Documentos de Académico
Documentos de Profesional
Documentos de Cultura
pescaderia
primero: organizamos los datos
MES
enero
febrero
marzo
abril
mayo
junio
julio
agosto
septiembre
octubre
noviembre
diciembre
alfa=
n=
ao1
ao2
362
381
317
297
399
402
375
349
386
328
389
343
mes
276
334
394
334
384
314
344
337
345
362
314
365
0.05
24
periodo
Jan-01
Feb-01
Mar-01
Apr-01
May-01
Jun-01
Jul-01
Aug-01
Sep-01
Oct-01
Nov-01
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Error tpico
Observaciones
34.0245319
24
Ho: B1=0
H1: B1 es diferente de 0
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
Regresin
1 846.2454348
846.2454348
Residuos
22 25468.7129
1157.668768
Total
23 26314.95833
F
Valor crtico de F
0.730990986
0.401777454
Conclusin: Cmo P-valor es mayor que el nivel de significancia ALFA, entonces podemos decir que no se encontrpo suf
estadistica que B1 es diferente e cero, por lo que no se rechaza la Ho, y se concluye que mi modelo no resulto significati
De los datos, el analisis de la grafica y de la concluciones anteriores, podemos decir que que no existe tendencia lineal en
serie de tiempo en 24 periodos, esto tambien lo podemos sabes por medo de la grafica que nos muestra una ligra declinaci
sin embargo es despreciable.
351.2916667
El valor de la constante describe que no hay tedencia lineal que indicque un aumento en la caputa de
valor indica que la prediccion puntual yt para la captura de peces en los aos futuros es d
tenemos que las prediccin de las toneladas de bacalao en cualquien periodo futuro
es de 351,2917.Por lo que ahora concierne a determinar el invervalo de prediccion.
mes
periodo
Jan-01
Feb-01
Mar-01
Apr-01
May-01
Jun-01
Jul-01
Aug-01
Sep-01
Oct-01
Nov-01
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
resultado
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
362
381
317
297
399
402
375
349
386
328
389
343
276
334
394
334
384
314
344
337
345
362
314
365
Yt- prom y
(Yt- prom y)^2
n-1
10.70833333
114.6684028
29.70833333
882.5850694
-34.29166667
1175.918403
-54.29166667
2947.585069
47.70833333
2276.085069
50.70833333
2571.335069
23.70833333
562.0850694
-2.291666667
5.251736111
34.70833333
1204.668403
-23.29166667
542.5017361
37.70833333
1421.918403
-8.291666667
68.75173611
-75.29166667
5668.835069
-17.29166667
299.0017361
42.70833333
1824.001736
-17.29166667
299.0017361
32.70833333
1069.835069
-37.29166667
1390.668403
-7.291666667
53.16840278
-14.29166667
204.2517361
-6.291666667
39.58506944
10.70833333
114.6684028
-37.29166667
1390.668403
13.70833333
187.9184028
total
26314.95833
23
periodo
resultado
1
2
3
4
e
362
381
317
297
et-e(t-1)
10.70833333
29.70833333
-34.29166667
-54.29166667
(et-e(t-1))^2
19
-64
-20
361
4096
400
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
399
402
375
349
386
328
389
343
276
334
394
334
384
314
344
337
345
362
314
365
47.70833333
50.70833333
23.70833333
-2.291666667
34.70833333
-23.29166667
37.70833333
-8.291666667
-75.29166667
-17.29166667
42.70833333
-17.29166667
32.70833333
-37.29166667
-7.291666667
-14.29166667
-6.291666667
10.70833333
-37.29166667
13.70833333
total
102
3
-27
-26
37
-58
61
-46
-67
58
60
-60
50
-70
30
-7
8
17
-48
51
10404
9
729
676
1369
3364
3721
2116
4489
3364
3600
3600
2500
4900
900
49
64
289
2304
2601
55905
periodo
e
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
10.70833333
29.70833333
-34.29166667
-54.29166667
47.70833333
50.70833333
23.70833333
-2.291666667
34.70833333
-23.29166667
37.70833333
-8.291666667
-75.29166667
-17.29166667
42.70833333
-17.29166667
32.70833333
-37.29166667
-7.291666667
60
40
20
0
-20
-40
-60
-80
-100
20
21
22
23
24
-14.29166667
-6.291666667
10.70833333
-37.29166667
13.70833333
ejercicio 2
mes
enero
febrero
marzo
abril
mayo
junio
julio
agosto
septiembre
octubre
noviembre
diciembre
alfa=
n=
ao 1
ao 2
197
211
203
247
239
269
308
262
258
256
261
288
mes
0.05
24
periodo
Jan-01
Feb-01
Mar-01
Apr-01
May-01
Jun-01
Jul-01
Aug-01
Sep-01
Oct-01
Nov-01
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Resumen
Estadsticas de la regresin
Coeficiente de correlacin
0.878979681
mltiple
Coeficiente de determinacin
0.77260528 R^2
R^2 ajustado 0.762269156
Error tpico
31.67060696
Observaciones
24
Ho: B1=0
H1: B1 DIFERENTE DE 0
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
F
Regresin
1
74974.35674
74974.35674
74.74806853
Residuos
22
22066.60159
1003.027345
Total
23
97040.95833
Conclusin: Como p-valor no es mayor que alfa entonces podemos decir que se encontr suficiente
evidnecia estadstica que el coeficiente de regresin B1 es diferente de cero, por lo que no se rechaza
Ho. Y se concluye que mi modelo result significativo como un todo.
