PROBLEMA 4

Un estudiante graduado, quiere comprar un auto usado e investigó precios. Él piensa que el núm. de
millas recorridas y el año del módelo influyen en el precio de compra. Los sig. datos corresponden a 10
autos que se tomó de muestra.

PRECIO
AÑO DEL MILLAS 1.- Si el estudiante desea comprar un modelo 91, con alrededor
(MILES DE
DOL.) MODELO (MILES) de 40,000 millas recorridas. ¿cuánto pronosticas que pagará?
y x1 x2
2.99 1987 55.6
6.02 1992 18.4
8.87 1993 29.3
3.92 1988 46.9
9.55 1994 11.8
9.05 1991 36.4
9.37 1992 28.2
4.2 1988 44.2
4.8 1989 34.9
5.74 1991 26.4

Como nos podemos dar cuenta; en este problema hay una muy
buena relación líneal, lo cual nos indica que el precio se fija,
dependiendo el año del módelo de dicho auto, y además, de las
millas que recorren, ya que hay jóvenes que les gusta la rápidez
de un auto. Hay ocasiones, que también varia el costo, esto se
puede dar por otros factores, tales como: lo físico del módelo,
otras partes del mismo módelo, etc. Pero en este problema,
vemos que hay congruencia con dichos datos, y que el jóven
graduado si tiene razón en pensarlo.
Resumen

Estadísticas de la regresión
Coeficiente de0.93943561
Coeficiente d 0.88253927
R^2 ajustado 0.84897906
Error típico 0.98311857
Observacione 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 50.8336351 25.4168175 26.2971914 0.00055542
Residuos 7 6.76565492 0.96652213
Total 9 57.59929

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción -3307.61324 681.893076 -4.85063327 0.00185497 -4920.03415 -1695.19234 -4920.03415
Variable X 1 1.66263001 0.34164378 4.86656017 0.00182141 0.85477084 2.47048917 0.85477084
Variable X 2 0.13848876 0.06094341 2.27241554 0.05727314 -0.00561951 0.28259703 -0.00561951
nsa que el núm. de
corresponden a 10

o 91, con alrededor

ticas que pagará?

roblema hay una muy

que el precio se fija,
uto, y además, de las
ue les gusta la rápidez
varia el costo, esto se
lo físico del módelo,
ro en este problema,
datos, y que el jóven
Superior 95.0%
-1695.19234
2.47048917
0.28259703
PROBLEMA #5

Un productor de comida para cerdos, desea determinar que relación existe: entre la edad de un cerdo,
cuando empieza a recibir un complemento alimenticio de reciente creación, el peso inicial de cada animal
y el aumento de peso en un período de una semana con el complemento alimenticio.

PESO EDAD
INICIAL INICIAL AUMENTO
No. CERDO (LIBRAS) (SEMANAS) DE PESO
x1 x2 y analisis del problema, lo que se
1 39 8 7
2 52 6 6
3 49 7 8
4 46 12 10
5 61 9 9
En este problema, podemos observar que en nuestro
6 35 6 5 coeficiente de determinacion, es bueno, ademas de
7 25 7 3 que hay una relacion lineal, lo cual nos permite ver
8 55 4 4 que el aumento de peso en este problema, depende
de la edad en semanas, y tambien depende del peso
inicial en libras, esto se debe a que es un
complemento alimenticio, y entre mas complemento
alim. mayor sera el aumento de peso
Resumen

Estadísticas de la regresión
Coeficiente de0.93870818
Coeficiente d 0.88117304
R^2 ajustado 0.83364226
Error típico 0.99907279
Observacione 8

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 37.0092678 18.5046339 18.5389971 0.00486729
Residuos 5 4.99073219 0.99814644
Total 7 42

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción -4.1917094 1.88811919 -2.22004491 0.0771239 -9.04527431 0.6618555 -9.04527431
Variable X 1 0.10483433 0.03229147 3.24650208 0.02278415 0.02182646 0.18784219 0.02182646
Variable X 2 0.80650253 0.15823657 5.09681501 0.00378031 0.39974248 1.21326259 0.39974248
a edad de un cerdo,
icial de cada animal

lisis del problema, lo que se refleja y lo que pasa

bservar que en nuestro

es bueno, ademas de
o cual nos permite ver
te problema, depende
bien depende del peso
debe a que es un
ntre mas complemento
mento de peso
Superior 95.0%
0.6618555
0.18784219
1.21326259
 PROBLEMA #6

Una persona está pensando en vender su casa. Con el fin de decir el precio de ella, a reunido datos de 12
ventas recientes. Registró el precio de venta (en miles de dólares), el núm. de pies cuadrados de
construcción (en cientos), el núm. de pisos, el núm. de baños y la antigüedad de la casa (en años).

PREC. DE PIES ANTIGüEDA

VTA. CUADRADOS No. PISOS No. BAÑOS D Si la casa tiene 1800 pies cuadrados,
y x1 x2 x3 x4 un piso, 1.5 baños y 6 años de
antigüedad, ¿Qué precio de venta se
49.65 8.9 1 1 2
puede esperar
67.95 8.5 1 1 6
81.15 12.6 2 1.5 11
81.6 12.9 2 1.5 8
91.5 19 2 1 22
95.25 17.6 1 1 17
100.35 20 2 1.5 12
104.25 20.6 2 1.5 11
112.65 20.5 1 2 9
149.7 25.1 2 2 8
160.65 22.7 2 2 18
232.5 40.8 3 4 12

Aquí la variabilidad del precio de venta se debe a los pies cuadrados, No. De piso, de baños, y a la
antiÜedad, vemos que son 2 variables mas que en los ejercicios anteriores, pero en si, la relacion lineal, si
la tiene y es mas cercano nuestro coeficiente, dado que solo no se explica el 5% de la variabilidad, se
debe a otros factores, pero serian pocos. asi podria ver u observar que es lo que mejor le conviene, de
dicha casa
Resumen

Estadísticas de la regresión
Coeficiente de0.97494924
Coeficiente d 0.95052601
R^2 ajustado 0.92225517
Error típico 13.7847806
Observacione 12

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 4 25555.5288 6388.88219 33.6221252 0.00011654
Residuos 7 1330.14124 190.020177
Total 11 26885.67

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción -0.36128811 13.7540398 -0.02626778 0.97977692 -32.8844242 32.161848 -32.8844242
Variable X 1 2.68641568 1.51066511 1.77829994 0.11858928 -0.88573968 6.25857104 -0.88573968
Variable X 2 -4.08391962 10.3297116 -0.3953566 0.70435136 -28.5098061 20.3419669 -28.5098061
Variable X 3 31.7580003 15.6882032 2.02432362 0.08260172 -5.33870549 68.8547062 -5.33870549
Variable X 4 1.22361241 1.12686566 1.08585473 0.31351586 -1.44100146 3.88822628 -1.44100146
 reunido datos de 12
pies cuadrados de
a (en años).

1800 pies cuadrados,

baños y 6 años de
é precio de venta se

analisis… lo que sucede, que se aprecia, etc

o, de baños, y a la
si, la relacion lineal, si
de la variabilidad, se
mejor le conviene, de
Superior 95.0%
32.161848
6.25857104
20.3419669
68.8547062
3.88822628