JUAN PILOSO MERCHAN

UNIVERSIDAD DE LAS FUERZAS

ARMADAS

ZZX Estadistica
APLICADA
AL
MERCADO

ESTUDIANTE: JUAN FERNANDO PILOSO

MERCHN.
PARCIAL DE ESTUDIO: 2DA ACTIVIDAD.
FECHA DE ENTREGA: 13/07/2016.
TUTOR: JOS ERNESTO CAIZAGUANO
VIMOS.
JUAN PILOSO MERCHAN

Actividad de aprendizaje 2.1.

Problema
La siguiente tabla de datos presenta informacin utilizada por un economista de un pas
sudamericano para predecir los volmenes de exportacin de cierta materia prima:

Volumen anual Tasa de Tasa de cambio Tasa de PIB en millones

de ventas del inflacin de divisas desempleo de pesos
producto Y:

103.6 3.6 5.8 5.9 5873

186.7 3.5 6.7 4.5 7852

134.8 5.0 8.4 4.2 8189

235.6 6.0 6.2 4.2 7497

260.8 5.6 5.4 4.9 8534

243.9 4.9 5.9 5 8688

131.9 5.6 9.4 4.1 7270

160 8.5 9.4 3.4 5020

135 7.7 7.2 4.2 6035

161.8 7.0 6.6 4.5 7425

209.3 6.0 7.6 3.9 9400

121.9 6.0 10.6 4.4 9350

198 7.2 14.9 3.9 6540

100 7.6 16.6 3.1 7675

139 9.2 17.5 0.6 7419

200 8.8 16 1.5 7923

Modelo:
Y= 1 + 2 X 2 + 3 X 3 + 4 X 4 + 5 X 5 +u (t )
 JUAN PILOSO MERCHAN

1.1 Construya y estime los parmetros del modelo de regresin.

ANLISIS DE LA VARIANZA

Gr Sum Prome F Valo

ados de a de dio de los r crtico
libertad cuadrado cuadrados de F
s

R 4 8835 2208.8 0 0.50

egresi .499526 7488 .89704 0892138
n 35

R 10 2462 2462.3
esiduo 3.94447 94447
s

T 14 3359
otales .444

1.2 Calcule y analice los valores de: R 2, R2 ajustado y los coeficientes de correlacin parcial
existentes. Explique sus diferencias.

Estadsticas de regresin
Coeficiente de correlacin mltiple 0.51387347
Coeficiente de determinacin R`2 0.26406594
R^2 ajustado -0.0303077
Error tpico 49.6225196
Observaciones 15

Existe una mnima diferencia entre el R2, y el R2 Ajustado.
 JUAN PILOSO MERCHAN
1.3 Explique los valores obtenidos de los parmetros beta.

1.4Determine si los coeficientes de regresin parcial son estadsticamente significativos

considerados de forma individual y de forma conjunta al nivel del 5% de significancia.

Error Estadstico Inferior Superior Inferior Superior

Coeficientes Probabilidad
tpico t 95% 95% 5,0% 5,0%

Intercepcin 194,50213 248,61422 0,7823451 0,4521392 -359,4449 748,44914 178,51669 210,48756

3,6 2,6876503 15,823971 0,1698468 0,8685176 -32,57036 37,945656 1,6701982 3,7051023

5,8 -7,747564 5,6407652 -1,373495 0,1996052 -20,31597 4,8208446 -8,110254 -7,384873
5,9 -9,604884 22,858515 -0,420188 0,6832336 -60,53683 41,327061 -11,07464 -8,135124
5873 0,009821 0,0140337 0,6998167 0,4999972 -0,021448 0,04109 0,0089187 0,0107234

Los coeficientes son significativos de forma individual y mucho ms en forma conjunta. Al

nivel del 5% no representa mayor problema, Es un porcentaje bajo de los coeficientes.