mes
periodo
Jan-03
Feb-03
Mar-03
Apr-03
May-03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
Nov-03
25
26
27
28
29
30
31
32
33
34
35
prediccin
(t-ptomt)^2
(t-promt)^2
s
399.887685
156.25
132.25
31.67060696
407.9620328
182.25
110.25
416.0363806
210.25
90.25
424.1107284
240.25
72.25
432.1850762
272.25
56.25
440.259424
306.25
42.25
448.3337718
342.25
30.25
456.4081196
380.25
20.25
464.4824674
420.25
12.25
472.5568152
462.25
6.25
480.631163
506.25
2.25
Dec-03
Jan-04
Feb-04
Mar-04
Apr-04
May-04
Jun-04
Jul-04
Aug-04
Sep-04
Oct-04
Nov-04
Dec-04
36
37
38
39
40
41
42
43
44
45
46
47
48
488.7055108
496.7798586
504.8542064
512.9285542
521.002902
529.0772498
537.1515976
545.2259454
553.3002932
561.374641
569.4489888
577.5233366
585.5976844
total
552.25
600.25
650.25
702.25
756.25
812.25
870.25
930.25
992.25
1056.25
1122.25
1190.25
1260.25
0.25
0.25
2.25
6.25
12.25
20.25
30.25
42.25
56.25
72.25
90.25
110.25
132.25
1150
mes
periodo
Jan-01
Feb-01
Mar-01
Apr-01
May-01
Jun-01
Jul-01
Aug-01
Sep-01
Oct-01
Nov-01
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
ventas
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
197
211
203
247
239
269
308
262
258
256
261
288
296
276
305
308
356
393
363
386
443
308
358
384
precciones
e
206.1033378
214.1776856
222.2520334
230.3263812
238.400729
246.4750768
254.5494246
262.6237724
270.6981202
278.772468
286.8468158
294.9211636
302.9955114
311.0698592
319.144207
327.2185548
335.2929026
343.3672504
351.4415982
359.515946
367.5902938
375.6646416
383.7389894
391.8133372
total
-9.1033378
-3.1776856
-19.2520334
16.6736188
0.599271
22.5249232
53.4505754
-0.6237724
-12.6981202
-22.772468
-25.8468158
-6.9211636
-6.9955114
-35.0698592
-14.144207
-19.2185548
20.7070974
49.6327496
11.5584018
26.484054
75.4097062
-67.6646416
-25.7389894
-7.8133372
et^2
82.8707591
10.09768577
370.64079
278.0095639
0.359125731
507.3721652
2856.964011
0.389092007
161.2422566
518.5852988
668.057887
47.90250558
48.93717975
1229.895024
200.0585917
369.3528486
428.7838827
2463.409833
133.5966522
701.4051163
5686.623789
4578.503723
662.4955753
61.0482382
22066.60159
d=
1.68202978
dL,a=
dU,a=
1.27
1.45
Conclusiones: Cmo d>dL,a y d>dU,a , entonces podemos decir que que no se econtr
suficiente evidencia estaditica que los terminos del error se autocorrelacionen
positivamente, por lo que no se rechaza la Ho.
