1. La empresa Business S.A.

desea investigar la relación existente entre la antigüedad de sus agentes de ventas y el número
ello se seleccionaron a 15 trabajadores aleatoriamente registrándose el movimiento de sus ventas (nuevos soles) durante el tie
La información recolectada se presenta a continuación:

Ventas - Y
(NUEVOS 275 296 317 376 162 150 367
SOLES)

Meses - X 41 106 76 104 22 12 85

a. Determinar el mejor modelo No lineal que permita estimar las ventas en términos del tiempo que lleva trabajando en la
Rpta. Modelo cuadrático, R2 = 90.2%
b. Estime las ventas cuando el número de meses laborando en la empresa es de 50.
Rpta. Y = 276.37 nuevos soles.

Ventas - Y Ventas - Y (NUEVO

Meses - X (NUEVOS 400
SOLES) f(x) = 112.3027295529 exp( 0.0119737054 x )
350 f(x) = 31.6843129985 x^0.5261286843
R² = 0.701815211
41 275 R² == 0.8996531948
f(x) - 0.034485601x^2 + 6.3448071032x + 45.3475
106 296 300 R² = 0.9022091336
76 317 250
104 376
22 162 200
12 150 150
85 367
111 308 100
40 189
50
51 235
9 83 0
0 20 40 60 80 100
12 112
6 67
56 325 RANKINg MODELO R^2
19 189 1 Polinomica 0.9022
2 Potencial 0.8997
3 Exponencial 0.7018
 s agentes de ventas y el número de avisos publicitarios contratados. Para
entas (nuevos soles) durante el tiempo que llevan trabajando en la empresa.

308 189 235 83 112 67 325 189

111 40 51 9 12 6 56 19

empo que lleva trabajando en la empresa. Use un nivel de significación del 5%

Ventas - Y (NUEVOS SOLES)

( 0.0119737054 x )
9985 x^0.5261286843
48+ 6.3448071032x + 45.3475788811
^2

Ventas - Y (NUEVOS SOLES)

Exponential (Ventas - Y (NUEVOS SOLES) )
Polynomial (Ventas - Y (NUEVOS SOLES) )
Power (Ventas - Y (NUEVOS SOLES) )

60 80 100 120
 Ventas - Y
Meses - X x^2 (NUEVOS
SOLES)

41 1681 275 Resumen

106 11236 296
76 5776 317 Estadísticas de la regresión
104 10816 376 Coeficiente de correlación múltiple 0.9498469001
22 484 162 Coeficiente de determinación R^2 0.9022091336
12 144 150 R^2 ajustado 0.8859106559
85 7225 367 Error típico 34.4527668231
111 12321 308 Observaciones 15
40 1600 189
51 2601 235 ANÁLISIS DE VARIANZA
9 81 83 Grados de libertad
12 144 112 Regresión 2
6 36 67 Residuos 12
56 3136 325 Total 14
19 361 189
Coeficientes
bo Intercepción 45.3475788811
b1 Meses - X 6.3448071032
b2 x^2 -0.034485601
 y = -0.0345x2 + 6.3448x + 45.348
R² = 0.9022

Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
131413.016 65706.5078 55.3554233 0.00
14243.9177 1186.99314
145656.933

Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
22.7746541 1.99114237 0.06972961 -4.2741297 94.9692875 -4.2741297 94.9692875
1.05785144 5.99782434 6.2375E-05 4.03994682 8.64966739 4.03994682 8.64966739
0.00894828 -3.8538783 0.00229396 -0.0539822 -0.014989 -0.0539822 -0.014989
p valor
1. El administrador de la empresa quiere predecir las ventas mensuales utilizando información que relaciona las ventas con
aleatoria de diez meses. La tabla siguiente resume la información obtenida:

Mes 1 2 3 4
Publicidad (nuevos soles) - X 390 490 760 680
Ventas (nuevos soles) - Y 1100 1700 2600 2400

Determinar el mejor modelo No lineal que permita estimar la venta mensual en función de los gastos de publicidad. U
Estime la venta mensual cuando el gasto de publicidad asciende a 1000 nuevos soles.

