Está en la página 1de 102

Un gerente de mercadotécnica de una cadena de supermerca

9.3 para mascotas. Se seleccionó una muestra aleato

Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.8270006398
Coeficiente de
determinación R^2 0.6839300583
R^2 ajustado 0.6523230641
Error típico 0.308058436014987 (Syx)
Observaciones 12

ANÁLISIS DE VARIANZA

Grados de libertad

Regresión 1
Residuos 10
Total 11

Coeficientes
Intercepción 1.45 (b₀)
Espacio en anaquel, X
(pies) 0.074 (bi)

a) Grafique el diagrama de dispersión

Diagrama de dispersión
3.5

3
f(x) = 0.074x + 1.45
2.5
Ventas semanales

1.5

0.5

0
4 6 8 10 12 14 16 18 20
Espacio en anaquel

b) Suponga una relación lineal y utilice el método de mínimos cuadrados

b₀ = 1.45 Ordenada de origen


bi = 0.074 pendiente de la ecuación

c) Interprete el significado de la pendiente b ₁ en este problema

Por cada aumento de 1 pie en el espacio de los anaqueles de la tienda, signif

d) pronostique las ventas semanales promedio (en cientos de dólares) d

Ŷ= 1.45 + 0.074 Xi
Ŷ= 1.45 + 0.074 (8) = 2.042 (en cientos de dólares)
La media de ventas semanales pronosticadas para la venta de comida de ma

e) Suponga que las ventas de la tienda 12 son 2.6 . Resuelva los incisos

Espacio en anaquel, X
Tienda (pies)
1 5
2 5
3 5
4 10
5 10
6 10
7 15
8 15
9 15
10 20
11 20
12 20

Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.7827936877
Coeficiente de
determinación R^2 0.6127659574
R^2 ajustado 0.5740425532
Error típico 0.3115552385
Observaciones 12

ANÁLISIS DE VARIANZA

Grados de libertad
Regresión 1
Residuos 10
Total 11

Coeficientes
Intercepción 1.53333333 (b₀)
Espacio en anaquel, X
(pies) 0.064 (b₁)

(d) Ŷ= 0.064x + 1.5333


Ŷ= 0.064(8) + 1.5333= 2.045333
La media de ventas semanales pronosticadas para la venta de comida de ma

Al compara resultados podemos ver que de 204.2 dólares que era la estimaci
12. Por consiguiente podemos ver que casi no se modificó el pronóstico del r

f) que espacio de repisas recomendaría que el gerente asignara a la com

g) Determine el coeficiente de determinación de r² e interprete su signific

r² = 0.683930058284763
El coeficiente de correlación significa que el 68.39% de las ventas semanales

h)Determine la estimación del error estándar

La estimación del error estándar es de 0.308058436014987 (Syx), en cientos

i)¿Qué tan útil cree usted que es este modelo de regresión para predecir

Este modelo de regresión no lo consideraría tan útil debido a que el 31.61% d


lo que también el error estándar es un poco elevado debido a que las ventas e
bastante elevado.

9.27 El gerente usó el espacio ena

Análisis de los residuales


Pronóstico Ventas semanales,
Observación Y (cientos de dólares)
1 1.82
2 1.82
3 1.82
4 2.19
5 2.19
6 2.19
7 2.56
8 2.56
9 2.56
10 2.93
11 2.93
12 2.93

Ventas semanales, Yi
N (cientos de dólares)
1 1.6
2 2.2
3 1.4
4 1.9
5 2.4
6 2.6
7 2.3
8 2.7
9 2.8
10 2.6
11 2.9
12 3.1

D=(∑_(𝑖=2)^�▒( (
𝑒𝑖 − (𝑒𝑖−1) )²)/
(∑_(𝑖=1)^�▒ 〖 (
〖�� ) 〗 ^2 〗 )
D=(∑_(𝑖=2)^�▒( (
𝑒𝑖 − (𝑒𝑖−1) )²)/
(∑_(𝑖=1)^�▒ 〖 (
〖�� ) 〗 ^2 〗 )
Autocorrelación Indecisión
positiva

0 dl

1.08 1.36
Datos:
n=12
p=1 Indecisión:
Dexp= 2.5086 Autocorrelación negativa:
α=0.05 Autocorrelación positiva:
No existe autocorrelación:

datos para el Durbin Watson


p= Núm.. De observaciones (variables independie
α= nivel de significancia
n=tamaño de muestra

a) Es necesario calcular el estadístico Durbin-Watson? Explique.

El durbin watson mide la autocorrelación (una relación entre los valores sepa
análisis de la regresión. Nos sirve para ver que se cumplan las suposiciones d

b) En que circunstancias sería necesario calcular el estadístico de Durbi


regresión?

Cuando al momento de generar el análisis de residuales se vea una autocorre

9.42 El gerente de mercadotecnia usó el espacio de anaqueles con comida


obtuvo

Prueba T para la pendiente (sigue la distribución t con n-2 grados de libertad


H₀ = 0 (no existe una relación lineal)
H₁ ≠ 0 (Existe una relación lineal)

n=12
estadístico t : 4.65172730418922
α=0.05 /2 = 0.025

por que es una prueba de dos colas

Debido a que la H₀ cae en la zona de rechazo, si dice que existe una relación

Prueba F para la pendiente (sigue una distribución F con k y n-k-1 grados de

H₀ = 0 (no existe una relación lineal)


H₁ ≠ 0 (Existe una relación lineal)

Estadístico F : 21.6385669125395
k=1
0
n=12

Como cae en la región de


rechazo se concluye que el
espacio del anaquel se
relaciona con las ventas de
comida para mascota.

