1.

Sobre un conjunto de conductores se ha realizado una encuesta para analizar su edad (Y) y
el nmero de accidentes que han sufrido (X). A partir de la misma, se obtuvieron los siguientes
resultados:

X/Y (20,30] (30,40] (40,50] (50,60] (60,70]

0 74 82 78 72 7
1 7 6 5 6 5
2 3 2 2 1 1

A partir de estos datos, se le pide que determine para esta distribucin las curvas de regresin de
Y sobre X y de X sobre Y.

Sea y: la variable edad(x)

X: la variable nmeros de accidentes (y)

PROMEDIO DE EDADNUMERO DE ACCIDENTES

NUMERO DE PERSONAS
25 0 74
35 0 82
45 0 76
55 0 72
65 0 7
25 1 7
35 1 6
45 1 5
55 1 6
65 1 5
25 2 3
35 2 2
45 2 2
55 2 1
65 2 1

La curva de y sobre x es

x
y



yb xi
b= x 3 , a= n

xy
n

2
 x

xy=610 x=14 y =675 , x 2=22

, , =196

15 ( 610 ) (14)(675) 300

b= 15 ( 22 )(196) = = 134 = -2.23880

675(2.23880)(14)
a= 15 = 47.089

y/x= -2,23880x+47.089
ahora de x/y
x

xy=610 x=675 y =14 , x 2=33,375

, , =455625

455625 2
15 ( 33375 ) 300
b= 15 ( 610 ) (14)(675) = = 207.59 x
3
= 0.000000001

14(0.000000001)( 675) 14.000000008

=
a= 15 = 15 0.933

x/y=0.000000001x+0.933

2. Para la economa espaola, disponemos de los datos anuales redondeados sobre consumo final
de los hogares a precios corrientes (Y) y renta nacional disponible neta (X), tomados de la
Contabilidad Nacional de Espaa base 1995 del INE , para el perodo 1995-2002, ambos
expresados en miles de millones de euros:

AO 1995 1996 1997 1998 1999 2000 2001 2002

Yt2586 2736 2897 3089 3310 3550 3771 4004
Xt3817 4022 4265 4543 4865 5202 5533 5900

3
Considerando que el consumo se puede expresar como funcin lineal de la renta (Yt=a + b Xt),
determine:

a) Los parmetros a y b de la recta de regresin.

Sea y: la variable consumo

X: la variable renta

Los parametros son

x
y




b= x 3

xy
n

n=8 xy=1263227.79 x=3814.7 y =2594.3

x 2=185781.65

.7
3814

b= 8 ( 1857281.65 )
8 ( 1263227.79 ) (3814.7)(2594.3)

209346.11
b= 306313.23

b= 0.6834

yb xi 2594.30.6834 (3814.7)
a= n = 8

4
 12.8118047
a= 8

a= 160138
b) La varianza de la variable consumo y su descomposicin en varianza explicada y no explicada
por el modelo.

s2 y =
yi2n y 2
n

2
324.2875
s2 y
= 859186.798

17887.72875
s2 y = = 2235.966094
8

La varianza explicada es:

yi y 2


s2 ay=

El modelo es:

y= 0.6834x-1.60
y 1=0.6834 ( 381.7 ) 1.60=259.25

y 2=0.6834 ( 402.2 )1.60=273.26

y 3=0.6834 ( 454.3 )1.60=308.86

y 4=0.6834 ( 486.5 )1.60=330.87

y 5=0.6834 ( 520.2 )1.60=353.90

y 6=0.6834 (553.3 )1.60=376.52

y 7=0.6834 ( 590 )1.60=401.60

5
 y 8=0.6834 ( 426.5 )1.60=289.87

4229.876+61991.09+237.77+ 43.42+877.34+ 2729.6+5978.38+11840.04

s 2 ay=
8

77270.8841
s 2 ay = = 9658,88
8

La varianza del no explicada del modelo es:

2

s 2
yx =
( yi y i )
n

2 0.4225+ 0.1225+0.0289+0,0016+ 0.0169+ 121+ 0,3364+1.44

s yx =
8

3.58736
s 2 yx = = 0.44842
8

c) el coeficiente de determinacion
2
s xy
r 2=
sxxsyy

Donde

xi yi
Sxy= xy n

x


2
Sxx=


x 2

y


Syy= 2


y 2
6
 6847780277
= (382859.6387)(17887.72875)