Publicidad (nuevos soles) - X Ventas (nuevos soles) - Y

390 1100 Ventas
490 1700 4000
760 2600 f(x)==635.4249195491
f(x) 0.8081958085exp(
x^1
3500 R²
R² = =0.6230696574
0.7900033531
680 2400 f(x) = - 0.0029809131x^2 +
R² = 0.9742004536
590 2300 3000
910 2900 2500
340 400
2000
320 700
1410 3500 1500
1490 3600 1000

500

0
200 400 600 800 1000

RANKINg
1
2
3
ón que relaciona las ventas con los gastos de publicidad correspondientes a cada mes. Para el presente estudio se selecciona una muestra

5 6 7 8 9 10
590 910 340 320 1410 1490
2300 2900 400 700 3500 3600

de los gastos de publicidad. Use un nivel de significación del 5%

Ventas (nuevos soles) - Y

f(x)==635.4249195491
f(x) 0.8081958085exp(
x^1.188010816
0.0013753229 x )
R²
R² = 0.6230696574
f(x)== 0.7900033531
- 0.0029809131x^2 + 7.8502856167x - 1576.5576563948
R² = 0.9742004536
Ventas (nuevos soles) - Y
Exponential (Ventas (nuevos
soles) - Y)
Polynomial (Ventas (nuevos
soles) - Y)
Power (Ventas (nuevos soles) - Y)

200 400 600 800 1000 1200 1400 1600

MODELO R^2
Polinomial 0.9742 97.4% de la variabilidad de las ventas depende la publicidad
Potencial 0.79
Exponencial 0.6231
studio se selecciona una muestra
Publicidad (nuevos soles) - X x^2 Ventas (nuevos soles) - Y
390 152100 1100
490 240100 1700
760 577600 2600
680 462400 2400
590 348100 2300
910 828100 2900
340 115600 400
320 102400 700
1410 1988100 3500
1490 2220100 3600

y = -0.003x2 + 7.8503x - 1576.6

R² = 0.9742
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98701593
Coeficiente de determinación R^2 0.97420045
R^2 ajustado 0.96682915
Error típico 203.499281
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 10946116.3 5473058.15 132.1613 0.00
Residuos 7 289883.703 41411.9576
Total 9 11236000

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción -1576.5577 345.529451 -4.5627302 0.00259647 -2393.605
Publicidad (nuevos soles) - X 7.85028562 0.92190974 8.51524314 6.106E-05 5.67031548
x^2 -0.0029809 0.00050034 -5.9577369 0.00056566 -0.004164
or crítico de F

Superior 95%Inferior 95.0%

Superior 95.0%
-759.51034 -2393.605 -759.51034
10.0302558 5.67031548 10.0302558
-0.0017978 -0.004164 -0.0017978
1. El departamento de ventas requiere analizar la relación entre el tiempo (en horas) dedicado a la venta de un ar
registros de ventas se obtuvo la siguiente información:

Tiempo
23 24 27 30
(X)

Ventas (Y)
1400 1400 1540 1800
- dolares

a. Determinar el mejor modelo No lineal que permita estimar las ventas en términos del tiempo que lleva trabajando en la
b. Estime las ventas (en dólares) cuando el tiempo de venta es de 40 horas. Rpta. 2381.5

Ventas
Tiempo
ln x (Y- )- ln y
(X)
dolares
23 3.1354942159 1400 7.24422752 Resumen
24 3.1780538303 1400 7.24422752
27 3.295836866 1540 7.3395377 Estadísticas de la regresión
30 3.4011973817 1800 7.49554194 Coeficiente de correlación múltiple
33 3.4965075615 1950 7.57558465 Coeficiente de determinación R^2
36 3.5835189385 2240 7.71423114 R^2 ajustado
42 3.7376696183 2520 7.83201418 Error típico
45 3.8066624898 2800 7.9373747 Observaciones
45 3.8066624898 2600 7.86326672
50 3.9120230054 2880 7.96554557 ANÁLISIS DE VARIANZA
Grados de liberta
Regresión
Residuos
y = 58.579x1.0044 Total
R² = 0.9876

58.5788963 b0 Intercepción
b1 ln x
cado a la venta de un artículo por semana y las ventas logradas (en dólares). Al elegir una muestra de