Intervalo de confianza para la pendiente β₁

�_1±𝑡_(�−2) 𝑆_(�_1 )

b₁=0.074
𝑡_(�−2)= 2.2281
𝑆_(�_1 )
=0.0160886433375982
𝑆_(�_1 )
=0.0160886433375982
a) establezca un intervalo de confianza estimado de 95% de las ventas se
anaqueles de comida para mascotas

Estimación de intervalo de confianza para la respuesta promedio Y

Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌 Ŷ𝑖+ 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌 √ℎ𝑖


√ℎ𝑖≤ 𝜇_𝑥𝑦≤
Syx = 0.308058436014987
𝑡_(�−2)= 2.2281
Ŷ= 1.45 + 0.074 Xi

Ŷ= 1.45 + 0.074(8) = 2.042


Ŷ= 2.042

Promedio 𝑥 

ℎ𝑖=1/12+ 〖 (8−12.5) 〗 ^2/375 =


0.137333

Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√ℎ𝑖≤ 𝜇_𝑥𝑦≤
1.7875 ≤ 𝜇_𝑥𝑦≤ 2.2946

b) establezca un intervalo de predicción de 95% de las ventas semanales


comida para mascotas.

Estimación de intervalo de confianza para la respuesta Individual Y

Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√(ℎ𝑖+1)≤ 𝜇_𝑥𝑦≤
Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√(ℎ𝑖+1)≤ 𝜇_𝑥𝑦≤
1.310138 ≤ 𝜇_𝑥𝑦≤ 2.773861
hi+1 = 1.137333
Ŷ= 2.042
𝑡_(�−2)= 2.2281
Syx = 0.308058436014987

c) Explique las diferencias entre los resultados obtenidos en (a) y (b).

Que cuando se utiliza una respuesta individual, el intervalo es mucho mayor q

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.8270006398
Coeficiente de determinación R^2 0.6839300583
R^2 ajustado 0.6523230641
Error típico 0.308058436
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 10
Total 11

Coeficientes
Intercepción 1.45
Espacio en anaquel, X (pies) 0.074
a cadena de supermercado desea determinar el efecto de espacio de anaqueles
cionó una muestra aleatoria de 12 tiendas del mismo tamaño con los siguiente

Ventas
semanales, Y
Espacio en (cientos de
Tienda anaquel, X (pies) dólares)
1 5 1.6
2 5 2.2
3 5 1.4
4 10 1.9
5 10 2.4
6 10 2.6
7 15 2.3
8 15 2.7
9 15 2.8
10 20 2.6
11 20 2.9
12 20 3.1

(r²)

Promedio de los Valor crítico


Suma de cuadrados cuadrados F de F
21.63856691253
95 (estadístico
2.0535 (SSR) 2.0535 (MSR) F) 0.000905656
0.949 (SSE) 0.0949 (MSE)
3.0025 (SST)

Error típico Estadístico t Probabilidad Inferior 95%


0.2178302091 6.6565606577 5.66277772E-05 0.964644048
0.015908069231263 4.6517273041892
(sb₁) (Estadístico t) 0.0009056558 0.038554613

spersión Se observa una relación lineal positiva y cre

14 16 18 20 22
naquel

étodo de mínimos cuadrados para encontrar los coeficientes de regresión b ₀ y b ₁ en este p

Ŷ= b₀ + bi Xi
Ŷ= 1.45 + 0.074 Xi

₁ en este problema

anaqueles de la tienda, significa un aumento de 0.074 en cientos de dólares.

dio (en cientos de dólares) de comida para mascotas con 8 pies de espacio en anaqueles p
ara la venta de comida de mascotas en 8 pies de anaquel es de 204.2 dólares.

on 2.6 . Resuelva los incisos (a) y (d) con este valor y compare los resultados

Ventas semanales, Y
(cientos de dólares) (a) Gráfico de dispersió
1.6 3.5

2.2 3
1.4
f(x) = 0.064x + 1.5333333333
1.9 2.5

Ventas semanales
2.4 2
2.6
2.3 1.5

2.7
1
2.8
2.6 0.5

2.9
0
2.6 4 6 8 10 12 14

Espacio en anaque

Promedio de los Valor crítico


Suma de cuadrados cuadrados F de F
1.536 1.536 15.8241758242 0.002609547
0.9706666667 0.0970666667
2.5066666667

Error típico Estadístico t Probabilidad Inferior 95%


0.2203028219 6.9601166257 3.89906547E-05 1.042468057

0.0160886433 3.9779612648 0.0026095466 0.028152269

ara la venta de comida de mascotas en 8 pies de anaquel es de 204.53 dólares.

4.2 dólares que era la estimación con los datos iniciales, cambió a 204.53 dólares con la modifica
se modificó el pronóstico del resultados entre ambos, debido a la relación lineal que existe entre

el gerente asignara a la comida para mascotas? Explique

n de r² e interprete su significado.

39% de las ventas semanales de comida para mascotas, dependen del espacio que utilice en el

8436014987 (Syx), en cientos de dólares (30.80 dólares). Es decir es la medida de variación alre

o de regresión para predecir las ventas?

n útil debido a que el 31.61% de las ventas no depende del espacio utilizado ene el anaquel, sino
vado debido a que las ventas entre las tiendas oscilan entre los 140 y 310 dólares, y con un erro

erente usó el espacio enanauqeles para predecir las ventas semanales.