Ejercicio BOWERMAN.
periodo t
1
2
3
4
5
6
7
8
9
10
11
12
13
resultados
35404
36762
32901
38902
37515
37462
36742
36356
37858
38629
32901
33385
37166
resultados
45000
40000
35000
30000
25000
20000
15000
10000
5000
0
0
10
15
20
25
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
alfa=
n=
32926
32019
33178
34171
35733
35697
35710
34449
36124
35791
34548
36693
38044
38658
34592
32087
37153
0.05
30
10
15
20
25
a)
b)
35651.86667
35651.86667
periodo t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
resultados
35404
36762
32901
38902
37515
37462
36742
36356
37858
38629
32901
33385
37166
32926
32019
(y-promy)^2 e
et-e(t-1)
61437.88444
-247.8666667
1232396.018
1110.133333
7567267.418
-2750.866667
10563366.68
3250.133333
3471265.818
1863.133333
3276582.684
1810.133333
1188390.684
1090.133333
495803.7511
704.1333333
4867024.284
2206.133333
8863322.884
2977.133333
7567267.418
-2750.866667
5138684.484
-2266.866667
2292599.751
1514.133333
7430349.084
-2725.866667
13197720.22
-3632.866667
(et-e(t-1))^2
1358
-3861
6001
-1387
-53
-720
-386
1502
771
-5728
484
3781
-4240
-907
1844164
14907321
36012001
1923769
2809
518400
148996
2256004
594441
32809984
234256
14295961
17977600
822649
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
33178
34171
35733
35697
35710
34449
36124
35791
34548
36693
38044
38658
34592
32087
37153
suma
6120016.284
2192966.084
6582.617778
2037.017778
3379.484444
1446888.218
222909.8844
19358.08444
1218521.618
1083958.618
5722301.884
9036837.618
1123317.351
12708274.35
2253401.284
120374229.5
-2473.866667
-1480.866667
81.13333333
45.13333333
58.13333333
-1202.866667
472.1333333
139.1333333
-1103.866667
1041.133333
2392.133333
3006.133333
-1059.866667
-3564.866667
1501.133333
1159
993
1562
-36
13
-1261
1675
-333
-1243
2145
1351
614
-4066
-2505
5066
1343281
986049
2439844
1296
169
1590121
2805625
110889
1545049
4601025
1825201
376996
16532356
6275025
25664356
190445637
d=
dl,a
du,a
1.582113031
1.35
1.49
Conclusin: Cmo d> dl,a y d>du,a . Entonces podemos decir que no se encontr suficnete evidencia
estadstica que los terminos del error estan autocorrelacionados positivamente por lo que no se rechaza
Ho. Y se concluye que los residuos no estan autocorrelacionados positivamente
EJERCICIO BOWERMAN.
MES
VENTAS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
298
302
301
351
336
361
407
351
357
346
356
371
399
392
425
411
455
457
465
481
alfa=
n=
Ho: B1=0
H1: B1 es diferente de 0
ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresin
1
49960.44511
Residuos
18
8585.354887
Total
19
58545.8
0.05
20
VENTAS
600
y = 8.6677x + 290.09
R = 0.8534
500
400
VENTAS
300
Linear (VENTAS)
200
100
0
0
MES
VENTAS
10
yt
15
20
(t-prom t)^2
25
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
298
302
301
351
336
361
407
351
357
346
356
371
399
392
425
411
455
457
465
481
298.667
307.334
316.001
324.668
333.335
342.002
350.669
359.336
368.003
376.67
385.337
394.004
402.671
411.338
420.005
428.672
437.339
446.006
454.673
463.34
90.25
72.25
56.25
42.25
30.25
20.25
12.25
6.25
2.25
0.25
0.25
2.25
6.25
12.25
20.25
30.25
42.25
56.25
72.25
90.25
110.25
132.25
156.25
665
total
d)
1.102628439
1.117529499
1.133561823
21.83950916
Esta la ecuacin de prediccin para los aos futuros referente a las ventas d
yt= 8,667t + 290
e)
MES
VENTAS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
yt
298
302
301
351
336
361
407
351
357
346
356
371
399
392
e
298.667
307.334
