Tabla 4.

Datos en $Millones de las ventas y la inversión en publicidad

Inversión en publicidad X(i) Ventas Y(i)

3 21
4 25
5 36
4 29.5

7 38
5 32
2 18
3 20
TOTAL 33 219.5

∑X = 33
∑Y = 219.5
∑X^2 = 153
∑Y^2 = 6424.25
∑X*Y = 983
n= 8

1. CALCULO DE LA RECTA DE REGRESION

La recta de regresión es: Y=a+bX
n( XY )  ( X )(  Y )
b
n  X 2  ( X ) 2

b= 4.60
a  Y  bX
a= 8.48

La recta de regresión es: Y=

2. CALCULO DEL COEFICIENTE DE CORRELACION

n( XY )  ( X )(  Y )
r
 n X 2

 ( X ) 2 n Y 2  ( y ) 2 
r= 0.942
R^2= 0.887
CONCLUSION: El Coeficiente de correlación es positivo, por lo que hay una rela
inversión en publicidad y los ingresos. Es excelente utilizar esta ecuación para

CONCLUSION: El Coeficiente de Determinación dice que 88,7% de la variació

de regresión el nivel deingresos mediante la inversión en publicidad?.

3. PRUEBA DE LA IMPORTANCIA DEL COEFICIENTE DE CORREL

H0 : ρ = 0 (La correlación entre la població
H1 : ρ ≠ 0 (La correlación entre la població

Por la formulación de H1 la prueba es de 2 colas y usamos para calcular t de student:

r n2
t Con gl=(n-2) grados de libertad

1 r2 Para un intervalo de confianza c=

Nivel de significancia 0,05
En Tabla t student se observa: t=

-2,447

Con un nivel de significancia de 0.05, la regla de decisión en este caso indica que si el valo
calculado de t se encuentra en el área entre +2.228 y -2.228, entonces no se rechaza la h
nula. Para ubicar el valor crítico de 2.228, mire la tabla t-student para gl = 10.

Calculemos t:
t= 6.878
El valor t calculado se encuentra en la región de rechazo. Por ello, H0 se rechaza con un n
de significancia de 0.05. Esto significa que la correlación entre la pob
un punto de vista práctico, esto indica que hay una correlación entre la inversión en publi
y el nivel de ingresos.

4. ANALISIS DE REGRESION

S xy 
 ( X  X )(Y  Y )
n

Sx 
(X  X ) 2

Sy 
 (Y  Y ) 2

Entonces: Sxy=
Sx=
Sy=
El coeficiente de correlación lineal de PEARSON será:

S xy r=
r
SxS y
Sy
Cálculo de b: br
Sx
b= 4.60

Ecuación de regresión lineal:

La recta de regresión es: Y=
 5. RELACION ENTRE COEFICIENTE DE CORRELACION, COEFICIE
Tabla 4. Datos en $Millones de las ventas y la inversión en publicidad
Inversión en publicidad X(i) Ingresos Y(i)
3 21
4 25
5 36
4 29.5
7 38
5 32
2 18
3 20
TOTAL 33 219.5

Promedio de X= 4.13
Promedio de Y= 27.44
Suma de Cuadrados Total SCT= 401.719
Suma de Cuadrados del Error SCE= 45.219

Coeficiente de Determinación R^2= 0.887

ANÁLISIS DE VARIANZA (ANOVA) DE LA REGRESION LINEAL SI

Grados de libertad
Regresión 1
Residuos 6
Total 7

La suma de cuadrados ANOVA se calcula como sigue:

a) Suma de Regresión de los cuadrados=

b) Suma del Residual o error de los Cuadrados SCE=

c) Suma Total de los Cuadrados SCT=

d) Promedio de los Cuadrados de la Regresión CMR=

e) Cuadrados Medios del Error CME =

f) El valor de F será:
 X^2(i) Y^2(i) X(i)*Y(i) [X(i)-prom(Xi)]

9 441 63 -1.13
16 625 100 -0.13
25 1296 180 0.88
16 870.25 118 -0.13

49 1444 266 2.88

25 1024 160 0.88
4 324 36 -2.13
9 400 60 -1.13
153 6424.25 983 0

Promedio(X)= 4.13
Promedio(Y)= 27.44

Pendiente de la recta de regresión

Intercepto con el eje Y.