Residuos Espacio en anaquel, X (pies) Gráfic
-0.22 0.5
0.38 0.4
0.3
-0.42
0.2
-0.29
0.1

Residuos
0.21 0
0.41 -0.1 1.6 1.8 2 2.2 2.4

-0.26 -0.2

0.14 -0.3
-0.4
0.24
-0.5
-0.33
Espacio en anaquel, X (pies)
-0.03
0.17

Pronóstico Ventas
semanales, Ŷi (cientos de
dólares) ei= (Yi - Ŷi) (ei)² ei - (ei-1)
1.82 -0.22 0.0484
1.82 0.38 0.1444 -0.6
1.82 -0.42 0.1764 0.8
2.19 -0.29 0.0841 -0.13
2.19 0.21 0.0441 -0.5
2.19 0.41 0.1681 -0.2
2.56 -0.26 0.0676 0.67
2.56 0.14 0.0196 -0.4
2.56 0.24 0.0576 -0.1
2.93 -0.33 0.1089 0.57
2.93 -0.03 0.0009 -0.3
2.93 0.17 0.0289 -0.2
Σ 0.949 Σ

D exp.= 2.3807/0.949= 2.5086406744


No existe
autocorrelación Indecisión Autocorrelación
negativa

du 2 4-du 4-dl 4
2.5086

1.36 2.92 2.64

No se considera confiable el modelo


No se considera confiable el modelo
el modelo de regresión lineal se considera confiable

n Watson
vaciones (variables independientes del modelo)

n-Watson? Explique.

elación entre los valores separados el uno del otro por un intervalo de tiempo dado) en los residu
se cumplan las suposiciones de la regresión y que el modelo de regresión obtenido sea válido.

cular el estadístico de Durbin-Watson antes de proceder con el método de mínimos cuadr

esiduales se vea una autocorrelación es decir (un patrón) en la gráfica.

cio de anaqueles con comida para mascotas para predecir las ventas semanales. Utilice la
obtuvo al resolver este problema

ón t con n-2 grados de libertad) Región de NO rechazo


relación lineal)
ación lineal)

2.2281 -2.2281 2.2281

Región de rechazo

si dice que existe una relación lineal entre el espacio de anaquel y las ventas

ución F con k y n-k-1 grados de libertad)

21.6385

3.62

región de rechazo

región de No rechazo

�_1−𝑡_(�−2) β₁ ≤〖 �〗 _1+𝑡_(�−2)
𝑆_(�_1 )≤ 𝑆_(�_1 )
0.0383504 ≤ β₁≤ 0.1096496
mado de 95% de las ventas semanales promedio para todas las tiendas que tienen 8 pies c

esta promedio Y

〖 𝑆〗 _𝑋𝑌 √ℎ𝑖
ℎ𝑖=1/�+ 〖 (𝑥_𝑖− 𝑥 )  〗
^2/
(∑24_(𝑖=1)^�▒ 〖 (𝑥_𝑖−𝑥
 )² 〗 )

Espacio en anaquel,
X (pies) (𝑥_𝑖 − 𝑥   ) (𝑥_𝑖 − 𝑥   )²
5 -7.5 56.25
5 -7.5 56.25
5 -7.5 56.25
10 -2.5 6.25
10 -2.5 6.25
10 -2.5 6.25
15 2.5 6.25
15 2.5 6.25
15 2.5 6.25
20 7.5 56.25
20 7.5 56.25
20 7.5 56.25
∑▒
12.5 = 375

〗 _𝑋𝑌 Ŷ𝑖+ 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌 √ℎ𝑖

≤ 𝜇_𝑥𝑦≤ 2.2946

95% de las ventas semanales para una tienda individual que tiene 8 pies cuadrados de esp

esta Individual Y
Ŷ𝑖+ 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√(ℎ𝑖+1)
8 ≤ 𝜇_𝑥𝑦≤ 2.773861

dos obtenidos en (a) y (b).

el intervalo es mucho mayor que cuando se generaliza.

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


2.0535 2.0535 21.6385669125 0.0009056558
0.949 0.0949
3.0025

Error típico Estadístico t Probabilidad Inferior 95%


0.2178302091 6.6565606577 5.66277771573376E-05 0.964644048
0.0159080692 4.6517273042 0.0009056558 0.0385546129
cio de anaqueles en las ventas de comida
on los siguientes resultados.

p-value
Superior
Superior 95% Inferior 95.0% 95.0%
1.935355952 0.964644048 1.935355952

0.1094453871 0.038554613 0.1094453871

lineal positiva y creciente

ón b ₀ y b ₁ en este problema.

cio en anaqueles para ello.


Gráfico de dispersión

+ 1.5333333333

10 12 14 16 18 20 22

Espacio en anaquel

Superior
Superior 95% Inferior 95.0% 95.0%
2.02419861 1.042468057 2.02419861

0.0998477313 0.028152269 0.0998477313

ares con la modificación que se le hizo a la tienda


eal que existe entre ambas variables.

cio que utilice en el anaquel.

da de variación alrededor de la línea de predicción

ene el anaquel, sino que a otro tipo de variables. Por


lares, y con un error estándar de 30.8 dólares es

manales.
el, X (pies) Gráfico de los residuales

2.2 2.4 2.6 2.8 3

spacio en anaquel, X (pies)

(ei - (ei-1) )²

0.36
0.64
0.0169
0.25
0.04
0.4489
0.16
0.01
0.3249
0.09
0.04
2.3807
o dado) en los residuos (errores de predicción) de un
btenido sea válido.

de mínimos cuadrados para el análisis de

manales. Utilice la salida de computadora que


4.65172

(sigue la distribución t con n-2 grados de


libertad)

Región de rechazo
que tienen 8 pies cuadrados de espacio en los

cuadrados de espacio en los anaqueles de


Superior 95% Inferior 95.0% Superior 95.0%
1.935355952 0.964644048 1.935355952
0.1094453871 0.0385546129 0.1094453871
No existe
Indecisión autocorrelación Indecisión
Autocorrelación
Positiva

0 dl du 2 4-du
Autocorrelación
negativa

4-dl 4
9.4 Suponga que el gerente de una cadena de servicios de entrega de paquetería des
número de clientes que realizan compras. Se selec

Resumen

Estadísticas de la regresión

Coeficiente de
correlación múltiple 0.9549132001
Coeficiente de
determinación R^2 0.9118592197
R^2 ajustado 0.9069625097
Error típico 0.5014952145
Observaciones 20

