Curso: Complemento de Estadística Aplicada para los Negocios II

Profesor: Osorio Nájera Mario

Integrantes:
Choque Mamani Abel - Código U17300186
Oyola Salvador Yaneth Vanesa - Código U17305083
Vásquez Flores Alida - Código U17305070
INTRODUCCIÓN
Regresión tiene como
objetivo determinar cómo una
variable está relacionada con
otras variables.

El análisis de regresión
consiste en obtener un
modelo de dependencia
promedio que explique lo
mejor posible la variable Y en
función de la variable X.
DIAGRAMAS DE DISPERSIÓN
Diagrama de dispersión nos
sirve para examinar la
relación entre una variable X
sobre el eje horizontal y Y
sobre el eje vertical.
La selección del modelo
matemático adecuado
depende de la distribución
de los valores de X y Y en el
diagrama de dispersión.

Fuente: Estadística aplicada a los negocios y economía. Allen

L. Webster.
DIAGRAMAS DE DISPERSIÓN

Fuente: Estadística aplicada a los negocios y economía. Allen L. Webster.

DIAGRAMAS DE DISPERSIÓN

Fuente: Estadística aplicada a los negocios y economía. Allen L. Webster.

REGRESIÓN LINEAL SIMPLE
La regresión lineal simple, en la que se utiliza una sola variable
numérica independiente, X, para pronosticar la variable
numérica dependiente.
El modelo de regresión por ende toma la forma de:

𝑌෠ = 𝑎 + 𝑏𝑋
Donde:
෡ es el valor estimado de Y para un valor seleccionado de X.
𝒀
𝒂 es el intercepto con el eje Y, es decir, el valor estimado de Y
cuando X = 0.
𝒃 es la pendiente de la recta de regresión estimada.
𝑿 es cualquier valor seleccionado de la variable independiente.
REGRESIÓN LINEAL SIMPLE
Pendiente de la línea de regresión:

𝒏 σ 𝑿𝒀 − σ 𝑿 σ 𝒀
𝒃=
𝒏 σ 𝑿𝟐 − σ 𝑿 𝟐
Punto donde se intercepta con el eje Y:

σ𝒀 σ𝑿
𝒂= −𝒃
𝒏 𝒏
Donde:
X es una variable independiente.
Y es un valor de la variable dependiente.
n es el numero de elementos en la muestra.
 REGRESIÓN LINEAL SIMPLE
En la recta de regresión 𝑏
recibe el nombre de
Coeficiente de regresión.
Si 𝑏 > 0, entonces cuando X
aumenta Y también lo hace
(relación directa).
Si 𝑏 < 0, entonces, cuando X
aumenta Y disminuye
(relación inversa).
Fuente: biplot.usal.es
 PROBLEMA PROPUESTO N°01
Una empresa dedicada al arrendamiento y mantenimiento de fotocopiadoras, ha
realizado un estudio con objeto de conocer si el costo de mantenimiento de sus equipos
se incrementa de acuerdo con el envejecimiento de éstos. Tras efectuar cálculos de
rentabilidad se ha llegado a la conclusión de que si el coste de mantenimiento es
superior a cincuenta euros, sería conveniente la reposición del equipo. La siguiente tabla
refleja los gastos en reparaciones efectuadas durante el año 2000, así como la
antigüedad de las máquinas.
Suponemos una relación lineal entre las dos variables.
¿Es rentable mantener una máquina que tiene una antigüedad de diez años?
N° de fotocopiadoras Antigüedad Costo de Mantenimiento
40 1 20
25 2 25
15 3 26
10 4 26
10 4 30

Fuente: Curso básico de estadística para los grados de economía y administración y dirección de
empresas. Marta Pascual Sáez, José María Sarabia Alegría.
 SOLUCIÓN N°01
𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 5 372 − 14 127
𝑏= =
Determinación de la ecuación de regresión: 𝑛 σ 𝑋2 − σ 𝑋 2 5 46 − 14 2
𝒃 = 2.4118

