UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

A NLISIS DE S ENSIBILIDAD
La informacin obtenida sobre la industria del cobre referente a: C, media anual del precio del cobre
interno en los Estados Unidos (centavos por libra); I, ndice anual medio de la produccin industrial;
L, precio anual medio del cobre en la bolsa de metales de Londres (libras esterlinas); A, Precia anual
medio del aluminio (centavos de dlar por libra), con la que obtuvo los siguientes resultados:

La ecuacin de regresin es
C = - 202 + 5,21 ln I + 18,8 ln L + 33,1 ln A

Predictor
Constante
ln I
ln L
ln A

Coef
-202,39
5,209
18,786
33,136

S = 6,18207

Coef.
de EE
14,13
7,928
5,756
5,331

T
-14,32
0,66
3,26
6,22

R-cuad. = 92,8%

P
0,000
0,517
0,003
0,000

R-cuad.(ajustado) = 91,9%

Anlisis de varianza
Fuente
Regresin
Error residual
Total

GL
3
26
29

SC
12717,0
993,7
13710,6

MC
4239,0
38,2

F
110,92

P
0,000

Estadstico de Durbin-Watson = 1,03984

Grfica de Residuos Estandarizados en el Tiempo

Grfica de dispersin de Residuos en t vs.t-1

90
80

70

Residuos en t

Residuos Estandarizados

-1

60
50
40
30
20

-2

10

12

15

18

21

24

27

30

20

30

40

50

60

70

80

90

100

Residuos en t-1

Tiempo

Grfica Residuos estndar vs. Valores Ajustados

Grfica de Probabilidad de Normal para los Residuos

Normal

95

90

Porcentaje

Residuos Estndar

99

-1

80
70
60
50
40
30

Media
0,01543
Desv.Est.
1,033
N
30
Lillierfors
0,189
Valor P
0,893

20
10
5

-2

10

20

30

40

50

60

Valores Ajustados

70

80

90

100

-3

-2

-1

Residuo Estandarizado

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

Analice sobre la base de los resultados entregados la presencia de autocorrelacin de primer orden en
los residuos del modelo, estableciendo y justificando sus hiptesis. Justifique con indicadores
adecuados.
b. Es posible suponer que los residuos satisfacen el supuesto de normalidad? Justifique con
indicadores adecuados.
c. Considerando la regresora ln(A), evale mediante la prueba de spearman, la homogeneidad de
varianza en los residuos.
a.

Ao
Cobre
1951
21,89
1952
22,29
1953
19,63
1954
22,85
1955
33,77
1956
39,18
1957
30,58
1958
26,3
1959
30,7
1960
32,1
1961
30
1962
30,8
1963
30,8
1964
32,6
1965
35,4
1966
36,6
1967
38,6
1968
42,2
1969
47,9
1970
58,2
1971
52
1972
51,2
1973
59,5
1974
77,3
1975
64,2
1976
69,6
1977
66,8
1978
66,5
1979
98,3
1980
101,4
Asimetra 1,1004
Curtosis 0,6688

ln(I)
3,80888
3,92986
3,97594
3,98155
4,00003
4,11251
4,12552
4,05872
4,17131
4,19268
4,20020
4,27944
4,33729
4,40305
4,49758
4,58292
4,60517
4,66627
4,71043
4,68028
4,69684
4,78499
4,86599
4,86214
4,76899
4,86599
4,92071
4,97811
5,02716
4,99111
-0,1317
-1,3987

ln(L)
5,39544
5,55876
5,54635
5,51866
5,86448
5,79636
5,39181
5,45873
5,46975
5,50452
5,43459
5,45489
5,45618
5,84932
6,14868
6,31897
6,03548
6,26378
6,43085
6,37775
6,09673
6,05866
6,58906
6,77719
6,32185
6,66006
6,62101
6,56498
6,84129
6,84684
0,1875
-1,4383

ln(A)
2,94444
2,96579
3,04118
3,08099
3,16463
3,25848
3,31491
3,29175
3,29027
3,30432
3,23711
3,17304
3,11883
3,16632
3,19867
3,19867
3,21808
3,24181
3,30248
3,35759
3,36730
3,28354
3,23199
3,52812
3,68362
3,79526
3,93633
3,99673
4,11104
4,26085
1,3688
1,1193

