MINIMOS CUADRADOS ORDENADOS (MCO)

Observaciones
( meses )

Publicidad
(en US$1.000`s)

Pasajeros
(en 1.000`s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Sumatoria
Promedio

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12
187.00
12.47

Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16
268.00
17.87

XY
150
204
104
391
160
315
140
280
456
170
176
234
368
150
192
3,490.00

X^2
100
144
64
289
100
225
100
196
361
100
121
169
256
100
144
2,469.00

Diagrama de Dispersion
Pasajeros
30

y = 1.0813x + 4.3863
R = 0.9378

25
20
15
10
5
0
0

10

12

14

16

18
Publicidad

SUMA DE CUADRADOS Y LOS PRODUCTOS CRUZADOS

Suma de los cuadrados de X (SCx )

SCx ( X X ) 2
I
( X )2
n
( X )2
2
SCx X
n
(187) 2
SCx 2.469 15
SCx 137.733333 3
SCx X 2

( X )2
n
( X )2
2
SCx X
n
(187) 2
SCx 2.469 15
SCx 137.733333 3
SCx X 2

SCx = 137.7333333

Suma delos cuadrados de Y (SCy)

SCy ( YI Y ) 2
SCy Y
2

SCy Y 2

( Y )2

n
( Y ) 2

n
(268)2
SCy 4.960 n
SCy 171.733333
SCy =

171.7333333

Suma de los cuadrados de XY (SCxy)

SCxy

(X

SCxy

XY

X) ( YI Y ) 2
2

( X) ( Y )

n
(187)(268)
SCxy 3.490 15
SCxy 148.933333
SCxy =

148.9333333

METODO DE LOS DESVIOS

SCxy
SCx
148.933333
b1
137 .733333
b1 1.0813166 1.08
b1

b1 =

1.081316554

n
268
Y
15

Y 17.86667

n
268
Y
15

Y 17.86667
Y=

17.86666667

n
187
X
15

X 12 . 46667
X=

12.46666667

b0 Y b1 x
b0 17.866667 1.08(12.46667)
b0 4.3865 o 4.40
b0 =

4.38625363

MCO)

CRUZADOS

MODELO DE REGRESION

Y^2
225
289
169
529
256
441
196
400
576
289
256
324
529
225
256
4,960.00

Observaciones
( meses )

Publicidad
(en US$1.000`s)

Pasajeros
(en 1.000`s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12

Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16

i 4 . 38625363
Y

18

20

Publicidad

Pronostico
Y
15.19941917
17.36205228
13.03678606
22.76863505
15.19941917
20.60600194
15.19941917
19.52468539
24.93126816
15.19941917
16.28073572
18.44336883
21.68731849
15.19941917
17.36205228

1 . 081316554

xi

Publicidad
(en US$1.000`s)

Pasajeros
(en 1.000`s)

Pronostico

Error

et - et-1

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12

Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16

Y
15.19941917
17.36205228
13.03678606
22.76863505
15.19941917
20.60600194
15.19941917
19.52468539
24.93126816
15.19941917
16.28073572
18.44336883
21.68731849
15.19941917
17.36205228

et
-0.199419170
-0.362052278
-0.036786062
0.231364952
0.800580830
0.393998060
-1.199419170
0.475314614
-0.931268156
1.800580830
-0.280735724
-0.443368832
1.312681506
-0.199419170
-1.362052278
-0.000000048

0.162633108
-0.325266216
-0.268151014
-0.569215878
0.406582770
1.593417230
-1.674733784
1.406582770
-2.731848986
2.081316554
0.162633108
-1.756050338
1.512100676
1.162633108
1.162633108

El modelo de MCO asume que las varianzas de

de Y es la misma para todos los valores de X y
se considera que es homosedastico de lo contr
asume un tratamiento diferente.

Error

Interpretacion:
Se puede observar que el comportamiento de l
sucesivos son independientes como lo podem
en nuestra grafica:
Por lo tanto, se concluye que no tienen
autocorrelacin.