316.001
324.668
333.335
342.002
350.669
359.336
368.003
376.67
385.337
394.004
402.671
411.338
(et-e(t-1))^2
-0.667
-5.334
-15.001
26.332
2.665
18.998
56.331
-8.336
-11.003
-30.67
-29.337
-23.004
-3.671
-19.338
21.780889
93.450889
1708.416889
560.126889
266.766889
1393.752889
4181.820889
7.112889
386.790889
1.776889
40.106889
373.764889
245.454889
e^2
0.444889
28.451556
225.030001
693.374224
7.102225
360.924004
3173.181561
69.488896
121.066009
940.6489
860.659569
529.184016
13.476241
373.958244
15
16
17
18
19
20
425
411
455
457
465
481
420.005
428.672
437.339
446.006
454.673
463.34
total
t (trimestre)
ventas
1
2
3
4
5
6
7
8
9
10
11
12
yt
293
392
221
147
388
512
287
184
479
640
347
223
4.995
-17.672
17.661
10.994
10.327
17.66
592.094889
513.792889
1248.420889
44.448889
0.444889
53.772889
11734.09889
24.950025
312.299584
311.910921
120.868036
106.646929
311.8756
8585.54143
ANLISIS DE VARIANZA
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
Regresin
Residuos
Total
Intercepcin
Variable X 1
t(a/2),(n-(k+1))=
13
14
15
16
17
18
581
755
410
266
382.8125
382.8125
382.8125
382.8125
382.8125
382.8125
Por lo
ventas
800
y = 13.21x + 270.53
R = 0.1319
700
600
500
400
ventas
300
Linear (ventas)
200
100
0
0
10
15
20
t (trimestre)
Promedio
mvil.
ventas
1
2
293
392
CMA= trt*clt
yt/(trt*clt)=snt*irt snt
1.191411919
1.521231021
3
4
5
6
7
8
9
10
11
12
13
14
15
16
t
1
2
3
4
221
147
388
512
287
184
479
640
347
223
581
755
410
266
ao1
1.19948387
1.51720673
0.80327124
0.48675497
263.25
287
317
333.5
342.75
365.5
397.5
412.5
422.25
447.75
476.5
492.25
503
275.125
302
325.25
338.125
354.125
381.5
405
417.375
435
462.125
484.375
497.625
ao2
ao3
prome snt*irt
1.192928517
1.182716049
1.191709479
1.514232902
1.533393232
1.521610955
0.810448288
0.797701149
0.803806893
0.482306684
0.482553422
0.483871691
t
a)
1
2
3
4
0.803606188
0.483750872
1.191411919
1.521231021
0.803606188
0.483750872
1.191411919
1.521231021
0.803606188
0.483750872
1.191411919
1.521231021
0.803606188
0.483750872
snt=(0,9997503
)promsnt
1.191411919
1.521231021
0.803606188
0.483750872
0.999750308
snt
1.191411919
1.521231021
0.803606188
0.483750872
b)
trt= 19,95t+220,5
c)
0.80327124
0.486754967
1.192928517
1.514232902
0.810448288
0.482306684
1.182716049
1.533393232
0.797701149
0.482553422
1.199483871
1.517206732
yt= trt*snt
trt
snt
yt
17 559.687187
1.191411919
18 579.6370842
1.521231021
19 599.5869815
0.803606188
20 619.5368787
0.483750872
666.8179852
881.7619135
481.8318088
299.7015053
d)
t
trt
17 559.687187
18 579.6370842
19 599.5869815
20 619.5368787
snt
trt*snt
1.191411919
1.521231021
0.803606188
0.483750872
clt
666.8179852
881.7619135
481.8318088
299.7015053
1.004028312
0.99741466
0.995158896
1.000694234
e)
Puesto que solo hay 3 aos de datos y como los valores de clt son cercanos a 1,
entonces podemos decir que los factores ciclicos no determinan un cicli muy bien
definido.
el Magdanalena.
segundo: La grafica
resultado
362
381
317
297
399
402
375
349
386
328
389
343
276
334
394
334
384
314
344
337
345
362
314
365
resultado
450
400
350
300
250
200
150
100
50
0
0
10
15
20
25
Intercepcin
Variable X 1
2.07387307
crtico de F
(1+(1/n))^(1/2)
s
1.020620726
intervalo de prediccion
t(a/2),(N-k)
prediccin
inferior
superior
33.82497041
2.06865761 351.291667 279.876505 422.706828
Conclucin: Por lo que la captura de BACALAO en los periodos futuros con un nivel de confianza del 95%
estara entre (279,88-422,71) toneladas.
