Se estudia los consumos de energa elctrica y gastos mensuales de familias.

Se toma una muestr

obtenidos son:

Consumo (x)

Gastos mensuales (Y)

xi

84
137
112
95
152
110
115
118
94

53
86
70
60
96
69
72
74
59

84
137
112
95
152
110
115
118
94

146

92

146
1163

SOLUCIN:
Variable Independiente:
Variable Dependiente:
nmero de muestra:

1. Hallamos la medias arim

_
=

_
=

2. Calculamos las varianzas m

_^2=

_^2=

_^2=

3. Calculamos la covarianza

XY

a. Recta de regresion lineal d

. Aplicando Pearson

=( .
. )/
(( ) )
=
=( .
)/ =

entonces la ecuacin de regresi

b. Si una familia tiene un con

Para x

c. Si una familia tiene un gas

Para la recta de regresin linea d

Para y

d. Coeficiente de correlacin

= _(.)/(.

milias. Se toma una muestra de 10 familias; y los datos

yi

xi2

yi2

xiyi

53
86
70
60
96
69
72
74
59

7056
18769
12544
9025
23104
12100
13225
13924
8836

2809
7396
4900
3600
9216
4761
5184
5476
3481

4452
11782
7840
5700
14592
7590
8280
8732
5546

92

21316

8464

13432

731

139899

55287

87946

ble Independiente: x: consumo

ble Dependiente:
y: gastos mensuales
10
ero de muestra:

llamos la medias arimticas

1163
10

116.3

731
10

73.10

lculamos las varianzas marginales

1/(1) [ .^2() ]

515.79

_=

1/(1) [ .^2() ]

515.79

_=

205.66

_=

293.07

lculamos la covarianza
87946
10

8501.53

cta de regresion lineal de la relacin de consumo y gasto mensual

cando Pearson
29307

=( .
. )/
( ) )
=

46421

-3.24

=( .
)/ =

10

0.63

-0.32

93

ces la ecuacin de regresin lineal queda de la siguiente manera

= . +

(-0.32)

una familia tiene un consumo de 148 kw. Estimar su gasto

= . +
148

(-0.32)

=.()+
= . (
(-0.32)

=.()+
= . (
(-0.32)

93

una familia tiene un gasto de 65 soles Cul sera su consumo mensual?

a recta de regresin linea de x sobre y, se obtiene:

65

=+ _(.)/(^2 )()

=.()+.
= . (
+ .

105

0.90

eficiente de correlacin lineal

= _(.)/(. )=

293.07
325.69

Esto significa que hay una excelente relacin entre las dos
variables de estudio, una correlacin positiva muy fuerte (0.90)
ya que se aproxima a 1 y esto nos indica que si sube el valor del
consumo de energa elctrica y gastos mensuales de familias,
sus gastos mensuales tambin tiende a subir

22.71

22.71

14.34

Con un consumo de 148 kw el gasto de

la familia sera de 93 soles

Con un consumo de 148 kw el gasto de

la familia sera de 93 soles

116.3+(.)/(.^2
(.(.
)
.
( .)
.
=
116.3+.
+ . + .)
. . ( =.

. . +.=
+ . +
. =

Si la familia tiene un gasto de 65 soles

el consumo mensual de la misma sera
105 kw

A partir de los siguientes datos referentes a horas trabajadas en un taller (X), y a unidades producida
recta de regresin de Y sobre X, el coeficiente de correlacin lineal e interpretarlo

Horas (X) Produccin (Y)

xi

yi

80
79
83
84
78
60
82
85
79
84
80

300
302
315
330
300
250
300
340
315
330
310

80
79
83
84
78
60
82
85
79
84
80

300
302
315
330
300
250
300
340
315
330
310

62

240

62

240

936

3632

SOLUCIN:
Variable Independiente:
Variable Dependiente:
nmero de muestra:

1. Hallamos la medias arimticas

936
12

3632
12

2. Calculamos las varianzas marginales

_^2=

1/(1) [ .^2() ]

_^2=

_^2=

1/(1) [ .^2() ]

3. Calculamos la covarianza

XY

285908
12

4. Recta de regresion de y sobre x

. Aplicando Pearson

=( .
. )/
(( ) )
=
=( .
)/ =

entonces la ecuacin de regresin lineal que

=.
= . +
=+.
. . +

5. Coeficiente de correlacin lineal

= _(.)/(. )=

a. Si un tcnico tiene 90 horas trabajad

=.
= . +
=+.
. . +
Para x

90

=.()+.
= . ( + .

b. Se tiene una produccin de 320 unid

Para la recta de regresin linea de x sobre y,

Para y

320

=.()+.
= . (
+ .