33 36 42 45 45 50

1950 2240 2520 2800 2600 2880

ue lleva trabajando en la empresa. Use un nivel de significación del 5% e indique cuál es el mejor modelo valido Rpta. Mode

regresión
0.99380516
0.98764869
0.98610478
0.03314715
10

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 0.702865 0.702865 639.704527 0.00
8 0.00878987 0.00109873
9 0.71165487

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
4.0703745 0.14078011 28.9129935 2.2161E-09 3.74573498 4.39501402 3.74573498 4.39501402
1.00436109 0.03971003 25.2923808 0.00 0.9127896 1.09593257 0.9127896 1.09593257
valido Rpta. Modelo Potencia

perior 95.0%
4.- El administrador de la empresa busca incrementar las utilidades, para ello necesita reducir algunos gastos generales. Por
que pide al analista estadístico determinar un modelo que le permita estimar los gastos generales (nuevos soles) en términos
nivel de producción (miles de unidades), para lo cual se toma una muestra de 10 días de trabajo obteniéndose la siguiente
información:

Gastos - Y
NUEVOS 179.4 161.5 137.6 120.9 99.3 96.9 94.9
SOLES

Producción
27.5 23 20.5 19 16 12.5 10.5
-X

a. Determinar el mejor modelo No lineal que permita estimar los gastos generales en función del nivel de producción. Use u
b. Estime los gastos generales a un nivel de producción de 23 mil unidades. Rpta. Y = 150.3 nuevos soles.

Gastos - Y
Producció
NUEVOS
n-X
SOLES
27.5 179.4
Gastos -
23 161.5
20.5 137.6 200
19 120.9 180
f(x)
f(x)==0.1277750639x^2
55.7214885117 +
16 99.3 R² = 0.9576938367
12.5 96.9
160 R²
f(x)= =0.9466540478
18.2154193383
10.5 94.9 140 R² = 0.9063158878
10.5 80.9 120
8 80
14.5 109.9 100

80

60

40

20

0
5 10 15 20
 r algunos gastos generales. Por lo
les (nuevos soles) en términos del
o obteniéndose la siguiente

80.9 80 109.9

10.5 8 14.5

n del nivel de producción. Use un nivel de significación de 0.04 Rpta. Modelo Exponencial R2 = 94.7%
uevos soles.

Gastos - Y NUEVOS SOLES RANKING MODELO

1 POLINOMIAL
2 EXPONENCIAL
3 POTENCIAL
f(x)
f(x)==0.1277750639x^2
55.7214885117 + 0.7862162356x + 65.3993817187
exp( 0.0431434522 x)
R² = 0.9576938367
R²
f(x)= =0.9466540478
18.2154193383 x^0.6687797922
R² = 0.9063158878 Gastos - Y NUEVOS SOLES
Exponential (Gastos - Y NUEVOS
SOLES)
Polynomial (Gastos - Y NUEVOS
SOLES)
Power (Gastos - Y NUEVOS SOLES)

10 15 20 25 30
R^2
0.9577
0.9467 valido 94.67
0.9063
 Gastos - Y
Producció
X^2 NUEVOS
n-X
SOLES
27.5 756.25 179.4
23 529 161.5
20.5 420.25 137.6
19 361 120.9
16 256 99.3
12.5 156.25 96.9
10.5 110.25 94.9
10.5 110.25 80.9
8 64 80
14.5 210.25 109.9

y = 0.1278x2 + 0.7862x + 65.399

R² = 0.9577
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltip 0.97861833
Coeficiente de determinación R^ 0.95769384
R^2 ajustado 0.94560636
Error típico 7.86471052
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 9801.3653 4900.68265 79.2302627 1.5574E-05
Residuos 7 432.975701 61.8536716
Total 9 10234.341

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 65.3993817 21.1766375 3.08827979 0.01760946 15.324591 115.474172
Producción - X 0.78621624 2.6223171 0.29981738 0.77302367 -5.4145784 6.98701084
X^2 0.12777506 0.07411073 1.72411022 0.12834647 -0.047469 0.30301909
Inferior 95.0%
Superior 95.0%
15.324591 115.474172
-5.4145784 6.98701084
-0.047469 0.30301909
 Gastos - Y
Producció
NUEVOS
n-X
SOLES lny
27.5 179.4 5.18961795
23 161.5 5.08450514
20.5 137.6 4.92435093
19 120.9 4.79496376
16 99.3 4.59814557
12.5 96.9 4.57367952
10.5 94.9 4.55282371
10.5 80.9 4.39321382
8 80 4.38202663
14.5 109.9 4.69957086

y = 55.721e0.0431x
R² = 0.9467

55.7214885

estime los gastos generales a un nivel de producción de 23 mil unidades

gastos generales = y
 Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.97296148
Coeficiente de determinación R^2 0.94665405
R^2 ajustado 0.9399858
Error típico 0.067655
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.64979989 0.64979989 141.964518 0.00
Residuos 8 0.03661759 0.0045772
Total 9 0.68641749

