Deber de Estadistica

EN CADA UNO DE LOS SIGUIENTES CASOS, DETERMINE
a. El diagrama de dispersion
b. La recta de mejor de mejor ajuste
c. El coeficiente de la recta de correlacion
d. Comentar/Analizar el valaor de R
CASOS
15. La Bradford Electric Illuminating Company estudia la relacin entre kilowattshora (miles) consumid
y el nmero de habitaciones de una residencia privada familiar. Una muestra aleatoria de 10 casas rev
# CONTACTOS
VALOR VENTAS
5
6
7
4
5
6
7
8
9
10
5
6
7
8
9
10
10
10
12
14
4
5
7
6
7
8
8
10
9
10
91
10
9.1
74
10
7.4
A. EL GRAFICO DE DISPERSION
DIAGRAMA DE DISPERSION
12
10
8
DIAGRAMA DE DISPERSION
12
10
8
6
4
2
0
10
12
# CONTACTOS VALOR VENTAS

Linear (# CONTACTOS VALOR VENTAS)
B. LA RECTA DE MEJOR AJUSTE
(.)/(.)
b=
=
(_(= )^( _(
) )
ORDENADA EN EL ORIGEN
a=
( _( ) ) )/
a= 7.4 - 0.66(9.1)
(_(= )^ (
_ ) )
_
a= 1.39
LINEA RECTA DE MEJOR AJUSTE
ECUACION DE LA RECTA DEL MEJOR AJUSTE
Y= 1.39 + 0.66
C. COEFICIENTE DE CORRELACION
r=
(_(= )^ ( _ )
( _ ) )/( _( =
)^ ( __ )
r=
^
^
((.)/(
. (= =)^( ( _
24_
. ) ^
.)
^
) ^^
((.
. ) ^ (.)/(.)
r=
=
=
)
(.)/
(.
)
14
16
r=
(.)/
(.
D.COMENTAR/ANALIZAR
EL VALOR
La relacion entre las dos variables, es positiva porque a medida que aumenta el numero
)
sube los kilowatts-hora, para aquello existe uns fuerte correlacion entre las dos variables
de correlacion
F.USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAND

VARIABLE INDEPENDIENTE CAMBIE, ASUME COMO EJEMPLO UN VALOR, APLICANDO SU C
Y = a + bx
Y = 1.39 + 0.66(8)
Y = 6.67
16. El seor James McWhinney, presidente de Daniel-James Financial Services, considera que hay una
el nmero de contactos con sus clientes y la cantidad de ventas. Para probar esta afirmacin, el seo
reuni la siguiente informacin muestral. La columna X indica el nmero de contactos con sus clientes
mientras que la columna Y indica el valor de las ventas (miles de $) el mismo mes por cada cliente mu
i
1
2
3
4
5
6
7
8
9
# CONTACTOS
VALOR VENTAS
12
14
16
20
23
46
48
50
50
14
24
30
28
30
80
90
85
110
10
55
120
334
10
33.4
611
10
61.1
A.DIAGRAMA DE DISPERSION
Y
12
10
f(x) = 0.6666666667x + 1.3333333333

R = 0.8168498168
Axis Title
Y VALOR VENTAS
Linear (Y VALOR VENTAS)
4
2
0
4
10
12
14
16
Axis Title
(.)/(.)
b=
(_(==
)^((_(
) )
a=
(_(
(
) ) )/
(_
=
)-^0.21(33.4)
(
a=(=
61.1
_ ) )
_
a= 54.08
ORDENA DE ORIGEN
Y= 33.4 + 0.21
C. ECUACION DE LA RECTA DEL MEJOR AJUSTE
Y = a + bx
Y = 33.4 + 0.21x
D. COEFICIENTE DE CORRELACION
r=
(_(= =)^ _
( _
_)
( __) )/( _( =
)^ _
( _
_ )
^r=
^
=
24_
(=
( _
_
((,)/(
, =)^ (
( _
^ ) ^
. ) ^
.)
^
((.)/(.)
. (
.
r=
((.)
. ^
.
((.)/
)
E.
COMENTAR Y ANALIZAR EL VALOR
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE A MEDIDA QUE HAY NUMERO
EL VALOR DE LA VENTA DE IGUAL FORMA VA AUMENTANDO, SIN EMBARGO ES NOTORIO
DE IGUAL LA CORRELACION DE LAS DOS VARIABLES DENTRO DEL COEFICIENTE DE CORR
F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

