EJERCICIO 1:

DATOS:
EDAD PESO
X Y
2 14
3 20
5 32
7 42
8 44

DIAGRAMA DE DISPERSIÓN:

PESO Y
49

44

39

34

29

24

19

14
2 3 4 5 6 7 8 9

En el diagrama de dispersión se puede observar que existe una relación directa entre
los años de edad de los niños y el peso en kilos.
MODELO:
Y=A+BX
 PESO Y
49
44
y = 5.1538x + 4.6308
39 R² = 0.9877
34
29
24
19
14
2 3 4 5 6 7 8 9

Peso de los niños= A+B edad de los niños

Peso de los niños=4.6308 + 5.1538 edad de los niños
CONCLUSIÓN:
 Si en la edad de los niños se incrementa en una unidad, el examen final se
incrementa en 5.1538 unidades.
R2 = 0.9877
CONCLUSIÓN:

 Me indica que el peso de los niños se explica un 98.77% con la variable de la

edad de los niños, y el 1.23% con otra variable que no está en el modelo.
Pronóstico de un niño de seis años
𝑝𝑒𝑠𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑖ñ𝑜𝑠 = 4.6308 + 5.1538 × 𝑒𝑑𝑎𝑑 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑖ñ𝑜𝑠
𝑝𝑒𝑠𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑖ñ𝑜𝑠 = 4.6308 + 5.1538 × 6
𝒑𝒆𝒔𝒐 𝒅𝒆 𝒍𝒐𝒔 𝒏𝒊ñ𝒐𝒔 = 𝟑𝟓. 𝟓𝟓 𝒌𝒈

EJERCICIO 2:
DATOS:
Distancia N° de clientes
X Y
15 8
19 7
25 6
 23 4
34 2
40 1

DIAGRAMA DE DISPERSIÓN:

N° DE CLIENTES Y
9

1
15 20 25 30 35 40 45

En el diagrama de dispersión se puede observar que existe una relación directa entre
la distancia y el número de clientes.
MODELO:
Y=A+BX

N° DE CLIENTES Y
9
y = -0.2841x + 12.053
8 R² = 0.9028
7
6
5
4
3
2
1
15 20 25 30 35 40 45
Número de clientes= A + B Distancia
Número de clientes= 12.053- 0.2841 Distancia
CONCLUSIÓN:
 Si la distancia se incrementa en una unidad, el número de clientes se
decrementa en 0.2841 unidades.
R2 = 0.9028
CONCLUSIÓN:
 Me indica que el número de clientes se explica un 90.28% con la variable de
la distancia, y el 9.72% con otra variable que no está en el modelo.
Pronóstico de un niño de seis años
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = 12.053 − 0.2841 × 𝑒𝑑𝑎𝑑 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑖ñ𝑜𝑠
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = 12.053 − 0.2841 × 2
𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔 = 𝟏𝟏. 𝟒𝟖𝟒𝟖 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
DATOS:
N° DE CLIENTES DISTANCIA
X Y
8 15
7 19
6 25
4 23
2 34
1 40

DIAGRAMA DE DISPERSIÓN:
 DISTANCIA Y
45

40

35

30

25

20

15
1 3 5 7 9

En el diagrama de dispersión se puede observar que existe una relación directa entre
la distancia y el número de clientes.
MODELO:
Y=A+BX

DISTANCIA Y
45
y = -3.178x + 40.831
40 R² = 0.9028
35

30

25

20

15
1 2 3 4 5 6 7 8 9

Distancia= A + B Número de clientes

Distancia= 40.831- 3.178 Número de clientes
CONCLUSIÓN:
 Si la distancia se incrementa en una unidad, el número de clientes se
decrementa en 3.178 unidades.
R2 = 0.9028
CONCLUSIÓN:
  Me indica que el número de clientes se explica un 90.28% con la variable de
la distancia, y el 9.72% con otra variable que no está en el modelo.
Pronóstico de un niño de seis años
𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 = 40.831 − 3.178 × 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 = 40.381 − 3.178 × 5
𝒅𝒊𝒔𝒕𝒂𝒏𝒄𝒊𝒂 = 𝟐𝟒. 𝟒𝟗 𝒌𝒎
EJERCICIO 3:
DATOS:
N° de N°
sistemas N° Aplic educ. Automatizaciones Ventas
X1 X2 X3 Y
50 105 75 440
40 140 68 455
35 110 70 470
45 130 64 510
51 125 67 506
55 115 72 480
53 100 70 460
48 103 73 500
38 118 69 490
44 98 74 450

DIAGRAMA DE DISPERSIÓN:
X1:

Ventas Y
520
510
500
490
480
470
460
450
440
35 40 45 50 55 60
Al aumentar el número de pedidos de sistemas aumenta el número de ventas
X2:

Ventas Y
520

500

480

460

440
98 108 118 128 138 148

Al aumentar el número de pedidos aplicaciones educativas aumenta el número de

ventas

X3:

Ventas Y
520
510
500
490
480
470
460
450
440
64 66 68 70 72 74 76

Al aumentar el número de pedidos de automatizaciones empresariales aumenta el

número de ventas.
MODELO:
Y=b0+b1X1+b2X2+b3X3
Ventas= b0+b1 N° de sistemas + b2 N° de aplicaciones educativas + b3 N° de
automatizaciones empresariales
Ventas= 934.808406 +0.68150804 N° de sistemas - 0.44629638 N° de aplicaciones
educativas - 6.25261138 N° de automatizaciones empresariales

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.67065013
Coeficiente de determinación
R^2 0.44977159
R^2 ajustado 0.17465739

Coeficientes
Intercepción 934.808406
X1 0.68150804
X2 -0.44629638
X3 -6.25261138

X1 Gráfico de los residuales

40

20
Residuos

0
0 10 20 30 40 50 60
-20

-40
X1

X2 Gráfico de los residuales

40

20
Residuos

0
0 20 40 60 80 100 120 140 160
-20

-40
X2
 X3 Gráfico de los residuales
40

20
Residuos
0
62 64 66 68 70 72 74 76
-20

-40
X3

R2 = 0.4495
CONCLUSIÓN:
 Me indica que las variables de pedidos de sistemas, de aplicaciones
educativas y de automatizaciones empresariales explican un 44.95% del
rendimiento y el 55.05% restante con otra variable que no está en el modelo.

Eficiencia= b0+b1 N° de sistemas + b2 N° de aplicaciones educativas + b3 N°

de automatizaciones empresariales.
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 = 934.808406 + 0.68150804 ∗ (50) − 0.4462963 ∗ (100)
− 6.25261138 ∗ (80)
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 = 424.047