Ejercicios de Regresión Lineal - Pronóstico

EJERCICIO 5:
He aqu los gastos de publicidad (como porcentaje de gastos totales) y

los beneficios de operacin netos (como porcentajes de ventas) en una
muestra aleatoria de 10 pequeas joyeras:
Gastos de publicidad, x: 1.2 0.7 1.5 1.8 0.5 3.4 1.0 3.0 2.8 2.5
Beneficios,
y: 2.7 2.4 2.7 3.3 1.1 5.8 2.2 4.2 4.4 3.8
a) Representar los datos.
b) Hallar la ecuacin de la recta que mejor se ajusta a estos datos y
representar la recta en el grfico de la parte (a).
DESARROLLO:
Representando los datos:
Benefic
ios de Gasto
operaci s de
n
public
netos( idad(
%), Y
%), X
XY
2.7
1.2
3.24
1.44
7.29
2.4
0.7
1.68
0.49
5.76
2.7
1.5
4.05
2.25
7.29
3.3
1.8
5.94
3.24
10.89
1.1
0.5
5.8
3.4
0.55 0.25
19.7
2
11.56
2.2
2.2
4.84
4.2
17.64
4.4
2.8
12.6
12.3
2
7.84
19.36
3.8
2.5
32.6
18.4
1.21
33.64
9.5
6.25 14.44
71.
122.3
8 43.32
6
Y'
2.460946
75
1.836686
39
2.835502
96
3.210059
17
1.586982
25
5.207692
31
2.211242
6
4.708284
02
4.458579
88
4.084023
67
32.6
(Y Y ')2
0.057146
46
0.317322
22
0.018361
05
0.008089
35
0.237151
71
0.350828
4
0.000126
4
0.258352
65
0.003431
6
0.080669
44
1.33147
929
La estructura de la ecuacin de regresin lineal es:

^y =a+bx
Clculo del estimador de
0 :
2
(Y 'Y media)(Y
Y media)2
0.6384861
2.0258216
3
0.1801977
4
0.0024940
9
0.3136
2.7989884
3.7935053
3
1.0998920
8
2.0975266
1
1.4365937
3
0.6790150
1
14.75252
07
4.6656
0.7396
0.3136
0.0016
6.4516
1.1236
0.8836
1.2996
0.2916
16.084
2
Yi Xi Xi XiYi
a^ =
2
n X i 2( Xi )
a^ =
32.643.3218.471.8
=0.9627219
1043.32( 18.4 )2
^
b=
1 :
n XiYi Xi Yi
n Xi 2( Xi )
^ 1071.818.432.6 =1.24852
b=
1043.32( 18.4 )2
Ecuacin de regresin:
YÎ =a^ + b^ . X
YÎ =0.9627219+1.24852 X
Interpretacin: Por cada incremento en el porcentaje del gasto de publicidad, el
porcentaje de beneficio de operacin neto incrementa en 1.24852%.
DIAGRAMA DE DISPERCIN:
7
6
5
4
Beneficios de operacin netos
f(x) = 1.25x + 0.96

R = 0.92
3
2
1
0
0
Gastos de publicidad
El Coeficiente de Determinacin:
R 2=
SCR 14.7525207
=
=0.9172172
SCT
16.084
El Coeficiente de Correlacin:
2
R=+ R2= 0.9172172=0.957715
Realizar el anlisis de la ANOVA:
Concepto
Suma Cuadrados
g.l
Suma de cuadrados
medios
F=SCMR/ACME
SCR
SCE
SCT
14.752521
1.3314793
16.084
PRUEBA DE HIPTESIS
K-1=2-1=1
N-K=10-2=8
N-1
14.752521
0.1664349
88.728387
(regresin):
Primer paso: Formulacin de la hiptesis

Ho
=0
H1 :
t
Segundo paso: n=10, = 5%; dado que n 30 utilizamos ( n2) g . l
los
puntos
Tercer paso: Regla de decisin

H0
t > 2.31
Rechazar
s y solo s o
Cuarto paso: Clculo del estadstico
t o=
, graficamos
crticos.
t 0<2.31
o
t0
b 1.248520
=
=9.4
Sb
0.132612
Quinto paso: Conclusiones y recomendaciones

