo
largo de 10 trimestres de S&P 500 y Horizon Technology.
S&P 500 (x) Horizon (y)
1.2 -0.7
-2.5 -2.0
-3.0 -5.5
2.0 4.7
5.0 1.8
1.2 4.1
3.0 2.6
-1.0 2.0
0.5 -1.3
2.5 5.5

a) Obtenga la ecuacin de regresin estimada que sirve para determinar la beta del mercado de
Horizon Technology. Cul es la beta del mercado de Horizon Technology?

X
2
Y
2
XY
1.44 0.49 -0.84
6.25 4 5
9 30.25 16.5
4 22.09 9.4
25 3.24 9
1.44 16.81 4.92
9 6.76 7.8
1 4 -2
0.25 1.69 -0.65
6.25 30.25 13.75
X
2
= 63.63 Y
2
= 119.58 XY= 62.88
25


X= 8.9
Y= 11.2
Media de X= 0.89
Media de Y= 1.12

SCx= 63.63-(8.9)
2
/10= 55.709
SCy= 119.58-(11.2)
2
/10= 107.036
SCxy= 62.88-(8.9)(11.2)/10= 52.912

B
1
= 52.912/55.709= 0.9498
B
0
= 1.12-0.9498 (0.89)= 0.2747

= 0.2747+0.9498X
La beta del mercado de Horizon Technology es 0.9498 lo cual significa que la volatilidad de la
accin es menor al promedio en el mercado.

b) Empleando 0.05 como nivel de significancia, pruebe la significancia de la relacin.
COEFICIENTE DE REGRESION POBLACIONAL

ERROR ESTNDAR
SCE= 107.036 (52.912)
2
/55.709= 56.7806
CME= 56.7806/10-2= 7.0976
Se= = 2.6641

PASO 1
HO: 1=0
HA: 10

PASO2
Sb1= 2.6641/ = 0.3569
t= 0.9498-0/0.3569= 2.6612

PASO 3
= 5%
g.l= 10-2= 8
t
0.05, 8
= 2.306






26


PASO 4







COEFICIENTE CORRELACIONAL POBLACIONAL
r= 0.6852
PASO 1.
HO: = 0
HA: 0

PASO 2,
Sr=

= 0.2575
t= 0.6852-0/0.2575= 2.661
PASO 3.
= 5%
g.l= 10-2= 8
t
0.05, 8
= 2.306

PASO 4.





.

Con estas pruebas para los parmetros poblacionales podemos concluir que como
t=2.6612.306, entonces se rechaza Ho y se acepta Ha, lo cual significa que a un nivel del 95% de
-2.306
-2.306 2.306
2.306 -2.306
27

confianza los trimestres de S&P 500 esta fuertemente relacionada con las acciones de Horizon
Technology a un nivel poblacional.
c) Proporciona la ecuacin de regresin estimada un buen ajuste? Explique
Para saber que tan fuerte es la relacin necesitamos obtener el error estndar y el anlisis de
correlacin.

ANLISIS DE CORRELACIN.
r= 52.912/= 0.6852
r
2
= 52.912
2
/(55.709)(107.036)= 0.4695
Con esto podemos concluir que hay una relacin fuerte entre los datos por lo que la ecuacin de
regresin nos proporciona un buen ajuste.

d) Utilice las betas del mercado de Horizon Technology y de Texas Instrument para comparar los
riesgos de estas dos acciones.

La beta del mercado refleja el riesgo de la accin, la de Horizon Technology es 0.9498 y la de
Texas Instrument es de 1.46. Con esto se puede observar que la beta del mercado de Texas
Instrument es mayor a 1, dicindonos que su volatilidad es mayor al promedio en el mercado por
lo que la accin de esta empresa es ms riesgosa.
























28


13- La Transactional Record Access Clearinghouse de la Universidad de Syracuse publica datos
que muestran las posibilidades de una auditoria del Departamento de Tesorera de los
Estados Unidos. En la tabla siguiente se muestra la media del ingreso bruto ajustado y el
porcentaje de declaraciones que fueron auditadas en 20 municipios.
Municipio Ingreso bruto ajustado Porcentaje auditado
Los ngeles 36 664 1.3
Sacramento 38 845 1.1
Atlanta 34 886 1.1
Boise 31 512 1.1
Dallas 34 531 1.0
Providence 35 995 1.0
San Jos 37 799 0.9
Cheyenne 33 876 0.9
Fargo 30 513 0.9
Nueva Orleans 30 174 0.9
Oklahoma City 30 060 0.8
Houston 37 153 0.8
Portland 34 918 0.7
Phoenix 33 291 0.7
Augusta 31 504 0.7
Alburquerque 29 199 0.6
Greensboro 33 072 0.6
Columbia 30 859 0.5
Nashville 32 566 0.5
Buffalo 34 296 0.5












29


a) Obtenga la ecuacin de regresin estimada que sirve para pronosticar el porcentaje de
auditorias dado un ingreso bruto ajustado.