-1
5

10

15

20
Publicidad

Durbin-Watson

)2
(e e
t
t 1
d
2
e
t
d = 2.484631592
Este valor se utiliza para probar la hiptesis de que no existe correlacin entre trminos de error sucesivos :
H0: r et, et-1 = 0 (No existe autocorrelacin)
HA: r et, et-1 0 (Existe autocorrelacin)
Establcemosun nivel de significanca del 1 o del 5%.

dL = 0.81

(datos de Tabla)

dU = 1.07
4-dL = 3.19
4-dU = 2.93

(datos de Tabla)

Conclusion : no se rechaza la hiptesis nula.

El supuesto de linealidad nos indica que la distribucin de los valores de Y tienen una media condicionada ux/y y el modelo de MCO
que estas medias quedan en una recta para todos los valores de X.

(et - et-1)^2

0.026449528
0.105798111
0.071904966
0.324006716
0.165309549
2.538978469
2.804733247
1.978475089
7.462998882
4.331878598
0.026449528
3.083712790
2.286448454
1.351715744
26.558859671

et ^2
0.039768005
0.131081852
0.001353214
0.053529741
0.640929665
0.155234471
1.438606345
0.225923982
0.867260378
3.242091325
0.078812547
0.196575921
1.723132736
0.039768005
1.855186408
10.689254598

Publicidad
(en US$1.000`s)

Pasajeros
(en 1.000`s)

Pronostico

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12

Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16

Y
15.19941917
17.36205228
13.03678606
22.76863505
15.19941917
20.60600194
15.19941917
19.52468539
24.93126816
15.19941917
16.28073572
18.44336883
21.68731849
15.19941917
17.36205228

El error estndar de estimacin

El modelo de MCO asume que las varianzas de los valores
de Y es la misma para todos los valores de X y por lo tanto
se considera que es homosedastico de lo contrario se
asume un tratamiento diferente.

Se puede observar que el comportamiento de los errores

sucesivos son independientes como lo podemos observar
en nuestra grafica:
Por lo tanto, se concluye que no tienen
autocorrelacin.

trminos de error sucesivos :

(SCxy ) 2
SCE SCy
SCx
SCE
CME
Varianza
n2
Se CME

SCE SCy

( SC

xy

SC

171.7333

)2

(148.9
137

10.6893
10.6893
15 - 2
0.82226

CME

Se

0.82226

0.90678
Suma de cuadrados del Error (SCE) =
Cuadrado medio del Error(CME) =
Error Estndar (Se) =

Publicidad
(en US$1.000`s)
X
10
12
8
17
10
15
10

Pasajeros
(en 1.000`s)
Y
15
17
13
23
16
21
14

Pronostico
Y
15.19941917
17.36205228
13.03678606
22.76863505
15.19941917
20.60600194
15.19941917

14
19

20
24

19.52468539
24.93126816

o 0.907

10

17

15.19941917

11
13
16
10
12

16
18
23
15
16

16.28073572
18.44336883
21.68731849
15.19941917
17.36205228

una media condicionada ux/y y el modelo de MCO asume

En este caso, el 68.3% de las veces cuando se invierte US$10.000 en publicidad, el n

pasajeros estar entre 14.290 y 16.110. El 31.7% del tiempo restante, el nmero de pas
exceder de 16.110 o ser menor que 14.290.
ANLISIS DE CORRELACIN Y DE DETERMINACION
El coeficiente de correlacion r

r
r=

SCxy
(SCx )(SCy )
0.968378371

El coeficiente de determinacin r

r2

( SCxy ) 2
( SCx )( SCy )

r =

0.93775667

Pruebas para los parmetros poblacionales

Pruebas para b1 (parmetro poblacional)
La prueba t para el coeficiente de regresin poblacional

b
b i

b i

Error estndar del coeficiente de regresin

Sb i
Se =
Sbi =
b1 =
B1 =
t=

Sb i

Se
SCx

0.906780212
0.077264946
1.081316554
0
13.99491761

0.907
0.07726
137 .73333

1.0813 0
13 .995
0.07726

t de Tablas

Estimamos un error del 5% y se considera 13 grados de libertad(n-2) por sonsiderase e

y b1.
t de tablas = -2.16
2.16

Regla de decisin:
No rechazar H0 si t est entre 2.160, de lo contrario rechazar , por lo tamto se recha
que t calculado es mayor que el de las t tablas.
Intervalo de Confianza para B1 poblacional

b1 b1 t (Sbi )
B1 =
B1 =

0.91442427
1.248208837

0.91442427

< B1 <

I.C. para b1 1.08 (2.160)(0. 07726)