5. Supngase que primero se efecta la regresin de Y respecto a X 2, X3, X4 luego de hacer

este modelo, se decide incluir la otra variable (X 5). Indique cmo justificara ingresar esta
variable en el modelo inicial y las pruebas que utilizara.
Ingresa como nuevo clculo y se realiza un contraste verificando cuanto afecta la solucin
anterior con la solucin nueva. Se justifica porque en el diario vivir se presentaran ms de una
variable que tendremos que agregar al clculo, por esto se justifica dando la razn como un
gasto o compras adquiridas.

Actividad de aprendizaje 2.2

Problema
Cuando un banco concede un prstamo personal a un cliente se enfrenta a la doble posibilidad
de que sea reintegrado o de que no lo sea. En este ltimo caso el prstamo ser finalmente
clasificado como fallido. As pues, se pueden considerar dos grupos de clientes: clientes
cumplidores y clientes fallidos. Como es obvio, si el banco conociera de antemano que una
persona va a resultar fallida no le concedera el prstamo en ningn caso. Sin embargo, puede
utilizar la informacin existente en el banco sobre prstamos concedidos en el pasado en la
concesin de prstamos futuros de forma que se vite o, al menos, se reduzca la posibilidad de
conceder prstamos que despus puedan resultar fallidos.
En el Banco de Ademuz se tiene informacin acerca de 16 clientes a los que se les concedi un
prstamo de los llamados instantneos por un importe de 1 milln de pesetas cada uno. Una vez
pasados 3 aos desde la concesin de los prstamos haba 8 clientes, de ese grupo de 16, que
fueron clasificados como fallidos, mientras que los otros clientes son cumplidores, ya que
JUAN PILOSO MERCHAN
reintegraron el prstamo. Para cada uno de los clientes se dispone de informacin sobre su
patrimonio neto y deudas pendientes que corresponden al momento de la solicitud.
Planteamientos Tabla: Datos sobre caractersticas de prstamos concedidos en el banco de
Ademuz (datos en millones de pesetas)

Fallidos No Fallidos
Patrimoni Deuda Patrimoni Deuda
Cliente Cliente
o Neto Pendiente o Neto Pendiente
1 1,3 4,1 9 5,2 1
2 3,7 6,9 10 9,8 4,2
3 5 3 11 9 4,8
4 5,9 6,5 12 12 2
5 7,1 5,4 13 6,3 5,2
6 4 2,7 14 8,7 1,1
7 7,9 7,6 15 11,1 4,1
8 5,1 3,8 16 9,9 1,6
Total 40 40 Total 72 24
Media 5 5 Media 9 3
JUAN PILOSO MERCHAN

Por otra parte, en la mesa del director del banco hay dos nuevas solicitudes de un prstamo
instantneo. El primer solicitante dispone de un patrimonio neto de 10.1 (millones de pesetas),
con unas deudas pendientes de 6.8 (millones de pesetas). Para el segundo solicitante los valores
de estas variables son 9.7 y 2.2, respectivamente.

1. Realice el anlisis de la clasificacin con dos grupos utilizando la variable

Patrimonio neto y la variable Deudas pendientes.
PATRIMONIO NETO
Las medias muestrales de los dos grupos son las siguientes:
X 1, I =5 X 1, II =9

X 1, I + X 1, II
C1 =
2
5+9
C1 =
2
C1 =7

Clasificacin
Situacin real Fallidos No fallidos Total
Fallidos 6 2 8
No fallidos 2 6 8

Deudas Pendientes
Las medias mustrales de los dos grupos son las siguientes:
X 1, I =5 X 1, II =3
X 1, I + X 1, II
C1 =
2
5+3
C1 =
2
C1 =4

Clasificacin
Situacin real Fallidos No fallidos Total
Fallidos 5 3 8
No fallidos 4 4 8

2. Determine la funcin discriminante de Fisher y clasifique los prstamos concedidos

utilizando dicha funcin.
JUAN PILOSO MERCHAN

Los centros de gravedad o centroides son los siguientes:

X 1, I X 1, II
X 2, I X 2, II

righ righ



[ ] [ ]