Ho
H1
Rechazamos
y aceptamos
, por lo tanto existe una relacin
entre el % de gasto de publicidad (x) y el % de beneficios (y) en forma
positiva por lo que recomendamos probar la linealidad del modelo.
PRUEBA DE HIPTESIS DE LA LINEALIDAD DEL MODELO:
Ho
=0
H1 :
t
, graficamos
los puntos crticos.
Tercer paso: Regla de decisin

H0
t > 2.31
Rechazar
s y solo s o
t o=
t 0<2.31
o
t0
R 0.9577150
=
=9.41
SR
0.1017

Ho
H1
Rechazamos
y aceptamos
, por lo tanto existe una relacin de
linealidad entre el % de gasto de publicidad (x) y el % de beneficios (y)
en forma positiva por lo tanto se recomienda realizar la prueba de
confiabilidad del modelo.
PRUEBA DE HIPTESIS DE LA CONFIABILIDAD DEL MODELO:
1 Paso: Formulacin de la Hiptesis nula y alternativa
Ho
El modelo no es compatible
H1
El modelo es confiable
2 Paso: n=10, = 5%; usamos
Paso:
Rechazar
Regla
de
Ho
Fo >5.32
si
F( k1,nk ) g .l=F (1,8 ) g .l
Decisin
4Paso: Clculo del estadstico

Fo =
y graficamos los puntos crticos
Fo
SCMR
=88.72
SCME
5 Paso: Conclusiones y recomendaciones

Rechazamos
Ho
y aceptamos
H1
, por lo tanto hay confiabilidad del modelo de
regresin lineal entre el % de gastos en publicidad (x) y el % de beneficios (y) por lo que
podemos hacer el pronstico.
PRONSTICO:
Para hallar el pronstico necesitaremos primero el valor del Error
Estndar del Pronstico para lo cual utilizaremos la siguiente frmula:
X p X
1
1+ +
n
S pyx =S yx
Donde:
2
( X i X)
= 9.464
Aplicando la frmula en cada valor de x obtendremos el siguiente

cuadro:
Beneficios de
operacin
netos(%), Y
2.7
2.4
2.7
3.3
1.1
5.8
2.2
4.2
4.4
3.8
Gastos de
publicidad(%), X
1.2
0.7
1.5
1.8
0.5
3.4
1
3
2.8
2.5
S pyx
0.43985394
0.50596914
0.42794186
0.43555902
0.54673111
0.63348466
0.4595779
0.57367987
0.54486068
0.5041387
Ahora para hallar el pronstico de Y usaremos lo siguiente:

Y p=Y ' p tS pyx
Donde:
Y ' p=a+b X p
t = 2.31
Por lo tanto el resultado del pronstico estadstico es:

Beneficios de
operacin
netos(%), Y
Gastos de
publicidad(%), X
2.7
1.2
2.4
0.7
2.7
1.5
3.3
1.8
1.1
0.5
5.8
3.4
2.2
4.2
4.4
2.8
Y'p
2.460946
75
1.836686
39
2.835502
96
3.210059
17
1.586982
25
5.207692
31
2.211242
6
4.708284
02
4.458579
Y'p
-t
S pyx
1.39200527
0.6532943
1.80716388
2.19790201
0.34437248
3.89282716
1.10292416
3.51927589
3.32238785
Y'p
-t
S pyx
3.529888
22
3.020078
48
3.863842
04
4.222216
34
2.829592
02
6.522557
45
3.319561
04
5.897292
16
5.594771
S pyx
0.439853
94
0.505969
14
0.427941
86
0.435559
02
0.546731
11
0.633484
66
0.459577
9
0.573679
87
0.544860
3.8
88
4.084023
669
4.208875
74
4.333727
81
4.458579
88
4.583431
95
4.708284
02
2.5
2.6
2.7
2.8
2.9
3
3.01156548
7
3.11741083
3.22097556
3.32238785
3.42177799
3.51927589
92
5.156481
85
5.300340
65
5.446480
06
5.594771
92
5.745085
92
5.897292
16
68
0.504138
7
0.517280
38
0.530882
29
0.544860
68
0.559145
75
0.573679
87
Graficaremos el resultado en el siguiente diagrama:

7
6
5
4
Normal
Beneficios en % 3
Pesimista
Optimista
Real
1
gasto en publicidad en %
2.
8
2.
6
2.
8
0.
5
1.
5
1.
2
EJERCICIO 6.
En un estudio dedicado a la determinacin de la composicin de brandy,
una muestra de seis brandy mostr el siguiente contenido de tanino y de
steres (ambos en grados por cada 100 litros de 100 grados de alcohol).
Tanino, x:
19
steres, y: 31.7
15
32.3
9
10
8.5 14.3
11
14.0
19
17.8
a) Representacin de datos.
b) Hallar la ecuacin de la recta que mejor se ajuste a estos datos y
representar la recta en el grfico de la parte (a).
c) cul es la mejor estimacin de la proporcin de steres en un
brandy con contenido de 12 de tanino?
DESARROLLO:
Representando los datos:
stere Tanino
x2
XY
s (y)
(x)
31.7
19
32.3
15
602.
3
484.
5
8.5
76.5
143
10
1430 100
14
11
17.8
19
247.3
83
154 121
338.
2
361
3085 124
.5
9
361
225
81
y2
Y'
(Y Y ')2
1004.8 24.026611
295.49799 90.56694
9
6
58.88089
4
44
1043.2 37.335041 25.35164 15.067015 79.50694
9
3
11
3
44
2381.214 258.59918 1070.380
72.25 57.297686
15
1
28
53.970578 7926.237 162.66226 10359.84
20449
5
89
7
69
50.643471 1342.743 88.864641 740.7469
196
1
97
3
44
24.026611 38.77069 295.49799 548.3402
316.84
6
16
4
78
23082.
11773.1 1116.189 12889.38
27
247.3
992
09
83

^y =a+bx
2
(Y 'Y media)(Y
Y media)2
0 :
2
Yi Xi Xi XiYi
a^ =
2
n Xi2 ( Xi )
a^ =
247.31249833085.5
=87.242
61249 ( 83 )2
^
b=
1 :
n XiYi Xi Yi
n Xi 2( Xi )
^ 1071.818.432.6 =3.3271
b=
1043.32( 18.4 )2
Ecuacin de regresin:
YÎ =a^ + b^ . X
YÎ =87.2423.3271 X
Interpretacin: Por cada incremento de un grado de tanino por cada 100 litros
de 100 grados de alcohol, la disminucin en grados de steres por cada 100
litros de 100 grados de alcohol es de - 3.3271 grados.
DIAGRAMA DE DISPERCIN:
160
140
120
100
steres
80
60
40
20
f(x) = - 3.33x + 87.24

R = 0.09
0
8
10
12
14
16
18
20
Tanino
2
R=
SCR 1116.1891
=
=0.0866
SCT 12889.388
2
R= R2= 0.0866=0.29428
Concepto
Suma Cuadrados
g.l
Suma de cuadrados
medios
F=SCMR/ACME
SCR
SCE
SCT
1116.1891
11773.199
12889.388
K-1=2-1=1
N-K=6-2=4
N-1
1116.1891
2943.29975
0.3792
PRUEBA DE HIPTESIS
(regresin):

Ho
=0
H1 :
Segundo paso: n=6, = 5%; dado que n
30 utilizamos
t ( n2) g . l
t4
graficamos los puntos crticos.
Tercer
paso:
decisin
Rechazar
H0
Regla
s y solo s
t o> t c