0.913 b1 1.247

Y -
-0.199419170
-0.362052278
-0.036786062
0.231364952
0.800580830
0.393998060
-1.199419170
0.475314614
-0.931268156
1.800580830
-0.280735724
-0.443368832
1.312681506
-0.199419170
-1.362052278

( Y - ) ^2
0.03976800536
0.13108185200
0.00135321436
0.05352974101
0.64092966536
0.15523447128
1.43860634536
0.22592398228
0.86726037838
3.24209132536
0.07881254673
0.19657592119
1.72313273619
0.03976800536
1.85518640800
10.68925459826

PRUEBAS PARA EL COEFICIENTE DE CORRELACIN POBLACIO

rror estndar de estimacin

SCE SCy

( SC

xy

SC

171.7333

)2

Una prueba t para el coeficiente de correlacin poblaciona

(148.9333)
137 . 7333

10.6893

El error estndar del coeficiente de correlacin

10.6893
15 - 2
0.82226

CME

Se

sr

0.82226

0.90678

r r
sr
1 r2
15 2
Sr =
=
t=

o 0.907

10.6892546
0.822250354
0.906780212

0.822250354
0.906780212

68.3%
Pronostico
Y
16.10619938
18.26883249
13.94356627
23.67541526
16.10619938
21.51278215
16.10619938

14.29263896
16.45527207
12.13000585
21.86185484
14.29263896
19.69922173
14.29263896

20.4314656
25.83804837

18.61790517
24.02448794

Sr

1 0.93776
0.069
15 2

0.9683 0
13.99491761
0.069

Con un nivel de significancia del 5% y con t = n - 2(grados de libertad) se calcula el t d

t 0.05,13 = -2.16
t 0.05,13 = 2.16

Regla de decisin:
No rechazar H0 si t est entre 2.160, de lo contrario rechazar , por lo tamto se rech
calculado es mayor que el de las t tablas.

16.10619938

14.29263896

17.18751594
19.35014904
22.59409871
16.10619938
18.26883249

15.37395551
17.53658862
20.78053828
14.29263896
16.45527207

uando se invierte US$10.000 en publicidad, el nmero de

0. El 31.7% del tiempo restante, el nmero de pasajeros
14.290.

CORRELACIN Y DE DETERMINACION

coeficiente de correlacion r

SCxy
(SCx )(SCy )

eficiente de determinacin r

( SCxy ) 2
( SCx )( SCy )

ara los parmetros poblacionales

para b1 (parmetro poblacional)
el coeficiente de regresin poblacional

b
b i

No rechazar H0 si t est entre 2.160, de lo contrario rechazar , por lo tamto se rech

calculado es mayor que el de las t tablas.
Lo que significa que existe una relaciom lineal.

b i

ndar del coeficiente de regresin

Sb i

Se
SCx

0.907
0.07726
137 .73333

0813 0
13 .995
.07726

t de Tablas

dera 13 grados de libertad(n-2) por sonsiderase el calculo de b0

, de lo contrario rechazar , por lo tamto se rechaza la H0 por

t tablas.

de Confianza para B1 poblacional

b1 t (Sbi )

1.248208837

1.08 (2.160)(0. 07726)

0.913 b1 1.247

Observaciones
( meses )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Sumatoria
Promedio

COEFICIENTE DE CORRELACIN POBLACIONAL

ara el coeficiente de correlacin poblacional.

r r
sr

I .C. para y/x Y

estndar del coeficiente de correlacin

sr

1 r2
15 2
0.069195003
0
13.99491761

Intervalos de confianza en el anlisi

Intervalos de confianza para La media de Y co

S Y Se

(X i X ) 2
1

n
SCx

S y 0 . 907

1
(10 12

15
137 . 73

1 0.93776
0.069
15 2

0.9683 0
13.99491761
0.069

con t = n - 2(grados de libertad) se calcula el t de las tablas.

, de lo contrario rechazar , por lo tamto se rechaza la H0 por que t

as.

