Resumen

Estadísticas de la regresión
Coeficiente de0,96479274
correlación múltiple
Coeficiente de0,93082503
determinación R^2
R^2 ajustado 0,86165006
Error típico 18,3173501
Observaciones 5

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 9029,72137 4514,86069 13,4560956 0,06917497
Residuos 2 671,050627 335,525314
Total 4 9700,772

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción -377,162362 145,091101 -2,59948652 0,12158103 -1001,43899 247,114262 -1001,43899 247,114262
Personal X línea
4,91623616 8,1386972 0,60405689 0,60719875 -30,1017516 39,9342239 -30,1017516 39,9342239
Rendimiento laboral
73,5092251 14,1841947 5,18247436 0,03527453 12,4795612 134,538889 12,4795612 134,538889
Resumen

Estadísticas de la regresión

Coeficiente de correlación múltiple 0,964792739

Coeficiente de determinación R^2 0,930825028

R^2 ajustado 0,861650057

Error típico 18,31735007

Observaciones 5

ANÁLISIS DE VARIANZA

Grados de libertad Suma de cuadrados Promedio de los cuadrados F

Valor crítico de F

Regresión 2 9029,721373 4514,860686 13,45609557 0,069174972

Residuos 2 671,0506273 335,5253137

Total 4 9700,772

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior

95% Inferior 95,0% Superior 95,0%

Intercepción -377,1623616 145,0911014 -2,599486516 0,121581027 -1001,438985

247,1142618 -1001,438985 247,1142618

Personal X línea 4,916236162 8,138697204 0,604056895 0,607198754 -

30,10175158 39,9342239 -30,10175158 39,9342239

Rendimiento laboral 73,50922509 14,18419466 5,182474357 0,035274534

12,47956123 134,538889 12,47956123 134,538889
Personal Rendimient Media de y-ŷ y-ȳ (y-ŷ)ˆ2 (y-ȳ)ˆ2 ŷ (ǀy-ŷǀ)/y
por línea o laboral producción

9,0 7,6 289,44 -1,653 -65,34 2,735 4269,3 225,75 0,00738007809

8,0 9,2 289,44 6,947 55,96 48,269 3131,5 338,45 0,02011465402

6,0 8,2 289,44 10,089 -24,24 101,79 587,57 255,11 0,0380441135

7,0 8,8 289,44 -21,832 -7,14 476,65 50,979 304,13 0,07733784024

8,0 9,0 289,44 6,449 40,76 41,595 1661,3 323,75 0,01953193973

totales 0 0 671,05 9700,7 1447,2 0,162408

06 72
Respuesta al examen de probabilidad y estadística 2

Media de la producción: 289,44

Media del personal por línea: 7,6

Media del rendimiento laboral: 8,56

“Todo los números y cálculos están dados en miles de unidades por semana.

Variables independientes: Personal por línea, rendimiento laboral

Variable dependiente: Producción

Magnitud media del error relativo: (MMER) 0,1624086256/5= 0,0324817251

Índice de predicción: (PRED) 0,8*100= 80%

Fórmula para la magnitud media del error relativo:

Sumatoria de ((ǀy-ŷǀ)/y)/#n = MMER

Para el índice de predicción es notar el mínimo y el máximo de cada

estimación de acuerdo a los valores de las variables independientes y
relacionarlo con la variable dependiente (y) de cada muestra y concluir con
que si esos valores se encuentran por encima del valor y, no se toman en
cuenta. En nuestro ejemplo de los cinco valores solo uno no se toma en
cuenta y por lo tanto cabe decir que es un 80% del índice de predicción.
Representación de cómo sacar el PRED (Índice de predicción)

Línea de (y) (y) +-Cv Mínimo Máximo Min-Max

producción por
encima de
(y)
1 224,1 225,75+- 211,49 240,01 Entre
6,32%

2 345,4 338,45+- 317,06 359,84 Entre

6,32%

3 265,2 255,11+- 238,99 271,23 Entre

6,32%

4 282,3 304,13+- 284,91 323,25 No está

6,32%

5 330,2 323,75+- 303,29 344,21 Entre

6,32%

El Cv: Coeficiente de variación, y es igual a tomar el error estandar (SE) y

dividirlo entre la media de la estimación y multiplicar ese resultado por cien.

(SE/ŷx)*100= Cv

(18,31735007/289,44)*100= 6,32%

PRED= ((#n-m)/#n)*100

m: número de n que no están, entre, de acuerdo al ejemplo anterior

Modelo de la estimación:

-377,1623616 + 4,916236162*X1 + 73,50922509*X2 +-Se*estadístico t

Error estándar de la regresión:

Se= 18,31735007

Valor estadístico t a emplear:

(t 90%)= 2,132

Producción:

Si es con la media de la producción es de 289,44 miles de unidades por

semana

Aunque si es por suma y resta de error estándar por el estadístico t es igual a

289,44+- 39,05

Intervalo de estimación:

250,39 ≤ 289,44 ≤ 328,49

 Respuesta de acuerdo al problema

Del anterior problema y con énfasis en la producción del personal y el

rendimiento del mismo personal. No cabe duda que al plantear el problema
en la hoja de exel los valores mostrados sean a continuación la solución para
dar una respuesta concreta.

Se entiende que la producción estimada está rondando los 289,44 miles de

unidades por semana, cuyo cálculo se da sumando las producciones
semanales y dividiéndolo entre el número se semanas.

Los intervalos de la producción de cada variable independiente las cuales

son personal por línea y rendimiento laboral, se obtienen al relacionar cada
una de esas variables con respecto a la variable dependiente. En otras
palabras; estos intervalos están constituidos respectivamente por el mínimo y
el máximo de acuerdo a las variables de cada muestra o en este caso por
cada semana.

Se obtiene entonces que la primera línea de producción posee un mínimo de

211,49 y un máximo de 240,01. La segunda línea de producción posee un
mínimo de 317,06 y un máximo de 359,84. La tercera línea posee un mínimo
de 238,99 y un máximo de 271,73. Seguidamente la cuarta línea está en un
mínimo de 284,91 y un máximo de 323,35. Y por la última línea el mínimo es
de 303,29 y el máximo de 344,21.

Lo anterior quiere decir que en nuestra toma de información existe un índice

de predicción de casos reales que están dentro de los límites estimados, sin
embargo, todos a excepción de la cuarta línea poseen su variable
dependiente (y) dentro de los valores estimados mínimos y máximos
respectivamente. A lo que cabe mencionar que según el índice de predicción
(PRED) el problema posee un 80% de los casos reales dentro de la estimación.

Todos los datos anteriores descritos se dan en miles de unidades por

semana.