d=
dl,a=
du,a=
2.1244571
1.27
1.45
2276.085069
2571.335069
562.0850694
5.251736111
1204.668403
542.5017361
1421.918403
68.75173611
5668.835069
299.0017361
1824.001736
299.0017361
1069.835069
1390.668403
53.16840278
204.2517361
39.58506944
114.6684028
1390.668403
187.9184028
26314.95833
Conclusin: Cmo d no es menor que dl,a pero si es mayor que du,a entonces pod
que no se encontr suficiente evidencia estaditica que que los terminos de
autocrrelacionan positivamente, por lo que no se rechaza la Ho.
d=
2.1244571
4-d=
1.8755429
dl,a=
du,a=
1.27
1.45
10
15
20
25
30
Conclusin: Gracias a la grafica y a las prueba de Durbin-Watson para autocorrelacin positiva y negativa,
nces podemos concluir que los residuos de comportan de manera independiente. Por lo que no se rechaza la
Ho.
Conclusin: Gracias a la grafica y a las prueba de Durbin-Watson para autocorrelacin positiva y negativa,
nces podemos concluir que los residuos de comportan de manera independiente. Por lo que no se rechaza la
Ho.
segundo: Grficamos.
ventas
197
211
203
247
239
269
308
262
258
256
261
288
296
276
305
308
356
393
363
386
443
308
358
384
ventas
500
450
y = 8.0743x + 198.03
R = 0.7726
400
350
300
250
200
150
100
50
0
0
10
15
20
Intercepcin
Variable X 1
t(a/2),(n-(k+1))=
2.07387307
Ya que tb1 y tbo son mayores que que t(a/2),(n-(k+1) entonces podemos decir que
la ordenada que va al origen Bo, son significativas a mi modelo, es decir aportan
sacar de este.
Valor crtico de F
1.58934E-08
Conclucin general: Todos estos calculos y an la grafica nos muestra que existe un
las ventas de los ltimos 2 aos, por lo que se procede a analizar y realiz
ximos 2 aos
prom t
factor
12.5
0.135869565
0.158478261
0.182826087
0.208913043
0.23673913
0.266304348
0.297608696
0.330652174
0.365434783
0.401956522
0.440217391
(1+(1/n)+fact
invertalo de prediccin
or)^(1/2) t(a/2),(N-k) inferior
superior
1.085143415 2.07387307 328.614577 471.160793
1.095511263
336.007956
479.91611
1.106568007
343.356088 488.716673
1.118293213
350.660314 497.561142
1.130666086
357.922002 506.448151
1.143665604
365.142531 515.376317
1.157270652
372.323288 524.344256
1.171460132
379.465659
533.35058
1.186213071
386.571022 542.393913
1.201508713
393.640739 551.472891
1.217326603
400.676155 560.586171
0.480217391
0.521956522
0.565434783
0.610652174
0.657608696
0.706304348
0.75673913
0.808913043
0.862826087
0.918478261
0.975869565
1.035
1.095869565
1.23364665
1.250449195
1.267715051
1.285425548
1.303562566
1.322108549
1.341046531
1.36036014
1.380033606
1.400051759
1.420400025
1.441064421
1.462031543
(et-e(t-1))^2
35.113354
258.3846572
1290.652486
258.3846572
480.7342244
956.395964
2924.03509
145.7898748
101.4924836
9.451614395
358.1803112
0.005527595
788.1690044
437.88292
25.7490056
1594.057704
836.6933552
1449.65596
222.7750936
2393.719443
20470.269
1757.760312
321.3290068
37116.68105
Prueba autocorrelacin negativa
407.678589
414.649332
421.589644
428.500752
435.383845
442.240078
449.070563
455.876378
462.658556
469.418095
476.155952
482.873045
489.570256
569.732433
578.910386
588.118769
597.356357
606.621959
615.914422
625.232632
634.575513
643.94203
653.331187
662.742026
672.173628
681.625113
d=
1.682029781
4-d=
2.317970219
dL,a=
dU,a=
1.27
1.45
ias a la grafia anteriori de independencia y a la prueba de Durbinelacin positiva y negativa, podemos decir que no se encontr
stica de que los terminos del error estn autorelacionados, por lo
haza la Ho y se concluye que estos estn aleatorizados.