X
2
Y
2
XY
1344248896 1.69 47663.2
1508934025 1.21 42729.5
1217032996 1.21 38374.6
1057030144 1.21 35763.2
1192389961 1 34531
1295640025 1 35995
1428764401 0.81 34019.1
1147583376 0.81 30488.4
931043169 0.81 27461.7
910470276 0.81 27156.6
903603600 0.64 24048
1380345409 0.64 29722.4
1219266724 0.49 24442.6
1108290681 0.49 23303.7
992502016 0.49 22052.8
852581601 0.36 17519.4
1093757184 0.36 19843.2
952277881 0.25 15429.5
1060544056 0.25 16283
1176215616 0.25 17148
X
2
= 2.2772x10
10
Y
2
=14.78 XY=563974.9

X= 672713
Y= 16.6
Media de X= 3365.65
Media de Y= 0.83

SCx= 2.2772x10
10
-(672713)
2
/20= 144860981.5
SCy=14.78 -(16.6)
2
/20= 1.002
SCxy= 563974.9 -(672713)( 16.6)/20= 5623.11

B
1
= 5623.11/144860981.5= 3.88x10
-05
B
0
= 0.83-3.88x10
-05
(0.83)=0.6994

= 0.6994+3.88x10
-05
X



30



b) Empleando como nivel de significancia 0.05, determine si hay relacin entre el ingreso bruto
ajustado y el porcentaje de auditorias.
COEFICIENTE DE REGRESION POBLACIONAL

ERROR ESTNDAR
SCE= 1.002 (5623.11)
2
/144860981.5= 0.7837
CME= 0.7837/20-2= 0.0435
Se= = 0.2087

PASO 1
HO: 1=0
HA: 10

PASO2
Sb1= 0.2087/ = 1.734x10
-05
t= 3.88x10
-05
-0/1.734x10
-05
= 2.2376


PASO 3
= 5%
g.l= 20-2= 18
t
0.05, 8
= 2.10




PASO 4







COEFICIENTE CORRELACIONAL POBLACIONAL
r= 0.4667
PASO 1.
HO: = 0
HA: 0

-2.10 2.10
31



PASO 2,
Sr=

= 0.2085
t= 0.4667-0/0.2085= 2.2388
PASO 3.
= 5%
g.l= 20-2=18
t
0.05, 8
= 2.10

PASO 4.






Con estas pruebas para los parmetros poblacionales podemos concluir que como t=2.23762.10 y
t=2.23882.10, entonces se rechaza Ho y se acepta Ha, lo cual significa que a un nivel del 95% de
confianza el ingreso ajustado esta fuertemente relacionado con el porcentaje de auditorias a un nivel
poblacional.
c) Proporciona la ecuacin de regresin estimada un buen ajuste? Explique
ANLISIS DE CORRELACIN.
r= 5623.11/= 0.4667
r
2
= (5623.11)
2
/(144860981.5)(1.002)= 0.2118
Con esto podemos concluir que hay una relacin fuerte entre los datos por lo que la
ecuacin de regresin nos proporciona un buen ajuste.

d) Emplee la ecuacin de regresin estimada del inciso a) para calcular un intervalo de 95% de
confianza para el porcentaje de auditorias en un municipio en el que el promedio del ingreso
bruto ajustado es $35000
X
i
= 35000
Sy= 0.2087

= 0.5505
= 0.6994+3.88x10
-05
(35000)= 2.0574
M
y/x
= 2.05742.10 (0.5505)= 0.9014 M
y/x
3.2135
-2.306
-2.10 2.10
32