Ajustado
16,3715
20,7771
23,2823
24,1104
33,4747
35,8907
30,2286
30,3705
31,1145
32,3447
28,8432
27,5143
26,0435
35,3451
42,5332
46,1767
41,6100
47,0034
52,3823
53,0539
48,1825
45,1511
53,8290
67,1557
63,2690
73,8275
78,0530
79,3012
88,5350
93,4155
0,8165
-0,2314

Residuo
-0,07080
-0,04166
0,19880
0,57159
0,84889
-0,45696
-1,19827
-1,64681
-0,51064
-0,81599
-0,76672
0,86531
0,64758
1,09360
1,03188
1,78323
0,15624
-0,72212
-1,95439
-2,27172
1,77664
1,56133
-0,07080
-0,04166
0,19880
0,57159
0,84889
-0,45696
-1,19827
-1,64681
0,8165
-0,2314

Cook
0,048815
0,002903
0,011797
0,001281
0,000229
0,009644
0,000146
0,015303
0,000145
0,000047
0,001273
0,012792
0,039152
0,003083
0,028169
0,088228
0,006515
0,017132
0,017374
0,015086
0,010459
0,074517
0,070629
0,143873
0,000466
0,015009
0,145915
0,262673
0,209198
0,281169
1,9298
2,8769

Mediante la utilizacin de un intervalo del 96,16% de confianza evale la independencia de los

residuos utilizando el test de rachas.
e. Utilizando un modelo de primeras diferencia para eliminar un posible efecto de autocorrelacin de
primer orden, establezca las ecuaciones del modelo y presente los datos de las primeras cinco
observaciones.
f. Sobre la base de los resultados entregados discuta la presencia de valores inusuales.
d.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

2. En un estudio de ganancia de capital en el mercado laboral, en la que se midi la tasa de retiro laboral
en el sector manufacturero, definida como el nmerpo de personas que dejan sus trabajos
voluntariamente por cada 100 empleados, en funcin de: porcentaje de mujeres empleadas,
porcentaje de empleados menores a 25 aos, tasa desempleo masculina, y tasa de empleo en el sector
manufacturero del trimentre en el tiempo t 1, respecto al trimestre t 4.
Ln Y = 0,442 + 0,000106 ln X1+ 0,000005 ln X2 0,00531 ln X3
0,00185 ln X4 + 0,00439 ln X5
Predictor
Constant
ln X1
ln X2
ln X3
ln X4
ln X5

Coef.
0,4421
0,00010629
0,00000509
-0,0053089
-0,001848
0,004393

SE
0,1207
0,00009046
0,00004407
0,0009321
0,001134
0,001461

Coef. T
3,66
1,17
0,12
-5,70
-1,63
3,01

P
0,003
0,260
0,910
0,000
0,125
0,009

VIF
2,7
3,5
1,5
1,7
1,7

S = 0, 0179530 R-Sq = 77,0% R-Sq(adj) = 68,9%

Analysis of Variance
Source
DF
Regression
5
Residual
14
Total
19

SS
0,0151486
0,0045124
0,0196609

MS
0,0030297
0,0003223

P
0,000

9,40

Durbin-Watson statistic = 1,7101

P r o b a b il1 it y P lo t S R E S 1
No rm a l
99

95
90

Porcentaje

80
70
60
50
40
30

M e d ia
D e s v . E s t.
N
AD
V a lo r P

20
10
5

-0 ,0 3 3 3 2
1,019
20
0,157
0,943

-3

-2

-1

S R ES 1

a. Hay evidencia de multicolinelidad? Justifique

b. Hay evidencia de estructura autoregresiva a un paso en errores? Justifique
c. Hay evidencia para sostener que los residuos no tienen distribucin normal? Justifique
formulando la hiptesis.
d. Usando a Spearman para contrastar heteroscedasticidad considerando ln X5.
ln X5
84,1
88,7
92,0
87,9
91,5
91,4
82,4
91,3
85,4
91,4
SRES1 0,1583 0,4508 0,6914 -1,3278 1,0862 2,3004 0,0896 -2,0403 -0,3604 0,0556
ln X5
86,7
81,2
89,2
88,9
88,9
91,9
95,4
91,8
92,9
90,0
SRES1 0,7757 0,2636 0,5964 -0,6785 -0,6796 -1,4582 -0,4600 -1,0770 1,0326 -0,0849
Obs: Todas las justificaciones deben ser usando indicadores apropiados.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

La industria automovilstica es un sector que se ha expandido en las ltimas dcadas y es considerada

como una buena opcin de negocio. Los resultados que se muestran a continuacin representan las
ventas de automviles en chile a partir de abril del 2006 a diciembre del 2008, como funcin de: X ,
Dlar observado, informacin obtenida del banco central; ,: Tasa de poltica monetaria, informacin
obtenida del banco central; X , ndice mensual de actividad econmica (IMACEC), informacin
obtenida del banco central; X , ndice precio del consumidor (IPC), informacin obtenida del
instituto nacional de estadstica (INE); X , Tasa de desempleo, informacin obtenida del instituto
nacional de estadstica (INE); X , Valor del barril de petrleo, informacin obtenida del banco
central.