H1: B1 e
ultados
resultados
25
30
35
ANLISIS DE VARIANZA
Grados de libertad
Regresin
Residuos
Total
25
30
35
Intercepcin
Variable X 1
t(a/2),(n-(k+1))=
a linela creciente o declinate, podemos decir que las predicciones puntuales que
uien mes futuro sobre la produccin de madera ser de 35651,87 (millones por
pie tabln).
mos la prediccin:
e^2
61437.88444
1232396.018
7567267.418
10563366.68
3471265.818
3276582.684
1188390.684
495803.7511
4867024.284
8863322.884
7567267.418
5138684.484
2292599.751
7430349.084
13197720.22
intervalo de prediccin
s
limite inferior limite superiort(a/2),(n-1)
2037.359934 31416.1192 39887.6141 2.04522964
6120016.284
2192966.084
6582.617778
2037.017778
3379.484444
1446888.218
222909.8844
19358.08444
1218521.618
1083958.618
5722301.884
9036837.618
1123317.351
12708274.35
2253401.284
120374229.5
cionados
positivamente
d=
dl,a
du,a
1.58211303
1.35
1.49
Resumen
Ho: B1=0
Estadsticas de la regresin
Coeficiente de correlacin
0.92377303mltiple
Coeficiente de determinacin
0.8533566 R^2
R^2 ajustado 0.84520975
Error tpico
21.8395092
Observaciones
20
H1: B1 es diferente de 0
Coeficientes
Intercepcin 290.089474
Variable X 1
8.66766917
t(a/2),(n-(k+1))=
a) .En la grafica que muestra una tendecia lineal creciente de las ventas del reloj JMP IN en los
20 aos estudiados, por lo que el modelo Yt= Bo + B1t + et, es razonalbe para determinar las
ventas de este reloj en los proximos aos.
t(a/2),(n-(k+1))
prom t
2.093024054
10.5
c)
yt
t
472.007
480.674
489.341
intervalo
inferior
superior
21 421.6051726 522.408827
22
429.591036 531.756964
23 437.5251885 541.156811
d=
dl,a=
du,a=
1.366727886
1.2
1.41
e
70
60
50
40
30
20
10
0
-10 0
-20
-30
-40
10
15
20
25
Ho: B1=0
H1: B1 es diferente de 0
LISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados F
Valor crtico de F
1
59334.03603 59334.03603 2.12755906 0.16673991
14
390436.4015 27888.31439
15
449770.4375
Coeficientes
270.525
13.21029412
t(a/2),(n-(k+1))=
Error tpico
Estadstico t Probabilidad Inferior 95% Superior 95%
87.57446236 3.089085479 0.00800403 82.6964595
458.35354
9.056735289 1.458615461 0.16673991 -6.21447111 32.6350593
2.144786688
clusin: Cmo P-valor > alfa, entonces podemos decir que se no encontr suficiente evidencia estadtica que el coeficiente
egresin B1 es diferente de 0, por lo que no se rechaza la Ho, y se afirma que mi modelo no es significativo como un todo.
otra parte como el valor de tb1<tc, entonces conocemos que el coeficiente de regrecin B1 no influye significativamente en
modelo de regresin, pero tambin se sabe que la ordenada que va al origen Bo posee tb0>tc, lo cual da a entender que
te coeficiente se resulta significativo en mi modelo, por lo que no lo puedo sacar. De lo anterio se puede concluir que no
existe tedencia linea creciente o decreciente, entre las ventas de tractor en los 4 aos anterioires.