ANÁLISIS DE VARIANZA
Suma de
cuadrado
Grados de libertad s
Regresión 1 46.83354
Residuos 18 4.526954
Total 19 51.3605

Error
Coeficientes típico
Intercepción (b₀ )2.4230443959271 0.480965
Clientes (bi) 0.00872933817147358 0.00064

a) Grafique el diagrama de dispersión

14

12

10

0
300 400 500 600 700 800 900 1000

b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encon

b₀ = 2.4230443959271 Ordenada de origen Ŷ= b₀ + bi Xi


bi = 0.00872933817147358 pendiente de la ecuación Ŷ= 2.4230 + 0.00872 Xi

c) Interprete el significado de la pendiente b₁ en este problema

bi = 0.00872933817147358 pendiente de la ecuación

d) pronostique las ventas semanales promedio (en miles de dólares) para las tiendas

Ŷ= 2.4230 + 0.00872 Xi Ŷ= 2.4230 + 0.00872 (600)


e) Suponga que las ventas de la tienda 19 son 14.77 . Resuelva los incisos (a) y (d) co

Tienda
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

Resumen

Estadísticas de la
regresión

Coeficiente de
correlación múltiple 0.8953108369
Coeficiente de
determinación R^2 0.8015814948
R^2 ajustado 0.789909818
Error típico 0.9367572431
Observaciones 19

ANÁLISIS DE VARIANZA
Suma de
cuadrado
Grados de libertad s
Regresión 1 60.26547
Residuos 17 14.91774
Total 18 75.18321

Error
Coeficientes típico
Intercepción (b₀) 1.66232666665967 0.915452
Clientes (bi)0.0100068414036185 0.001208

16
a)
14

12

10

8
Column F

0
300 400 500 600 700 800 900 1000 1100

f) que otros factores además del número de clientes pueden afectar las ventas?

g) Determine el coeficiente de determinación de r² e interprete su signific

h)Determine la estimación del error estándar


i)¿Qué tan úti cree usted que es este modelo de regresión para predecir l

Coeficiente de
determinación R^2 0.801581494750721

Debido a que el el coeficinte de correlación es de 0.801581494750721 . significa que e

m=ΔY/ΔX
m= 0.074/1
significa que cada pie utilizado en el anaquel representa el 0.074 de las ventas semana

9.34 En el problema 9.4 un gerente deseaba predecir ls ventas semanaleas de una cadena de tie

a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre el n

b) Establezca un intervalo de confianza estimando de 95% para la pendiente de la población β1

9.43 en el problema 9.4, un gerente deseaba predecir las ventas semanale s de una cadena de ti

a) establezca un intervalo de confianza estimado de 95% de las ventas semanales pr

b) establezca un intervalo de predicción de 95% de las ventas semanales para una tie

c) Explique las diferencias entre los resultados obtenidos en (a) y (b).


s de entrega de paquetería desea desarrollar un modelo para predecir las ventas semanales (en miles de
que realizan compras. Se seleccionó una muestra aleatoria entre todas las tiendas de la cadena con los s

Tienda Clientes Ventas ($000)


1 907 11.2
2 926 11.05
3 506 6.84
4 741 9.21
5 789 9.42
6 889 10.08
7 874 9.45
8 510 6.73
9 529 7.24
10 420 6.12
11 679 7.63
12 872 9.43
13 924 9.46
14 607 7.64
15 452 6.92
16 729 8.95
17 794 9.33
18 844 10.23
19 1010 11.77
Promedio de
los cuadrados F Valor crítico de F
46.833540896 186.2187503617 6.2062084969E-11
0.2514974502

Estadístico t Probabilidad Inferior 95% Superior 95%


5.0378850095 8.5538847661E-05 1.4125752474 3.4335135445
13.646199118 6.2062084969E-11 0.0073853992 0.0100732772

Column H

600 700 800 900 1000 1100

mínimos cuadrados para encontrar los coeficientes de regresión b₀ y b₁ en este problema.

= b₀ + bi Xi
= 2.4230 + 0.00872 Xi

roblema

es de dólares) para las tiendas que tienen 600 clientes

= 2.4230 + 0.00872 (600)7.655


Resuelva los incisos (a) y (d) con este valor y compare los resultados

Clientes Ventas ($000)


907 11.2
926 11.05
506 6.84
741 9.21
789 9.42
889 10.08
874 9.45
510 6.73
529 7.24
420 6.12
679 7.63
872 9.43
924 9.46
607 7.64
452 6.92
729 8.95
794 9.33
844 10.23
1010 14.77
Promedio de
los cuadrados F Valor crítico de F
60.265470274 68.6774925234 2.2506319419E-07
0.8775141325

Estadístico t Probabilidad Inferior 95% Superior 95%


1.8158532886 0.0870717269 -0.2691083886 3.5937617219
8.2871884571 2.2506319419E-07 0.0074592235 0.0125544593

d) Ŷ= b₀ + bi Xi
Ŷ= 1.66232 + 0.01000Xi
Ŷ= 1.66232 + 0.01000(600) =

Column F

1000 1100

ueden afectar las ventas?

e r² e interprete su significado.
e regresión para predecir las ventas?

