REGRESIN LINEAL SENCILLA

1. Suponga que la directora del Departamento de Salubridad de Chapel Hill est

interesada en la relacin que existe entre la antigedad de un camin de basura y
los gastos anuales de reparacin que debe esperar. Con el fin de determinar sta
relacin, la directora ha reunido informacin de cuatro de los camiones de la
ciudad.

El primer paso

para

calcular la recta

de

regresin

este

de

problema es organizar los datos como resumen en la siguiente tabla, esto nos permite
sustituirlos directamente en las ecuaciones para encontrar la pendiente y ordenada Y de
la recta de regresin de mejor ajuste.

Con la informacin de la tabla podemos usar las ecuaciones para la pendiente y la

ordenada Y con el fin de encontrar las constantes numricas para la recta de regresin.
La pendiente es:

b=

XY n X Y
X 2n X 2

78( 4)(3)(6) 7872 6

=
= =0.75
2
4436 8
44(4 )(3)

Y la ordenada Y es:

a=Y b X

6 ( 0.75 )( 3 )
62.25

3.7 5
Ahora, pues para obtener la ecuacin de estimacin que describe la relacin entre
la antigedad de un camin y sus gastos anuales de reparacin, podemos sustituir
los valores de a y b en la ecuacin general para una lnea recta:
Y^ =a+bX
3.75+0.75 X

Utilizando esta ecuacin de estimacion la directora del Departamento de

Salubridad puede estimar los gastos anuales de reparacin, dada la antigedad de
su equipo. Si, por ejemplo, la ciudad tiene un camion de 4 aos de antigedad, la

directora podra usar la ecuacin para predecir los gastos anuales de reparacion
para este camin de la siguiente manera:
Y^ =3.75+ 0.75 X
3.75+3

6.75
As se calculara que la ciudad gasta aproximadamente $675 al ao en
reparaciones de un camin de cuatro aos de antigedad.

Recta de regresin lineal

10
8
6
Gastos de reparacion (cientos de dolares)

4
2
0
01234567

Antiguedad del camin (aos)

2. Se tiene un problema referente a la relacin entre el dinero gastado en

investigacin y desarrollo y las ganancias anuales de la compaa qumica.
La siguiente tabla presenta la informacin de los seis aos anteriores. Con
esto, podemos determinar la ecuacin de regresin que describe la
relacin.

Nuevamente, podemos facilitar la recoleccin de la informacin necesaria si

realizamos los clculos de la tabla:

Con esta informacin, estamos listos para encontrar las constantes numricas a y
b para la ecuacin de la estimacin.
El valor de b es:

b=

XY n X Y
X 2n X 2

1000(6)(5)(30) 1000900 100

=
=
=2
200150
50
200(6)(5)2

Y a es:

a=Y b X

30( 2 ) ( 5 )
3010

20
Entonces podemos sustituir estos valores de a y b en la ecuacin y obtener:
Y^ =a+bX
20+2 X

Al utilizar esta ecuacin de estimacin, el vicepresidente de investigacin y

desarrollo puede predecir las ganancias futuras anuales a partir de la cantidad
presupuestada para ID. Si la compaa gast 8 millones de dlares para ID en
1996, entonces debi ganar aproximadamente 36 millones de dlares durante ese
ao:
20+16

36

Y^ =20+ 2 ( 8 )

RECTA DE REGRESIN LINEAL

3. Para el siguiente conjunto de datos

a) Dibuje un diagrama de dispersin
b) Desarrolle la ecuacin de estimacin que mejor describa los datos.
c) Pronostique Y para X=10,15,20.
X
Y

a)