Y = a + bx
Y = 54.08 + 0.21(33.4)
Y = 61.09
17. En un artculo reciente en BusinessWeek se enumeran las Best Small Companies. Nos interesan
actuales de las ventas e ingresos de ellas. Se seleccion una muestra de 12 empresas,y a continuaci
sus ventas e ingresos, en millones de dlares
VENTAS
INGRESOS
1
2
3
4
5
6
7
8
9
10
12
12
11.9
17.5
18.2
18.6
19.6
28.6
46.8
51.2
58.6
69.2
71.7
89.2
1.7
2.6
1.3
4.4
3.5
6
4.1
8.2
6.6
12.8
8
4.9
501.1
10
50.11
64.1
10
6.41
A. El GRAFICO DE DISPERSION
Y
14
12
10
f(x) = 0.0835744752x + 1.851735873
R = 0.4536012431
Axis Title
Y INGRESOS
Linear (Y INGRESOS)
4
2
0
0
10 20 30 40 50 60 70 80 90 100
Axis Title
b=
(_(==
)^((_(
) )
(_( (
) ) )/
(_(==
)^ (
_ ) )
_
((.)/(.)
.
(
.
=
a=
(_(==
)^((_(
) )
(_( (
) ) )/
(_(==
)^ (
_ ) )
_
a= 6.41 - 0.119(50.11)
a= 0.45
Y= 0.45 + 0.119
Y = a + bx
Y = 0.45 + 0.119x
r= =
(_(==)^
_
( _
_)
( __) )/(
=
_(==)^ _
( _
_
^
r= ) ^
=
24_
(=
((.)/(
. =)^
( (
_
_
^ ^
^
. _)
.
)
^ )
(
(.)/(.)
.
(
.
r=
(.
.
)^
.
((.)/
)
(.)
E.(.
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE LOS INGRESOS VAN AUMENTA
MIENTRAS QUE LAS VENTAS SE INCREMENTAN SIN EMBARGO EL COEFICIENTE DE RELAC
FUERTE EN LA RELACION DE ESTAS DOS VARIABLES

Y = a + bx
Y = 0.45 + 0.119(50)
Y = 6.4
18. Se realiza un estudio de fondos mutualistas para fines de inversin en varios de ellos. Este estudio
en particular se enfoca en los activos y su desempeo a cinco aos. La pregunta: es posible determin
rendimiento a cinco aos con base en los activos del fondo? Se seleccionaron nueve fondos mutualist
activos y tasas de recuperacin se muestran a continuacin
ACTIVOS
RENDIMIENTOS
1
2
3
4
5
6
7
8
158.3
160.4
241.3
275.7
433.2
437.9
494.5
622.2
9.5
11.3
6.8
11.4
9.1
9.2
11.6
10.8
681
8.2
3504.5
9
389.3888888889
87.9
9
9.7666666667
A. EL DIAGRAMA DE DISPERSION
Y
14
12
10
8
Axis Title
f(x) = - 0.0003933355x + 9.919827141

R = 0.0021206761
Linear (Y RENDIMIENTOS)
4
2
0
100
Y RENDIMIENTOS
200
300
400
500
Axis Title
600
700
800
0
100
200
300
400
500
600
700
800
Axis Title
b=
(_(==
)^((_(
) )
(_( (
) ) )/
(_(==
)^ (
_ ) )
_
./
(.)/
=
a=
a= 9.76 - 3.94(389.38)
a= -1.52
Y= 1.52 + 3.94
Y = a + bx
Y = -1.52 + 3.94x
r= =
(_(==)^
_
( _
_)
( __) )/(
=
_(==)^ _
( _
_
^
r= ) ^
=
24_
(==)^
.
(.)/(
( (
_
_
_) ^
^ ^
)
^ )
./
(.)/
r=
(.
.
) ^^ )
.
(.)/
(.)
E.(.
LA RELACION ENTRE DOS VARIABLES ES NEGATIVA PORQUE EL DESEMPEO DE LOS ACT