6847780277
= 684914671.9

=0.999800

d) si la renta para x=650.00 millones de euros, entonces las

predicciones
y^= 0.6834x-1.60

y^=0.6834(650.000)-1.60

=444208.4 millones de euro

x

sxy
e) r= sxxsyy donde Sxx= 2


x 2

y


2
Syy=


y 2

xi
yi



Sxy=


xy

7
 ( 3814.7 )2
1857281.65
Sxx= 8

Sxx =38289.638
2
( 2594.3)
Syy= 859186.79
8

Syy =17887.72
(3814.7)(2594.3)
Sxy= 1263227.79
8

Sxy =26168.26375
26168.26375 26168,26375
r= (38289.638)(1788.72) = 8275.834779 =3.16

3. Se supone que se puede establecer cierta relacin lineal entre las

exportaciones de un pas y la produccin interna de dicho pas. En el
caso de Espaa, tenemos los datos anuales (expresados en miles de
millones de pesetas) para tales variables correspondientes al quinquenio
1992-96 en la siguiente tabla:

AosProduccin
Exportaciones
199252.654 10.420
199353.972 11.841
199457.383 14.443
199561.829 16.732
199665.381 18.760

A partir de tal informacin, y considerando como vlida dicha relacin

lineal, se pide:
a) Si la produccin para el ao 1997 fue de 2.210.6100 millones de pesetas,
cul sera la prediccin de las exportaciones para este ao? Qu grado
de precisin tendra dicha prediccin?

8
b) Si sabemos que las exportaciones para 1997 fueron de
69.045.704 millones de pesetas, cul sera la produccin interna
aproximada para ese ao? Qu grado de confianza dara usted a
esta prediccin?
c) Qu tanto por ciento de la varianza de las exportaciones
no vienen explicadas por la Produccin interna, y se debe a
otro tipo de variables?
d) e) El coeficiente de correlacin

sea y: variable produccion

X: variable exportacion

Y=bx + a

#=bx + n
a) Para saber la produccion de las exportaciones calculamos el modelo de
regresion de la forma:

x
y




Y: bx + a donde b= x 3

xy
n

yb xi
a= n

n=5

xy=4277.590

x 1=72.196

y 1=291.219
 x 2=1089.2833

72.196 2
5 ( 1089.2833 )
b= 5 (4277.590)(72.196)( 291.219)

363.104021
b = 234.154354

b=1.55070
291.2191.55070(72.196)
a= 5 = 179.2643

luego el modulo de regresion es:

y^= 1.55070x +179.2643

1. Como la produccion para el ao 1997 fue de 2210.6100 millones

de pesetas.

2210.6100= 1.55070x+179.2643

2210.6100-179.2643=1.55070x

2031.345604=1.55070x

2031.345604
X= 1.55070

X=1309.953959 millones de exportaciones

2. Para el grado de precision hacemos

2 2
y
1 ( xx )
Y-t / 2 s n + sxx < x < y + 1 ( xx )
t / 2 s n + sxx

Para x= 1309.95
Y=1.55070(1309.95)+ 179.2643

=2210.60

Con =95 y n=5

1- =0.95

=10.95

=0,05 ----t /2= t0.05/2= 0,025, n=5

t 0 .025, v=n-1 ------t0,025, 4=2,776

sx =
x 2n x 2
n

1089.2835( 14.4392)

2
= = 9.36617416=3.060

x


2
Sxx=


x 2
2
(72.196)
=1089.28- 5

=46.830
 1309.95(14.4392)

2210.60-(2.776 1
5 +
2


<
y
1309.9
<2210.60+(2.776)

1309.95(14.4392)

1
5 +
2

a) Como las exportaciones para el ao 1997 son de 69045704

millones, entonces la produccion interna seria para este ao de:

Y=1.55070(69045709)+ 179.2643

Y =1070693525 millones de pesetas, comparando este valor y el

del punto anterior el grado se confianza sea de 95%.

3. Para esto calculamos

2
s xy
Ry/x= r = 2
sxxsyy

yi
yi



S xy=
2


xy

(72196)(291.219)
S2xy = 4277.590
5

72.62080
S2xy = 5
S2xy = 5273.78
x


2
Sxx=


x 2
2
( 72.196)
Sxx= 1089.28 5 = 46.830870

y


Syy= 2


y 2
2
(291.219)
= 17075.72 = 114.0283
5

5273.78
r=
2
(46,830)(114.0283)

5273.78
r=
2
5339.94529

r2=0,9876
r2=98.76%
100-98.76%=1.24% de varianza que no es explicada por las
variables.