581494750721 . significa que el 80.15% de las ventas semanales es debido al número de clientes que real

a el 0.074 de las ventas semanales

entas semanaleas de una cadena de tiendas de envio de paquetes con base en el número de clintes. Utilice la salida de la computado

de una relacion lineal entre el número de clientes y las ventas?

ndiente de la población β1

s ventas semanale s de una cadena de tiendas de envío de paquetes con base en el número de clinetes. Utilice la salida de computdora

5% de las ventas semanales promedio para todas las tiendas que tienen 600 clientes

ventas semanales para una tienda individual que tiene 600 clientes.

dos en (a) y (b).


as ventas semanales (en miles de dólares) para las tiendas individuales basado en el
as tiendas de la cadena con los siguientes resultados.
Superior
Inferior 95.0% 95.0%
1.4125752474 3.433514
0.0073853992 0.010073

en este problema.
Superior
Inferior 95.0% 95.0%
-0.2691083886 3.593762
0.0074592235 0.012554

7.66232
do al número de clientes que realizan compras.

e clintes. Utilice la salida de la computadora que obtuvo al resolver ese problema.

de clinetes. Utilice la salida de computdora que obtiuvo al resolver ese problema.

n 600 clientes
Una compañía que fabrica partes de máquinaria quiere desarrollar un modelo para es
de diversos tamaños. Se selecciona una muestra aleatoria de 14 corridas de prod
9.5

Resumen

Estadísticas de
la regresión

Coeficiente de
correlación
múltiple 0.9938739628

Coeficiente de
determinación
R^2 0.987785454
R^2 ajustado 0.9867675751
Error típico 4.7100449902

Observaciones 14

ANÁLISIS DE
VARIANZA
Suma de
cuadrado Promedio de los
Grados de libertad s cuadrados
Regresión 1 21528.64 21528.6428571429
Residuos 12 266.2143 22.1845238095
Total 13 21794.86

Coeficientes Error típico Estadístico t


Intercepción 12.6785714286 3.389456 3.7405914837
Tamaño de lote 1.9607142857 0.062941 31.1518089776

a) Grafique el diagrama de dispersión

180

160

140

120

100
Colu
80

60

40

20

0
10 20 30 40 50 60 70 80 90

b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encon

b₀ = Ordenada de origen Ŷ= b₀ + bi Xi
bi = pendiente de la ecuación Ŷ=

c) Interprete el significado de la ordenada b₀ y la pendiente b₁ en este problema

b₀ = Ordenada de origen
bi = pendiente de la ecuación

d) pronostique el número promedio de horas-trabajador requeridas para una corrida


Ŷ= b₀ + bi Xi

e) ¿Por qué no es adecuado predecir el número promedi ode horas-trabajador reque

f) Suponga que las horas-trabajador para el lote de tamaño 60 son 117 y 119. resuel

g) Determine el coeficiente de determinación de r² e interprete su signific

h)Determine la estimación del error estándar

i)¿Qué tan úti cree usted que es este modelo de regresión para predecir l

9.35 En el problema 9.5, una compañía desea predecir las horas-trabajo requeridas para la

a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre el t

b) Establezca un intervalo de confianza estimando de 95% para la pendiente de la población β1

9.44 En el prolema 9.5, unna compañía deseaba predecir las horas-trabajo requerida

a) establezca un intervalo de confianza estimado de 95% de las hora-trabajo promed

b) establezca un intervalo de predicción de 95% de las horas-trabajo para un lote ind

c) Explique las diferencias entre los resultados obtenidos en (a) y (b).


ollar un modelo para estimar el número de horas-trabajador requeridas para corridas de producción de lo
a de 14 corridas de producción (2 para cada tamaño de lote de 20, 30, 40, 50, 60, 70 y 80) y se obtiene los
siguientes resultados:

Tamaño de lote Horas-Trabajador


20 50
20 55
30 73
30 67
40 87
40 95
50 108
50 112
60 128
60 135
70 148
70 160
80 170
80 162
F Valor crítico de F
970.4352025758 7.53115899659E-13

Probabilidad Inferior 95% Superior 95% Inferior 95.0%


0.0028189235 5.2935805225 20.0635623347 5.293581
7.53115899658766E-13 1.8235784473 2.0978501241 1.823578

Column G

70 80 90

s cuadrados para encontrar los coeficientes de regresión b₀ y b₁ en este problema.

b₁ en este problema

ueridas para una corrida de producción con un tamaño de lote de 45.


horas-trabajador requeridas para una corrida de producción de un lote de tamaño 100? Explique

60 son 117 y 119. resuelva los incisos (a) y (d) con estos valores y compare los resultados.

nterprete su significado.

esión para predecir las horas de trabajo?

ras-trabajo requeridas para la produccion según el tamaño de lotre. Utilice la salida de computadora que obtuvo para resolver ese pro

relacion lineal entre el tamaño del lote y las horas trabajo?

e la población β1

cir las horas-trabajo requeridas para la producción según el tamaño de lote. Utilice la salida de computadora que obtuvo para resolver

as hora-trabajo promedio para un lote de tamaño 45.

trabajo para un lote individual de tamaño 45.

a) y (b).
das de producción de lotes
0 y 80) y se obtiene los
Superior 95.0%
20.0635623347
2.0978501241
o 100? Explique

obtuvo para resolver ese problema.

ora que obtuvo para resolver ese problema.


Una compañía que tiene los derechos de distribución de las ventas de vid
9.6 unidades que puede esperar para vender. Se dispone de datos para 30 pe
dólares) y el número de unidades vendidas (en miles) d

Pelicula
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Resumen

Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.8530886948
Coeficiente de
determinación R^2 0.7277603212
R^2 ajustado 0.7180374755
Error típico 47.8667884987
Observaciones 30

ANÁLISIS DE VARIANZA
Suma de Promedio de los
Grados de libertad cuadrados cuadrados
Regresión 1 171499.777994 171499.7779937
Residuos 28 64154.4243529 2291.229441177
Total 29 235654.202347

Coeficientes Error típico Estadístico t


Intercepción 76.5351423861 11.8318417215 6.4685738863
Ganancia bruta en taqui 4.3331081054 0.5008434907 8.6516210877

a) Grafique el diagrama de dispersión


400

350

300

250

200
Column G
150

100

50

0
0 10 20 30 40 50 60 70

b) Utilice el método de mínimos cuadrados para encontrar los coeficientes de regresión

c) Establezca la ecuación de regresión

d)Interprete el significado de b₀ y b₁ en este problema.