5 9
5 3

righ righ

[ ] [ ]
X I = X II =

Mtodo Fisher

D=1 . 035X 10 . 932 X 2

Sustitucin de valores del grupo I:

D=1 .03550.9325
D=0 .518
Sustitucin de valores del grupo II:

D=1 . 0359 10 . 9323

D=6 . 522
Aplicando la frmula:

DI + D II
C=
2
0 .518+6. 522
C=
2
C=3 .520
La funcin discriminante es la siguiente:

DC=1 . 035X 1 0 . 932 X 23. 520

Clasificacin de los prstamos concebidos utilizando la funcin discriminante de Fisher

Grupo de Deudas Puntuacin

Patrimoni Clasificad
Cliente pertenenci Pendiente discriminant
o Neto o como
a s e
1 I 1,3 4,1 -5,994 I
2 I 3,7 6,9 -6,118 I
3 I 5 3 -1,139 I
4 I 5,9 6,5 -3,468 I
5 I 7,1 5,4 -1,201 I
6 I 4 2,7 -1,895 I
7 I 7,9 7,6 -2,422 I
8 I 5,1 3,8 -1,781 I
 JUAN PILOSO MERCHAN

9 II 5,2 1 0,932 II
10 II 9,8 4,2 2,712 II
11 II 9 4,8 1,325 II
12 II 12 2 7,04 II
13 II 6,3 5,2 -1,843 I
14 II 8,7 1,1 4,462 II
15 II 11,1 4,1 4,151 II
16 II 9,9 1,6 5,238 II

3. Cmo se clasifica a los dos solicitantes de prstamos que tiene sobre su mesa el
director del Banco de Ademuz?
Sustituyendo los valores de patrimonio neto y deudas pendientes se obtiene los siguientes
resultados:

Primer solicitante: D-C=1. 03510 .1-0. 9326 . 8-3. 520=0 .5959

Segundo solicitante: D-C=1.0359 .7-0 .9322. 2-3. 520=4 . 469
En ambos casos la puntuacin es positiva, se clasifican los dos solicitantes en el grupo de los no
fallidos y como se puede observar el segundo solicitante tiene elevada la puntuacin
discriminante.
4. Realice el contraste de significacin y la evaluacin de la bondad de ajuste con dos
grupos.

Funcin Auto valor Porcentaje (%) Porcentaje (%) Correlacin

de varianza acumulado cannica
1 1.716 100 100 0.795

n=


1+
n=

1 .71558
1+1 .71558
n=0. 795
Pruebas de igualdad de las medias de los grupos

Lambda de F gl1 gl2 Sig.

Wilks
Patrnet 0.51 13.433 1 14 0.003
deudap 0.74 4.910 1 14 0.044

Coeficientes de la funcin de clasificacin

Fallido Rango Logaritmo del determinante

1 2 2.449
 JUAN PILOSO MERCHAN

2 2 2.767
Intra grupo combinada 2 2.676

Resultados de la prueba

M de Box
F 0,951
Aproximacin 0,268
Gl1 3
Gl2 35280
Sig. 0,849

El nivel de significacin crtico de la Chi-cuadrado es 0 lo que implica rechazar la hiptesis de

igualdad entre los dos vectores de medias. Es decir ambas variables de forma global ejercen un
significativo efecto medio a travs de la funcin discriminante, en la separacin de los dos
grupos.
El estadstico de lambda de wilks puede comprobarse que la variable de Patrnet es significativa
para un nivel del 1%, mientras que Deudad solo es significativa para un nivel del 5%. Como el
nivel de significacin critico es muy elevado (0,849), no se rechaza en modo alguno la hiptesis
de que la matriz de covarianza poblacional es igual en los dos grupos.
5. Calcule las probabilidades de pertenencia a los grupos de fallidos y no fallidos

Fallidos No Fallidos
Client Probabilida Probabilida Client Probabilida Probabilida
e d (II/D) d (I/D) e d (II/D) d (I/D)
1 0,0025 0,9975 9 0,7174 0,2826
2 0,0022 0,9978 10 0,9378 0,0622
3 0,2425 0,7575 11 0,79 0,21
4 0,0302 0,9698 12 0,9991 0,0009
5 0,2313 0,7687 13 0,1367 0,8633
6 0,1307 0,8693 14 0,9886 0,0114
7 0,0815 0,9185 15 0,9845 0,0155
8 0,1442 0,8558 16 0,9947 0,0053

Actividad De Aprendizaje 2.3.