8.48 + 4.60 X

Coeficiente r de PEARSON

Coeficiente de Correlación Múltiple

Coeficiente de Determinación
r lo que hay una relación directamente proporcional entre las dos variables X e Y. Como es un va
esta ecuación para proyectar a futuro ingresos basados en valores de publicidad.

88,7% de la variación de los ingresos se explica o está representado por la variación en la invers
ublicidad?.

NTE DE CORRELACION
ación entre la población es cero)
ación entre la población es diferente de cero)

cular t de student:

n-2) grados de libertad = 6

tervalo de confianza c=95%
gnificancia 0,05
2.447

2,447

aso indica que si el valor

ces no se rechaza la hipótesis
ara gl = 10.
H0 se rechaza con un nivel
ón entre la población no es cero. Desde
re la inversión en publicidad

Covarianza entre X e Y

Desviación estándar de X

Desviación estándar de Y

9.6953125
1.452
7.086

0.942 El mismo resultado obtenido en el punto 2!!.

El mismo resultado obtenido en el punto 1!!.

8.48 + 4.60 X
ACION, COEFICIENTE DE DETERMINACION Y ERROR ESTÁNDAR DE ESTIMACI

Y^(i) [Yi-Y^i]^2 [Yi-Prom(Yi)]^2 [Y^i-Prom(Yi)]^2

22 1.604 41.441 26.738
27 3.471 5.941 0.330
31 20.618 73.316 16.175
27 6.954 4.254 0.330
41 7.032 111.566 174.619
31 0.292 20.816 16.175
18 0.109 89.066 95.397
22 5.138 55.316 26.738
45.219 401.719 356.500

Error Standard de estimación

El mismo resultado obtenido en el punto 2!!.

ESION LINEAL SIMPLE

Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
356.500 356.500 47.304 0.000
45.219 7.536
401.719

356.500
45.219

401.719

356.500

7.536

47.304
Que son los mismos valores que arroja excel
[Y(i)-Prom(Yi)] [X(i)-prom(Xi)]^2 [Y(i)-Prom(Yi)] ^2 [X(i)-prom(Xi)]*[Y(i)-Prom(Yi)]

-6.44 1.265625 41.44140625 7.2421875

-2.44 0.015625 5.94140625 0.3046875
8.56 0.765625 73.31640625 7.4921875
2.06 0.015625 4.25390625 -0.2578125

10.56 8.265625 111.56640625 30.3671875

4.56 0.765625 20.81640625 3.9921875
-9.44 4.515625 89.06640625 20.0546875
-7.44 1.265625 55.31640625 8.3671875
0 16.88 401.72 77.56
 bles X e Y. Como es un valor mas cerca de 1 que de 0, existe una FUERTE correlación entre la
publicidad.

or la variación en la inversión para publicidad. Es decir, con cuanta exactitud predice la ecuación
El mismo resultado obtenido en el punto 1!!.
NDAR DE ESTIMACION
alores que arroja excel
RTE correlación entre la

ctitud predice la ecuación

Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones

ANÁLISIS DE VARIANZA
Regresión
Residuos
Total

Intercepción
Variable X 1

Gráfico de Dispersión con Recta de Regresión

40
f(x) = 4.5962962963x + 8.4777777778
35
R² = 0.8874373712
30

25

20

15

10

0
1 2 3 4 5 6 7
5

0
1 2 3 4 5 6 7
 0.942
0.887
0.8686769331
2.7452540416
8

Grados de libertad Suma de cuadrados Promedio de los cuadrados F

1 356.500 356.5002314815 47.3036591858
6 45.219 7.5364197531
7 401.719

Coeficientes Error típico Estadístico t Probabilidad

8.48 2.9225461023 2.9008191765 0.0273052836

4.60 0.6682833621 6.8777655664 0.0004658819

ecta de Regresión
77778

6 7 8
6 7 8
Valor crítico de F
0.0004658819

Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

1.3265650845 15.6289904711 1.3265650845 15.6289904711

2.9610658177 6.2315267749 2.9610658177 6.2315267749
 Tabla 4. Datos en $Millones de las ventas y la inversión en publicidad
Inversión en publicidad X(i) Ventas Y(i)
42 383
21 406
25 395
20 365
30 475
50 440
40 490
20 420
50 560
40 525
25 480
50 510
TOTAL 413 5449