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 4.02036586 0.06243943 64.3882494 3.7649E-12 3.87638027
Producción - X 0.04314345 0.00362097 11.9148864 0.00 0.03479348

a un nivel de producción de 23 mil unidades

x=23
150.1533485623 nuevos soles
or crítico de F

Superior 95%Inferior 95.0%

Superior 95.0%
4.16435146 3.87638027 4.16435146
0.05149343 0.03479348 0.05149343
 5

Costos
(nuevos 5 5.6 6.1 6.9
soles)-X
Utilidad
(nuevos 13.1 15.8 20.5 28.8
soles)-Y

Costos Utilidad
(nuevos LNX (nuevos LNY
soles)-X soles)-Y
5 1.6094379124 13.1 2.57261223 Resumen
5.6 1.7227665977 15.8 2.76000994
6.1 1.8082887712 20.5 3.02042489 Estadísticas de la regresión
6.9 1.9315214116 28.8 3.36037539 Coeficiente de correlación múltiple
7.2 1.974081026 35.4 3.56671182 Coeficiente de determinación R^2
8.6 2.1517622033 42.5 3.74950408 R^2 ajustado
9.5 2.2512917986 52.5 3.96081317 Error típico
8.9 2.1860512767 40.5 3.70130197 Observaciones

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total

0.44126521 Intercepción
LNX

y = 0.4413x2.1258
R² = 0.963
 7.2 8.6 9.5 8.9

35.4 42.5 52.5 40.5

a regresión
0.98134388
0.96303581
0.95687511
0.1042104
8

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 1.69759723 1.69759723 156.319266 0.00
6 0.06515885 0.01085981
7 1.76275608

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
-0.8181092 0.33432898 -2.4470185 0.04999276 -1.6361827 -3.566E-05 -1.6361827 -3.566E-05
2.1257563 0.17002282 12.5027703 0.00 1.70972544 2.54178716 1.70972544 2.54178716
perior 95.0%
6.-

La empresa en su política de incentivos para fomentar el mejor desempeño de su personal, ha encargado al gerente de venta
mejores vendedores, pero sospecha que los vendedores con mayores ventas son los vendedores más antiguos. Para contrasta
se seleccionó una muestra de diez vendedores y se registró su tiempo de antigüedad en la empresa junto con el monto de ven
obtenido los últimos diez meses:

Experienci 66 55 49 45 34 38 30
a-X
Ventas
(Nuevos 430.6 387.6 330.4 290.2 263.9 238.2 232.6
Soles) - Y

a. Determinar el mejor modelo No lineal que permita estimar las ventas en términos de la experiencia del vendedor. Use un
b.- Estime el monto de ventas de un vendedor que lleva 40 meses trabajando en la empresa.

Ventas
Experienci (Nuevos Ventas (Nuevos
a-X Soles) - Y 500
66 430.6 450
55 387.6 f(x) = 0.0485135085x^2 + 1.14
136.1719076077 exp( 0.
400
49 330.4 f(x)
R² = =0.9610430352
26.0106591456 x^0.653
0.9540587394
350
45 290.2 R² = 0.9181875298
34 263.9 300
38 238.2 250
30 232.6 200
25 227.6 150
23 194.8
100
19 192
50
0
10 20 30 40 50 60
 ha encargado al gerente de ventas premiar a sus
ores más antiguos. Para contrastar esta sospecha,
mpresa junto con el monto de ventas (nuevos soles)

25 23 19

227.6 194.8 192

experiencia del vendedor. Use un nivel de significación de 0.04

resa.

