1.

Como ingeniero jefe de la empresa diseños alternativos, una organización encargada de la

fabricación de camisetas personalizadas, la alta gerencia considera que incrementar a 35 la
planta de operarios será positivo para la compañía, por lo que usted considera que lo mejor es
analizar la producción del último año, respecto al número de colaboradores:

Qué decisión toma. ¿En cuánto aumentaría su producción por hora con la contratación de los
nuevos operarios?

Desarrollo

Diagrama de dispersión
7

0
2 4 6 8 10 12 14

Variable independiente Número de operarios

Variable dependiente Unidades por hora
Nivel de confianza (Nc) 95%
Nivel de significancia (α) 5% = 0,05
 Análisis de la tabla Resumen del modelo

Existe relación entre las variables.

R = 0.903 Significativamente fuerte.
Directamente proporcional
R2 = 0.816 El 81,6% de las variaciones del tiempo se deben a la distancia.

Análisis de la tabla ANOVA

Ho El modelo de regresión lineal no se ajusta a los datos.

Ha El modelo de regresión lineal se ajusta a los datos.
Valor P 0.014 < α = 0.05
Decisió El modelo de regresión lineal se ajusta a los datos.
n

Análisis de la tabla Coeficientes para la Constante

 Ho La constante es = 0
Ha La constante es ≠ 0
Valor P 0.383 > α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para no incluir la constante en
la función matemática del modelo de regresión lineal.

Análisis de la tabla Coeficientes para la Pendiente

Ho La pendiente es = 0
Ha La pendiente es ≠ 0
Valor P 0.014 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función matemática del modelo de regresión lineal

y=a+bx → y=bx

y=1,760 (x)

Qué decisión toma. ¿En cuánto aumentaría su producción por hora con la contratación
de los nuevos operarios?

y=1,760 ( 35 )

y=61,6 ≈62 unidades por hora

Respuesta: La producción aumentaría a 62 unidades por hora con la contratación de nuevos

operarios.

Desv. Error de estimación para los modelos:

Modelo Error estándar

Logarítmico 1,505

Inverso 1,938
 Cuadrático 1,266

Potencia 0,172

Exponencial 0,296

Lineal 1,930

Análisis de la tabla Resumen del modelo

Existe relación entre las variables.

R = 0.967 Significativamente fuerte.
Directamente proporcional
2
R = 0.934 El 93,4% de las variaciones del tiempo se deben a la distancia.

Análisis de la tabla ANOVA

Ho El modelo de regresión lineal no se ajusta a los datos.

Ha El modelo de regresión lineal se ajusta a los datos.
Valor P 0.002 < α = 0.05
Decisió El modelo de regresión lineal se ajusta a los datos.
 n

Análisis de la tabla Coeficientes para la Constante

Ho La constante es = 0
Ha La constante es ≠ 0
Valor P 0.002 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la constante en la
función matemática del modelo de regresión lineal.

Análisis de la tabla Coeficientes para la Pendiente

Ho La pendiente es = 0
Ha La pendiente es ≠ 0
Valor P 0.002 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función matemática del modelo de regresión de potencia

y=b0∗(t b 1)
y=2,878(350,877)=65,04 ≈ 65
Respuesta: La producción aumentaría a 65 unidades por hora con la contratación de nuevos
operarios.

2. Los diferentes análisis sobre la relación existente entre el número de horas extraclase y el
rendimiento académico, han permitido identificar que para incrementar los resultados en las
pruebas Saber, es necesario que el estudiante invierta más tiempo en su estudio
independiente. Desde su rol, usted no se siente seguro con dicha afirmación, por lo que decide
realizar un análisis en el que seleccionó algunos compañeros y les indagó sobre el tiempo que
invierten en estudiar para un parcial y su calificación. Qué puede concluir de los resultados, si
estudia un promedio de 20 horas para su próximo parcial o decide estudiar 15, ¿cuál es la
diferencia, ¿qué le conviene más?

Variable independiente Horas extraclase

Variable dependiente Calificación
Nivel de confianza (Nc) 95%
Nivel de significancia (α) 5% = 0,05
 Análisis de la tabla Resumen del modelo

Existe relación entre las variables.

R = 0.927 Significativamente fuerte.
Directamente proporcional
R2 = 0.859 El 85,9% de las variaciones del tiempo se deben a la distancia.

Análisis de la tabla ANOVA

Ho El modelo de regresión lineal no se ajusta a los datos.

Ha El modelo de regresión lineal se ajusta a los datos.
Valor P 0.008 < α = 0.05
Decisió El modelo de regresión lineal se ajusta a los datos.
n

Análisis de la tabla Coeficientes para la Constante

Ho La constante es = 0
Ha La constante es ≠ 0
Valor P 0.000 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la constante en la
 función matemática del modelo de regresión lineal.

Análisis de la tabla Coeficientes para la Pendiente

Ho La pendiente es = 0
Ha La pendiente es ≠ 0
Valor P 0.008 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función matemática del modelo de regresión lineal

y=a+bx → y=bx

y=3,542+ 0,065(x)

Qué puede concluir de los resultados, si estudia un promedio de 20 horas para su

próximo parcial o decide estudiar 15, ¿cuál es la diferencia, ¿qué le conviene más?

 y=1,760 ( 15 )
 y=4,5

 y=1,760 ( 20 )
 y=4,8

Respuesta: el resultado de la nota es directamente proporcional al promedio de horas estudio.

Es mas conveniente estudiar un promedio de 20 horas que 15 horas.

Desv. Error de estimación para los modelos:

Modelo Error estándar

Logarítmico 0,141

Inverso 0,210

Cuadrático 0,132

Potencia 0,036
 Exponencial 0,031

Lineal 0,118

Exponencial

Análisis de la tabla Resumen del modelo

Existe relación entre las variables.

R = 0.922 Significativamente fuerte.
Directamente proporcional
R2 = 0.849 El 84,9% de las variaciones del tiempo se deben a la distancia.

Análisis de la tabla ANOVA

Ho El modelo de regresión lineal no se ajusta a los datos.

Ha El modelo de regresión lineal se ajusta a los datos.
Valor P 0.009 < α = 0.05
Decisió El modelo de regresión lineal se ajusta a los datos.
n
 Análisis de la tabla Coeficientes para la Constante

Ho La constante es = 0
Ha La constante es ≠ 0
Valor P 0.009 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la constante en la
función matemática del modelo de regresión lineal.

Análisis de la tabla Coeficientes para la Pendiente

Ho La pendiente es = 0
Ha La pendiente es ≠ 0
Valor P 0.000 < α = 0.05
Decisió Con 95% de confianza podemos concluir que existe
n significancia estadística para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función matemática del modelo de regresión exponencial

y=b0∗¿
y=3,552 ( e 0,017 x 20 )=4,5

y=b0∗¿
y=3,552 ( e 0,017 x 20 )=4,8