e)Pronostique el número promeio de unidades de video que se venderán para una pelíc
f)¿ Qué otros factores además de la ganacia en taquilla pueden ser útiles para predecir

g) Determine el coeficiente de determinación de r² e interprete su significad

h)Determine la estimación del error estándar

i)¿Qué tan úti cree usted que es este modelo de regresión para predecir las

9.36 En el problema 9.6 una compañía deseaba predecir las ventas de videos con base en las ganancias bruta

a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre las gan

b) Establezca un intervalo de confianza estimando de 95% para la pendiente de la población β1

9.45 En el problema 9.6, un acompañia deseaba predecir la venta de vidos con base en la ganac

a) establezca un intervalo de confianza estimado de 95% de las ventas promedio de vid

b) establezca un intervalo de predicción de 95% de las vebtas de videos de una pelicula

c) Explique las diferencias entre los resultados obtenidos en (a) y (b).


istribución de las ventas de videos de películas liberadas desea poder estimar la cantidad de
Se dispone de datos para 30 películas que indican la ganacia bruta en taquilla (en millones de
unidades vendidas (en miles) de videos. Los resultados son los siguientes:

Ganancia bruta en taquilla


(millones de dolares) Videos vendidos (en miles)
1.1 57.18
1.13 26.17
1.18 92.79
1.25 61.6
1.44 46.5
1.53 85.06
1.53 103.52
1.69 30.88
1.74 49.29
1.77 24.14
2.42 115.31
5.34 87.04
5.7 128.45
6.43 126.64
8.59 107.28
9.36 190.8
9.89 121.57
12.66 183.3
15.35 204.72
17.55 112.47
17.91 162.95
18.25 109.2
23.13 280.79
27.62 229.51
37.09 277.68
40.73 226.73
45.55 365.14
46.62 218.64
54.7 286.31
58.51 254.58
F Valor crítico de F
74.8505474448 2.1259008078053E-09

Probabilidad Inferior 95% Superior 95%


5.23655243209884E-07 52.2987133032 100.7715714689
2.1259008078053E-09 3.3071767222 5.3590394885

Column G

50 60 70

ontrar los coeficientes de regresión b₀ y b₁.

deo que se venderán para una película que tuvo una ganacia en taquilla de 20 millones de dólares
illa pueden ser útiles para predecir las unidades que se venderán?

de r² e interprete su significado.

de regresión para predecir las ventas?

ntas de videos con base en las ganancias brutas en taquilla de las películas. Utilice la salida del programa de computadora que obtuvo para

a de una relacion lineal entre las ganacias de taquilla y las ventas de videos?

endiente de la población β1

redecir la venta de vidos con base en la ganacia bruta en taquilla de la preliculas. Utilice la salida de computadora que obtuvo al resolver es

95% de las ventas promedio de videos para todas las peliculas con ganancias en taquilla sde 10 millones de

as vebtas de videos de una pelicula individual con ganancias en taquilla de 10 millones de dólares

nidos en (a) y (b).


er estimar la cantidad de
taquilla (en millones de
entes:
Superior
Inferior 95.0% 95.0%
52.2987133032 100.771571
3.3071767222 5.35903949

millones de dólares
ma de computadora que obtuvo para resolver este probblema.

omputadora que obtuvo al resolver ese probelma.

en taquilla sde 10 millones de dólares

millones de dólares
9.7 Una compañía de biene raices residenciales en una ciudad grande desea pod
tamaño de los mismos definidos por los pies cuadrados de espacio. Se sele

Resumen

Estadísticas de la
regresión
Coeficiente de
correlación
múltiple 0.8500607956

Coeficiente de
determinación R^2 0.7226033562
R^2 ajustado 0.7105426326
Error típico 155.3010020154
Observaciones 25

ANÁLISIS DE
VARIANZA

Suma de Promedio de
Grados de libertad cuadrados los cuadrados
Regresión 1 1445024.21178 1445024.21178
Residuos 23 554723.228221 24118.401227
Total 24 1999747.44

Coeficientes Error típico Estadístico t


Intercepción 194.7735751464 125.418300651 1.5529916618
Renta mensual (en
dolares) 0.6784091351 0.0876452498 7.7403982147

a) Grafique el diagrama de dispersión


2500

2000

1500

Column H
1000

500

0
600 800 1000 1200 1400 1600 1800 2000 2200 2400
500

0
600 800 1000 1200 1400 1600 1800 2000 2200 2400

b) Utilice el método de mínimos cuadrados para encontrar los coeficientes de regresión

c) Establezca la ecuación de regresión

d)Interprete el significado de b₀ y b₁ en este problema.

e)Pronostique la renta mensual promedio para un departamento que tiene 1,000 pies

f)¿Por qué no es adecuado predecir la renta mensual promedio para departamentos de

g) Sus amigos Jim y Jennifer piensan firmar un contrato por un apartamento en esta ár
otro con 1,200 pies cuadrados por una renta mensual de 1,425 dólares. ¿Qué les recom

g) Determine el coeficiente de determinación de r² e interprete su significad

h)Determine la estimación del error estándar

i)¿Qué tan úti cree usted que es este modelo de regresión para predecir las

9.37 En el problema 9.7 un corredor de bienes raices deseaba prede

a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre el tam

b) Establezca un intervalo de confianza estimando de 95% para la pendiente de la población β1


9.46 En el preblmea 9.7, un corredor de bienes raices deseaba predeci

a) establezca un intervalo de confianza estimado de 95% de la renta mensual preommd

b) establezca un intervalo de predicción de 95% de la renta menusal de un departamen

c) Explique la diferencias entre los resultados obtenidos en (a) y (b).