3.

La ecuacin de regresin es

ventas = - 10054 - 31,8 dlar - 2142 tpm - 15,3 IMACEC + 537 IPC
- 445 des + 0,0614 Oil
ventas

Ajustes

Estan.

Oil

COOK

DFFITS

ventas

Ajustes

Estan.

Oil

COOK

DFFITS

15199

16140,8

-0,785

36295,6

0,019

-0,358

20823

18968,8

1,543

37838,7

0,071

0,725

15529

15808,0

-0,244

36955,5

0,003

-0,138

21758

19620,8

1,832

41161,6

0,135

1,021

15262

15601,7

-0,288

38498,4

0,003

-0,144

20954

20005,2

0,749

42953,6

0,007

0,219

14661

15840,0

-0,99

40254,6

0,032

-0,475

20959

20793,3

0,133

47972,8

0,000

0,045

17012

15909,2

0,908

39355,6

0,022

0,387

22236

20880,5

1,072

45803,7

0,015

0,324

17537

15900,1

1,326

34419,9

0,037

0,514

21190

20813,5

0,304

44689,7

0,002

0,109

16127

15933,8

0,154

31400,7

0,000

0,05

18884

21346,1

-2,192

44549,2

0,263

-1,473

16145

16322,3

-0,148

31329,8

0,001

-0,066

21700

22398,0

-0,648

46694,9

0,03

-0,454

16363

16654,4

-0,265

32757,6

0,004

-0,172

22623

22746,1

-0,107

50205,9

0,001

-0,059

16315

16566,4

-0,209

29376,7

0,001

-0,092

22340

23113,1

-0,642

58978,7

0,012

-0,287

14991

16755,5

-1,527

32205,2

0,102

-0,87

22261

22900,7

-0,574

66153,9

0,019

-0,36

17932

16699,1

1,126

32707,7

0,082

0,763

20953

22391,2

-1,281

67039,2

0,09

-0,806

18252

17366,2

0,717

34088,6

0,01

0,268

22534

21368,9

0,98

60294,0

0,032

0,475

18294

18018,8

0,224

33163,7

0,001

0,088

22038

20096,0

1,786

55010,4

0,217

1,29

18106

18556,4

-0,367

35569,3

0,003

-0,145

18085

17253,2

0,745

47443,2

0,032

0,468

17123

19112,8

-1,65

39056,2

0,078

-0,764

14107

15485,5

-1,296

37422,5

0,13

-0,967

G r f ic a d e D is p e r s i n

Residuos estndar

-1

-2
14000

15000

16000

17000

18000

19000

20000

21000

22000

23000

A ju s ta d o s

G r f ic a d e p ro b a b ilid a d
99

95

Porcentaje

90
80
70
60
50
40
30
20

N
AD
V a lo r P

10
5

33
0 ,1 9 4
0 ,8 8 6

-3

-2

-1

R e s id u o s E s t n d a r

a. Sobre la base de los datos entregados, Es

posible suponer que existe presencia de
heteroscedasticidad? Aplique el test de
Spearman para evaluar este supuesto de
homogeneidad en el ao 2007.
b. Evalu la presencia de valores influyentes y
outliers.
c. Comente el ajuste de normalidad asociado a
los residuos considerando dos medios.
d. Sobre la base de los datos entregados evalu
la presencia de autocorrelacin a un paso
utilizando Durbin-Watson.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

4.