σ𝑌 σ 𝑋 127 14
𝑎= −𝑏 = − 2.4118
𝑛 𝑛 5 5
𝒂 = 18.647

Ecuación de regresión lineal

𝑌෠ = 𝑎 + 𝑏𝑋

𝑌෠ = 18.647 + 2.4118𝑋
 SOLUCIÓN N°01

¿Es rentable mantener una máquina que

tiene una antigüedad de diez años?
Entonces, dado que el costo de
Reemplazando en ecuación:
mantenimiento es inferior 50 euros,
෡ = 18.647 + 2.4118 10 = 42.765 la máquina con una antigüedad de
Y
10 años aun es rentable.

Una máquina de 10 años tendrá un

costo de mantenimiento de 42.77
euros.
 PROBLEMA PROPUESTO N°02
El centro de ubicación laboral de State
University desea determinar si los
promedios puntuales en notas de Estudiante GPA Ofertas
estudiantes (GPAs) puede explicar el 1 3.25 3
número de ofertas laborales que ellos 2 2.35 3
reciben después de graduarse. Los datos
siguientes corresponden a 10 recién 3 1.02 1
graduados. 4 0.36 0
5 3.69 5
a) Calcule e interprete el modelo de
regresión . ¿Qué le dice este modelo 6 2.65 4
sobre la relación entre GPA y las 7 2.15 2
ofertas de trabajo? 8 1.25 2
b) Si Steve tiene una GPA de 3.22, 9 3.88 6
¿Cuántas ofertas laborales 10 3.37 2
pronostica usted que él recibirá?
Fuente: Estadística aplicada a los negocios y economía. Allen l.Webster.
 SOLUCIÓN N°02
a) Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 10 83.69 − 23.97 28
𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 10 70.4899 − 23.97 2

𝒃 = 𝟏. 𝟐𝟕𝟏𝟔

σ𝑌 σ 𝑋 28 23.97
𝑎= −𝑏 = − 1.2716
𝑛 𝑛 10 10
𝒂 = −𝟎. 𝟐𝟒𝟖𝟎
 SOLUCIÓN N°02
Ecuación de regresión lineal b) Steve tiene una GPA de 3.22, ¿Cuántas
ofertas laborales pronostica usted que él
recibirá?
𝑌෠ = 𝑎 + 𝑏𝑋
Reemplazando en ecuación:
𝑌෠ = −0.2480 + 1.2716𝑋 ෡ = −0.2480 + 1.2716 3.22 = 3.8466
Y

El coeficiente indica que para cada

punto adicional en su nota el número Es decir, en función a su nota de
de ofertas laborales incrementará en 3.22, Steve podrá recibir 4 ofertas
una media de 1.2716. laborales.
 PROBLEMA PROPUESTO N°03
Para una muestra de ocho
empleados, un director de
personal recopiló los datos
Años Acciones
siguientes sobre propiedad de
acciones de la empresa 6 300
comparada con los años dentro de 12 408
la compañía. 14 560
6 252
Para un empleado que ha estado 9 288
en la empresa durante 10 años, 13 650
¿Cuál es la cantidad predicha de 15 630
acciones poseídas? 9 522

Fuente: Introducción a la estadística para los negocios. Weiers, Ronald M.

 SOLUCIÓN N°03
Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 8 41238 − 84 3610
𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 8 968 − 84 2
𝒃 = 38.7558

σ𝑌 σ 𝑋 3610 84
𝑎= −𝑏 = − 38.7558
𝑛 𝑛 8 8
𝒂 = 44.314
 SOLUCIÓN N°03
Para un empleado que ha estado en la
empresa durante 10 años, ¿cuál es la
Ecuación de regresión lineal cantidad predicha de acciones poseídas?