t o=
de
t 0<t c
t0
b 3.32710
=
=0.6175
Sb
5.388

Ho
Aceptamos
, por lo tanto no existe una clara relacin entre el % de
gasto de publicidad (x) y el % de beneficios (y) en forma negativa por lo
que no recomendamos probar la linealidad del modelo.
EJERCICIOS 12, 13, 14:
12. Un gerente de comercializacin desea establecer la relacin entre las
ventas Y, y el precio de un producto similar fabricado por un competidor,
X. Dado los datos de la tabla, determine una Ecuacin de regresin:
Precio de la
Ventas, Y
competencia, X (dlares
(unidades)
por unidad)
520
13
550
13
600
15
610
15
620
16
724
21
680
300
962
270
21
14
40
12
DESARROLLO:
Primero calculamos los valores de xy,
Venta Precio de
s, Y
la
(unid compete
ades) ncia, X
XY
X2
520
13
6760
169
550
13
7150
169
600
15
9000
225
610
15
9150
225
620
16
9920
256
724
21
15204
441
680
21
14280
441
300
14
4200
196
962
40
270
12
5836
180
Y2
27040
0
30250
0
36000
0
37210
0
38440
0
52417
6
46240
0
90000
92544
38480 1600
4
3240
144 72900
11738
37643
4
3866
20
x2 , y2 :
Y'
485.0696
49
485.0696
49
524.4817
89
524.4817
89
544.1878
59
642.7182
11
642.7182
11
504.7757
19
1017.133
55
465.3635
78
5836
(Y Y ')2
1220.129
45
4215.950
54
5703.000
17
7313.364
39
5747.480
66
6606.729
25
1389.931
8
41933.09
5
3039.707
93
38166.92
77
115336.
317

^y =a+bx
Calculando el valor de a:
a=
y i x i2 x i x i y i
2
2
n x i ( x i )
(Y 'Y media)2 (Y Y media)2
9708.23015
4044.96
9708.23015
1128.96
3494.96286
268.96
3494.96286
696.96
1553.31682
1324.96
3494.96286
19712.16
3494.96286
9292.96
6213.2673
80428.96
187951.336
143186.56
13979.8514
243094.08
3
98344.96
358430.4
a=
5 8363 866180117 384

103 866180 2
a=
1 434 856
=228.89
6 260
Calculando el valor de b:
n x i y i x i y i
b=
2
2
n x i ( xi )
b=
10117 3841805 836

2
103 866180
b=
123 360
=19.706
6260
Con los valores calculados obtuvimos la ecuacin de regresin lineal que

es igual a:
^y =228.89+19.706 x
Relacin entre Venta - Precio

1200
1000
f(x) = 19.71x + 228.89

R = 0.68
800
600
400
200
0
10
15
20
25
30
35
40
45
Reemplaza
ndo todos los valores de x en la ecuacin obtendremos los valores de y
estimados para as graficar la ecuacin de regresin lineal:
Interpretacin: Por cada incremento (en dlares) del precio de la competencia, el

aumento en las ventas es de 19.7 unidades.
R2=
2
R=+ R2= 0.6782=0.82353
SCR 243094.08
=
=0.6782
SCT 358430.4
Concepto
Suma Cuadrados
g.l
Suma de cuadrados
medios
F=SCMR/ACME
SCR
243094.08
K-1=2-1=1
243094.08
16.862
SCE
115336.32
14417.04
SCT
358430.4
N-K=102=8
N-1
PRUEBA DE HIPTESIS
(regresin):

Ho
=0
H1 :
t
, graficamos
los puntos crticos.
Tercer
decisin
Rechazar
paso: Regla de
H0
s y solo s
t o> 2.31
t 0<2.31
o
t0
t o=
b 19.706070
=
=4.1063
Sb
4.799

Ho
H1
Rechazamos
y aceptamos
entre el precio de la competencia en dlares (x) y las ventas en
unidades (y) en forma positiva por lo que recomendamos probar la
linealidad del modelo.
PRUEBA DE HIPTESIS DE LA LINEALIDAD DEL MODELO:
Ho
=0
H1 :
t
, graficamos
los puntos
crticos.
Tercer
de decisin
paso:
Rechazar
H0
s y solo s
t o> 2.31

t o=
R 0.823530
=
=4.1053
SR
0.2006
t 0<2.31
o
t0
Regla

Ho
H1
Rechazamos
y aceptamos
linealidad entre el precio de la competencia en dlares (x) y las ventas
en unidades (y) en forma positiva por lo tanto se recomienda realizar la
prueba de confiabilidad del modelo.
Ho
H1
F( k1,nk ) g .l=F (1,8 ) g .l
3 Paso: Regla de Decisin