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

La informacin obtenida sobre la industria del cobre referente a: C, media anual del precio del cobre
interno en los Estados Unidos (centavos por libra); I, ndice anual medio de la produccin industrial;
L, precio anual medio del cobre en la bolsa de metales de Londres (libras esterlinas); A, Precia anual
medio del aluminio (centavos de dlar por libra), con la que obtuvo los siguientes resultados:

La ecuacin de regresin es
C = - 202 + 5,21 ln I + 18,8 ln L + 33,1 ln A
Anlisis de varianza

Predictor
Constante
ln I
ln L
ln A

Coef
-202,39
5,209
18,786
33,136

Coef.
de EE
14,13
7,928
5,756
5,331

T
-14,32
0,66
3,26
6,22

Fuente
Regresin
Error residual
Total

P
0,000
0,517
0,003
0,000

GL
3
26
29

SC
12717,0
993,7
13710,6

MC
4239,0
38,2

F
110,92

Estadstico de Durbin-Watson = 1,03984

Analice sobre la base de los resultados entregados la presencia de autocorrelacin de primer orden
en los residuos del modelo, estableciendo y justificando sus hiptesis. Justifique.
b. Es posible suponer que los residuos satisfacen el supuesto de normalidad? Justifique.
a.

Ao
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
Asimetra
Curtosis
c.
d.

Cobre
21,89
22,29
19,63
22,85
33,77
39,18
30,58
26,3
30,7
32,1
30
30,8
30,8
32,6
35,4
36,6
38,6
42,2
47,9
58,2
52
51,2
59,5
77,3
64,2
69,6
66,8
66,5
98,3
101,4
1,1004
0,6688

ln(I)
3,80888
3,92986
3,97594
3,98155
4,00003
4,11251
4,12552
4,05872
4,17131
4,19268
4,20020
4,27944
4,33729
4,40305
4,49758
4,58292
4,60517
4,66627
4,71043
4,68028
4,69684
4,78499
4,86599
4,86214
4,76899
4,86599
4,92071
4,97811
5,02716
4,99111
-0,1317
-1,3987

ln(L)
5,39544
5,55876
5,54635
5,51866
5,86448
5,79636
5,39181
5,45873
5,46975
5,50452
5,43459
5,45489
5,45618
5,84932
6,14868
6,31897
6,03548
6,26378
6,43085
6,37775
6,09673
6,05866
6,58906
6,77719
6,32185
6,66006
6,62101
6,56498
6,84129
6,84684
0,1875
-1,4383

ln(A)
2,94444
2,96579
3,04118
3,08099
3,16463
3,25848
3,31491
3,29175
3,29027
3,30432
3,23711
3,17304
3,11883
3,16632
3,19867
3,19867
3,21808
3,24181
3,30248
3,35759
3,36730
3,28354
3,23199
3,52812
3,68362
3,79526
3,93633
3,99673
4,11104
4,26085
1,3688
1,1193

Ajustado
16,3715
20,7771
23,2823
24,1104
33,4747
35,8907
30,2286
30,3705
31,1145
32,3447
28,8432
27,5143
26,0435
35,3451
42,5332
46,1767
41,6100
47,0034
52,3823
53,0539
48,1825
45,1511
53,8290
67,1557
63,2690
73,8275
78,0530
79,3012
88,5350
93,4155
0,8165
-0,2314

Residuo Estndar
-0,07080
-0,04166
0,19880
0,57159
0,84889
-0,45696
-1,19827
-1,64681
-0,51064
-0,81599
-0,76672
0,86531
0,64758
1,09360
1,03188
1,78323
0,15624
-0,72212
-1,95439
-2,27172
1,77664
1,56133
-0,07080
-0,04166
0,19880
0,57159
0,84889
-0,45696
-1,19827
-1,64681
0,8165
-0,2314

Sobre la base de los resultados entregados discuta la presencia de valores inusuales.

Mediante la utilizacin del test de rachas. Evalu la presencia de autocorrelacin de segundo
orden (dos pasos) con un 5% de significancia.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

5.

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

La industria automovilstica es un sector que se ha expandido en las ltimas dcadas y es considerada

como una buena opcin de negocio. A principio de los 80 era impensado para algunas familias
poder acceder a un automvil, ya sea por el precio o por la dificultad de pago, hoy en da gracias a las
mltiples opciones que entregan las automotoras y las entidades bancarias es ms fcil obtener uno.
A continuacin se muestran resultados de un anlisis de las ventas de automviles trimestrales en
chile a partir de abril del 2006 a diciembre del 2011.