MUY BUENA POR ENDE EXISTE UNA GRAN DEBILIDAD EN EL COEFICIENTE DE CORRELAC

Y = a + bx
Y = 0.45 + 0.119(50)
Y = 6.4
36. De acuerdo con la economa bsica, conforme aumenta la demanda de un producto, el precio dism
A continuacin se presenta el nmero de unidades de demanda y su precio.
DEMANDA
PRECIO
5
6
7
4
5
6
7
8
9
10
2
5
8
12
16
21
27
35
45
60
120
90
80
70
50
45
31
30
25
21
231
10
23.1
562
10
56.2
A. EL GRAFICO DE DISPERSION
Y
140
120
100
80
f(x) = - 1.509395952x + 91.0670464919
Y PRECIO
Y
140
120
100
80
Axis Title
f(x) = - 1.509395952x + 91.0670464919

R = 0.7486713837
60
Y PRECIO
Linear (Y PRECIO)
40
20
0
0
10
20
30
40
50
60
70
Axis Title
b=
(_(==
)^((_(
) )
(_( (
) ) )/
(_(==
)^ (
_ ) )
_
,(,
(,)/(,)
=
a=
a= 56.2 - (-1.78)(23.1)
a= 97.31
Y= 52.2 + (-1.78)
Y = a + bx
Y = 97.31+ (-1.78)x
r= =
(_(==)^
_
( _
_)
( __) )/(
=
_(==)^ _
( _
_
^
r= ) ^
=
24_
(==)^
,
(,)/(
( (
_
_
^ ^
^
. _)
.
)
^ )
(.
.
) ^
^
)
=
_(==)^ _
( _
_
^
r= ) ^
=
24_
(==)^
,
(,)/(
( (
_
_
^ ^
^
. _)
.
)
^ )
,(.
(,)/(.)
r=
(.
.
) ^
^
,
)(,)/
(.)
E.(.
LA RELACION ENTRE DOS VARIABLES ES NEGATIVA PORQUE LA DEMANDA DE LOS ACTIV

MUY BUENA POR ENDE EXISTE UNA GRAN DEBILIDAD EN EL COEFICIENTE DE CORRELAC

Y = a + bx
Y = 93.31 + (-1.78)(23)
Y = 52.37
40. Un hotel de los suburbios obtiene su ingreso bruto de la renta de sus instalaciones y de su restaur
propietarios tienen inters en conocer la relacin entre el nmero de habitaciones ocupadas por noch
por da en el restaurante. En la siguiente tabla se presenta una muestra de 25 das (de lunes a jueves
que indica el ingreso del restaurante y el nmero de habitaciones ocupadas
i
1
2
3
4
INGRESOS
HABITACIONES
1348
1354
1361
1394
15
16
19
21
5
6
7
8
9
10
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1399
1405
1425
1426
1426
1430
1431
1437
1394
1439
1442
1445
1450
1452
1456
1458
1461
1470
1490
1537
23
23
27
29
30
34
37
38
38
39
39
43
42
44
44
45
47
51
54
61
34330
25
1373.2
859
25
34.36
Y
70
60
50
f(x) = 0.270469852x - 351.0929174531