Reemplazando en ecuación:
𝑌෠ = 𝑎 + 𝑏𝑋
෡ = 44.314 + 38.7558 10 = 431.872
Y

𝑌෠ = 44.314 + 38.7558𝑋 Entonces un empleado que ha

estado en la empresa durante 10
años poseerá 432 acciones.
 PROBLEMA PROPUESTO N°04
Los datos siguientes representan 𝑥 = las ventas de embarcaciones y 𝑦 = a las
ventas de cargueros de 1995 a 2000.

Ventas de Ventas de cargueros

Año
embarcaciones (miles) (miles)
1995 649 207
1996 619 194
1997 596 181
1998 576 174
1999 585 168
2000 574 159

Estime, para un año durante el cual se vendieron 500 000 embarcaciones, el

número de cargueros que se venderían.

Fuente: Introducción a la estadística para los negocios. Weiers, Ronald M.

 SOLUCIÓN N°04
Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 6 652075 − 3599 1083

𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 6 2163055 − 3599 2
𝒃 = 0.5771

σ𝑌 σ 𝑋 1083 3599
𝑎= −𝑏 = − 0.5771
𝑛 𝑛 6 6
𝒂 = - 165.6638
 SOLUCIÓN N°04
Para un año durante el cual se vendieron
500,000 embarcaciones, el número de
Ecuación de regresión lineal cargueros que se venderían:

𝑌෠ = 𝑎 + 𝑏𝑋 Reemplazando en ecuación:

෡ = −165.6638 + 0.5771 500 = 122.8862

Y
𝑌෠ = −165.6638 + 0.5771𝑋

Si se venden 500 mil

embarcaciones, entonces el
número de cargueros que se
venderán será de 123 mil.
 PROBLEMA PROPUESTO N°05
Un banco en Atlanta que se especializa en
créditos para vivienda intenta analizar el
mercado de finca raíz , midiendo el poder Meses Interés Casas
explicativo que las tasa de interés tienen 1 12.3 196
sobre el número de casas vendidas en el área. 2 10.5 285
Se compilaron los datos para un período de
3 15.6 125
10 meses, así:
4 9.5 225
a) Calcule e interprete el modelo de 5 10.5 248
regresión . ¿Qué le dice este modelo
6 9.3 303
sobre la relación entre las tasas de
interés y las ventas de viviendas? 7 8.7 265
8 14.2 102
b) Si la tasa de interés es del 9.5%, ¿Cuántas
9 15.2 105
casas se venderían de acuerdo con el
modelo? 10 12.0 114

Fuente: Estadística aplicada a los negocios y economía. Allen l. Webster.

 SOLUCIÓN N°05
a) Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 10 21630.60 − 117.80 1968

𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 10 1444.26 − 117.80 2

𝒃 = −𝟐𝟕. 𝟒𝟑𝟗𝟗

σ𝑌 σ 𝑋 1968 117.80
𝑎= −𝑏 = − −27.4399
𝑛 𝑛 10 10

𝒂 = 𝟓𝟐𝟎. 𝟎𝟒𝟐𝟎
 SOLUCIÓN N°05
b) Si la tasa de interés es del 9.5%, ¿Cuántas
Ecuación de regresión lineal casas se venderían de acuerdo con el
modelo?
𝑌෠ = 𝑎 + 𝑏𝑋
Reemplazando en ecuación:
𝑌෠ = 520.0420 − 27.4399𝑋
෡ = 520.0420 − 27.4399 9.5 = 259.36
Y
El coeficiente indica que para cada
punto porcentual adicional en la tasa
Entonces, a una tasa de interés de
de interés, el número de casas
9.5% se venderán 260 casas.
disminuirá en una media de 27.4399.
 PROBLEMA PROPUESTO N°06
Overland Group produce partes para camión que
se utilizan en los semirremolques. El jefe de
contabilidad desea desarrollar un modelo de Unidades Costos
regresión que pueda utilizar para predecir los 12.3 6.2
costos. Él selecciona unidades de producción
fabricadas como una variable de predicción y 8.3 5.3
recolecta los datos que se observan aquí. Los 6.5 4.1
costos están en miles de dólares y las unidades en 4.8 4.4
cientos. 14.6 5.2
a) Calcule e interprete el modelo de regresión . 14.6 4.8
¿Qué le dice el contador sobre la relación 14.6 5.9
entre producción y costos?
6.5 4.2
b) Según el modelo, ¿Cuánto costaría producir
750 unidades?