La ecuacin de regresin es
Ventas totales = 62313 + 0,466 oil - 6462 des + 904 IPC - 1950 tpm - 129 dlar
Predictor
Coef. de EE
Constante
21488
oil
0,1967
des
1063
IPC
145,0
tpm
698,2
dlar
37,17
Durbin-Watson = 1,42605

ventas
45990
49210
48635
49238
54652
59704
64149
61774
67224
65525
45312
29460
36908
47576
58100
56479
67218
71855
81056
81682
85602
81843
85134

dlar
526,86
539,27
528,66
540,42
527,01
522,18
502,56
463,69
470,05
516,37
639,74
607,31
567,32
545,46
518,35
518,79
530,17
511,66
480,38
481,59
469,49
471,14
512,45

tpm
4,96
5,21
5,25
5,03
5,00
5,40
5,79
6,22
6,36
7,57
8,25
5,55
1,44
0,53
0,50
0,50
0,58
1,75
2,88
3,44
4,74
5,25
5,25

VIF
2,929
2,593
1,471
3,105
2,961

IPC
105,641
106,908
106,654
107,021
108,666
112,026
114,373
115,595
118,322
122,486
124,215
122,089
122,003
121,753
121,900
122,360
123,406
124,431
124,952
125,929
127,483
128,309
129,965

Anlisis de varianza
Fuente
GL
SC
Regresin
5
5085919308
Error residual
17
317041772
Total
22
5402961081
R-cuad. = 94,1%
R - cuad.(ajustado) = 92,4%

des
8,767
8,400
6,667
6,400
6,800
7,433
7,400
7,367
8,000
8,133
7,633
9,467
11,267
11,467
10,367
9,267
8,633
8,200
7,267
7,300
7,133
7,433
6,967

oil
37249,850
38010,026
31829,335
31429,890
34273,861
39352,181
45576,685
45311,266
58446,201
60781,191
37387,657
26134,747
33725,153
37264,313
39492,112
40831,270
41341,936
38993,133
40900,197
45309,071
48157,567
42258,005
48204,219

RESIDT2
1,408
1,798
-0,872
-0,953
-0,029
0,908
0,287
-1,884
-1,295
-0,577
0,494
-1,689
-0,685
0,939
0,527
-2,183
-0,147
0,329
0,329
0,115
0,391
0,869
1,133

HI2
0,234
0,177
0,226
0,276
0,176
0,087
0,095
0,257
0,326
0,474
0,637
0,483
0,288
0,304
0,195
0,201
0,324
0,142
0,175
0,140
0,180
0,389
0,217

COOK2
0,095
0,102
0,037
0,058
0,000
0,013
0,002
0,178
0,130
0,052
0,075
0,400
0,033
0,065
0,012
0,164
0,002
0,003
0,004
0,000
0,006
0,081
0,058

Analice sobre la base de los resultados entregados la presencia de autocorrelacin de primer

orden en los residuos del modelo, estableciendo y justificando sus hiptesis. Justifique.
b. Sobre la base de los resultados entregados discuta la presencia de valores inusuales.
a.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

Grfica de Dispersin

Grfica de Probabilidad
99

95
90

Porcentaje

Residuos Estndarizados

-1

80
70
60
50
40
30

Media
-0,01998
Desv.Est.
1,027
N
23
AD
0,369
Valor P
0,398

20
10
5

-2
1

30000

40000

50000

60000

70000

80000

90000

Valores Ajustados

-3

-2

-1

Residuos Estandarizados

La ecuacin de regresin sobre los Residuos es

Et = 0,215 Et-1 - 0,406 Et-2 + 0,001 Et-3 + 0,466 Et-4
Predictor
Coef. de EE
Et-1
0,2336
Et-2
0,2502
Et-3
0,2672
0,2452
Et-5
Durbin-Watson = 1,91184

Valor - P
0,371
0,125
0,997
0,077

Anlisis de varianza
Fuente
GL
SC
Regresin
4
9,5475
Error residual
15
11,0147
Total
19
20,5622

Sobre la base de los resultados entregados Es posible suponer algn grado de autocorrelacin de
mayor orden? Justifique sus hiptesis en funcin de los resultados entregados? Comente.
d. Considerando sus anlisis de las letras a y c, desarrollo el procedimiento de diferencias
generalizadas para eliminar la presencia de la autocorrelacin.
e. Planteando las hiptesis adecuadas y sobre la grfica de las mostradas Es posible suponer que
los residuos satisfacen el supuesto de normalidad? Justifique.
f. Sobre la base de los datos entregados, Es posible suponer que existe presencia de
heteroscedasticidad?
c.

6.

