Para la economa espaola, disponemos de los datos anuales redondeados sobre el consumo final de los hogares a precios corrientes

(Y) y renta nacional disponible neta (X), tomados de la Contabilidad Nacional de Espaa base 1995 del INE , para el periodo 1995-2002 ambos expresados en miles de millones de euros:

Ao 1995 1996 1997 1998 1999 2000 2001 2002

X 381.7 402.2 426.5 454.3 486.5 520.2 553.3 590.0

Considerando que el consumo se puede expresar como funcin lineal de la renta, determine: a) Los parmetros a y b de la recta de regresin. b) El coeficiente de determinacin de dicha regresin. c) La prediccin del valor que tomar el consumo para una renta de 650.000 millones de euros.

Ao 1995 1996 1997 1998 1999 2000 2001 2002

Y 258.6 273.6 289.7 308.9 331.0 355.0 377.1 400.4 2594.3

X 381.7 402.2 426.5 454.3 486.5 520.2 553.3 590.0 3814.7

XY 98707.62 110041.92 123557.05 140333.27 161031.5 184671 208649.43 236236 1263227.8

Anlisis de la Varianza Grados de libertad 1 6 7 Suma de cuadrados 17884.16005 3.568699272 17887.72875 Promedio de los cuadrados 17884.16005 0.594783212

Regresin Residuos Total

Intercepcin

Coeficientes -1.597252984

Error tpico 1.899033417

Estadstico t -0.84108735

Variable X 1

0.683429372

0.003941293

173.4023277

eados sobre el consumo onible neta (X), tomados el periodo 1995-2002

Consumo final de los Hogares

450.0 400.0 350.0 Precios corrientes 300.0 250.0 200.0 150.0 100.0 50.0 0.0
0.0 100.0 200.0 300.0 Renta Nacional neta

258.6 273.6
289.7 308.9 331.0 355.0 377.1 400.4

al de la renta, determine:

.000 millones de euros.

X^2 145694.9 161764.8 181902.3 206388.5 236682.3 270608.0 306140.9 348100.0 1857281.7

Estadsticas de la regresi Pendiente: Interseccion: Ecuacion: Prediccion: 0.68 -1.60 Y= 0,68X-1,60 442.63

F 30068.36725

Valor crtico de F 2.48169E-12

Probabilidad 0.432534832

Inferior 95% -6.244020348

Superior 95% 3.04951438

Inferior 95,0% -6.244020348

Superior 95,0% 3.04951438

2.48169E-12

0.673785375

0.693073368

0.673785375

0.693073368

Consumo final de los Hogares

y = 0.6834x - 1.5973 R = 0.9998

Series1 Linear (Series1)

400.0 Renta Nacional neta

500.0

600.0

700.0

Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones

0.999900242 0.999800495 0.999767244 0.771221895 8

Se han observado, en varios modelos de automviles, los datos de potencia del motor (X), en caballos de fuerza, y la aceleracin (Y), medida en el nmero de segundos necesarios para acelerar de 0 a 100 Km./h. La tabla adjunta refleja los valores obtenidos.

X 50 75 90 100 120 150

Determine: a) La funcin de ajuste. b) Si aumenta la potencia de un motor en un 10%, en qu porcentaje repercutir dicho aumento en la aceleracin prevista? Depende ello de la potencia que tenga el motor en cuestin? La funcion es Potencial

X
50 75 90 100 120 150 585

Y
15 12 10.5 10 9 8 64.5

X+10% 55 82.5 99 110 132 165 643.5

Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones

0.954366171 0.910814788 0.888518485 0.829697751 6

potencia del motor (X), en undos necesarios

Y 15 12 10.5 10 9 8

epercutir dicho aumento en r en cuestin?

180 160 140

Potencia aumentada en

X^2 2500 5625 8100 10000 14400 22500 63125

XY 750 900 945 1000 1080 1200 5875

Aceleracion

120 100 80 60 40 20 0 0 2 4 6 8 Potencia del motor

Anlisis de la Varianza Grados de libertad 1 4 5 Suma de cuadrados 28.12140657 2.753593429 30.875 Promedio de los cuadrados 28.12140657 0.688398357 F 40.85048471

Regresin Residuos Total

Coeficientes

Error tpico

Estadstico t

Probabilidad

Intercepcin Variable X 1

17.37679671 -0.067967146

1.090750689 0.010634092

15.93104354 -6.391438392

9.07511E-05 0.003076155

Aceleracion de 0 a 100 Km./h

16 14 12 Aceleracion 10 8 6 4 2 0 0 20 40 60 80 Potencia del motor 100 120 140 160 Series1 y=-

Linear (Series1

a aumentada en un 10%
y = -14.741x + 265.71 R = 0.9108

Series1 Linear (Series1)

10

12

14

16

Potencia del motor

Valor crtico de F 0.003076155

Inferior 95%

Superior 95% Inferior 95,0% Superior 95,0%

14.3483873 -0.097492119

20.40520613 14.3483873 -0.03844217 -0.097492119

20.40520613 -0.038442172

y = -0.068x + 17.377 R = 0.9108

Series1 Linear (Series1)

En un nuevo proceso artesanal de fabricacin de un destilado gourmet, se ha considerado que era interesante ir anotando peridicamente el tiempo medio (medido en minutos) que se utiliza para envasar el destilado (variable Y) y el nmero de das desde que empez dicho proceso de fabricac (variable X). Con ello, se pretende analizar cmo los operarios van adaptndose al nuevo proceso mejorando paulatinamente su ritmo de produccin conforme van adquiriendo ms experiencia en partir de las cifras recogidas, que aparecen en la tabla adjunta, se decide ajustar una funcin exponencial que explique el tiempo de envasado en funcin del nmero de das que se lleva trabajando con ese mtodo.

