CURSO: ESTADISTICA APLICADA A LOS NEGOCIOS CICLO: QUINTO

ESPECIALIDAD: ADMINISTRACIÓN

DOCENTE: Catedrático Mg. RAMOS PANTOJA, Fernando

Eliseo.

● Carnero Guerra, Katherinne Patricia

● Marcelo Rojas, Renzo Daniel

● Barriga Fuertes, Douglas Barriga

● Gavidia Vega, Paola Estephany

● Prado Coronado, Monica Viviana

TAREA PARA EL DOMINGO 23 DE JUNIO DEL 2024

Los grupos solo elegirán como mínimo cinco ejercicios a desarrollar

1.- Se desea analizar la relación entre edad y el tiempo efectivo de

servicios, se considera una muestra de 15 trabajadores de la Empresa
Textil ¨RAMOS S.A. Lima 2024, obteniéndose los resultados siguientes:
Edad (x) 48 40 30 39 46 42 27 36 34 46 32 42
40 32 27
Tiempo de servicio 24 18 9 14 22 22 4 13 10 20 12
18 16 8 6

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,

el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.

Resolución:

Ecuación de regression lineal

y=a+bx
y : variable dependiente (tiempo de servicio) x : variable independiente
(edad)
a : ordenada al origen b: pendiente de la recta

Edad (x) Tiempo de servicio (y)

48 24
40 18
30 9
39 14
46 22
42 22
27 4
36 13
34 10
46 20
32 12
42 18
40 16
32 8
27 6
Calculando “a” y “b”

n ∑ xy−∑ x ∑ y ∑ y−b ∑ x
b= 2
a=
n ∑ x −¿ ¿ n

15∗8808−591∗216
b= 2
=0.6748
15∗23727−591

216−0.6748∗591
a= = -12.151
15

Ecuación de regression lineal

y=−12.151+ 0.6748 x

Error estandar de estimación

SE= √❑ ^y =valores estimados por la ecuaciónde regresión

^y =a+bx=−12.151+ 0.6748 x
SE= √❑

Coeficiente de correlación

n ∑ xy −∑ x ∑ y
r=
√❑

15∗8808−591∗216 = 0.708
r=
√❑

Coeficiente de determinación

r2 = r 2
r2 = (0.708)2 = 0.501

Existe una moderada relación lineal positiva entre la edad y el tiempo de

servicio, con aproximadamente el 50.1% de la variabilidad en el tiempo de
servicio explicada por la edad.

2.- Se desea investigar la estructura de los sueldos de los docentes y saber

si existe relación con los años de experiencia.
Años de Experiencia (x) 9 7 5 16 15 18 20 13
10 8 4 12

Sueldo (miles) 1.2 0.8 0.7 2.5 2.3 2.6 3.2 1.9
1.7 1.5 0.7 1.8

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,

el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.

Resolución:

Años de experiencia (x) Sueldo (y)

9 1.2
7 0.8
5 0.7
16 2.5
15 2.3
18 2.6
20 3.2
13 1.9
 10 1.7
8 1.5
4 0.7
12 1.8

2 2
∑ x=137 , ∑ y =20.9 ,∑ xy =270.3 ,∑ x =1904 , ∑ y =45.57

Calculando “a” y “b”

n ∑ xy−∑ x ∑ y ∑ y−b ∑ x
b= 2
a=
n ∑ x −¿ ¿ n

12∗270.3−137∗20.9
b= 2
=0.0932
12∗1904−137

20.9−0.0932∗137
a= = 0.6774
12

Ecuación de regresion lineal

y=0.6774+0.0932 x

Error estandar de estimación

SE= √❑ ^y =valores estimados por la ecuaciónde regresión

^y =a+bx=0.6774+0.0932 x

SE= √❑

Coeficiente de correlación

n ∑ xy −∑ x ∑ y
r=
√❑

12∗270.3−137∗20.9 = 0.5677
r=
√❑

Coeficiente de determinación

r2 = r 2
r2 = (0.5677)2 = 0.3223
Hay una relación lineal moderada entre los años de experiencia y los
sueldos, con aproximadamente el 32.23% de la variabilidad en los sueldos
explicada por los años de experiencia.
3.- Una gasolinera desea saber si existe relación entre la recaudación
(miles de soles) durante las últimas 7 semanas, así como el número de
clientes (en miles) que acudieron durante esos periodos.
Recaudación 1,5 10 8 3 5 15 2
Nº de Clientes 3 6 5 3,5 4 8 3,2
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,
el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.