Desde hace un tiempo se ha visto como el celular se ha masificado de manera increble, de hecho,
hoy por hoy es muy poca la gente que no anda con alguno de estos aparatos. Esto es consecuencia de
la creciente necesidad de la gente de estar en constante comunicacin con el resto, adems del
explosivo progreso tecnolgico que han tenido estos dispositivos. Hoy en da, los celulares tienen una
infinidad de funciones extra aparte de la clsica llamada por telfono. Con los smartphones,
prcticamente se anda con mini computadores en el bolsillo. Mini computadores que difieren mucho
entre ellos y por ende, sus valores de mercado son bastante distintos. Con el fin de determinar las
variables efectivamente estn afectando el valor su precio se obtienen los siguientes resultados:

La ecuacin de regresin es
Precio = 166165 - 77572 Tam.Pant + 1371 Peso + 15975 Mem.Int + 63684 Proces - 42724
Nokia
Predictor
Constante
oil
des
IPC
tpm
dlar

Coef. de EE
166165
-77572
1370,7
15975
63684
-42724

Anlisis de varianza
Fuente
GL
SC
Regresin
5
3,55442E+11
Error residual
24
21518718274
Total
29
3,76960E+11
R-cuad. = 94,3%
R - cuad.(ajustado) = 93,1%

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE INDUSTRIA
ECONOMETRA ICN 312
Precio
89900
99990
109990
299990
139990
109900
149990
349990
349990
399990
399990
399990
264900
334900
402900
434990
199990
99990
109990
129900
79990
219990
219990
219990
199900
319990
319990
334900
179990
249900

Peso
114
114
114
147
118
107
107
127
127
116
116
116
135
137
140
140
110
93
93
93
93
125
125
125
125
142
142
142
130
130

Tam.Pant
3,5
3,5
3,5
4,3
3,7
3,2
3,2
4,3
4,3
4,3
4,3
4,3
3,5
3,5
3,5
3,5
3,5
3,2
3,2
3,2
3,2
3,7
3,7
3,7
3,7
3,7
3,7
3,7
3,5
3,5

Mem.Int
0,5
0,5
0,5
8
2
0,5
0,5
16
16
16
16
16
8
8
16
16
8
2
2
2
2
8
8
8
8
16
16
16
8
8

Procesador
1
1
1
2
1
1
1
2
2
2
2
2
0,6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

GUA DE ANLISIS DE SENSIBILIDAD

PROF.: HUMBERTO VILLALOBOS TORRES

Nokia
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1

DFFITS
-0,482
-0,328
-0,181
0,851
0,075
-0,477
0,245
-0,666
-0,666
0,511
0,511
0,511
0,496
1,063
-0,073
0,740
-0,665
0,030
0,210
0,583
-0,332
0,291
0,291
0,291
0,009
-0,493
-0,493
-0,246
-0,587
0,389

Residuo Estndar

-1

-1

-2

-2
3 ,2

3 ,4

3 ,6

3 ,8

4 ,0

4 ,2

4 ,4

ndice

-1

-2
90

100

110

120

P e so

10

12

14

16

18

M e m .I n t

T a m .P a n t

Residuo Estndar

AJUSTES1
122596,392
122596,392
122596,392
289265,715
136526,598
136272,977
136272,977
389647,047
389647,047
374568,976
374568,976
374568,976
245716,844
273932,022
405840,228
405840,228
236922,213
98319,980
98319,980
98319,980
98319,980
199244,261
199244,261
199244,261
199244,261
350342,739
350342,739
350342,739
221612,410
221612,410

Residuo Estndar

RESIDEST1
-1,178
-0,815
-0,454
0,616
0,134
-0,980
0,510
-1,451
-1,451
0,962
0,962
0,962
0,765
2,221
-0,116
1,154
-1,367
0,062
0,434
1,175
-0,682
0,745
0,745
0,745
0,024
-1,109
-1,109
-0,564
-1,489
1,012

130

140

150

n
Media
Error Estndar
Mediana
Coef. de Asimetra
Coef. De Curtosis

Residuo Estndar
30
0,01536
0,184
0,09783
0,007589
-0,968337

Analice sobre la base de los resultados entregados la presencia de autocorrelacin de primer

orden en los residuos del modelo, estableciendo y justificando sus hiptesis. Justifique.
b. Planteando las hiptesis adecuadas Es posible suponer que los residuos satisfacen el supuesto de
normalidad? Justifique apoyndose en un grfico adecuado y algn test.
c. Sobre la base de los resultados entregados discuta la presencia de valores influyentes.
d. Sobre la base de los datos entregados, Es posible suponer que existe presencia de
heteroscedasticidad?
a.