Problema
Anlisis de las empresas espaolas de mayores ventas. En el anuario El Pas se publica
informacin econmica financiera de las 229 mayores empresas espaolas en cuanto a su
JUAN PILOSO MERCHAN

volumen de ventas en 1992. Se han seleccionado los beneficios y ventas correspondientes a las
empresas situadas en los lugares 2 a 9 por orden de ventas.

Variables originales Ventas Tipificadas

Orden Empresa Ventas Beneficios Ventas Beneficios

2 El corte Ingles 775104 23795 1,257 0,556

3 Iberdrola 775218 58778 1,258 1,927
Repsol
4 700963 1531 0,697 -0,316
comercial
5 Seat 674063 -12756 0,496 -0,875
6 Tabacalera 631003 14729 0,169 0,201
7 FASA Renault 537744 9059 -0,535 -0,02
8 Repsol Petroleo 489155 12541 -0,902 0,115
9 Pryca 448465 13459 -1,209 0,152
10 Iberia 445853 -34824 -1,229 -1,74

1. Realice el correspondiente diagrama de dispersin para los datos originales

y para los datos tipificados.
Diagrama de dispersin datos originales

Diagrama de dispersin datos tipificados

 JUAN PILOSO MERCHAN

2. Obtenga las componentes principales y la matriz de correlacin.

Matriz de correlaciones

Ventas Capital Recpop Actot Benefico Inmvil Cash-flow plantill

Ventas 1 0,649** 0,692** 0,712** 0,200** 0,658** 0,563** 0,731**
Capital 0,649** 1 0,888** 0,936** 0,214** 0,933** 0,647** 0,625**
Recpop 0,692** 0,888** 1 0,961** 0,154* 0,956** 0,676** 0,701**
Actot 0,712** 0,936** 0,961** 1 0,004 0,994** 0,569** 0,732**
Benefico 0,200** 0,214** 0,154* 0,004 1 0,002 0,784** -0,181**
Inmvil 0,658** 0,933** 0,956** 0,994** 0,002 1 0,568** 0,691**
Cash-flow 0,563** 0,647** 0,676** 0,569** 0,784** 0,568** 1 0,387**
plantill 0,731** 0,625** 0,701** 0,732** -0,181** 0,691** 0,387** 1

Componentes principales
Varianza total explicada

Sumas de saturaciones al
Autovalores Iniciales
cuadrado de la extraccin
Componente Porcentaje Porcentaje Porcentaje Porcentaje
Total de la acumulad Total de la acumulad
varianza o varianza o
1 6,309 78,865 78,865 6,309 78,865 78,865
2 0,775 9,687 88,552 0,775 9,687 88,552
JUAN PILOSO MERCHAN

3 0,553 6,916 95,468 0,553 6,916 95,468

4 0,225 2,816 98,284 0,225 2,816 98,284
5 0,079 0,994 99,277 0,079 0,994 99,277
6 0,032 0,405 99,682 0,032 0,405 99,682
7 0,023 0,289 99,971 0,023 0,289 99,971
8 0,002 0,029 100

3. Encuentre los coeficientes de correlacin entre las dos componentes y las

dos variables originales.

Los elementos definidos en la matriz de componentes son los coeficientes de correlacin

entre los componentes y las variables originales.

En primer lugar aparecen los Benvent y Cashvent que son las que tienen mayor coeficiente de
correlacin con la componente 1.
En segundo lugar Ventactt, Inmoactt y Ventplan la primera y la tercera estn ms relacionadas
con las ventas con dos variables los que son activos totales y el tamao de la plantilla.
4. Utilizando la matriz de ponderaciones, obtenga las puntuaciones tipificadas
de las componentes.