R = 0.8822713546
40
Axis Title
30
20
10
0
1300
1350
1400
1450
1500
Axis Title
Y HABITACIONES
Linear (Y HABITACIONES)
1550
b=
"1104772,792 " /"4196791 "
=
(_(==
)^((_(
) )
a=
(_( (
) ) )/
(_(==
)^ ( a= 34,36 - 3.64(1373,2)
_ ) )
_
a= -4.96
Y= 34.36+ 3.64
Y = a + bx
Y = -4.96+ (3.64)x
r= =
(_(==)^
_
( _
_)
( __) )/(
=
_(==)^ _
( _
_
) ^
^
r= "1104772,792
=
_
" (==)^ ( _
^^ ) " )
/(
)(
"4196791
((.)/(.)
.
( .
r=
^
^
("1350,53"
( ^^ )
)(.
)/(.
E.(.
LA)
RELACION ENTRE DOS VARIABLES ES PORQUE POSITIVA EL INGRESO EN HABITACIONE
MUY BUENA POR ENDE EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION P

LA RELACION DE ESTAS DOS VARIABLES

Y = a + bx
Y = 93.31 + (-1.78)(23)
Y = 52.37
41. En la siguiente tabla se muestra el nmero de automviles (en millones) vendidos en Estados. Uni
varios aos y el porcentaje de ellos que fabric la compaa General Motors.
AUTOMOVILES
PORCENTAJE
1950
1955
1960
1965
1970
1975
1980
1985
1990
1995
2000
2005
6
7.3
7.8
10.1
10.3
10.8
11.5
13.5
15.4
15.5
16.9
17.4
120
90
80
70
50
45
31
30
25
21
142.5
12
11.875
562
12
46.8333333333
Y
140
120
100
80
Axis Title
60
40
f(x) = - 9.3678687432x + 157.5603398018

R = 0.8719416411
Y PORCENTAJE
Linear (Y PORCENTAJE)
140
120
100
f(x) = - 9.3678687432x + 157.5603398018

R = 0.8719416411
80
Axis Title
60
Y PORCENTAJE
40
20
0
4
10
12
14
16
18
20
Axis Title
b=
"-1615.77083 " /"162.963 "
=
(_(==
)^((_(
) )
a=
(_( (
) ) )/
(_(==
)^ ( a= 46.83 - (-9.91)(11.88)
_ ) )
_
a= 164.56
Y= 164.56+ (-9.91)
Y = a + bx
Y = 164.56+ (-9.91)x
r= =
(_(==)^
_
( _
_)
_
( _
_) )/(
=
_(==)^ _
( _
_
) ^
^
r= ("-"
=
_
. (==)^ ( _
.)/(
) . ^^ ) ^
((.)
.(.
(.)/(.)
r=
((,)
,
. )
(.
^^
(.
)/(.
)
..)/(
((.)
.
^
r=
((,)
,
. )
(.
^^
)/(.
E.(.
LA)
RELACION ENTRE DOS VARIABLES ES PORQUE NEGATIVA LOS AUTOM,OVILES VENDID
MUY BUENA POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACIO


Y = a + bx
Y = 164.56 + (-9.91)(12)
Y = 45.64
43. Cul es la relacin entre la cantidad gastada por semana en diversin y el tamao de la familia?
diversin las familias grandes? Una muestra de 10 familias del rea de Chicago revel las siguientes c
de familia y cantidad gastada en diversin por semana
i
1
2
3
4
5
6
7
8
9
CANTIDAD
TAMAO
74
91
91
99
104
111
119
129
142
120
90
80
70
50
45
31
30
25
960
541
9
106.6666666667
9
60.1111111111
Y
140
120
100
f(x) = - 1.446263881x + 214.3792584227

R = 0.8935987292
80
Axis Title
60
Y TAMAO
Linear (Y TAMAO)
40
20
0
70
80
90
100
110
120
130
140
150
Axis Title
b=
"-5505 " /"3542 "
=
(_(==
)^((_(
) )
a=
(_( (
) ) )/
(_(==
)^ ( a= 60.11 - (-1.56)(106.67)
_ ) )
_
a= 226.52
Y= 60.11+ (-1.56)
Y = a + bx
Y = 226.52+ (-1.56)x
r= =
(_(==)^
_
( _
_)
_
( _
_) )/(
=
_(==)^ _
( _
_
) ^
^
r= ("-"
=
_
(==)^(
)/(
( ( _
)^
)
^ ^^ )
(.
()/(.)
r=
((,)
,
^
.)
(.
(COMENTAR Y ANALIZAR EL VALOR
E.)/(
LA.)
. RELACION ENTRE DOS VARIABLES ES PORQUE NEGATIVA LAS CANTIDADES GASTADAS
MUY BUENA POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACIO


