Documente Academic
Documente Profesional
Documente Cultură
2.
20
18
16
Costo por und producida
14
12
10
0
8 10 12 14 16 18 20 22 24 26 28
β 1=
∑ ( x− x́ )( y− ý ) = −392.233 =−0.67
∑ ( x−x́ )2 585.367
∴ ^y =24.87−0.67 x
La grafica de la anterior recta es la siguiente
20
18
f(x) = − 0.67 x + 24.87
16
Costo por und producida
14
12
10
0
8 10 12 14 16 18 20 22 24 26 28
∑
2 ( ^y −ý )2 262.822
r= = =0.775
∑ ( y −ý )2 338.967
Mientras que el coeficiente de correlación sería el siguiente
r =√ R 2=√ 0.775=0.88
5. Para realizar la prueba a la pendiente de la regresión lineal simple se plantea lo
siguiente
H 0 : β1 =0
H1: β1 ≠ 0
Lo que nos lleva a calcular el siguiente estadístico para probar la hipótesis
β1 −0.67
t 0= = =−9.83
2
76.14
√ ∑ ( y− ^y )
( n−2) ∑ ( x− x́ )
2 √ (30−2)(585.367)
Entonces H0 se rechaza si
|t 0|>t α / 2 ,n−2
En este caso tomaremos un nivel de significancia del 5% y tenemos que los grados n – 2
= 30 – 2 = 28, y calculamos a t α / 2 ,n−2 por medio de la siguiente tabla.
Por tanto
|t 0|>t α / 2 ,n−2
|−9.83|>2.05
Por tanto, H0 se rechaza lo cual nos permite decir que el costo por unidad producida si
depende linealmente del número de unidades producidas con un 95% de confiabilidad.
H 1 : ρ≠ 0
Lo que nos lleva a calcular el siguiente estadístico para probar la hipótesis
Por tanto
t 0> t α /2 , n−2
9.83>2.05
Por tanto, H0 se rechaza lo cual nos permite decir que existe una correlación entre el costo
por unidad producida y número de unidades producidas con un 95% de confiabilidad.
7. Conclusiones y recomendaciones
Por medio de un modelo de regresión lineal se logró demostrar el comportamiento que
existe entre las dos variables y las cuales poseen una buena correlación. Se evidencio
que el costo por unidad depende linealmente del número de unidades producidas, esto se
demostró por medio de las pruebas de hipótesis para la pendiente de la recta de regresión
lineal y para el coeficiente de correlación, en las cuales se rechazaron las hipótesis nulas,
por lo tanto, el modelo es significativo y será importante para predecir el costo por unidad
del producto usando los datos de unidades producidas.