Rechazar
Ho
si
Fo >5.32

Fo =
Fo
SCMR
=16.862
SCME

Rechazamos
Ho
y aceptamos
H1
regresin lineal entre el precio de la competencia en dlares (x) y las ventas en unidades (y)
por lo que podemos hacer el pronstico.
PRONSTICO:

X p X
1
1+ +
n
S pyx =S yx
Donde:
2
( X i X)
= 626

cuadro:
Ventas, Y
(unidades)
520
550
600
610
620
724
680
300
962
270
Precio de la
competencia, X
(dlares por
unidad)
13
13
15
15
16
21
21
14
40
12
S pyx
829.92383
829.92383
1033.17877
1033.17877
1132.11526
1597.86229
1597.86229
932.416869
2975.75956
725.840749

Y p=Y ' p tS pyx
Donde:
Y ' p=a+b X p
t = 2.31
Ventas, Y
(unidades)
Precio de la
competencia, X
(dlares por
unidad)
520
13
550
13
600
15
610
15
620
16
724
21
680
21
300
14
962
40
270
12
13
14
15
16
17
Y'p
485.0696
49
485.0696
49
524.4817
89
524.4817
89
544.1878
59
642.7182
11
642.7182
11
504.7757
19
1017.133
55
465.3635
78
485.0696
49
504.7757
19
524.4817
89
544.1878
59
563.8939
3
Y'p
-t
S pyx
188.93428
188.93428
231.685145
231.685145
252.442402
349.921566
349.921566
210.513721
637.523407
166.954505
188.93428
210.513721
231.685145
252.442402
272.781006
Y'p
-t
S pyx
781.2050
17
781.2050
17
817.2784
34
817.2784
34
835.9333
17
935.5148
55
935.5148
55
799.0377
16
1396.743
69
763.7726
52
781.2050
17
799.0377
16
817.2784
34
835.9333
17
855.0068
53
S pyx
829.9238
3
829.9238
3
1033.178
77
1033.178
77
1132.115
26
1597.862
29
1597.862
29
932.4168
69
2975.759
56
725.8407
49
829.9238
3
932.4168
69
1033.178
77
1132.115
26
1229.162
47
1600
1400
1200
1000
Ventas en unidades
Normal
800
Pesimista
600
Optimista
Real
400
200
0
131315151621211440121314151617
Precio de la competencia en dlares por unidad
13. Un ejecutivo de una compaa de seguros desea establecer la

relacin entre prdidas por incendio, Y, y la distancia de la propiedad de
la vctima a la estacin de bomberos, X. Dados los datos de la tabla,
determine una ecuacin de regresin.
Prdidas por
incendio, Y (miles de
dlares)
12.6
18.9
33
4.1
15
77
6.1
9.2
10.2
300
Distancia a la estacin de
bomberos, X (millas)
1.1
0.9
2
0.7
1.2
0.8
3.1
3.2
7
1.3
DESARROLLO:
x2 , y2 :
Prdid
as por Distancia
incend
a la
io, Y
estacin
(miles
de
de
bomberos
dlare
,X
s)
(millas)
XY
12.6
1.1
13.86
1.21
158.76
18.9
0.9
17.01
0.81
357.21
33
66
1089
4.1
0.7
2.87
0.49
16.81
15
1.2
18
1.44
225
77
0.8
61.6
0.64
5929
6.1
3.1
18.91
9.61
37.21
9.2
3.2
29.44
10.24
84.64
10.2
71.4
49
104.04
300
1.3
390
1.69
486.1
21.3
90000
98001.
689.09 79.13
67
Y'
59.17521
1
61.22670
83
49.94347
32
63.27820
56
58.14946
24
62.25245
7
38.66023
81
37.63448
95
1.343959
01
57.12371
38
486.1
(Y Y ')2
2169.250
28
1791.550
24
287.0812
85
3502.060
02
1861.876
11
217.4900
25
1060.169
11
808.5201
93
133.2629
9
58988.89
04
70820.1
507