Y = a + bx
Y = 226.52 + (-1.56)(106)
Y = 65.4
44.Se selecciona una muestra de 12 casas que se vendieron la semana pasada en St. Paul, Minnesota
concluir que, conforme aumenta el tamao de la casa (reportado en la siguiente tabla en miles de pie
tambin aumenta el precio de venta (reportado en miles de dlares)?
TAMAO
PRECIO
1
2
3
4
5
6
7
8
9
10
11
12
0.8
0.9
1
1.1
1.1
1.1
1.2
1.2
1.3
1.3
1.4
1.4
70
75
80
85
95
100
105
105
105
110
110
120
13.8
12
1.15
1160
12
96.6666666667
Y
140
120
100
f(x) = 79.4871794872x + 5.2564102564

R = 0.9070316187
80
Axis Title
Y PRECIO
60
Linear (Y PRECIO)
40
20
0
0.7
0.8
0.9
1.1
1.2
1.3
1.4
1.5
Axis Title
b=
"172.58 " /"0.39 "
=
(_(==
)^((_(
) )
a=
(_( (
) ) )/
(_(==
)^ ( a= 96.66 - 442.52(1.52)
_ ) )
_
a= -575.97
Y= 1.52+ 442.52
Y = a + bx
Y = 226.52+ (-1.56)x
r= =
(_(==)^
_
( _
_)
_
( _
_) )/(
=
_(==)^ _
( _
_
^
r= ) ^
=
_
(==)
((.)/(
. ^ (.
( ( _
)
)
^ ^^ )
^
((.)/(.)
. ( .
r=
((,)
,
^
.
((.)/(
)
.COMENTAR Y ANALIZAR EL VALOR
E..)
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE LOS PRECIOS DE VENTA ,HA S
FAVORABLE POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACIO

Y = a + bx
Y = -575.95 + 442.52(1.15)
Y = -67.05
45. El fabricante de equipo para ejercicio Cardio Glide desea estudiar la relacin entre el nmero de m
la compra de un aparato y el tiempo que se utiliz el aparato la semana pasada.
MESES
HORA
RUPPLE
HALL
BENNETTI
LONGNECKER
PHILLIPS
MASSA
SAPS
KARL
MALROONEY
VEIGHTS
2
2
4
5
6
7
8
9
10
12
2
3
4
5
5
5
8
8
8
10
65
10
6.5
58
10
5.8
Y
12
10
f(x) = 0.7462686567x + 0.9492537313

R = 0.939096464
Axis Title
Y HORA
Linear (Y HORA)
4
2
0
0
Axis Title
10
12
14
b=
(_(==
)^((_(
) )
(_( (
) ) )/
(_(==
)^ (
_ ) )
_
"75" /"100,5"
=
a=
a= 96.66 - 442.52(1.52)
a= -575.97
Y= 1.52+ 442.52
Y = a + bx
Y = 226.52+ (-1.56)x
r= =
(_(==)^
_
( _
_)
_
( _
_) )/(
=
_(==)^ _
( _
_
^
r= ) ^
=
_
(==)
((.)/(
. ^ (.
( ( _
)
)
^ ^^ )
^
((.)/(.)
. ( .
r=
((,)
,
^
.
((.)/(
)
.COMENTAR Y ANALIZAR EL VALOR
E..)
LA RELACION ENTRE DOS VARIABLES ES POSITIVA PORQUE LOS PRECIOS DE VENTA ,HA S
FAVORABLE POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACIO

Y = a + bx
Y = -575.95 + 442.52(1.15)
Y = -67.05
re kilowattshora (miles) consumidos

muestra aleatoria de 10 casas revel lo siguiente.
ON
(X1- X) (Y1-Y)
(X1- X)2
(Y1-Y)2
13.94
7.44
0.84
1.54
0.04
0.54
0.54
2.34
4.64
12.74
16.81
9.61
4.41
1.21
0.01
0.81
0.81
0.81
8.41
24.01
11.56
5.76
0.16
1.96
0.16
0.36
0.36
6.76
2.56
6.76
44.6
66.9
36.4
ON
14
16
ENTAS)
0.66
0.87
COEFICIENTE DE CORRELACION
medida que aumenta el numero de habitaciones

correlacion entre las dos variables; el coeficiente
E PRONOSTIQUE LO QUE DEMANDA CUANDO LA

PLO UN VALOR, APLICANDO SU CRITERIO
Services, considera que hay una relacin entre

a probar esta afirmacin, el seor McWhinney
ero de contactos con sus clientes el mes anterior,
el mismo mes por cada cliente muestreado.
(X1- X) (Y1-Y)
1007.94
719.74
541.14
443.54
323.44
238.14
421.94
396.74
811.74
(X1- X)2
457.96
376.36
302.76
179.56
108.16
158.76
213.16
275.56
275.56
(Y1-Y)2
2218.41
1376.41
967.21
1095.61
967.21
357.21
835.21
571.21
2391.21
1272.24
6176.6
Y VALOR VENTAS
Linear (Y VALOR VENTAS)
0.21
466.56
3469.21
2814.4 14248.9
30.4
QUE A MEDIDA QUE HAY NUMERO DE CONTACTOS

NDO, SIN EMBARGO ES NOTORIO DE LA VENTA
NTRO DEL COEFICIENTE DE CORRELACION

Small Companies. Nos interesan los resultados

a de 12 empresas,y a continuacin se reportan
(X1- X) (Y1-Y)
179.9691
124.2441
163.0601
63.3351
88.7841
8.8191
7.6461
1.9511
1.6131
121.9851
34.3281
-59.0259
(X1- X)2
1460.0041
1063.4121
1018.2481
992.8801
930.8601
462.6801
10.9561
1.1881
72.0801
364.4281
466.1281
1528.0281
(Y1-Y)2
22.1841
14.5161
26.1121
4.0401
8.4681
0.1681
5.3361
3.2041
0.0361
40.8321
2.5281
2.2801
761.407 6376.74 124.897
Y INGRESOS
Linear (Y INGRESOS)
.)
.
0.119
9(50.11)
30.4
QUE LOS INGRESOS VAN AUMENTANDO DE A POCO

ARGO EL COEFICIENTE DE RELACION NO ES MUY

n en varios de ellos. Este estudio
La pregunta: es posible determinar la tasa de

cionaron nueve fondos mutualistas al azar, y sus
(X1- X) (Y1-Y)
61.6237037037
-351.1162962963
439.3303703704
-185.6918518519
-29.2074074074
-27.4896296296
192.7037037037
240.5714814815
(X1- X)2
(Y1-Y)2
53402.0746
52435.9112
21930.319
12925.1635
1919.41346
2353.3279
11048.3457
54201.0135
0.07111111
2.35111111
8.80111111
2.66777778
0.44444444
0.32111111
3.36111111
1.06777778
-456.8574074074 85037.0401 2.45444444
-116.13333333
Y RENDIMIENTOS
Linear (Y RENDIMIENTOS)
295253
21.54
3.94
389.38)
-58.07
QUE EL DESEMPEO DE LOS ACTIVOS, NO HA SIDO

N EL COEFICIENTE DE CORRELACION PARA ANALIZAR

nda de un producto, el precio disminuye.
(X1- X) (Y1-Y)
-1346.18
-611.78
-359.38
-153.18
44.02
23.52
-98.28
-311.78
-683.28
-1298.88
(X1- X)2
1361.61
4070.44
1142.44
566.44
190.44
38.44
125.44
635.04
686.44
973.44
1239.04
-4795.2 2697.29
9667.6
Y PRECIO
445.21
327.61
228.01
123.21
50.41
4.41
15.21
141.61
(Y1-Y)2
60
Y PRECIO
Linear (Y PRECIO)
70
,)
8)(23.1)
-1.78
-183.87
QUE LA DEMANDA DE LOS ACTIVOS, NO HA SIDO