Desde el correspondiente ajuste propuesto, se pide que determine: a) Qu tiempo se predecira para el envasado del destilado cuando se lleven 100 das de proceso? b) Qu tiempo transcurrira cuando el tiempo de envasado sea de 10 minutos?

X 10 20 30 40 50 60 70 280

Y 35 28 23 20 18 15 13 152

Estadsticas de la regresin Coeficiente de correlacin mltiple 0.972336414 Coeficiente de determinacin R^2 0.945438103 R^2 ajustado 0.934525723 Error tpico 1.969408903 Observaciones 7

Intercep Variable

n destilado gourmet, se ha considerado que era medio (medido en minutos) que se utiliza para as desde que empez dicho proceso de fabricacin os operarios van adaptndose al nuevo proceso, conforme van adquiriendo ms experiencia en l. A bla adjunta, se decide ajustar una funcin n funcin del nmero de das que se lleva

X 10 20 30 40 50 60 70

Y 35 28 23 20 18 15 13

Tiempo de envasadoen funcion de

40 35 30

Minutos

25 20

15 10 5 0 0 10 20

cuando se lleven 100 das de proceso? ea de 10 minutos?

XY 350 560 690 800 900 900 910 5110

X^2 100 400 900 1600 2500 3600 4900 14000

Pendiente: Interseccion: Ecuacion: Prediccion A: Tiempo de envasado:

Anlisis de la Varianza Grados de libertad 1 5 6 Suma de cuadrados 336.0357143 19.39285714 355.4285714

Regresin Residuos Total

Coeficientes

Error tpico

Intercepcin Variable X 1

35.57142857 -0.346428571

1.664454314 0.03721833

Tiempo de envasadoen funcion del numero de das

y = -0.3464x + 35.571 R = 0.9454

Series1 Linear (Series1)

20

30

40 Das

50

60

70

80

-0.35 35.57 Y= -0,35X+35,57 0.93 35.54

Promedio de los cuadrados 336.0357143 3.878571429

F 86.63904236

Valor crtico de F 0.000240856

Estadstico t

Probabilidad

Inferior 95%

Superior 95%

Inferior 95,0%

21.37122556 -9.308009581

4.15932E-06 0.000240856

31.29281255 -0.442101334

39.8500446 -0.250755809

31.29281255 -0.442101334

Superior 95,0%

39.8500446 -0.250755809

Un estudiante de la Ingeniera Agrcola de la Universidad Tecnolgica, para poder pagarse sus estudios, debe trabajar como garzn en un bar de su localidad. A este establecimiento, suelen acudir todos los jvenes de la zona. Este ao, con los conocimientos aprendidos, decide por fin estudiar la relacin existente entre la cantidad de sal de las galletas saladas y el consumo de bebidas, ya que es costumbre dar al cliente este aperitivo cuando pide un consumo. Se sabe que las galletas no pueden tener una concentracin de sal superior a 3,5 gramos por cada 1000 galletas y, por ello, decide ir variando a partir de 1 gramo la concentracin de 0,5 en 0,5 gramos cada semana e ir anotando el incremento en caja semanalmente, obteniendo la siguiente tabla:

Gramos de sal por 1000 galletas 1 1.5 2 2.5 3

Ingresos (pesos) 140300 150000 165000 175000 200000

A partir de tales cifras, se quiere conocer: a) Considera justificado el planteamiento de un modelo lineal para expresar la relacin entre las variables? b) Si el propietario desea unos ingresos de 160.000 pesos, qu cantidad de sal debera aportar por cada 1000 galletas? Si aporta el mximo permitido de sal, cul sera el ingreso en caja? Explicar

Gramos de sal por 1000 galletas 1 1.5 2 2.5 3 10

Ingresos (pesos) 140300 150000 165000 175000 200000 830300

Nuevos Gramos Gramos de sal por 1000 galletas 2 2.5 3 3.5 4 15 Ingresos (pesos) 166060 180500 194940 209380 223820 974700

cnolgica, para poder pagarse sus . A este establecimiento, suelen mientos aprendidos, decide por fin lletas saladas y el consumo de ndo pide un consumo. Se sabe que r a 3,5 gramos por cada 1000 galletas acin de 0,5 en 0,5 gramos cada teniendo la siguiente tabla:

Chart Title
250000
200000

Ingresos

150000 100000
50000

a expresar la relacin entre las

ntidad de sal debera aportar por ra el ingreso en caja? Explicar

0
0 0.5 1 1.5 2 Gramos de Sal

XY 140300 225000 330000 437500 600000 1732800

X^2 1 2.25 4 6.25 9 22.5

Pendiente: Interseccion: Ecuacion: Aporte de sal: Ingreso de caja:

28880 108300 Y= 28880X+108300 1.79 209380

XY 332120 451250 584820 732830 895280 2996300

X^2 4 6.25 9 12.25 16 47.5 Variacion de ingresos: 144400

Chart Title
y = 28880x + 108300 R = 0.9678

Series1 Linear (Series1)

2.5

3.5

Variacion de grs. De Sal por los ingresos

250000 y = 28880x + 108300
200000

Ingresos

150000

100000

50000

0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 Gramos de Sal

y = 28880x + 108300 R = 1

Series1 Linear (Series1)