iudad grande desea poder predecir los costos mensuales de renta para departamentos, basada
ados de espacio. Se selecciona una muestra aleatoria y la información generada revela lo siguie

Renta mensual Tamaño (pies


Departamento (en dolares) cuadrados)

1 950 850
2 1600 1450
3 1200 1085
4 1500 1232
5 950 718
6 1700 1485
7 1650 1136
8 935 726
9 875 700
10 1150 956
11 1400 1100
12 1650 1285
13 2300 1985
14 1800 1369
15 1400 1175
16 1450 1225
17 1100 1245
18 1700 1259
19 1200 1150
20 1150 896
21 1600 1361
22 1650 1040
23 1200 755
24 800 1000
25 1750 1200
F Valor crítico de F
59.9137645228 7.518333003E-08

Probabilidad Inferior 95% Superior 95% Inferior 95.0%


0.1340781844 -64.6739469804 454.2210972731 -64.6739469804

7.51833300338E-08 0.4971011221 0.8597171481 0.4971011221


os coeficientes de regresión b₀ y b₁.

ento que tiene 1,000 pies cuadrados .

dio para departamentos de 500 pies cuadrados.

un apartamento en esta área residencial. Imtentan decidirentre dos apartamentos, uno con 1,000 pies cuad
25 dólares. ¿Qué les recomendaría? ¿ Por qué?

interprete su significado.

esión para predecir las ventas?

enes raices deseaba predecir la renta mensual de departamentos según su tamaño. Utilice la salida de comp

relacion lineal entre el tamaño del departamento y la renta mensual?

de la población β1
nes raices deseaba predecir la renta mensual de departamentos con base a ssu tamaño. Utilice la salid deocm

la renta mensual preommdio para todos los departamentos con 1,000 pies cuadrdaos de espacio.

menusal de un departamento individual con 1,000 pies cuadrados de superficioe.

a) y (b).
departamentos, basada en el
generada revela lo siguiente:
Superior
95.0%
454.2211

0.8597171
tos, uno con 1,000 pies cuadrdaos por una renta mensual de 1,250 dolares y

ño. Utilice la salida de computadora que obtuvo al resolver este probelma.


amaño. Utilice la salid deocmputadora que obtuvo al resolver ese probelma.

drdaos de espacio.
El dueño de una casa unifamiliar en un suburibio del noreste de Estados Unidos desea desarrollar un mo
9.28 ventiladores, calefaccion, aparatos, etc) según la temperatura exterior (en grados Farenheit). Dispone de da
24 meses.

Mes Consumo en Kilowats

1 126
2 132
3 114
4 87
5 67
6 50
7 39
8 45
9 39
10 43
11 61
12 92
13 123
14 121
15 138
16 99
17 64
18 52
19 49
20 41
21 44
22 53
23 59
24 118

a) Establezca el diagrama de dispersión

b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encon

c) Interprete el significado de la pendiente b₁ en este problema

d) Pronostique el cosnumo promedio de kilowatts cuando la temperatura media es 5

e)Calcule el coeficiente de determinación r² e interprete su significado

f) Calcule el error estándar de estimación

g)Grafique lso residuales en función de la temperatura promedio

h)Grafique los residuales en función del tiempo


i)Calclue en estadístico de Durbin-Watson. Con 0.05 de nivel de significancia, ¿exsite

j) Con base a los incisos (g) a (i), ¿existe una razón para dudar de la validez del mode
desea desarrollar un modelo para predecir el consumo de energía eléctrica en su "casa eléctrica" (luz,
renheit). Dispone de datos de los recibos mesnuales y la infomración de temperatura para un periodo de
24 meses.

Temperatura promedio(°F)

30
25
29
42
48
61
69
78
72
62
45
36
27
33
28
39
47
63
69
73
70
64
53
27

drados para encontrar los coeficientes de regresión b₀ y b₁ en este problema.

eratura media es 50°F


gnificancia, ¿exsite evidencia de una autocorrelacion positiva entre los resiudales?

a validez del modelo?


Un negocio de ventas por catalogo de atriculos para computadoras personales, sofware
9.29 productos que le ordenan. La adeministración examina el proceso de distribución desd
vostos de distribución. En la actualidad, se agrega un pequeño argo por envio indepen
últimos 24 meses que indican los costos de distribucición y el número d

Costo de
Mes distribucion (miles
de dolares
1 52.95
2 71.66
3 85.58
4 63.69
5 72.81
6 68.44
7 52.46
8 70.77
9 82.03
10 74.39
11 70.84
12 54.08
13 62.98
14 72.3
15 58.99
16 79.38
17 94.44
18 59.74
19 90.5
20 93.24
21 69.33
22 53.71
23 89.18
24 66.8

a) Establezca el diagrama de dispersión

b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encontra

c) Interprete el significado de la pendiente b₁ en este problema

d) Pronsotique los costos de distribución del almacen para un mes en que el numero de

e)Calcule el coeficiente de determinación r² e interprete su significado


f) Calcule el error estándar de estimación

g)grafique los residuales en función del número de órdenes

h) Grafique los residuales en función del tiempo

i)Calclue en estadístico de Durbin-Watson. Con 0.05 de nivel de significancia, ¿exsite evi

j) Con base a los incisos (g) a (i), ¿existe una razón para dudar de la validez del modelo?
ras personales, sofware y hardwe, tiene un alamacxen centralizado para la distribución de los
so de distribución desde el almacen y está interesado en estudair los factores que afectan los
argo por envio independientemente dle monto de la orden. Se recolectan datos durante los
ibucición y el número de órdenes recibidas. Los resultados son los siguientes:

Numero de
ordenes

4015
3806
5309
4262
4296
4097
3213
4809
5237
4732
4413
2921
3977
4428
3964
4582
5582
3450
5079
5735
4269
3708
5387
4161

adrados para encontrar los coeficientes de regresión b₀ y b₁ en este problema.

es en que el numero de órdenes es 4500.


ignificancia, ¿exsite evidencia de una autocorrelacion positiva entre los resiudales?

e la validez del modelo?