Componentes

1 2 3

Benrecpr -0,032 0,066 0,927

Cashvent 0,47 0,071 -0,027
Inmoact 0,207 -0,419 0,078
Bencap 0,104 0,162 0,341
Benvent 0,437 0,22 -0,048
Ventact -0,136 0,495 -0,097
Ventplan 0,027 0,373 -0,06

5. Interprete lo resultados obtenidos, en el contexto del problema planteado.

El coeficiente de correlacin entre la Cashvent y la componente 1 (0,969) es igual a la raz
caracterstica de la componente 1 (2,061) multiplicada por el coeficiente de ponderacin que hay
que aplicar a la variable Cashvent para obtener las puntuaciones tipificadas de la componente 1.
(0,470).

Actividad De Aprendizaje 2.4

Se dispone de una muestra de 48 vendedores de una tienda por departamentos las que se
midieron evaluando diferentes capacidades de vender.
JUAN PILOSO MERCHAN

1. Encuentre los estadsticos y contrastes previos a la aplicacin del anlisis

factorial.

Estadsticos descriptivos

Desviacin N del
Media
tpica anlisis

letra 6,13 2,718 48

aspecto 7,08 1,966 48
academica 7,08 1,988 48
amabilidad 6,21 2,767 48

autoconfianza 7,1 2,309 48

lucidez 6,31 3,17 48

honestidad 8,04 2,535 48
vender 4,88 3,443 48
experiencia 4,23 3,309 48
empuje 5,31 2,947 48
ambicion 5,98 2,935 48
conceptos 6,25 3,035 48
potencial 5,69 3,183 48
equipo 5,56 2,657 48
conveniencia 5,83 3,485 48

KMO y prueba de Bartlet

Medida de adecuacin
muestral de Kaiser- 0,778
Meyer-Olkin.
Chi-
Prueba de cuadrado 641,100
esfericidad aproximado
de Bartlet
gl 105
Sig. 0

2. Realice la extraccin de dos factores comunes.

 JUAN PILOSO MERCHAN

Inicial Extraccin

Letra 1 0.757
Aspecto 1 0.444
Academia 1 0.879
Amabilidad 1 0.884
Autoconfianza 1 0.848
Lucidez 1 0.812
honestidad 1 0.855
Vender 1 0.895
Experiencia 1 0.748
Empuje 1 0.791
Ambicin 1 0.873
Conceptos 1 0.848
Potencial 1 0.883
Equipo 1 0.887
Conveniencia 1 0.816

Mtodo de extraccin: anlisis de componentes principales

Matriz de componentes
Componentes
1 2 3 4

Letra 0.473 0.564 0.46 -0.065

Aspecto 0.596 -0.042 -0.026 0.293

Academia 0.114 0.368 -0.492 0.698

Amabilidad 0.596 -0.256 0.575 0.363

Autoconfianza 0.801 -0.308 -0.311 -0.123

Lucidez 0.856 -0.178 -0.195 -0.096

honestidad 0.436 -0.616 0.291 0.448

Vender 0.886 -0.037 -0.238 -0.226

Experiencia 0.369 0.767 0.132 0.081

 JUAN PILOSO MERCHAN

Empuje 0.86 0.069 -0.107 -0.187

Ambicin 0.868 -0.073 -0.253 -0.224

Conceptos 0.907 -0.028 -0.136 0.072

Potencial 0.915 0.029 -0.089 0.192

Equipo 0.709 -0.153 0.555 -0.23

Conveniencia 0.651 0.612 0.13 -0.01

Mtodo de extraccin: anlisis de componentes principales

3. Realice la rotacin de los factores.

Matriz de componentes rotadosa

Componente
1 2 3 4
letra 0,119 0,835 0,159 -0,145
aspecto 0,447 0,173 0,399 0,233
academica 0,07 0,138 -0,003 0,924
amabilidad 0,204 0,238 0,88 -0,109