Soluciòn

Resolución:

Recaudación (x) Número de clientes (y)

1.5 3
10 6
8 5
3 3.5
5 4
15 8
2 3.2

2 2
∑ x=44.5 ,∑ y=32.7 , ∑ xy=165.4 ,∑ x =408.25 , ∑ y =196.49

Calculando “a” y “b”

n ∑ xy−∑ x ∑ y ∑ y−b ∑ x
b= 2
a=
n ∑ x −¿ ¿ n

7∗165.4−44.5∗32.7
b= 2
=−0.3377
7∗408.25−44.5

20.9−0.0932∗137
a= = 6.8168
12

Ecuación de regresion lineal

y=6.8168−0.3377 x
Error estandar de estimación

SE= √❑ ^y =valores estimados por la ecuaciónde regresión

^y =a+bx=6.8168−0.3377 x

SE= √❑

Coeficiente de correlación

n ∑ xy −∑ x ∑ y
r=
√❑

7∗165.4−44.5∗32.7 = - 0.573
r=
√❑

Coeficiente de determinación

r2 = r 2
r2 = (0.573)2 = 0.329
4.- - El director de una institución educativa desea establecer si
existe relación entre los pesos en libras y las estaturas en pulgadas
de una muestra de niños de cinco años de edad:
Estatura 38 39 40 41 42 43 44 45 46 47
Peso 34 35 36 38 39 41 44 46 47 49
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,
el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.
5.- Tengamos las siguientes puntuaciones en las variables X (inteligencia) e
Y (rendimiento académico):
X: 105 116 103 124 137 126 1
1
2
129 11 105
8
Y: 4 8 2 7 9 9 3
10 7 6
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,
el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.
6.- Se está estudiando la relación entre el número de años que una
persona está afiliada al sindicato y el nivel de satisfacción con la actuación
de dicho sindicato. Para ello se parte de los datos de 7 individuos tomados
aleatoriamente de personas adscritas a partidos políticos, obteniéndose.

Años 8 7 10 3 6 13 4
Satisfacción 7 5 8 5 9 9 3
Calcular la Ecuación de Regresión Lineal, el error estándar de
estimación, el coeficiente de correlación para la recta de regresión y el
coeficiente de determinación.
 7.- En la empresa de transportes RAMOS S.A. trabajan cuatro conductores.
Los años de antigüedad de sus permisos de conducir y el numero de
infracciones cometidas en el ultimo año por cada uno de ellos son los
siguientes:
Años de antigüedad (x) 3 4 5 6
Infracciones (y) 4 3 2 1
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,
el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.

8.- De la asignatura de estadística aplicada a la administracion, se ha

extraído de manera aleatoria una muestra de 5 estudiantes y obtengo sus
puntuaciones en un examen que paso el primer y ultimo dia de clases; es
decir, antes y después de haber cursado la asignatura. Queremos saber si
existe una relación directa entre el nivel de conocimiento sobre estadística
antes de cursar la asignatura y las puntuaciones finales en esta carrera de
administración
ESTUDIANTES ANTES DESPUES
(x) (y)
Edgard 4.8 6.2
Claudia 3.1 7
Angel 2.4 -
Vilma 4.2 8
Fernando 5.8 9.4

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación, el coeficiente de correlación para
la recta de regresión y el coeficiente de determinación.
9.- La siguiente tabla muestra la nota final en los exámenes de estadística
(E) e investigación operativa (IO) de una muestra aleatoria de 20
alumnos.
Supongamos que las notas finales están conjuntamente distribuidas de
modo normal.
E: 86 75 69 75 90 94 83 86 71 65 84 71 62 90 83 75
71 76 84 97
IO: 80 81 75 81 92 95 80 81 76 72 85 72 65 93 81 70
73 72 80 98
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,
el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.
10.- Dos montañeros han utilizado dos instrumentos GPS, A y B, para
medir los tiempos invertidos en una ruta de montaña con los mismos
puntos de control, aunque han salido en horas diferentes. Se les ha
indicado que ambos aparatos habían sido bien regulados. Dichos datos se
muestran en la tabla siguiente:
PUNTO DE CONTROL TIEMPO MEDIDO POR EL GPSA (min) TIEMPO MEDIDO POR

EL GPSB (min) (x) (y)

1 22.33 27.35

2 10.21 17.43

3 35.55 40.12

4 31.16 36.47

5 17.23 15.34

6 29.34 27.63

7 25.01 31.14

8 18.77 21.35

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación, el

coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.
 11.- Una empresa química conoce que el coste de fabricar un determinado
detergente responde a una ley lineal del tipo y = +a bx. , donde y = Coste en €,
x = Detergente fabricado en m3 , a = Coste fijo en €, b = Coste adicional de la
producción en €/m3 .

Los datos recogidos en 7 plantas de la empresa en el último ejercicio son los

siguientes:.
Planta 1 2 3 4 5 6 7
x (m3 ) 2200 3400 4600 5500 8000 9100 10000 y (€)
141000 190000 240000 300000 450000 450000 530000

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación, el

coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.