N EL COEFICIENTE DE CORRELACION PARA ANALIZAR

sus instalaciones y de su restaurante. Los

e habitaciones ocupadas por noche y el ingreso
tra de 25 das (de lunes a jueves) del ao pasado
(X1- X) (Y1-Y)
487.872
21664
#VALUE!
29274
(X1- X)2
635.04
368.64
148.84
432.64
(Y1-Y)2
374.8096
337.0896
100
178.4896
32177
32315
38475
41354
42780
48620
52947
54606
52972
56121
56238
62135
60900
63888
64064
65610
1109.792
74970
80460
93757
665.64
1011.24
2030625
2787.84
2787.84
3226.24
3340.84
4070.44
432.64
4329.64
4733.44
2053489
5898.24
6209.44
6855.84
7191.04
7708.84
9370.24
13642.24
26830.44
129.0496
129.0496
54.1696
28.7296
19.0096
0.1296
6.9696
13.2496
13.2496
21.5296
21.5296
74.6496
58.3696
92.9296
92.9296
113.2096
159.7696
276.8896
385.7296
709.6896
1104772.792 4196791 1350.53
174531
1500
ABITACIONES)
1550
4196791 "
2.64
(1373,2)
617.20
IVA EL INGRESO EN HABITACIONES, HA SIDO

COEFICIENTE DE CORRELACION PARA ANALIZAR

illones) vendidos en Estados. Unidos durante
(X1- X) (Y1-Y)
-429.8541666667
-197.4875
-135.1541666667
-41.1208333333
-4.9875
1.9708333333
17.5625
-27.3541666667
-76.9625
-93.6458333333
-235.3375
-393.4
(X1- X)2
34.515625
20.930625
16.605625
3.150625
2.480625
1.155625
0.140625
2.640625
12.425625
13.140625
25.250625
30.525625
(Y1-Y)2
5353.36111
1863.36111
1100.02778
536.694444
10.0277778
3.36111111
250.694444
283.361111
476.694444
667.361111
2193.36111
2193.36111
-1615.7708333 162.963 14931.7
98018
Y PORCENTAJE
98018
Y PORCENTAJE
162.963 "
-9.91
1)(11.88)
-19.72
TIVA LOS AUTOM,OVILES VENDIDOS,NO HA SIDO

EL COEFICIENTE DE CORRELACION PARA ANALIZAR

ersin y el tamao de la familia? Gastan ms en

de Chicago revel las siguientes cifras por tamao
(X1- X) (Y1-Y)
(X1- X)2
(Y1-Y)2
-1956.3703703704
-468.2592592593
-311.5925925926
-75.8148148148
26.962962963
-65.4814814815
-741.3703703704
-672.4814814815
-1240.5925925926
1067.11111
245.444444
245.444444
58.7777778
7.11111111
18.7777778
152.111111
498.777778
1248.44444
3586.67901
893.345679
395.567901
97.7901235
102.234568
228.345679
847.45679
906.679012
1232.79012
-5505
3542 8290.89
7
Y TAMAO
Linear (Y TAMAO)
150
)(106.67)
-1.56
-6.39
TIVA LAS CANTIDADES GASTADAS,NO HA SIDO


na pasada en St. Paul, Minnesota. Se puede

la siguiente tabla en miles de pies cuadrados),
(X1- X) (Y1-Y)
(X1- X)2
(Y1-Y)2
9.3333333333
5.4166666667
2.5
0.5833333333
0.0833333333
0.4166666667
0.4166666667
0.4166666667
1.25
143
3.3333333333
5.8333333333
172.58333333
564
Y PRECIO
Linear (Y PRECIO)
1.5
52(1.52)
442.52
0.1225
0.0625
0.0225
0.0025
0.0025
0.0025
0.0025
0.0025
0.0225
0.0225
0.0625
0.0625
711.111111
469.444444
277.777778
136.111111
2.77777778
11.1111111
69.4444444
69.4444444
69.4444444
177.777778
177.777778
544.444444
0.39 2716.67
161.29
QUE LOS PRECIOS DE VENTA ,HA SIDO MUY