Coeficiente de correlacion
 sxy 72.62080 72.62080
r= sxxsyy = (46.8308708)(114.0283) = 5340.044585

72.62080
r = 7307560869 = 0.9937

4. De una distribucin de dos variables se conocen los siguientes

datos:
rxy = 09; sx = 12; sy = 21; x =5; y =10
A partir de los mismos, obtnganse las rectas de regresin mnimo
cuadrticas de X sobre Y y de Y sobre X.

rXy=0.9, sx= 1,2 , sy=2,1 , x=5, y=10

como
mxy
rxy= sxsy = mxy= rxsxsy

mxy=(0.9)(1.20)(2.10)

mxy =2,26
mxy 2,26
bxy= 2
s y = bxy= 4,41 =0.51

x=bxy(y-y^)+x

x =0,51(y-10)+5

x =0,51(y-10)+5

x =0,51y-5,1+5

X= 0,51y-0,1

Y para y sobre x
y= bxy(x-x)+y

y=0.51(x-5)+10

y =0,51x 2,25 + 10

y =0,51x 7,45

5. A partir de un conjunto de valores de las variables X e

Y, se ha determinado la regresin de Y sobre X,
obtenindose la siguiente recta:
Y*=10+045X; R2=09; x =20
Se pide que, a partir de la definicin de la anterior recta,
determine los parmetros de la recta de regresin de X
sobre Y.
sea y= 10 + 0.45x , un r2= 0,9 , x=20

Hallar los parametros a y b de la ecuacion y= bx + a

a= y bx de la ecuacion bxy 0,45, pero x=bxy(y-y) + x sobre y.

como bxy= 0,45

axy= 10

dyx= y bxy X

r2= byxbxy entonces 0.9= byxbxy

0.9
byx= 0.45

byx=2

entonces ayx= 10 0,45(20)

ayx =1

luego los parametros son ayx=1 , byx=2

7. Se han observado, en varios modelos de automviles, los datos
de potencia del motor (X), en caballos, y la aceleracin (Y),
medida en el nmero de segundos necesarios para acelerar de 0 a
100 Km./h. La tabla adjunta refleja los valores obtenidos.

X 50 75 90 100 120 150

Y 15 12 105 10 9 8

A partir de tales datos, se ha decidido expresar la aceleracin

en funcin de la potencia mediante el ajuste de una funcin
potencial (mediante el correspondiente cambio logartmico). Bajo
esta hiptesis:
a) Determine la funcin de ajuste y el ECM conseguido.
b) Si aumenta la potencia de un motor en un 10%, en qu
porcentaje repercutir dicho aumento en la aceleracin prevista?
Depende ello de la potencia que tenga el motor en cuestin?
c) El coeficiente de correlacin.

Sea y: variable aceleracin

X: variable motor

a Para determinar la funcin de ajuste y ECM mediante el modelo

= bx + a

x
y



6 ( 5875 )(585)(64.5) 2482.5
b= x 2 = 6(63125)(585)2 = 36525 = -0.06796

xy
n

y ib x i 64.5(0.06796)(586)
a= n = 5 = 20.85132, luego la

funcin de ajuste es:

 = -0.06796x + 20.85132

El error cuadratico medio es:

y


2

yi

SSE =
S yy b S xy
=
=


( x i)( )
n
xy


2
y

( 64.5 )2
724.25
6 [
0.0676 ( 5875 )
(585)(64.5)
6 ]
SSE = 30.875 28.11845 = 2.75655

b) si x= 10 y se aumenta en 10% entonces x= 10.1

= -0.06796(10.1) + 20.85132 = 20.1649

= -0.06796(10) + 20.85132 = 20.17

Repercutir en el aumento significativo de 0.01 o 1% en la

aceleracin prevista, si clara a mayor potencia mayor
aceleracin.}

yi

S xy (585)(64.5)
r=
c) S xx S yy = ( x i) = 5875 - 6 = -413.75
xy

 2
( x ) (585)2
Sxx = x n i
2
i = 63125 - 6 = 6087.5

2
( y ) (64.5)2
Syy = y n i
2
i = 724.25 - 6 = 30.875

413.175 413.175 413.175

r= r= =
(6087.5)(30.875) = 187951.5625 433.53380 = -0.9530

8. En un nuevo proceso artesanal de fabricacin de cierto artculo

que est implantado, se ha considerado que era interesante ir
anotando peridicamente el tiempo medio (medido en minutos)
que se utiliza para realizar una pieza (variable Y) y el nmero de
das desde que empez dicho proceso de fabricacin (variable
X). Con ello, se pretende analizar cmo los operarios van
adaptndose al nuevo proceso, mejorando paulatinamente su
ritmo de produccin conforme van adquiriendo ms experiencia
en l. A partir de las cifras recogidas, que aparecen en la tabla
adjunta, se decide ajustar una funcin exponencial que explique el
tiempo de fabricacin en funcin del nmero de das que se lleva
trabajando con ese mtodo.