I.C. para y / x 15 .2 2

14.55 y / x 15 .8

Podemos estar un 95% seguros que la media poblacional esta entre estos do

, de lo contrario rechazar , por lo tamto se rechaza la H0 por que t

as.

Se puede estar 95% seguro de que si se invierten US$ 10.000 en publicid

que la media de todos los valores resultantes para los pasajeros estar

Publicidad
(en US$1.000`s)

Pasajeros
(en 1.000`s)

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12
187.00
12.47

Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16
268.00
17.87

Pronostico
Y
15.2
17.4
13.0
22.8
15.2
20.6
15.2
19.5
24.9
15.2
16.3
18.4
21.7
15.2
17.4

X - X^
-2.47
-0.47
-4.47
4.53
-2.47
2.53
-2.47
1.53
6.53
-2.47
-1.47
0.53
3.53
-2.47
-0.47
0.00

Intervalos de confianza en el anlisis de regresin

Intervalos de confianza para La media de Y condicionada a un valor de X

tS
I .C. para y/x Y
i
y
S Y Se

(X i X ) 2
1

n
SCx

S y 0 . 907

1
(10 12 . 47 ) 2

0 . 303
15
137 . 73333
Se =
Xi =
X^ =
SCx =
n=

0.90678
10
12.47
137.7333
15

Sy = 0.3

I.C. para y / x 15 .2 2.160 (0.303 )

14.55 y / x 15 .85

y/x
14.66
15.74
ar un 95% seguros que la media poblacional esta entre estos dos valores.

(X - X^)2
6.0844444
0.2177778
19.9511111
20.5511111
6.0844444
6.4177778
6.0844444
2.3511111
42.6844444
6.0844444
2.1511111
0.2844444
12.4844444
6.0844444
0.2177778
137.73

tar 95% seguro de que si se invierten US$ 10.000 en publicidad muchas veces existe un 95% de probabilidad de
a de todos los valores resultantes para los pasajeros estar entre 14.550 y 15.850.

Observaciones
( meses )

Publicidad
(en US$1.000`s)

Pasajeros
(en 1.000`s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Sumatoria
Promedio

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12
187.00
12.47

Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16
268.00
17.87

Pronostico
Y
15.2
17.4
13.0
22.8
15.2
20.6
15.2
19.5
24.9
15.2
16.3
18.4
21.7
15.2
17.4

X - X^
-2.47
-0.47
-4.47
4.53
-2.47
2.53
-2.47
1.53
6.53
-2.47
-1.47
0.53
3.53
-2.47
-0.47
0.00

Intervalo de Prediccin

I .C . para

Y x Y i tS

S yi Se

(X i X ) 2
1
1

n
SCx

S yi se

1
(10 12 . 47 ) 2
1

15
137 . 73333

0.907
0.956

yi

1.1114
Se =
Xi =
X^ =
SCx =
n=
Raiz =
Sy =

0.90678
10
12.47
137.73
15
1.0540
0.955714601

El intervalo de prediccin para un valor nico de Y, Yx ser:

i 4.4 1.08 (10 ) 15 .2

Y

I.C . para Y x Y i tS y i
15.2 ( 2 . 160 )( 0 . 956 )
15.2 2.065
13.14 Y x 17.27

I.C . para Y x Y i tS y i
15.2 ( 2 . 160 )( 0 . 956 )
15.2 2.065
13.14 Y x 17.27
13.13507563

Yx

17.26376271

Puede estar 95% seguro de que si en un mes cualquier Xi = US$ 10.000, el valor nico resultante de Y estar
entre 13.140 y 17.270 pasajeros.

Yx ser:

(X - X^)2
6.0844444
0.2177778
19.9511111
20.5511111
6.0844444
6.4177778
6.0844444
2.3511111
42.6844444
6.0844444
2.1511111
0.2844444
12.4844444
6.0844444
0.2177778
137.73

Observaciones
( meses )

Publicidad
(en US$1.000`s)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Sumatoria
Promedio