^y =a+bx
a=
2
2
n x i ( x i )
a=
486.179.1321.3689.09
1079.13(21.3)2
111.623684
1296.7201
159.181329
882.6841
1.77815088
243.6721
215.156256
1981.1401
91.0013428
1129.6321
186.116632
805.9921
98.997761
1807.1001
120.461831
1553.1481
2495.39802
1475.3281
63196.932
1
74372.34
9
72.4833219
3552.1983
3
a=
23 787.476
=70.458
337.61
n x i y i x i y i
b=
2
2
n x i ( xi )
b=
10689.0921.3486.1
2
1079.13(21.3)
b=
3463.03
=10.257
337.61

es igual a:
^y =70.45810.257 x
Reemplazando todos los valores de x en la ecuacin obtendremos los

valores de y estimados para as graficar la ecuacin de regresin
lineal:
tre prdidas por incendio y la distancia hasta la estacin de bo

350
300
250
200
150
100
50
f(x) = - 10.26x + 70.46

R = 0.05
0
0
Interpretacin: Por cada milla en aumento de la distancia de la propiedad de la vctima

hacia la estacin de bomberos, la disminucin en las prdidas causadas por el incendio
es de -10.257 (miles de dlares).
R 2=
SCR 3552.19833
=
=0.0478
SCT 74372.349
2
R=+ R2= 0.0478=0.2186
Concepto
Suma Cuadrados
g.l
Suma de cuadrados
medios
F=SCMR/ACME
SCR
3552.19833
K-1=2-1=1
3552.19833
0.4013
SCE
70820.1507
8852.519
SCT
74372.349
N-K=102=8
N-1
PRUEBA DE HIPTESIS
(regresin):

Ho
=0
H1 :
t
los puntos crticos.
, graficamos
Tercer paso:
decisin
H0
Rechazar
s y solo s
Regla
t o> 2.31

t o=
de
t 0<2.31
o
t0
b 10.2574860
=
=0.63345
Sb
16.193

Ho
H1
Aceptamos
y rechazamos
, por lo tanto no existe una relacin
la distancia al a estacin de bomberos en millas (x) y las prdidas por
incendio en miles de dlares (y) en forma negativa por lo que no
recomendamos probar la linealidad del modelo.
14. Un ejecutivo de una empresa de publicidad desea establecer la

relacin entre la parte de mercado de la empresa, Y, y sus gastos
anuales en anuncios por televisin, X. Dados los datos de la tabla,
determine una ecuacin de regresin.
Parte del mercado, Y
(porcentaje)
8.8
12.7
13.8
15
17.2
28.6
30.8
41.2
53
Gasto anual en anuncios por

televisin, X (miles de dlares)
23
33
36
39
42
69
88
127
130
DESARROLLO:
Gasto
Parte anual en
del
anuncios
merca
por
do, Y televisin,
(porce X (miles
ntaje)
de
dlares)
XY
X2
Y2
8.8
23
202.4
529
77.44
12.7
33
419.1
1089
161.29
13.8
36
496.8
1296
190.44
15
39
585
1521
225
17.2
42
722.4
1764
295.84
28.6
69
1973.4
4761
817.96
30.8
88
2710.4
7744
41.2
127
53
130
221.1
587
948.64
1697.4
5232.4 16129
4
6890 16900 2809
19231. 5173 7223.0
9
3
5
Y'
9.460399
25
13.03819
94
14.11153
95
15.18487
95
16.25821
96
25.91828
01
32.71610
04
46.66952
11
47.74286
12
221.1
, y
(Y Y ')2
0.436127
16
0.114378
85
0.097056
85
0.034180
44
0.886950
35
7.191621
8
3.671440
77
29.91566
11
27.63750
88
69.9849
261

^y =a+bx
a=
2
2
n x i ( x i )
a=
221.15173358719231.9
2
951 733(587)
228.199315
132.905557
109.309685
88.0179298
69.0302929
1.82685879
66.4132703
488.536174
537.135991
1721.3750
7
248.58777
8
140.81777
8
115.92111
1
91.521111
1
54.267777
8
16.267777
8
38.854444
4
276.66777
8
808.45444
4
1791.36
a=
149 041
=1.2315
121 028
n x i y i x i y i
b=
2
n x i2( xi )
b=
919 231.9587221.1
951733(587)2
b=
43 301.4
=0.3578
121028

es igual a:
^y =1.2315+0.3578 x
Reemplazando todos los valores de x en la ecuacin obtendremos los

valores de y estimados para as graficar la ecuacin de regresin
lineal:
ntre la parte del mercado y los gastos por anuncios televisivo