X 10 20 30 40 50 60 70
Y 35 28 23 20 18 15 13

Desde el correspondiente ajuste propuesto, se pide que

determine:
a) Qu tiempo se predecira para la fabricacin del artculo
cuando se lleven 100 das?
b) Qu tiempo transcurrira hasta que el tiempo de
fabricacin que se prediga sea de 10
minutos?
c) Qu porcentaje de tiempo se reduce por cada da que pasa?
d) El coeficiente de correlacin

sea:

Y: la variable tiempo medio para realizar una pieza

 X: la variable nmero de dias del proceso de fabricacin.

n XX X i Y i
b=
a Determinar el modelo que prediga la 2 2
n X i ( X i)

donde XY =5110 X 2i =14000 y X i=280 y=152

7 ( 5110 )(280)(152) 6790

b= 7 ( 14000 )(280)2 = 19600 = -0.34642

yb x i = 152(0.34642)(280)
a= n 7 = 35.5714

= 35.5714- 0.34642(X)

Ahora para x = 100 das, el tiempo medio de fabricacin de la

pieza es de:

= 35.5714- 0.34642 (100) = 0.9294

b Cuando y = 10 minutos, el tiempo transcurrido de fabricacin de la pieza
es:
= 35.5714- 0.34642(X)

10 - 35.5714 = -0.34642(X)

- 25.5714 = 0.34642(X)
25.5714
=73.816 d as
X= 0.34642

c El coeficiente de correlacin es:

S xy
r=
S xx S yy

2 2
( X ) (280)
S xx = X 2
= 14000 = 2800
n 7
 2 2
( Y ) (152)
S xx = Y
2
= 3656 = 355.428
n 7

S xy = XY
x i y i =5110 ( 280 ) ( 152 ) =970
n 7

970 970 970

r= = = =0.972
(2800)(355.428) 998198.4 997.596311

10. Un estudiante de la Escuela Universitaria de Estudios

Empresariales de la 10. Universidad de Sevilla, para poder
pagarse sus estudios, debe trabajar como camarero en un bar de
copas de su localidad. A este establecimiento, suelen acudir
todos los jvenes de la zona. Este ao, con los conocimientos
aprendidos, decide por fin estudiar la relacin existente entre la
cantidad de sal de las galletas saladas y el consumo de
bebidas, ya que es costumbre dar al cliente este aperitivo
cuando pide una consumicin. Se sabe que las galletas no pueden
tener una concentracin de sal superior a 3'5 gramos por cada
1000 galletas y, por ello, decide ir variando a partir de 1 gramo la
concentracin de 0'5 en 0'5 gramos cada semana e ir anotando el
incremento en caja semanalmente, obteniendo la siguiente tabla:

Gramos de sal por 1000

ngresos
1 140300
1,5 150000
2 165000
2,5 175000
3 200000

A partir de tales cifras, se quiere conocer:

a) Considera justificado el planteamiento de un modelo lineal
para expresar la relacin entre
las variables?
b) Si el propietario desea unos ingresos de 160.000 pesetas,
qu cantidad de sal debera
aportar por cada 1000 galletas? Si aporta el mximo permitido de
sal, cul sera el ingreso en caja? Explicar cul de las dos
predicciones le merece mayor confianza.
c) Cul sera la variacin porcentual de los ingresos cuando la
cantidad de sal aumenta en un 1%
sobre el ltimo valor de la tabla? Si aumentamos en 1gr. la sal por
cada 1000 galletas, cunto
variarn los ingresos?
d) El coeficiente de correlacin
Sea:
y: La variable ingreso
x: La variables gramos de sal

X
Y




X




XY
n
b=

XY = 1732800

X = 10

Y = 830300

X2 = 22.5

5 ( 1732800 ) (10 )( 830300 ) 361000

b= = =28880
5 (22.5 )( 10 )2 12.5
 a=
y b x i = 83030028880(10) = 541500 =108300
n 5 5

Luego el modelo es = bx +a entonces = 28880x + 108300

Si los ingresos son y=160000 pesetas

160000 = 28880x + 108300

160000 108300 = 28880x
51700
x= =1.790 gramos de sal
28880

Si se aparta el mximo de sal el ingreso ser:

= 28880(3.5) + 108300 = 209380 pesetas

El modelo formal explica mejor el comportamiento de los ingresos ya que est

ms ajustado.

c) Si se aumenta en 1% sobre el ltimo valor tenemos:

= 28880 (3.03) + 108300 = 195806.4 pesetas

Para x=3

= 28880 (3) + 108300 = 194940 pesetas

|195806.4194940|
Luego la variacin porcentual es: v = 100
=8.66

d El coeficiente de correlacin es:

S xy 72200 72200
r= = = =0.983
S xx S yy (2.5)(215447200) 73390.59

2
( X ) (10)2
S xx = X 2
= 22 .5 = 2.5
n 5

2
( Y ) (830300)2
S xx = Y 2
= 140034090 = 2154472000
n 5
S xy = XY
x i y i =1732800 ( 10 )( 830300 ) =72200
n 5