Documente Academic
Documente Profesional
Documente Cultură
•
UNIDAD: REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN
SUBTEMA: MODELO DE REGRESIÓN SIMPLE.
NÚMERO DE LA ACTIVIDAD:
1
NOMBRE:
ADAN FLORES TABOADA
FECHA DE ENTREGA:
12 DE SEPTIEMBRE DE 2019
aya
LACIÓN
LE.
ADOR:
X Y XY X^2
1 2 58 116 4 250
2 6 105 630 36
3 8 88 704 64
200
4 8 118 944 64
f(x) = 5x + 60
5 12 117 1404 144 R² = 0.90273363
ventas trimestables
6 16 137 2192 256 150
7 20 157 3140 400
8 20 169 3380 400 100
9 22 149 3278 484
10 26 202 5252 676
50
14 130 21040 2528
X promedio Y promedio suma de XY suma de X^2
0
0 5
X testada al cuadrado
196
b=𝟐𝟏𝟎𝟒𝟎 -
2528 - (
b= 21040 -
2528 –
b= 2840
568
a= 130 – 70 b= 5
a= 60
Chart Title
250
200
f(x) = 5x + 60
R² = 0.90273363
ventas trimestables
150
100
50
0
0 5 10 15 20 25 30
poblacion de estudiantes
b= 2840
568
b= 5
la variable dependiente:
lores de Y 60
a variable independiente:
lores de X 5x
0
3,500 4,000 4,500 5,0
X testada
31136400
Chart Title
300,000
150,000
100,000
50,000
0
3,500 4,000 4,500 5,000 5,500 6,000 6,500 7,000 7,500 8,000 8,500
b= 10893520600 – 1039263840
326625800 – 311364000
b= 500882200
15261800
b= 32.81933979
a= 186248 – (183131.916)
a= 3116.084
inversion de $8000 usd
R= 24928704.8
Ej. 2 Regresión Lineal Simple
Las ventas de Sunflowers Apparel, una cadena de tiendas de ropa de lujo para dama, han
aumentado durante los últimos 12 años a medida que la empresa ha incrmentado el
número de tiendas. Hasta ahora, los gerentes de Sunflowers Apparel ha eligido los lugares
con base a los factores subjetivos, como la disponibilidad de un local en renta o la
percepción de que un lugar parece ideal para una tienda de ropa. Como nuevo director de
planeación, Ud. necesita desarrollar un método sistemático que le permita tomar mejores
decisiones durente el proceso de selección de ubicaciones de las tiendas. Ud. parte de la
idea de que el tamaño de la tienda contribuye de manera importante a las ventas y desea
utilizar esta relación en el proceso de toma de decisiones. ¿Cómo podría utilizar la
estadística para pronósticar las ventas anuales de una tienda sugerida con base en el
tamaño de la misma?
El objetivo consiste en pronosticar las ventas anuales para todas las tiendas nuevas con
base en las dimensiones del local. Para este análisis se reunieron datos de una muestra de
14 tiendas:
a= 0.96436357
c) coeficiente de correlacion
0.95088328
d) Ý= b0 + b1 x Y= a+bx
Ý= 7.6441
r^2= 0.904179
resión lineal simple para pronosticar las ventas anuales de una tienda con 4000 pies cuadrados de extensión
e determinación y de correlación utilizndo las medidas de variabilidad. Interprete el significado de cada uno.
dar de la estimación, interprete el significado de la cifra obtenida.
b= 302.3 – 238.9681829
157.41 – 119.4858
b= 63.3318171
37.9242
b= 1.669957892
el 90.42% de la variacion en las ventas se explica por la variacion en el tamaño de la tienda
12
1.66986232
2
0
nóstico. Explique su respuesta 0 1 2 3 4 5
ulos en excell
or del coeficiente de determinación R 2
intercepto 1
pendiente 1.79
TIENDAS
6594
4 5 6 7
Resumen
Estadísticas de la regresión
Coeficiente d 0.95088328
Coeficiente 0.904179
R^2 ajustado 0.89619392
Error típico 0.96637968
Observacione 14
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 105.74761 105.74761 113.233513 1.8227E-07
Residuos 12 11.2066762 0.93388968
Total 13 116.954286
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 0.96447366 0.5261933 1.83292652 0.09172683 -0.1820031 2.11095038 -0.1820031
Variable X 1 1.66986232 0.15692537 10.6411237 1.8227E-07 1.3279513 2.01177334 1.3279513
Observación
Pronóstico para YResiduos Percentil Y
1 3.8032396 -0.1032396 3.57142857 2.7
2 3.63625337 0.26374663 10.7142857 2.9
3 5.64008815 1.05991185 17.8571429 3.4
4 10.3157026 -0.8157026 25 3.7
5 3.13529467 0.26470533 32.1428571 3.7
6 4.63817076 0.96182924 39.2857143 3.9
7 3.13529467 0.56470533 46.4285714 4.1
8 2.80132221 -0.1013222 53.5714286 5.5
9 6.30803307 -0.8080331 60.7142857 5.6
10 3.46926714 -0.5692671 67.8571429 6.7
11 9.64775771 1.05224229 75 7.6
12 8.64584032 -1.0458403 82.1428571 9.5
13 10.6496751 1.1503249 89.2857143 10.7
14 5.97406061 -1.8740606 96.4285714 11.8
Variable X 1 Gráfico de los residuales
2
1
Residuos
0
-1 0 1 2 3 4 5 6 7
-2
-3
Variable X 1
0
0 20 40 60 80 100 120
Muestra percentil
no sufre violacion