60
50
f(x) = 0.36x + 1.23
R = 0.96
40
30
20
10
0
0
20
40
60
80
100
120
140
Interpretacin:
Por cada unidad en aumento (en miles de dlares) respecto al gasto anual en anuncios
por televisin, el aumento del mercado de la empresa es de 0.3578%.
R2=
SCR 1721.3751
=
=0.9609
SCT
1791.36
2
R=+ R2= 0.9609=0.9803
Concepto
Suma Cuadrados
g.l
Suma de cuadrados
medios
F=SCMR/ACME
SCR
1721.3751
K-1=2-1=1
1721.3751
172.172
SCE
SCT
69.9849
1791.36
N-K=9-2=7
N-1
9.998
PRUEBA DE HIPTESIS
(regresin):

Ho
=0
H1 :
30 utilizamos
t ( n2) g . l
, graficamos
los puntos crticos.
Tercer
Regla de decisin
H0
Rechazar
s y solo s
paso:
t o> 2.365

t o=
t 0<2.365
t0
b 0.35780
=
=13.122
Sb
0.027267

Ho
H1
Rechazamos
y aceptamos
entre el % de la parte del mercado(x) y el % en gastos por anuncios
televisivos anuales (y) en forma positiva por lo que recomendamos
probar la linealidad del modelo.
PRUEBA DE HIPTESIS DE LA LINEALIDAD DEL MODELO.
Ho
=0
H1 :
30 utilizamos
t ( n2) g . l
, graficamos
los puntos crticos.
Tercer
Regla de decisin
H0
Rechazar
s y solo s
paso:
t o> 2.365

t o=
t 0<2.365
t0
R 0.98030
=
=13.117
SR
0.074737

Ho
H1
Rechazamos
y aceptamos
linealidad entre el % de la parte del mercado (x) y el % en gastos
televisivos anuales (y) en forma positiva por lo tanto se recomienda
realizar la prueba de confiabilidad del modelo.

Ho
H1
F( k1,nk ) g .l=F (1,7 ) g .l
3 Paso: Regla de Decisin

Rechazar
Ho
si
Fo >5.59

Fo =
Fo
SCMR
=172.172
SCME

Rechazamos
Ho
y aceptamos
H1
regresin lineal entre el % de la parte del mercado (x) y el % en gastos televisivos anuales
(y) por lo que podemos hacer el pronstico.
PRONSTICO:
X p X
1
1+ +
n
S pyx =S yx
Donde:
2
( X i X)
= 1347.55556

cuadro:
Parte del
mercado, Y
(porcentaje)
Gasto anual en
anuncios por
televisin, X (miles
de dlares)
8.8
23
12.7
33
13.8
36
15
39
17.2
42
28.6
69
30.8
88
41.2
127
53
130
S pyx
3.763458
06
3.716887
01
3.703465
51
3.690299
27
3.677388
88
3.572724
59
3.511361
2
3.415591
02
3.409823
75