14- Una institucin de un determinado pas public evaluaciones sobre la satisfaccin con el
trabajo. una de las cosas que se pedan en la encuesta era elegir (de una lista de factores) los
cinco factores principales para la satisfaccin en el trabajo. Despus se peda a los
encuestados que indicaran su nivel de satisfaccin con cada uno de esos cinco factores. En la
tabla siguiente se presentan los porcentajes de personas para los que el factor indicado fue
uno de los cinco factores principales, jutno con una evaluacin obtenida empleando el
porcentaje de personas que consideraron al factor como uno de los principales y que
estaban muy satisfechos satisfechos con ese factor
(www.apse.gov.au/stateoftheservice)
Factor Cinco principales Evaluacin
Carga de trabajo adecuada 30 49
Posibilidad de ser creativo o hacer innovaciones 38 64
Posibilidad de hacer contribuciones tiles a la sociedad 40 67
Obligaciones y expectativas claramente planteadas 40 69
Condiciones flexibles de trabajo 55 86
Buena relacin de trabajo 60 85
Trabajo interesante 48 74
Oportunidad de hacer carrera 33 43
Oportunidad de desarrollar sus habilidades 46 66
Oportunidad de utilizar sus habilidades 50 70
Retroalimentacin y reconocimiento al esfuerzo realizado 42 53
Salario 47 62
Poder ver resultados tangibles del trabajo 42 69

a) Elabore un diagrama de dispersin colocando en el eje horizontal los porcentajes de los factores
principales y en el eje vertical la evaluacin correspondiente.








33



b) Qu indica, respecto a la relacin entre las dos variables, el diagrama de dispersin elaborado
en el inciso a)?

Segn el diagrama de dispersin demuestra que las variables estn muy relacionadas entre si y
que a mayor consideracin del factor como uno de los cinco principales, mayor satisfaccin con
el.

c) Obtenga la ecuacin de regresin estimada que sirva para pronosticar la evaluacin (%) dado el
porcentaje del factor (%)

X
2
Y
2
XY
900 2401 1470
1444 4096 2432
1600 4489 2680
1600 4761 2760
3025 7396 4730
3600 7225 5100
2304 5476 3552
1089 1849 1419
2116 4356 3036
2500 4900 3500
1764 2809 2226
2209 3844 2914
1764 4761 2898
X
2
= 25915 Y
2
= 58363 XY= 38717

X= 571
Y= 857
Media de X= 43.9231
Media de Y= 65.9231

SCx= 25915-(571)
2
/13= 834.9231
SCy=58363-(857)
2
/13= 1866.9231
SCxy=38717-(571) (857)/13= 1074.9231

B
1
=1074.9231 /834.9231= 1.2875

B
0
= 65.9231-1.2875 (43.9231) =9.3721

=9.3721+1.2875X


34




d) Empleando como nivel de significancia 0.05 realice una prueba para determinar la significancia
de la relacin.

COEFICIENTE DE REGRESION POBLACIONAL

ERROR ESTNDAR
SCE= 1866.9231 (1074.9231)
2
/834.9231= 483.0116
CME= 483.0116/13-2= 43.9101
Se= = 6.6265

PASO 1
HO: 1=0
HA: 10

PASO2
Sb1= 6.6265/

= 0.2293

t= 1.2875-0/0.2293= 5.6149

PASO 3
= 5%
g.l= 13-2= 11
t
0.05, 8
= 2.2




PASO 4









-2.2 2.2
35

COEFICIENTE CORRELACIONAL POBLACIONAL
r= 0.86
PASO 1.
HO: = 0
HA: 0


PASO 2,
Sr=

= 0.1539
t= 0.86-0/0.1539= 5.588
PASO 3.
= 5%
g.l= 13-2=11
t
0.05, 8
= 2.2

PASO 4.







Con estas pruebas para los parmetros poblacionales podemos concluir que como t=5.5614
2.2 y t=5.588 2.2, entonces se rechaza Ho y se acepta Ha, lo cual significa que a un nivel
del 95% de confianza la consideracin de un factor como uno de los cinco principales esta
fuertemente relacionado con la satisfaccin a un nivel poblacional.

e) Proporciona la ecuacin de regresin estimada un buen ajuste?
ANLISIS DE CORRELACIN.
r= 1074.9231/= 0.86
Con esto podemos concluir que hay una relacin fuerte entre los datos por lo que la ecuacin de
regresin nos proporciona un buen ajuste.

f) D el valor del coeficiente de correlacin muestral.
r
2
= (1074.9231)
2
/(834.9231)(1866.9231)= 0.7413

-2.306
-2.2 2.2
36