Bo
382.8125
d=yt/snt
245.9266988
257.6860415
trt=
19,95t+220,5 yt= trt*snt
clt*irt
clt
irt
240.488831 286.5212595 1.02261173
260.4387282 396.1874724 0.98943058 0.99762024
0.9917908
275.0103262
303.8754212
325.6640243
336.5695236
357.1401069
380.3610715
402.0439888
420.7119045
431.8035438
460.9810812
487.6566962
496.3085748
510.2001527
549.8698099
280.3886255
300.3385227
320.28842
340.2383172
360.1882145
380.1381117
400.088009
420.0379062
439.9878035
459.9377007
479.887598
499.8374952
519.7873925
539.7372897
225.3220346
145.2890223
381.5954409
517.5810827
289.4494781
183.892143
476.6696224
638.974693
353.5769217
222.4952638
571.7438038
760.3683032
417.7043653
261.0983846
0.98081841
1.01177637
1.01678364
0.98921699
0.99153746
1.00058652
1.00488887
1.00160461
0.98139889
1.00226853
1.01618941
0.99293986
0.98155546
1.01877306
0.99400845
1.00312614
1.00592567
0.99917936
0.99378032
0.99900429
1.00236
0.99596413
0.99509068
0.99995228
1.00379927
0.99689491
0.99775613
0.98673045
1.00862328
1.01079401
0.99002945
0.9977431
1.00158381
1.00252292
1.00566334
0.98624067
1.00231636
1.01234325
0.99603263
0.9837629
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
ANLISIS DE VARIANZA
Grados de libertad
Regresin
Residuos
Total
Intercepcin
Variable X 1
irt
yt
1.008553392
0.995879056
0.988619279
1.004174483
675.2306673
875.8579619
474.042164
301.1615358
y = -0.8578x + 362.01
R = 0.0322
resultado
Linear (resultado)
30
estan autorelacionados
utorelacionados positivamente
estan autorelacionados
utorelacionados positivamente
onclusin: Cmo cmo 4-d, no es menor que dl,pero si es mayor que du,a entonces
podemos decir que no se encotr suficiente evidnecia estadistica que los terminos
del error se autocorrelacionan negativamente, por lo que no se rechaza la Ho.
ventas
y = 8.0743x + 198.03
R = 0.7726
ventas
Linear (ventas)
20
25
30
e
100
80
60
40
20
0
-20 0
-40
-60
-80
10
15
20
25
30
Ho: B1=0
H1: B1 es diferente de 0
NLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Valor crtico de F
1 1534270.649 1534270.65 0.36149102 0.55251625
28 118839958.8 4244284.24
29 120374229.5
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
2.048407142
Conclucin general: Cmo el valor de tb1< tc y como P-valor > alfa, podemos decir que el coeficiente de regresin B1 no es
gnificativo en mi modelo de regresin, por lo que resulta conveniente sacarlo y se concluye que los datos de la produccin de
madera en los ltimos 30 aos no presenta una tendencia. Sin embago el valor del parametro que va a la ordenada Bo,
presenta un valot tbo>tc, por lo que da ms evidencia que se tiene un modelo sin tendencia lineal creciente, decreciente o
cuadratico.
(1+(1/30))^(1/2)
1.01653005
e
4000
3000
2000
2000
1000
0
-1000
10
15
20
25
30
35
-2000
-3000
-4000
4-d=
2.41788697
Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%Superior 95,0%
10.145139 28.59393784 1.8704E-16 268.775328
311.40362 268.775328
311.40362
0.84689984 10.23458591 6.2432E-09 6.88839864 10.4469397 6.88839864 10.4469397
t(a/2),(n-(k+1))=
2.10092204
cionados.
ositivamente
dl,a=
du,a=
1.36672789
2.63327211
1.2
1.41
conclusin: Cmo 4-d >dl,a y 4-d > dl,u. Entonces podemos decir que
no se encontr suficiente evidencia estadtica que los terminos del
error se autocorrelacional negativamente, por lo que no se rechaza la
conclusin: Cmo 4-d >dl,a y 4-d > dl,u. Entonces podemos decir que
no se encontr suficiente evidencia estadtica que los terminos del
error se autocorrelacional negativamente, por lo que no se rechaza la
Ho.
e
25
cionan.
d=yt/snt
600
y = 19.95x + 220.54
R = 0.9965
R = 0.9965
500
400
d=yt/snt
300
Linear (d=yt/snt)
200
Linear (d=yt/snt)
100
0
0
10
15
20
tadsticas de la regresin
0.99826778
0.99653856
0.99629131
5.79425492
16
NLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Valor crtico de F
1 135319.4561 135319.456 4030.55681 1.2491E-18
14 470.0274614 33.5733901
15 135789.4836
Coeficientes Error tpico
Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%
220.538934 3.038532915 72.5807289 1.9274E-19 214.021929 227.055939 214.021929
19.9498973 0.314237593 63.4866664 1.2491E-18 19.2759246 20.6238699 19.2759246
tadsticas de la regresin
0.11289747
0.01274584
-0.02251324
2060.16607
30
Superior 95,0%
37637.1433
62.8884216
e de regresin B1 no es
datos de la produccin de
va a la ordenada Bo,
reciente, decreciente o
perior 95,0%
elacionados.
cionan negativamente
9.95x + 220.54
inear (d=yt/snt)
inear (d=yt/snt)
Superior 95,0%
227.055939
20.6238699