Con n=7:

Por lo tanto, la ecuación de regresión es : y=146171+294x

Paso 2: Calcular el error estándar de estimación

El error estándar de estimación sss se calcula con la fórmula:

12.- En un hospital se ha aplicado un medicamento “A” a 100 enfermos, y en otro

hospital se ha aplicado un segundo medicamento “B” a otros 100 enfermos. El
número diario de curados durante los 10 primeros días es el siguiente:
 medicamento A 8 7 6 5 4 3 3 2 1 1
(x)
medicamento B 4 4 6 7 2 5 1 2 2 2
(y)
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación, el
coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.

RESOLUCIÓN. Estamos interesados en determinar la relación que pueda existir

entre el número de enfermos curados en un mismo día, en dos hospitales diferentes
y mediante dos medicamentos distintos, para, por ejemplo, determinar la eficacia
de ambos medicamentos. El estudio se hace durante 10 días (por lo que la
población en este caso consta de N = 10 observaciones). Para ello denotamos por
X :=‘número de pacientes curados por el medicamento A en un determinado día’ y
por Y :=‘número de pacientes curados por el medicamento B en el mismo día’.
Obsérvese que ambas variables marginales son cuantitativas discretas. La tabla de
frecuencias para la variable bidimensional (X,Y) viene dada en el
Cuadro 1.1.

Vamos a trazar un diagrama de dispersión para la variable que nos permite

conjeturar una posible relación entre las variables . Nótese que, aunque podemos
intuir algún tipo de relación directa entre las variables (esto es, el aumento en la
eficiencia de uno de los medicamentos en un determinado día implica también la
del del otro), no está del todo claro que esta relación sea de tipo lineal.

a) Para determinar las rectas de regresión, calculamos en primer lugar los

estadísticos necesarios. Estadísticos de la variable marginal X.
• Media de X:
x = (2 · 1) + (1 · 2) + (2 · 3) + (1 · 4) + (1 · 5) + (1 · 6) + (1 · 7) + (1 · 8) 10 = 4.000

• Desviación típica de X: x = 5.400 ' 2.324.

.Estadísticos de la variable marginal Y.

Como el coeficiente de correlación de Pearson está comprendido entre 0.5 y 0.8,
podemos afirmar que la relación entre las variables descritas en los modelos
lineales anteriores es buena.

13.- Se sabe que existe una relación lineal entre la cantidad de lluvia caída en el
mes anterior a la recolección (X) en Dl. por m2 y la producción de sandías (Y) en
kg por m2. En un estudio llevado a cabo en diferentes lugares del país, se han
obtenido los siguientes resultados:
Y 40 44 46 48 52 58 60 68 74 80
X 6 10 12 14 16 18 22 24 26 32
Calcular la Ecuación de Regresión Lineal, el error estándar de estimación, el
coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.
Solución:
La predicción obtenida es fiable ya que el valor del coeficiente de determinación
indica que el ajuste es bueno y además el valor para el que predecimos está en el
rango de los datos utilizados ajuste es bueno y además el valor para el que
predecimos está en el rango de los datos utilizados en la estimación. En otras
palabras, se basa en la estimación. En otras palabras, se está interpolando en la
ecuación del modelo.está interpolando en la ecuación del modelo
14.- A partir de las siguientes observaciones, obtenidas al estudiar la
“inversión en I + D” (X) y los “beneficios” (Y), ambos en miles de euros, en
una muestra de 8 empresas,
X 12 22 7 23 19 10 13 17
Y 115 149 90 151 142 108 127 135

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación,

el coeficiente de correlación para la recta de regresión y el coeficiente de
determinación.
El elevado valor obtenido indica que los residuos son proporcionalmente
pequeño residuos son proporcionalmente pequeños y el s y el ajuste es ajuste es
muy bueno. Con todo ello, la predicción realizada para una inversión en I+D de
nueve mil es muy buena. Con todo ello, la predicción realizada para una inversión
en I+D de nueve mil euros, resulta bastante fiable.

15.- Los directivos de una empresa multinacional de cosméticos quieren

analizar la posible relación entre los Beneficios Anuales (Y) y el Gasto en
 Publicidad (X) para varios productos comercializados analizando los
históricos recogidos en la tabla.
X (millones €) Y (millones
€)
2 3
2
2, 35,
8 2
3, 37,
4 2
4, 38,
3 9
5, 39,
2 5
6, 40,
1 3

Calcular la Ecuación de Regresión Lineal, el error estándar de estimación, el coeficiente de correlación para
la recta de regresión y el coeficiente de determinación.

Solución
Se obtienen los siguientes valores de los estadísticos
Resumiendo, el análisis de regresión realizado concluye que el
mejor ajuste corresponde al modelo logarítmico debido a que
presenta un menor error cuadrático medio, o en otras palabras
residuos globalmente menores que los que se obtienen a partir de
las predicciones en los datos conocidos que proporciona el modelo
lineal.