En una tienda de abarrotes se desea saber si existe una relacin entre el

nmero de clientes y nmero de productos vendidos por da durante una

semana.
Lunes Martes Mircoles Jueves Viernes Sbado domingo
X(# de 20 30 25 40 35 50 55
clientes )
Y(# de 150 160 180 200 190 230 240
productos
vendidos)

Diagrama de regresin estimada

Coeficientes

Modelo Coeficientes no estandarizados Coeficientes t Sig. Intervalo de confianza de 95,0%

tipificados para B

B Error tp. Beta Lmite inferior Lmite superior

(Constante) 101,522 12,756 7,959 ,001 68,730 134,313

1
X 2,507 ,333 ,959 7,530 ,001 1,651 3,363

Donde:
Y=101.522+2.507x

Coeficiente de correlacin lineal

Resumen del modelob

Modelo R R cuadrado R cuadrado Error tp. de la

corregida estimacin

1 ,959a ,919 ,903 10,45349

Donde:
r=0.959
Esto indica que es una correlacin positiva fuerte entonces podemos decir que existe una
relacin fuerte entre nmero de clientes y numero de productos vendidos por da.

R^2=0.919

Como r cuadrado es casi 1 indica bondad del ajuste casi perfecto y perfecta
representatividad entre la ecuacin estimada y la nube de puntos.
El 91% de la variabilidad de y puede atribuirse a una relacin lineal con x

Contraste de regresin

H0= no hay relacin

H1= si hay relacin

A un nivel de significacin del 5%

ANOVAa

Modelo Suma de gl Media F Sig.

cuadrados cuadrtica

Regresin 6196,480 1 6196,480 56,705 ,001b

1 Residual 546,377 5 109,275

Total 6742,857 6

Fcal=56.705 >Ftab=6.61

Por lo tanto rechazamos H0 y decimos que si hay una relacin entre nmero de clientes y
nmero de productos vendidos por da.