13
6.2

16
8.6

14
7.2

11
4.5

17
9.0

9
3.5

13
6.5

17
9.3

18
9.5

12
5.7

b)
140
70
X =
=14 Y = =7
10
10

b=

XY n X Y = 103510(14 )(7)=0.7051
X 2n X 2 203810 ( 14 )2

( 0.7051 )( 14 )=2.8714
a=Y b X=7

Entonces:
Y^ =a+bX=2.8714+ 0.7051 X
c)
X=10

^ =2.8714+ 0.7051 ( 10 ) =4.1796

Y

X=15

Y^ =2.8714+ 0.7051 ( 15 ) =7.7051

X=20

^ =2.8714+ 0.7051 ( 10 ) =11.2306

Y

4. A menudo, quienes hacen la contabilidad de costos estiman los gastos

generales con base en el nivel de produccin. En Standard Knitting Co, han
reunido informacin acerca de los gastos generales y las unidades
producidas en diferentes plantas, y ahora desean estimar una ecuacin de
regresin para predecir los gastos generales futuros.

a) Desarrolle una ecuacin de regresin para contabilidad de costos.

420
1922
X =
=42 Y =
=192.2
10
10

b=

XY n X Y = 8454110( 42)(192.2) =6.4915

2
1822810 ( 42 )
X 2n X 2

( 6.4915 )( 42 )=80.4430
a=Y b X=192.2

Entonces:

Y^ =80.4430+6.4915 X

b) Pronostique los gastos generales cuando se producen 50 unidades .

^
X=50 Y =80.4430+6.4915 ( 50 )=244.1320
5. La relacin entre el nmero de aos (x) laborando para la empresa y el
nmero de ventas logradas (y) por cada vendedor es la mostrada en la
siguiente tabla:

a) Cuntas ventas pueden esperarse en un trabajador con 16 aos de

servicio?
93
71
X = =6.64 Y = =5.07
14
14

b=

XY n X Y = 52014 (6.64)(5.07) =0. 6981

6871 4 ( 6.64 )2
X 2n X 2

( 0.6981 )( 6.64 )=0.4346

a=Y b X=5.07

Entonces:
Y^ =a+bX=0.4346+0.6981 X

b) Cuntos aos aproximadamente se requieren para lograr 14

ventas?
^
Y =0.4346+ 0.6981 X
14=0.4346+0.6981 X

X=

140.4346
0.6981

19.4318

6.

La relacin entre el nmero de semanas (x) de haber comenzado con un

negocio y las prdidas (y) en tanto se aclientelaba es la mostrada en la
siguiente tabla. Cuntas semanas pueden esperarse para que las
prdidas sean nulas?

28
55.5
X = =4 Y =
=7.92
7
7

b=

XY n X Y = 182.57(4)(7.92) =39.26 =1.4021

28
1407 ( 4 )2
X 2n X 2

(1.4021 ) ( 4 )=13.5284
a=Y b X=7.92

Entonces:
Y^ =a+bX=13.52841.4021 X
Como en la ecuacin x representa el nmero de semanas de haber cmenzado con
un negocio mientras que y las prdidas registradas, para la pregunta se tiene
como dato que y = 0, de manera que sustituyndolo en la ecuacin de la recta se
obtiene:
0=

13.52841.4021 X
X= 9.6486

Es decir, se puede esperar aproximadamente que entre la novena y la dcima

semanas las prdidas desaparezcan.

7. Las libreras de la universidad han vendido el libro Believe or Not: Wonders

of Statistics Guide durante 12 semestres y desean estimar la relacin entre
las ventas y el nmero de secciones de estadstica elemental que se
ensean en cada semestre, Se recolectan los siguientes datos:
a) Desarrolle la ecuacin de estimacin que mejor se ajuste a los datos.
Y= Ventas y X= Nmero de secciones.

Sustituyendo en las ecuaciones:

123
621
X =
=10.25 Y =
=51.75
12
12

b=

XY n X Y = 683312(10.25)(51.75) =2.9189
142112 ( 10.25 )2
X 2n X 2

( 2.9189 )( 10.25 ) =21.8313

a=Y b X=51.75

Entonces:

Y^ =21.8313+2.9189 X

REGRESIN LINEAL MLTIPLE

8. El servicio Interno de Contribuciones (IRS, Internal Revenne Service) de Estados
Unidos est tratando de estimar la cantidad mensual de impuestos no pagados
descubiertos por su departamento de auditoras. En el pasado, el IRS estimaba
esta cantidad con base en el nmero esperado de horas de trabajo en auditoras
de campo. En los ltimos aos, sin embargo, las horas de trabajo de auditoras de
campo se han convertido en un pronosticador errtico de los impuestos no
pagados reales. Como resultado, la dependencia est buscando otro factor para
mejorar la ecuacin de estimacin. El departamento de auditoras tiene un registro
del numero de horas que usa sus computadoras para detectar impuestos no
pagados. Podriamos combinar esta informacin con los datos referentes a las
horas de trabajo de auditoras de campo y obtener una ecuacin de estimacin
ms precisa para los impuestos no pagados descubiertos cada mes?