Y p=Y ' p tS pyx
Donde:
Y ' p=a+b X p
t = 2.365
Parte del
mercado, Y
(porcentaje)
Gasto anual en
anuncios por
televisin, X (miles
de dlares)
8.8
23
12.7
33
13.8
36
15
39
17.2
42
28.6
69
30.8
88
41.2
127
53
130
131
132
133
134
135
136
Y'p
9.460399
25
13.03819
94
14.11153
95
15.18487
95
16.25821
96
25.91828
01
32.71610
04
46.66952
11
47.74286
12
48.10064
12
48.45842
12
48.81620
12
49.17398
12
49.53176
12
49.88954
13
Y'p
-t
S pyx
1.12092723
4.8864449
6.0069376
7.12306259
8.23474999
18.032032
24.6979305
37.8375316
38.8219396
39.1493428
39.4763858
39.8030722
40.1294057
40.45539
40.7810288
Y'p
-t
S pyx
17.79987
13
21.18995
4
22.21614
14
23.24669
65
24.28168
92
33.80452
81
40.73427
03
55.50151
06
56.66378
27
57.05193
95
57.44045
66
57.82933
03
58.21855
68
58.60813
25
58.99805
38
S pyx
3.763458
06
3.716887
01
3.703465
51
3.690299
27
3.677388
88
3.572724
59
3.511361
2
3.415591
02
3.409823
75
3.407950
3
3.406101
25
3.404276
53
3.402476
09
3.400699
87
3.398947
81
70
60
50
40
Parte del mercado en %
30
20
Normal
Pesimista
Optimista
Real
10
0
Gasto anual en anuncios en miles de dlares

Ejercicios de Regresión Lineal - Pronóstico

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Ejercicios de Regresión Lineal - Pronóstico

Încărcat de

Drepturi de autor:

Formate disponibile

EJERCICIO 5:

He aqu los gastos de publicidad (como porcentaje de gastos totales) y

La estructura de la ecuacin de regresin lineal es:

Clculo del estimador de

f(x) = 1.25x + 0.96

R=+ R2= 0.9172172=0.957715

Realizar el anlisis de la ANOVA:

Primer paso: Formulacin de la hiptesis

Tercer paso: Regla de decisin

Quinto paso: Conclusiones y recomendaciones

los puntos crticos.

Tercer paso: Regla de decisin

Quinto paso: Conclusiones y recomendaciones

2 Paso: n=10, = 5%; usamos

F( k1,nk ) g .l=F (1,8 ) g .l

4Paso: Clculo del estadstico

y graficamos los puntos crticos

5 Paso: Conclusiones y recomendaciones

, por lo tanto hay confiabilidad del modelo de

Aplicando la frmula en cada valor de x obtendremos el siguiente

Ahora para hallar el pronstico de Y usaremos lo siguiente:

Por lo tanto el resultado del pronstico estadstico es:

Graficaremos el resultado en el siguiente diagrama:

La estructura de la ecuacin de regresin lineal es:

Clculo del estimador de

f(x) = - 3.33x + 87.24

Realizar el anlisis de la ANOVA:

Primer paso: Formulacin de la hiptesis

Segundo paso: n=6, = 5%; dado que n

graficamos los puntos crticos.

Cuarto paso: Clculo del estadstico

Quinto paso: Conclusiones y recomendaciones

La estructura de la ecuacin de regresin lineal es:

(Y 'Y media)2 (Y Y media)2

5 8363 866180117 384

10117 3841805 836

Con los valores calculados obtuvimos la ecuacin de regresin lineal que

Relacin entre Venta - Precio

f(x) = 19.71x + 228.89

Interpretacin: Por cada incremento (en dlares) del precio de la competencia, el

R=+ R2= 0.6782=0.82353

Realizar el anlisis de la ANOVA:

Primer paso: Formulacin de la hiptesis

los puntos crticos.

Cuarto paso: Clculo del estadstico

Quinto paso: Conclusiones y recomendaciones

Cuarto paso: Clculo del estadstico

Quinto paso: Conclusiones y recomendaciones

2 Paso: n=10, = 5%; usamos

F( k1,nk ) g .l=F (1,8 ) g .l

y graficamos los puntos crticos

3 Paso: Regla de Decisin

4Paso: Clculo del estadstico

5 Paso: Conclusiones y recomendaciones

, por lo tanto hay confiabilidad del modelo de

Para hallar el pronstico necesitaremos primero el valor del Error

Aplicando la frmula en cada valor de x obtendremos el siguiente

Ahora para hallar el pronstico de Y usaremos lo siguiente:

Por lo tanto el resultado del pronstico estadstico es:

Graficaremos el resultado en el siguiente diagrama:

13. Un ejecutivo de una compaa de seguros desea establecer la

La estructura de la ecuacin de regresin lineal es:

(Y 'Y media)2 (Y Y media)2

Con los valores calculados obtuvimos la ecuacin de regresin lineal que