la relacin entre el nmero de meses desde

ana pasada.
(X1- X) (Y1-Y)
Y HORA
Linear (Y HORA)
(X1- X)2
(Y1-Y)2
17.1
12.6
4.5
1.2
0.4
-0.4
3.3
5.5
7.7
23.1
20.25
20.25
6.25
2.25
0.25
0.25
2.25
6.25
12.25
30.25
14.44
7.84
3.24
0.64
0.64
0.64
4.84
4.84
4.84
17.64
75
100.5
59.6
442.52
52(1.52)
161.29
QUE LOS PRECIOS DE VENTA ,HA SIDO MUY



Deber de Estadistica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Deber de Estadistica

Uploaded by

Copyright:

Available Formats

EN CADA UNO DE LOS SIGUIENTES CASOS, DETERMINE

# CONTACTOS VALOR VENTAS

B. LA RECTA DE MEJOR AJUSTE

F.USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAND

f(x) = 0.6666666667x + 1.3333333333

Linear (Y VALOR VENTAS)

B. LA RECTA DE MEJOR AJUSTE

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

B. LA RECTA DE MEJOR AJUSTE

ECUACION DE LA RECTA DEL MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = - 0.0003933355x + 9.919827141

B. LA RECTA DE MEJOR AJUSTE

ECUACION DE LA RECTA DEL MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

LA RELACION ENTRE DOS VARIABLES ES NEGATIVA PORQUE EL DESEMPEO DE LOS ACT

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = - 1.509395952x + 91.0670464919

f(x) = - 1.509395952x + 91.0670464919

B. LA RECTA DE MEJOR AJUSTE

ECUACION DE LA RECTA DEL MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

LA RELACION ENTRE DOS VARIABLES ES NEGATIVA PORQUE LA DEMANDA DE LOS ACTIV

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = 0.270469852x - 351.0929174531

B. LA RECTA DE MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

MUY BUENA POR ENDE EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACION P

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = - 9.3678687432x + 157.5603398018

f(x) = - 9.3678687432x + 157.5603398018

B. LA RECTA DE MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

MUY BUENA POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACIO

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = - 1.446263881x + 214.3792584227

B. LA RECTA DE MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

MUY BUENA POR ENDE NO EXISTE UN GRAN FUERTE EN EL COEFICIENTE DE CORRELACIO

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = 79.4871794872x + 5.2564102564

B. LA RECTA DE MEJOR AJUSTE

ECUACION DE LA RECTA DEL MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

f(x) = 0.7462686567x + 0.9492537313

B. LA RECTA DE MEJOR AJUSTE

ECUACION DE LA RECTA DEL MEJOR AJUSTE

C. ECUACION DE LA RECTA DEL MEJOR AJUSTE

F. USANDO LA ECUACION DE LA RECTA DE MEJOR AJUSTE PRONOSTIQUE LO QUE DEMAN

re kilowattshora (miles) consumidos

medida que aumenta el numero de habitaciones

E PRONOSTIQUE LO QUE DEMANDA CUANDO LA

Services, considera que hay una relacin entre

QUE A MEDIDA QUE HAY NUMERO DE CONTACTOS

E PRONOSTIQUE LO QUE DEMANDA CUANDO LA

Small Companies. Nos interesan los resultados

761.407 6376.74 124.897

QUE LOS INGRESOS VAN AUMENTANDO DE A POCO

E PRONOSTIQUE LO QUE DEMANDA CUANDO LA

n en varios de ellos. Este estudio

La pregunta: es posible determinar la tasa de

-456.8574074074 85037.0401 2.45444444