autoconfianza 0,897 -0,081 0,192 -0,007

lucidez 0,864 0,094 0,238 -0,013
honestidad 0,232 -0,238 0,863 0,013
vender 0,917 0,208 0,089 -0,05
experiencia 0,102 0,829 -0,076 0,209
empuje 0,81 0,338 0,129 -0,062
ambicion 0,914 0,165 0,09 -0,05
conceptos 0,813 0,26 0,322 0,128
potencial 0,759 0,327 0,395 0,211
equipo 0,442 0,368 0,526 -0,53
conveniencia 0,391 0,807 0,047 0,097
Mtodo de extraccin: Anlisis de componentes
principales.
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La rotacin ha convergido en 5 iteraciones.

JUAN PILOSO MERCHAN

Matriz de transformacin de las componentes

Componente 1 2 3 4
1 0,845 0,374 0,382 0,004
2 -0,171 0,833 -0,442 0,285
3 -0,437 0,407 0,576 -0,558
4 -0,255 -0,016 0,572 0,779
Mtodo de extraccin: Anlisis de componentes principales.

Mtodo de rotacin: Normalizacin Varimax con Kaiser.

4. Obtenga las puntuaciones de los factores.

Matriz de coeficientes para el clculo de las puntuaciones

en las componentes
Componente
1 2 3 4
letra -0,114 0,38 0,045 -0,134
aspecto 0,014 0,002 0,173 0,199

academica -0,027 0,015 0,078 0,699

amabilidad -0,157 0,075 0,483 -0,008

autoconfianza 0,233 -0,169 -0,071 -0,009

lucidez 0,189 -0,082 -0,039 -0,016
honestidad -0,081 -0,159 0,487 0,103
vender 0,221 -0,032 -0,148 -0,067
experiencia -0,079 0,368 -0,059 0,113
empuje 0,163 0,045 -0,104 -0,074
ambicion 0,226 -0,052 -0,146 -0,065
conceptos 0,128 -0,004 0,036 0,095
potencial 0,085 0,031 0,1 0,165
equipo -0,018 0,126 0,169 -0,38
conveniencia -0,014 0,32 -0,056 0,031
Mtodo de extraccin: Anlisis de componentes
JUAN PILOSO MERCHAN

principales.
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
Puntuaciones de componentes.

Matriz de covarianza de las puntuaciones de las componentes

Componente 1,000 2 3 4

1 1 0,000 0,000 0,000

2 0,000 1,000 0,000 0,000
3 0,000 0,000 1,000 0,000
4 0,000 0,000 0,000 1,000
Mtodo de extraccin: Anlisis de componentes principales.
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
Puntuaciones de componentes.

5. Utilizando los resultados obtenidos en el anlisis factorial, identifique las

caractersticas ms relevantes de los vendedores que tienen ms capacidad para
vender en una tienda por departamentos; y, reducir el nmero de capacidades para
vender para lograr un mejor conocimiento sobre un fenmeno por la interpretacin
de los conceptos que subyacen entre las variables observadas.
Observamos que estn ordenados en base a la capacidad y por ende puedo decir que los
vendedores que tiene ms capacidad para vender son los nmeros: 40, 39, 8, 7, 23, 22, 2, 24, 9.

Vendedores
9,60 40
9,47 39
9,00 8
8,60 7
8,60 23
8,53 22
8,47 2
8,40 24
8,13 9
7,67 10
7,67 16
7,60 20
7,40 3
7,40 44
7,20 12
7,00 17
JUAN PILOSO MERCHAN

7,00 46
6,87 6
6,80 21
6,67 1
6,67 5
6,67 11
6,40 13
6,40 27
6,33 45
6,13 38
6,00 14
5,93 4
5,87 15
5,87 37
5,53 18
5,53 26
5,40 19
5,13 25
5,13 36
5,07 31
4,93 32
4,53 30
4,53 33
4,33 43
3,73 41
3,33 35
3,27 34
2,87 42
2,73 28
2,60 47
2,40 48
2,00 29