X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12
187.00
12.47

Anli

SCT SCR SCE

SCT =

171.7333334

(SCxy) 2
SCE SCy
SCx
(148.93333)2
171.73333137.73333
10.69
SCxy =
SCy =
SCx =

148.9333333
171.7333333
137.7333333

SCT

SCE
( Y i 10.6892546
Y )2
=

SCR

SCE

SCT =
SCR =

i Y )2
(Y
i)2
(Yi Y
171.7333333
161.0440788

r nico resultante de Y estar

SCE =

10.6892546

Fuente de
variacin

Suma de
cuadrados

Regresin
Error
Total

161.04
10.69
171.73

Fuente de variacin
Regresin
Error
Total

Suma de cuadrados
161.0440788
10.6892546
171.7333333

Tabla G
F0.05.1.13 =

4.67

F tabla : 4.67
F Calculado : 195.86
RECHAZO
Regla de decisin:
No rechazar H0 si t est entre 4.67, de lo contrario rechazar , por lo tamto se rechaza la H0 por
Lo que significa que existe una relaciom lineal.
Conclucion :
Se concluye con un 95% de confianza en que la publicidad tiene poder explicativo.

Pasajeros
(en 1.000`s)
Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16
268.00
17.87

Pronostico
Y
15.2
17.4
13.0
22.8
15.2
20.6
15.2
19.5
24.9
15.2
16.3
18.4
21.7
15.2
17.4

( Y - Y prom.)
-2.8666667
-0.8666667
-4.8666667
5.1333333
-1.8666667
3.1333333
-3.8666667
2.1333333
6.1333333
-0.8666667
-1.8666667
0.1333333
5.1333333
-2.8666667
-1.8666667
0.0000000

( Y -Y prom.)^2
8.2177777778
0.7511111111
23.6844444444
26.3511111111
3.4844444444
9.8177777778
14.9511111111
4.5511111111
37.6177777778
0.7511111111
3.4844444444
0.0177777778
26.3511111111
8.2177777778
3.4844444444
171.7333333

Anlisis de varianza en la regresin

R SCE

y) 2
x
(148.93333)2
137.73333

Yi Y )2

i Y )2
(Y
i)2
Yi Y

(SCxy ) 2
(148 .93333 ) 2
SCR

SCx
137 .73333
SCR 161 .0440788
SCR =

161.0440787

Grados de
libertad

Cuadrado medio

Razn F

1
13
14

161.04
0.82

196.39

Grados de libertad
1
13
14

Cuadrado medio
161.0440788
0.822250354

Razn F
195.86

67, de lo contrario rechazar , por lo tamto se rechaza la H0 por que F calculado es mayor que el de las t tablas.

nza en que la publicidad tiene poder explicativo.

( Y^ -Y prom.)
-2.667247497
-0.504614389
-4.829880605
4.901968381
-2.667247497
2.739335273
-2.667247497
1.658018719
7.064601489
-2.667247497
-1.585930943
0.576702165
3.820651827
-2.667247497
-0.504614389
0.0000000

( Y^ -Y prom.)^2
7.114209208475
0.254635681249
23.327746655335
24.029294011592
7.114209208475
7.503957739728
7.114209208475
2.749026073660
49.908594203091
7.114209208475
2.515176954908
0.332585387500
14.597380385706
7.114209208475
0.254635681249
161.0440788

( Y-Y^)
-0.1994191700
-0.3620522780
-0.0367860620
0.2313649520
0.8005808300
0.3939980600
-1.1994191700
0.4753146140
-0.9312681560
1.8005808300
-0.2807357240
-0.4433688320
1.3126815060
-0.1994191700
-1.3620522780
0.0000000

( Y-Y^)^2
0.0397680054
0.1310818520
0.0013532144
0.0535297410
0.6409296654
0.1552344713
1.4386063454
0.2259239823
0.8672603784
3.2420913254
0.0788125467
0.1965759212
1.7231327362
0.0397680054
1.8551864080
10.6892546

el de las t tablas.

X
Y
Gasto de consumo
familiar semanal Y,
$

Total
Medias
condicionales de
Y, E(Y/X)

80

100

120

140

160

180

55
60
65
70
75
325
65

65
70
74
80
85
88
462
77

79
84
90
94
98
445
89

80
93
95
103
108
113
115
707
101

102
107
110
116
118
125
678
113

110
115
120
130
135
140
750
125

200

220

240

260

120
136
140
144
145
685
137

135
137
140
152
157
160
162
1 043
149

137
145
155
165
175
189
966
161

150
152
175
178
180
185
191
1 211
173