X), y a unidades producidas (Y), determinar la

cin lineal e interpretarlo

xi2

yi2

xiyi

6400
6241
6889
7056
6084
3600
6724
7225
6241
7056
6400

90000
91204
99225
108900
90000
62500
90000
115600
99225
108900
96100

24000
23858
26145
27720
23400
15000
24600
28900
24885
27720
24800

3844

57600

14880

73760

1109254

285908

x: horas trabajadas en el taller

y: unidades producidas
12

edias arimticas
=

78

302.67

s varianzas marginales

1) [ .^2() ]

68.36

_=

8.27

1) [ .^2() ]

68.36

_=

8.27

906.24

_=

30.10

217.67

covarianza
23608

esion de y sobre x

31344

/
) )

9024

380.89
12

3.47

31.74

n de regresin lineal queda de la siguiente manera

=.
= . +
=+.
. . +

correlacin lineal

)/(. )=

217.67
248.91

0.87

Esto significa que hay una excelente relacin entre las dos
variables de estudio, una correlacin positiva muy fuerte (0.87)
ya que se aproxima a 1 y esto nos indica que si sube el valor de
las horas trabajadas en el taller, las unidades producidas en la
misma tambin tiende a subir

Esto significa que hay una excelente relacin entre las dos
variables de estudio, una correlacin positiva muy fuerte (0.87)
ya que se aproxima a 1 y esto nos indica que si sube el valor de
las horas trabajadas en el taller, las unidades producidas en la
misma tambin tiende a subir

iene 90 horas trabajadas. En cuntas unidades se estima su produccin?

=.
= . +
=+.
. . +

=.()+.
= . ( + .

344

Con 90 horas trabajada

produccin de 34

produccin de 320 unidades. Estime el nmero de horas trabajadas

gresin linea de x sobre y, se obtiene:

=+ _(.)/(^2 )()

=.()+.
= . (
+ .

82

Con 320 unidades p

necesita 82 horas

n 90 horas trabajadas se estima una

produccin de 344 unidades
producidas

78+(.)/
(.
.
.
^2
.
( .)
.
=
78+.
+ . + .)
. . ( =.

0.24+
+.=
. =
+.+
.

Con 320 unidades producidas se

necesita 82 horas trabajadas

El Gerente de una empresa sospecha que sus cliente acuden a realizar sus compras, en funcin a la d
poblacin. Se toma una muestra de 8 clientes y los datos son

Distancia (x)

N clientes

xi

2
4
5.4
6
7.5
8
10

60
42
36
45
30
32
24

2
4
5.4
6
7.5
8
10

12

26

12
54.9

SOLUCIN:
Variable Independiente:
Variable Dependiente:
nmero de muestra:

1. Hallamos la medias arim

_
=

_
=

2. Calculamos las varianzas m

_^2=

_^2=

_^2=

3. Calculamos la covarianza

XY

4. Recta de regresion lineal d

. Aplicando Pearson

=( .
. )/
(( ) )
=
=( .
)/ =

entonces la ecuacin de regresi

a. Si la empresa si sita a 15

Para x

b. Si en un periodo determin

Para la recta de regresin linea d

Para y

c. Determine e interprete la

= _(.)/(.

compras, en funcin a la distancia (km) en que se sita la

lientes y los datos son

yi

xi2

yi2

xiyi

60
42
36
45
30
32
24

4
16
29.16
36
56.25
64
100

3600
1764
1296
2025
900
1024
576

120
168
194.4
270
225
256
240

26

144

676

312

295

449.41

11861

1785.4

ble Independiente: x: distancia de la empresa hacia la poblacin

ble Dependiente:
y: N de clientes
8
ero de muestra:

llamos la medias arimticas

54.9
8

6.86

295
8

36.88

lculamos las varianzas marginales

1/(1) [ .^2() ]

10.38

1/(1) [ .^2() ]

10.38

140.41

-29.88

lculamos la covarianza
1785.4
8

253.05

cta de regresion lineal de la relacin de consumo y gasto mensual

cando Pearson
-1912.3

=( .
. )/
( ) )
=

581.27

475.61

=( .
)/ =

-3.29

59.45

ces la ecuacin de regresin lineal queda de la siguiente manera

= .. =

la empresa si sita a 15 km de distancia de la poblacin Cuntos clientes espera acoger la empres

= .. =
15

=.
= . .()
. (

10

en un periodo determinado acuden 56 clientes. Estime la distancia aproximada

a recta de regresin linea de x sobre y, se obtiene:

56

=+ _(.)/(^2 )()

=.()+.
.(+.

3.0

termine e interprete la relacion de N de cliente que recibe la empresa y la distancia hacia la pobla

= _(.)/(. )=

-29.88
38.18

-0.78

Esto significa que si hay una relacin entre las dos variables de
estudio, una correlacin negativa fuerte (-0.78), ya que se
aproxima a -1; y esto quiere decir que si sube el valor de la
distancia de la empresa hacia la poblacin, el numero de clientes
que recibe la empresa tiende a bajar

_=

3.22

_=

3.22

_=

11.85

ntes espera acoger la empresa?

Si la empresa se sita a 15 km de
distancia de la poblacin se espera la
acogida 10 clientes para la empresa

oximada

^2 )()

.+(.)/(.^2
.
. (
.
)
.
( .)
.
=
6.8+(.)
..
.).(.=
-0.21+
+.=
. +.
=
.
+

Si acuden 56 clientes la distancia

aproximada donde se sita la empresa
respecto a la poblacin es de 3 km

y la distancia hacia la poblacin