Fuente: Estadística aplicada a los negocios y economía. Allen l. Webster.

 SOLUCIÓN N°06
a) Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 8 427.46 − 82.20 40.10

𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 8 967.20 − 82.20 2

𝒃 = 𝟎. 𝟏𝟐𝟓𝟖𝟖

σ𝑌 σ 𝑋 40.10 82.20
𝑎= −𝑏 = − 0.12588
𝑛 𝑛 8 8

𝒂 = 𝟑. 𝟕𝟏𝟗𝟎𝟖
 SOLUCIÓN N°06
Ecuación de regresión lineal
b) Según el modelo, ¿Cuánto costaría
𝑌෠ = 𝑎 + 𝑏𝑋 producir 750 unidades?

𝑌෠ = 3.71908 + 0.12588𝑋 Reemplazando en ecuación:

෡ = 3.71908 + 0.12588 7,5 = 4.66318
Y
El coeficiente indica que para cada
cien unidades adicionales el costo se
incremente en una media de 0.12588 Entonces, el costo de producir
miles de dólares. 750 unidades sería de $ 4.66318
miles de dólares.
 PROBLEMA PROPUESTO N°07
Doce distritos escolares en el área de Tasas de Estudiantes
Chicago están interesados en saber si el impuesto por clase
incremento en las tasa de impuesto 1.20 32
predial podrían relacionarse con el 1.20 36
número de alumnos en clases de las 1.10 25
escuelas locales. ¿Parece ser este el caso 1.30 20
con base en los datos que se muestran a 1.10 39
continuación?
1.20 42
Si se piensa que más alumnos requieren 1.30 25
impuestos más elevados ¿cuál es la 1.30 21
variable dependiente? Calcule e 1.20 35
interprete el modelo de regresión. ¿Las 1.40 16
clases más grandes parecen estar 1.40 39
relacionadas con los impuestos más altos?
1.30 37

Fuente: Estadística aplicada a los negocios y economía. Allen l. Webster.

 SOLUCIÓN N°07
Si se piensa que más alumnos requieren Determinación de la ecuación de regresión:
impuestos más elevados ¿cuál es la variable
dependiente?

La variable X, independientes es
“tasas de impuesto”
La variable Y, dependiente es
“estudiantes por clase”

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 12 455.30 − 15 367
𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 12 18.86 − 15 2
𝒃 = -31.364

σ𝑌 σ 𝑋 367 15
𝑎= −𝑏 = − −31.364
𝑛 𝑛 12 12
𝒂 = 69.788
 SOLUCIÓN N°07
¿Las clases más grandes parecen estar
relacionadas con los impuestos más altos?

Ecuación de regresión lineal

Si 𝑏 < 0, entonces, cuando X aumenta
Y disminuye (relación inversa).
𝑌෠ = 𝑎 + 𝑏𝑋

Entonces, por lo anterior, se entiende

𝑌෠ = 69.788 − 31.364𝑋 que existe una relación inversa entre las
variables y las clases más grandes no se
relacionan cuando se dan impuestos
más altos.
 PROBLEMA PROPUESTO N°08
En una muestra de 10 adultos se X Y
registraron las siguientes mediciones 38 120
de edad en años (X) y la hipertensión
42 124
arterial (HTA) (Y):
43 135
a) Determine la ecuación de 46 138
regresión. 48 135
b) Compruebe la idoneidad del 50 140
modelo lineal de regresión. Si el 54 143
modelo es apropiado pronostique 60 150
la HTA de un adulto de 70 años. 65 160
67 170

Fuente: Estadística descriptiva e inferencial quinta edición Manuel Córdova Zamora.

