De una muestra de 12 estudiantes de la ESPE extensin Latacunga se ha obtenido los siguientes

datos que representan el arriendo, superficie y distancia medida en cuadras. Estos datos
pertenecen a estudiantes que viven cerca o por el sector adyacente a la universidad.
Se realizar un modelamiento matemtico por medio de una regresin mltiple para determinar
la ecuacin que nos permitir obtener el costo del arriendo dependiendo de la superficie
habitacional y la distancia que usa a la ESPEL como eje central para nuestro estudio.

TABLA DE DATOS OBTENIDOS:

ARRIENDO
$
90
100
120
150
130
180
130
80
190
180
75
80

SUPERFICIE
20
25
22
18
22
20
20
18
24
24
20
16

DISTANCIA EN
CUADRAS
3
2
1
0.5
1.5
0.5
1.5
5
0.5
0.5
5
4

ARRIENDO
(y)

SUPERFICIE
(x1)

DISTANCIA EN
CUADRAS (x2)

90
100
120
150
130
180
130
80
190
180
75
80
y=1505

20
25
22
18
22
20
20
18
24
24
20
16
x1=249

3
2
1
0.5
1.5
0.5
1.5
5
0.5
0.5
5
4
x2=25

1800
2500
2640
2700
2860
3600
2600
1440
4560
4320
1500
1280
1 =31800

1. =+1 1+2 2
2. 1= 1+1 1^2+2 12
3. 2= 2+1 12+22^2
1505=12*bo+b1*249+b2*25
31800=bo*249+b1*5249+b2*(249)*(25)
2425=bo*25+b1*(249)*(25)+b2*85.5
RESOLUCION
bo= 127.8000
b1= -0.1250
b2= 0.1020
ECUACIN RESULTANTE DE LA REGRESION
y=bo+b1x1+b2x2
y=127.8-0.125X1+0.1020X2

400
625
484
324
484
400
400
324
576
576
400
256
1^2=5249

270
200
120
75
195
90
195
400
95
90
375
320
2 =2425

9
4
1
0.25
2.25
0.25
2.25
25
0.25
0.25
25
16
2^2=85.5

Grados
de
libertad

Suma de
cuadrados

Promedio de los
cuadrados

Valor crtico
de F

Regresin

15103.10564

7551.552818

15.91732629

0.0011078

Residuos

4269.811031

474.4234479

Total

11

19372.91667

ANLISIS DE DATOS:
Resumen
Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de determinacin
R^2
R^2 ajustado

0.882949012

Error tpico

21.78126369

0.779598957
0.730620948

Observaciones

12

ANLISIS DE VARIANZA:

Coeficient
es

Error
tpico

Estadstico t

Probabilida
d

Inferior
95%

Superior
95%

Inferior
95.0%

Superior
95.0%

Intercepcin
Variable X 1

168.763

63.4053

2.661653

0.0259753

25.33013

312.19543

25.3301

312.19543

0.04212

2.79255

0.015082

0.9882955

-6.27506

6.3592972

-6.27506

6.35929724

Variable X 2

-21.226

4.38114

-4.844778

0.0009149

-31.13646

-11.314817

-31.1364

-11.314816

ANLISIS DE LOS RESIDUALES:

Observacin

Pronstico
para Y

Residuos

105.928245

-15.9282

127.364473

-27.3645

3 148.4637536

-28.4638

4 158.9080978

-8.9081

5 137.8509356

-7.85094

6 158.9923347 21.00767
7 137.7666988

-7.7667

8 63.39273637 16.60726
9 159.1608083 30.83919
10 159.1608083 20.83919
11 63.47697321 11.52303
12 84.53413539

-4.53414

GRAFICAS DE LA CURVA DE REGRESIN AJUSTADA

Variable X 1 Curva de regresin ajustada

200
180
160
140
120
100
80
60
40
20
0

y = -0.5638x2 + 30.337x - 257.44

Y
Pronstico para Y
Poly. (Pronstico para Y)

10

15
Variable X 1

20

25

30

Variable X 2 Curva de regresin ajustada

200

150

y = -0.0063x2 - 21.226x + 169.68

Y

100

Pronstico para Y

50

Poly. (Pronstico para Y)

0
0

3
Variable X 2

ERROR TIPICO DE LA ESTIMACION

=
y=127.8-0.125(20)+0.1020(3)=125.606
y=127.8-0.125(25)+0.1020(2)=124.879
y=127.8-0.125(22)+0.1020(1)=125.152
y=127.8-0.125(18)+0.1020(0.5)=127.386
y=127.8-0.125(22)+0.1020(1.5)=125.203
y=127.8-0.125(20)+0.1020(0.5)=125.351
y=127.8-0.125(20)+0.1020(1.5)=125.453
y=127.8-0.125(18)+0.1020(5)=126.06
y=127.8-0.125(24)+0.1020(0.5)=124.851
y=127.8-0.125(24)+0.1020(0.5)=124.851

y=127.8-0.125(20)+0.1020(5)=125.81
y=127.8-0.125(16)+0.1020(4)=126.208

125.606
124.879
125.152
127.386
125.203
125.351
125.453
126.06
124.851
124.851
125.81
126.208

Yi
90
100
120
150
130
180
130
80
190
180
75
80

(Yi-Y)*(Yi-Y)
1267.787236
618.964641
26.543104
511.392996
23.011209
2986.513201
20.675209
2121.5236
4244.392201
3041.412201
2581.6561
2135.179264
19579.05096

=46.64

COEFICIENTE DE DETERMINACION

Y=1505/12=125.41
Y

Yi

125.606

125.41

0.038416

90

1253.8681

124.879

125.41

0.281961

100

645.6681

125.152

125.41

0.066564

120

29.2681

127.386

125.41

3.904576

150

604.6681

125.203

125.41

0.042849

130

21.0681

125.351

125.41

0.003481

180

2980.0681

125.453

125.41

0.001849

130

21.0681

126.06

125.41

0.4225

80

2062.0681

124.851

125.41

0.312481

190

4171.8681

124.851

125.41

0.312481

180

2980.0681

125.81

125.41

0.16

75

2541.1681

126.208

125.41

0.636804

80

2062.0681

0.779=77.9%

R=0.88=88%

ANALISIS Y RESULTADOS FINALES

Las variables de dimensin (x1) y distancia (x2) es de

0.779=77.9% podemos decir que
las variables tienen un alto poder explicativo.
Las variables de dimensin (x1) y distancia (x2) tienen una fuerte relacin que es de
R=0.88=88%
La variacin de las observaciones reales en torno a la lnea de regresin es de
se=46.64
El modelo de regresin mltiple se interpreta de la siguiente manera:
y=127.8-0.125X1+0.1020X2