∑X = 413
∑Y = 5449
∑X^2 = 15855
∑Y^2 = 2516225
∑X*Y = 192537

n= 12

1. CALCULO DE LA RECTA DE REGRESION

La recta de regresión es: Y=a+bX
n( XY )  ( X )(  Y )
b
n  X 2  ( X ) 2

b= 3.05

a  Y  bX
a= 349.20

La recta de regresión es: Y=

2. CALCULO DEL COEFICIENTE DE CORRELACION

n( XY )  ( X )(  Y )
r
 n X 2

 ( X ) 2 n  Y 2  ( y ) 2 
 r= 0.6028944723
R^2= 0.3634817447

CONCLUSION: El Coeficiente de correlación es positivo, por lo que hay una rela

la inversión en publicidad y las ventas. Es bueno utilizar esta ecuación para pro

CONCLUSION: El Coeficiente de Determinación dice que 36,34% de la variac

ecuación de regresión el nivel de ventas mediante la inversión en publicidad?.

3. PRUEBA DE LA IMPORTANCIA DEL COEFICIENTE DE CORREL

H0 : ρ = 0 (La correlación entre la población es ce
H1 : ρ ≠ 0 (La correlación entre la población es di

Por la formulación de H1 la prueba es de 2 colas y usamos para calcular t de student:

r n2
t Con gl=(n-2) grados de libertad =
1 r 2
Para un intervalo de confianza c=95%
Nivel de significancia 0,05
En Tabla t student se observa: t=

-2,228

Con un nivel de significancia de 0.05, la regla de decisión en este caso indica que si el valo
calculado de t se encuentra en el área entre +2.228 y -2.228, entonces no se rechaza la h
nula. Para ubicar el valor crítico de 2.228, mire la tabla t-student para gl = 10.
Calculemos t:

t= 2.390
El valor t calculado se encuentra en la región de rechazo. Por ello, H0 se rechaza con un n
de significancia de 0.05. Esto significa que la correlación entre la pob
un punto de vista práctico, esto indica que hay una correlación entre la inversión en publi
y el nivel de ventas.

4. ANALISIS DE REGRESION

S xy 
 ( X  X )(Y  Y )
n

Sx 
(X  X ) 2

Sy 
 (Y  Y ) 2

Entonces: Sxy=
Sx=
Sy=
El coeficiente de correlación lineal de PEARSON será:

S xy r=
r
SxS y
Sy
Cálculo de b: br
Sx
b= 3.05

Ecuación de regresión lineal:

 La recta de regresión es: Y=

5. RELACION ENTRE COEFICIENTE DE CORRELACION, COEFICIE

Tabla 4. Datos en $Millones de las ventas y la inversión en publicidad
Inversión en publicidad X(i) Ventas Y(i)
42 383
21 406
25 395
20 365
30 475
50 440
40 490
20 420
50 560
40 525
25 480
50 510
TOTAL 413 5449

Promedio de X= 34.42
Promedio de Y= 454.08
Suma de Cuadrados Total SCT= 41924.917
Suma de Cuadrados del Error SCE= 26685.975

Coeficiente de Determinación R^2= 0.3634817447

ANÁLISIS DE VARIANZA ( ANOVA)

Grados de libertad
Regresión 1
Residuos 10
Total 11

La suma de cuadrados ANOVA se calcula como sigue:

 a) Suma de Regresión de los cuadrados=

b) Suma del Residual o error de los Cuadrados SCE=

c) Suma Total de los Cuadrados SCT=

d) Promedio de los Cuadrados de la Regresión CMR=

e) Cuadrados Medios del Error CME =

f) El valor de F será:
 X^2(i) Y^2(i) X(i)*Y(i) [X(i)-prom(Xi)]
1764 146689 16086 7.58
441 164836 8526 -13.42
625 156025 9875 -9.42
400 133225 7300 -14.42
900 225625 14250 -4.42
2500 193600 22000 15.58
1600 240100 19600 5.58
400 176400 8400 -14.42
2500 313600 28000 15.58
1600 275625 21000 5.58
625 230400 12000 -9.42
2500 260100 25500 15.58
15855 2516225 192537 2.8421709430404E-14

Promedio(X)= 34.42
Promedio(Y)= 454.08

Pendiente de la recta de regresión

Intercepto con el eje Y.

349.20 + 3.05 X

ACION
Coeficiente r de PEARSON
 Coeficiente de Correlación Múltiple
Coeficiente de Determinación

vo, por lo que hay una relación directamente proporcional entre las dos variables X e Y. Como es
zar esta ecuación para proyectar a futuro ventas basados en valores de publicidad.

que 36,34% de la variación de las ventas se explica o está representado por la variación en la i
inversión en publicidad?.