 SOLUCIÓN N°08
a) Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 10 73913 − 513 1415

𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 10 27207 − 513 2
𝒃 = 1.4869

σ𝑌 σ 𝑋 1415 513
𝑎= −𝑏 = − 1.4869
𝑛 𝑛 10 10
𝒂 = 65.221
 SOLUCIÓN N°08
b) Compruebe la idoneidad del modelo
lineal de regresión. Si el modelo es
Ecuación de regresión lineal apropiado pronostique la HTA de un
adulto de 70 años.

𝑌෠ = 𝑎 + 𝑏𝑋 Reemplazando en ecuación:

෡ = 65.221 + 1.4869 70 = 169.304

Y
𝑌෠ = 65.221 + 1.4869𝑋

El pronostico de la HTA de un
adulto de 70 años es 170.
 PROBLEMA PROPUESTO N°09
Los porcentajes en gastos de Gastos Beneficios
publicidad y los porcentajes de
2.3 4.0
beneficios netos de ventas en una
muestra de 9 negocios de pequeños 1.9 3.8
comerciantes son como sigue: 3.5 6.2
1.0 2.9
1.5 3.4
a) Determine la ecuación de
4.0 6.8
regresión.
2.6 4.5
b) ¿Pronostique el beneficio para un 3.0 5.0
negocio que gasta 5% en
2.4 4.2
publicidad?

Fuente: Estadística descriptiva e inferencial quinta edición Manuel Córdova Zamora.

 SOLUCIÓN N°09
a) Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 9 110.1 − 22.2 40.8

𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 9 61.92 − 22.2 2
𝒃 = 1.3212

σ𝑌 σ 𝑋 40.8 22.2
𝑎= −𝑏 = − 1.3212
𝑛 𝑛 9 9
𝒂 = 1.2743
 SOLUCIÓN N°09

b) ¿Pronostique el beneficio para un

Ecuación de regresión lineal negocio que gasta 5% en publicidad?
Reemplazando en ecuación:

𝑌෠ = 𝑎 + 𝑏𝑋 ෡ = 1.2743 + 1.3212 5 = 7.88

Y

𝑌෠ = 1.2743 + 1.3212𝑋
Un negocio que gasta 5% en
publicidad tendrá un beneficio de
7.88%.
 PROBLEMA PROPUESTO N°10
Un editor tomo una muestra de 7
libros anotando el precio y el número N° de paginas Precio ($)
de páginas respectivo, si los 630 10
resultados: 550 8

a) Obtenga el modelo de regresión 400 7

lineal simple entre el precio y el 250 4
número de páginas con el fin de 370 6
predecir precios. 320 6

b) Estime el precio de un libro de 300 610 9

páginas.

Fuente: Estadística descriptiva e inferencial quinta edición Manuel Córdova Zamora.

 SOLUCIÓN N°10
a) Determinación de la ecuación de regresión:

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌 7 24130 − 3130 50
𝑏= =
𝑛 σ 𝑋2 − σ 𝑋 2 7 1,533,300 − 3130 2
𝒃 = 0.01326

σ𝑌 σ 𝑋 50 3130
𝑎= −𝑏 = − 0.0132
𝑛 𝑛 7 7
𝒂 = 1.2157
 SOLUCIÓN N°10

b) ¿Estime el precio de un libro de 300

páginas?
Ecuación de regresión lineal
Reemplazando en ecuación:

𝑌෠ = 𝑎 + 𝑏𝑋 ෡ = 1.2157 + 0.01326 300 = 5.1937

Y

𝑌෠ = 1.2157 + 0.01326𝑋 Es decir, que un libro de 300

paginas tiene un precio de $ 5.1937.
 Creo que
estudiaré
Estadística