Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 65 vistas

    Ejemplo Proyecto Unidad 2

    Cargado por

    Luis Fernando Morales García
    El documento presenta un ejemplo de datos de distancia y tiempo de entrega de 10 embarques de una empresa de mensajería. Se construye el diagrama de dispersión y la recta de regresión por el método de mínimos cuadrados. La recta obtenida es y = 0.0036x + 0.1181 y el coeficiente de correlación es 0.9489, indicando una alta correlación positiva entre las variables. Se plantean y responden dos preguntas sobre la predicción del tiempo y distancia máxima de entrega basados en la recta de regres

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Ejemplo Proyecto Unidad 2

    Cargado por

    Luis Fernando Morales García
    65 vistas4 páginas
    El documento presenta un ejemplo de datos de distancia y tiempo de entrega de 10 embarques de una empresa de mensajería. Se construye el diagrama de dispersión y la recta de regresión por el método de mínimos cuadrados. La recta obtenida es y = 0.0036x + 0.1181 y el coeficiente de correlación es 0.9489, indicando una alta correlación positiva entre las variables. Se plantean y responden dos preguntas sobre la predicción del tiempo y distancia máxima de entrega basados en la recta de regres

    Título original

    Ejemplo Proyecto Unidad 2.docx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta un ejemplo de datos de distancia y tiempo de entrega de 10 embarques de una empresa de mensajería. Se construye el diagrama de dispersión y la recta de regresión por el método de mínimos cuadrados. La recta obtenida es y = 0.0036x + 0.1181 y el coeficiente de correlación es 0.9489, indicando una alta correlación positiva entre las variables. Se plantean y responden dos preguntas sobre la predicción del tiempo y distancia máxima de entrega basados en la recta de regres

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    65 vistas4 páginas

    Ejemplo Proyecto Unidad 2

    Cargado por

    Luis Fernando Morales García
    El documento presenta un ejemplo de datos de distancia y tiempo de entrega de 10 embarques de una empresa de mensajería. Se construye el diagrama de dispersión y la recta de regresión por el método de mínimos cuadrados. La recta obtenida es y = 0.0036x + 0.1181 y el coeficiente de correlación es 0.9489, indicando una alta correlación positiva entre las variables. Se plantean y responden dos preguntas sobre la predicción del tiempo y distancia máxima de entrega basados en la recta de regres

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    Nombre: Grupo:

    Fuente de los datos:

    1. Ejemplo: Una empresa de mensajería toma una muestra al azar de 10 embarques registrando
    la distancia en kilómetros y el tiempo de entrega al mediodía más cercano a partir que el embarque
    estuvo listo para su transportación.

    Distancia [Km] 825 215 1070 550 480 920 1350 325 670 1215
    Tiempo [días] 3.5 1 4 2 1 3 4.5 1.5 3 5

    a) Construir el diagrama de dispersión.


    b) Encontrar la recta de mínimos cuadrados.
    c) Calcular el coeficiente de correlación y comentar su valor.
    d) Plantear un par de preguntas y responderlas

    Solución:

    a) Construir el diagrama de dispersión marcando los 10 puntos en el plano, consideramos a la


    distancia como variable independiente (x) y al tiempo como variable dependiente (y):

    Presentar los datos en una tabla y calcular sus sumatorias:

    X: Distancia [km] Y: Tiempo [dias] X*X X*Y Y*Y


    825 3.5 680625 2887,5 12.25
    215 1 46225 215 1
    1070 4 1144900 4280 16
    550 2 302500 1100 4
    480 1 230400 480 1
    920 3 846400 2760 9
    1350 4.5 1822500 6075 20.25
    325 1.5 105625 487,5 2.25
    670 3 448900 2010 9
    1215 5 1476225 6075 25
    7620 28.5 7104300 26370 99.75
    b) Plantear un sistema de 2x2 a partir de las ecuaciones normales y resolverlo para obtener los
    coeficientes de regresión.