FICIENTE DE CORRELACION
ación entre la población es cero)
ación entre la población es diferente de cero)

ara calcular t de student:

n-2) grados de libertad = 10

tervalo de confianza c=95%
gnificancia 0,05
2.228

2,228

este caso indica que si el valor

entonces no se rechaza la hipótesis
dent para gl = 10.
r ello, H0 se rechaza con un nivel
elación entre la población no es cero. Desde
ón entre la inversión en publicidad

Covarianza entre X e Y

Desviación estándar de X

Desviación estándar de Y

416.7152777778
11.694
59.108

0.60289 El mismo resultado obtenido en el punto 2!!.

El mismo resultado obtenido en el punto 1!!.

 349.20 + 3.05 X

RELACION, COEFICIENTE DE DETERMINACION Y ERROR ESTÁNDAR DE ESTIM

Y^(i) [Yi-Y^i]^2 [Yi-Prom(Yi)]^2 [Y^i-Prom(Yi)]^2

477 8872.327 5052.840 534.058
413 51.796 2312.007 1671.697
425 923.350 3490.840 823.498
410 2038.478 7935.840 1930.181
441 1181.720 437.507 181.158
502 3791.172 198.340 2255.220
471 357.279 1290.007 289.505
410 97.032 1161.674 1930.181
502 3413.773 11218.340 2255.220
471 2905.408 5029.174 289.505
425 2982.615 671.674 823.498
502 71.023 3126.674 2255.220
26685.975 41924.917 15238.942

Error Standard de estimación

El mismo resultado obtenido en el punto 2!!.

Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

15238.942 15238.942 5.710 0.038
26685.975 2668.597
41924.917
15238.942

26685.975

41924.917

15238.942

2668.597

5.710
[Y(i)-Prom(Yi)] [X(i)-prom(Xi)]^2 [Y(i)-Prom(Yi)] ^2 [X(i)-prom(Xi)]*[Y(i)-Prom(Yi)]
-71.08 57.5069444444 5052.8402777778 -539.0486111111
-48.08 180.0069444444 2312.0069444445 645.1180555556
-59.08 88.6736111111 3490.8402777778 556.3680555556
-89.08 207.8402777778 7935.8402777778 1284.2847222222
20.92 19.5069444444 437.5069444444 -92.3819444444
-14.08 242.8402777778 198.3402777778 -219.4652777778
35.92 31.1736111111 1290.0069444445 200.5347222222
-34.08 207.8402777778 1161.6736111111 491.3680555556
105.92 242.8402777778 11218.3402777778 1650.5347222222
70.92 31.1736111111 5029.1736111111 395.9513888889
25.92 88.6736111111 671.6736111111 -244.0486111111
55.92 242.8402777778 3126.6736111111 871.3680555556
0 1640.92 41924.92 5000.58
s variables X e Y. Como es un valor mas cerca de 1 que de 0, existe una buena correlación entre
publicidad.

do por la variación en la inversión para publicidad. Es decir, con cuanta exactitud predice la
 El mismo resultado obtenido en el punto 1!!.

ESTÁNDAR DE ESTIMACION
a buena correlación entre

a exactitud predice la
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones

ANÁLISIS DE VARIANZA

Regresión
Residuos
Total

Intercepción
Variable X 1

El resultado en forma analítica y en Excel es el mismo!

600

550

500
f(x) = 3.0474328373x + 34
R² = 0.3634817447

450

400

350

300
15 20
350

300
15 20
 Ejercicio elaborado por:
Wilder Rincón
0.6029
0.3635
0.2998299192
51.6584695968
12

Grados de libertad Suma de cuadrados Promedio de los cuadrados F

1 15238.9418558394 15238.9418558394 5.7104685004
10 26685.9748108273 2668.5974810827
11 41924.9166666667

Coeficientes Error típico Estadístico t Probabilidad

349.20 46.3543796052 7.5332871706 1.9855478555388E-05
3.05 1.2752586347 2.3896586577 0.0379807415

Gráfico de Dispersión con Recta de Regres

f(x) = 3.0474328373x + 349.2008531817

R² = 0.3634817447

20 25 30 35 40
20 25 30 35 40
 Valor crítico de F
0.0379807415

Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

245.9168590235 452.48484734 245.9168590235 452.4848473398
0.2059795269 5.8888861477 0.2059795269 5.8888861477

ecta de Regresión

40 45 50 55
40 45 50 55