Ventas (Nuevos Soles) - Y

RANKINg MODELO R^2

0.0485135085x^2 + 1.147423663x
136.1719076077 exp( + 153.1195074139
0.0177393394 x) 1 Polinomial 0.961
26.0106591456 x^0.6534228116 Ventas (Nuevos Soles) - Y
0.9610430352
0.9540587394 2 Exponencial 0.9541
0.9181875298 Exponential (Ventas (Nuevos 3 Potencial 0.9182
Soles) - Y)
Polynomial (Ventas (Nuevos
Soles) - Y)
Power (Ventas (Nuevos Soles) - Y)

30 40 50 60 70
 Ventas
Experienci
a-X X^2 (Nuevos y = 0.0485x2 + 1.1474x + 153.12
Soles) - Y
66 4356 430.6 R² = 0.961
55 3025 387.6
49 2401 330.4
45 2025 290.2 Resumen
34 1156 263.9
38 1444 238.2 Estadísticas de la regresión
30 900 232.6 Coeficiente de correlación múltiple
25 625 227.6 Coeficiente de determinación R^2
23 529 194.8 R^2 ajustado
19 361 192 Error típico
Observaciones

ANÁLISIS DE VARIANZA
Grados de liberta
Regresión
Residuos
Total

Intercepción
Experiencia - X
X^2
egresión
0.98032802
0.96104304
0.94991247
18.1035259
10

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
2 56595.5255 28297.7627 86.3427281 0.00
7 2294.16354 327.737649
9 58889.689

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
153.119507 46.4888306 3.29368379 0.01323524 43.1908912 263.048124 43.1908912 263.048124
1.14742366 2.43128529 0.47194119 0.65132611 -4.6016525 6.89649983 -4.6016525 6.89649983
0.04851351 0.02887105 1.68035115 0.13677744 -0.0197557 0.1167827 -0.0197557 0.1167827
perior 95.0%
 Ventas
Experienci (Nuevos
a-X Soles) - Y ln(y)
66 430.6 6.06517958 y = 136.17e0.0177x
55 387.6 5.95997388 R² = 0.9541
49 330.4 5.80030404
45 290.2 5.67057034
34 263.9 5.57557024
38 238.2 5.47311066
30 232.6 5.44932024
25 227.6 5.4275897
23 194.8 5.27197339
19 192 5.25749537

136.171908 b0
b1
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9767593
Coeficiente de determinación R^2 0.95405874
R^2 ajustado 0.94831608
Error típico 0.06271362
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.65341019 0.65341019 166.135405 0.00
Residuos 8 0.03146398 0.003933
Total 9 0.68487417

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 4.91391811 0.05644756 87.0528022 3.383E-13 4.78374981
Experiencia - X 0.01773934 0.00137628 12.8893524 0.00 0.01456564

y = 136.17e0.0177x
276.415206
or crítico de F

Superior 95%Inferior 95.0%

Superior 95.0%
5.04408642 4.78374981 5.04408642
0.02091304 0.01456564 0.02091304
potencia

Tiempo
23 24 27 30
(X)
Ventas (Y) 1400 1400 1540 1800

Ventas
Tiempo (Y)-
(X) DOLARE
S ln x ln y
23 1400 3.13549422 7.24422752
24 1400 3.17805383 7.24422752
27 1540 3.29583687 7.3395377
30 1800 3.40119738 7.49554194
33 1950 3.49650756 7.57558465
36 2240 3.58351894 7.71423114
42 2520 3.73766962 7.83201418
45 2800 3.80666249 7.9373747
45 2600 3.80666249 7.86326672
50 2880 3.91202301 7.96554557

y = 58.579x1.0044
R² = 0.9876
58.5788963
 33 36 42 45 45 50

1950 2240 2520 2800 2600 2880

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99380516
Coeficiente de determinación R^2 0.98764869
R^2 ajustado 0.98610478
Error típico 0.03314715
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.702865 0.702865 639.704527 0.00
Residuos 8 0.00878987 0.00109873
Total 9 0.71165487

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 4.0703745 0.14078011 28.9129935 2.2161E-09 3.74573498
ln x 1.00436109 0.03971003 25.2923808 0.00 0.9127896
or crítico de F

Superior 95%Inferior 95.0%

Superior 95.0%
4.39501402 3.74573498 4.39501402
1.09593257 0.9127896 1.09593257