    Sustituyendo los valores de la tabla en las ecuaciones normales se tiene:

    28.5 = 7620𝛽1 + 10𝛽0 …(1)


    26370 = 7104300𝛽1 + 7620𝛽0 …(2)

    Multiplicando la ecuación 1 por -762:

    26370 = 7104300𝛽1 + 7620𝛽0 …(2)


    −21717 = −5806440𝛽1 − 7620𝛽0 …(3)

    Sumamos para eliminar β0:

    4653 = 1297860𝛽1 …(4)

    Despejamos β1:

    4653
    𝛽1 = = 0.0036
    1297860

    Despejamos β0 de (1) y sustituimos β1:

    (28.5−7620𝛽1 )
    𝛽0 = = 0.1181
    10

    También se pueden utilizar las fórmulas para el cálculo de los coeficientes de la recta de
    regresión:

    (𝑛 ∑ 𝑥𝑦) − (∑ 𝑥 ∑ 𝑦) (10 ∗ 26370) − (7620 ∗ 28.5) 46530


    𝛽1 = = = = 0.0036
    (𝑛 ∑ 𝑥 2 ) − (∑ 𝑥)2 (10 ∗ 7104300) − (76202 ) 12978600

    (∑ 𝑦 ∑ 𝑥 2 ) − (∑ 𝑥 ∑ 𝑥𝑦) (28.5 ∗ 7104300) − (7620 ∗ 26370) 1533150


    𝛽0 = 2 = 2
    =
    (𝑛 ∑ 𝑥 2 ) − (∑ 𝑥) (10 ∗ 7104300) − (7620 ) 12978600
    = 0.1181

    La recta de regresión por ajuste de mínimos cuadrados es:

    𝑦 = 𝛽1 𝑥 + 𝛽0 = 0.0036𝑥 + 0.1181

    Por lo que al trazar la recta se observa un comportamiento creciente:


    c) Calcular el coeficiente de correlación:

    (𝑛 ∑ 𝑥𝑦) − (∑ 𝑥 ∑ 𝑦)
    𝑟=
    √((𝑛 ∑ 𝑥 2 ) − (∑ 𝑥)2 ) ((𝑛 ∑ 𝑦 2 ) − (∑ 𝑦)2 )

    46530
    𝑟=
    √(12978600)((10 ∗ 99.75) − (28.52 ))

    46530
    𝑟=
    √(12978600)(185.25)

    46530 46530
    𝑟= = = 0.9489
    √2404285650 49033.5156

    El coeficiente de correlación indica que la relación entre las variables puede aproximarse a
    una relación lineal pues es un valor cercano a 1 y que la variación es directamente
    proporcional pues el signo es positivo. Por lo tanto el modelo nos permitirá predecir el valor
    de las variables con un nivel de confianza alto.

    d) 1. Si se cotiza un servicio a la ciudad de Tegucigalpa, Honduras a 1861.2 [Km] ¿Cuánto


    tiempo tardara la entrega?
    𝑦 = 0.0036𝑥 + 0.1181 = 0.0036(1861.2) + 0.1181

    6.7 + 0.1181 = 6.8181 [𝑑í𝑎𝑠]

    2. Se realiza un cotizador para la empresa de mensajería. ¿Cuál será la distancia máxima


    que se puede cubrir en 5 días?

    𝑦 = 0.0036𝑥 + 0.1181

    5 = 0.0036𝑥 + 0.1181

    (5 − 0.1181)
    𝑥= = 1356.0833 [𝐾𝑚]
    0.0036

    2. Realiza un análisis del comportamiento de la recta de mejor ajuste y su correlación, al ingresar uno a
    uno los datos en el Programa de Computo: Datos Bivariados.jar. Inserta la imagen al final del ingreso de
    los datos y compara con el modelo lineal obtenido en el punto 1. Nota: Dicho programa se encuentra en el aula virtual para su
    descarga. También se cuenta con un manual de dicho Programa que les explica como instalar, manejar y extraer gráficas.

    También podría gustarte