En este problema, X1 representa el nmero de horas de trabajo de auditora de campo y

X2 el nmero de horas en computadora. La variable dependiente, Y, ser los impuestos
reales no pagados descubiertos. La ecuacin de estimacin que describe la relacin entre
tres variables es:

Y^ = a + b1X1 + b2X2

Utilizando la informacin de la tabla en las ecuaciones obtenemos tres ecuaciones con

tres constantes deconocidas a, b1 y b2.
272 = 10a + 441b1 + 147b2
12005 = 441a + 19461b1 + 6485b2
4013 = 147a + 6485b1 + 2173b2
Cuando resolvemos estas tres ecuaciones de manera simultnea, obtenemos:
a = -13.828

b1 = 0.564
b2 = 1.099
Sustituyendo estos tres valores en la ecuaciones de regresin de dos variables
obtenemos:

Y^ = a + b1X1 + b2X2 = -13.828 + 0.564X1 + 1.099X2

Evaluando con X1= 43 y X2 = 16 obtenemos como resultado:

Y^ = -13.828 + 0.564X1 + 1.099X2

= -13.828 + 0.564(43) + 1.099(16)
=28.008
Por tanto, en el pronstico para noviembre, el departamento de auditoras espera
encontrar una evasin de impuestos cercana a los 28 millones de dlares.

9. Dado el siguiente conjunto de datos.

a. Calcule el plano de regresin mltiple

Las ecuaciones se convierten en:

134 = 6a + 18.6b1 + 24.0b2
473.8 = 18.6a + 84.64b1 + 77.97b2
497.2 = 24.0a + 77.97b1 + 131.50b2

Al resolver las ecuaciones de manera simultnea se obtiene

a= 20.3916 b1 = 2.3403 b2 = -1.3283

Y^ = a + b1X1 + b2X2 = 20.3916 + 2.3403X1 1.3283X2

Entonces:

b. Prediga

Y^

cuando X1 = 3.0 y X2 = 2.7

Y^ = 20.3916 + 2.3403(3.0) 1.3283(2.7) = 28.83

10. Se ha reunido la siguiente informacin de una muestra aleatoria de arrendadores
de departamentos en una ciudad. Se intenta predecir la renta (en dlares por mes)
con base en el tamao del departamento (nmero de habitaciones) y la distancia
al centro de la ciudad (en millas).
a. Calcule la ecuacin de minimos cuadrados que relacione mejor estas tres
variables

Y^ = renta, X1 = nmero de habitaciones, X2 = distancia al centro.

Las ecuaciones se convierten en:

2985 = 6a + 18b1 + 21b2
11170 = 18a + 70b1 + 50b2
8535 = 21a + 50b1 + 131b2
Al resolver las ecuaciones de manera simultnea se obtiene
a= 96.4581 b1 = 136.4847 b2 = -2.4035
Entonces:

Y^ = a + b1X1 + b2X2 = 96.4581 + 136.4847X1 2.4035X2

b. Si alguien busca un departamento de dos habitaciones a dos millas del

centro qu renta debe esperar pagar?
X1 = 2 X2 = 2

Y^ = = 96.4581 + 136.4847X1 2.4035X2

= 96.4581 + 136.4847(2) 2.4035(2)
= $365

FORMULARIO
REGRESIN LINEAL SENCILLA

XY n X Y
X 2n X 2

b=

a=Y b X

Y =a+b X

REGRESIN MLTIPLE
^
Y = a + b1X1 + b2X2