El dueño de una cadena de expedios de helados desea estudiar el efecto del clima en
9.3 muestra aleatoria de 21 días con los sigu

Temperatura alta
Dia por dia (°F)

1 63
2 70
3 73
4 75
5 80
6 82
7 85
8 88
9 90
10 91
11 92
12 75
13 98
14 100
15 92
16 87
17 84
18 88
19 80
20 82
21 76

a) Establezca el diagrama de dispersión

b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encontra

c) Interprete el significado de la pendiente b₁ en este problema

d) Pronsotique las ventas por expedio para un día en que la temperatura es 83°F

e) Calcule el error estándar de estimación

f)Calcule el coeficiente de determinación r² e interprete su significado


g)grafique los residuales en función de la temperatura

h) Grafique los residuales en función del tiempo

i)Calclue en estadístico de Durbin-Watson. Con 0.05 de nivel de significancia, ¿exsite evi

j) Con base a los incisos (g) a (i), ¿existe una razón para dudar de la validez del modelo?

k) Suponga que el monto de las ventas del día 21 fue 1.75. Resuelva los incisos (a) a (j) y
ar el efecto del clima en las ventas durante la temporada de verano. Se selecciona una
de 21 días con los siguinetes resultados.

Ventas por
expenio(miles de
dolares

1.52
1.68
1.8
2.05
2.36
2.25
2.68
2.9
3.14
3.06
3.24
1.92
3.4
3.28
3.17
2.83
2.58
2.86
2.26
2.14
1.98

adrados para encontrar los coeficientes de regresión b₀ y b₁ en este problema.

peratura es 83°F
ignificancia, ¿exsite evidencia de una autocorrelacion positiva entre los resiudales?

la validez del modelo?

lva los incisos (a) a (j) y compare las diferencias en los resultados .
9.3 Parte 2
Y‫ﻨ‬ Ŷ‫ﻨ‬
Pronóstico Ventas
Tienda Ventas semanales Y semanales Y (cientos e‫ﻨ‬
(cientos de dolares) de dolares)
1 1.6 1.82 -0.22
2 2.2 1.82 0.38
3 1.4 1.82 -0.42
4 1.9 2.19 -0.29
5 2.4 2.19 0.21
6 2.6 2.19 0.41
7 2.3 2.56 -0.26
8 2.7 2.56 0.14
9 2.8 2.56 0.24
10 2.6 2.93 -0.33
11 2.9 2.93 -0.03
12 3.1 2.93 0.17
ei² ei - ei-1 (e‫ ﻨ‬- ei-1)²

0.0484
0.1444 0.6 0.36 D= 2.50864067
0.1764 -0.8 0.64
0.0841 0.13 0.0169
0.0441 0.5 0.25
0.1681 0.2 0.04
0.0676 -0.67 0.4489
0.0196 0.4 0.16
0.0576 0.1 0.01
0.1089 -0.57 0.3249
0.0009 0.3 0.09
0.0289 0.2 0.04
0.949 2.3807
En el problema 9.3, el gerente de mercadotécnia usó el espacio de anaqueles de comida para mascotas para predeci

Resumen

Estadísticas de la
regresión

Coeficiente de
correlación
múltiple 0.82700064

Coeficiente de
determinación
R^2 0.68393006
R^2 ajustado 0.65232306
Error típico 0.30805844
Observaciones 12

ANÁLISIS DE VARIANZA

Promedio de
Grados de Suma de los
libertad cuadrados cuadrados F Valor crítico de F
Regresión 1 2.0535 2.0535 21.63856691 0.0009056558
Residuos 10 0.949 0.0949
Total 11 3.0025

Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% 95%
Intercepción 1.45 0.21783021 6.65656066 5.662778E-05 0.964644048 1.93535595
Espacio en
anaquel x (pies) 0.074 0.01590807 4.6517273 0.000905656 0.0385546129 0.10944539

b) establezca una estimación del intervalo de confinza de 95% para la pendiente de la poblacion B1

MCR 2.0535
= = 21.6385669125
MCE 0.0949
F experimental

estimación de intervalo de confinza de B1

De acuerdo con el resultado


confianza la pendiente de la

b1-(tn-2)sb1 b1+(tn-2)sb1
0.03855523 0.109444769

nivel de
confianza
0.05
a dos colas 0.05/2= 0.025 busco en la tabla N-2 2.2281
da para mascotas para predecir las ventas semanales. Utilice la salida de computadora que obtuvu al resolver el problema.

a) Para de nivel de significancia ¿Existe evidencia de


4.6517273 relacion lineal entre el espacio en anaqueles y las ve

Como cae en el área de rechazo, se rechaza la hipótesis n


acepta la alterna. Por lo tanto si existe una realcion linea
el espacio de anaqueles y las ventas-

2.2281 2.2281

bi 0.074
sbi 0.01590807
T = bi/sbi 4.6517273

nivel de
confianza
0.05
a dos colas 0.05/2= 0.025 busco en la tabla N-2 2.2281

Inferior Superior
95.0% 95.0%
0.96464405 1.93535595

0.03855461 0.10944539

De acuerdo con el resultado obtenido se puede estimar con el 95% de


confianza la pendiente de la población B1 entre 0.038552 - 0.10944477
solver el problema.

ificancia ¿Existe evidencia de una


spacio en anaqueles y las ventas?

hazo, se rechaza la hipótesis nula y se


nto si existe una realcion lineal entre
anaqueles y las ventas-
Ventas Pronóstico Ventas
Tienda ($000) ($000) e‫ﻨ‬ ei² ei - ei-1
1 11.2 10.3405541175 0.85944588 0.73864723
2 11.05 10.5064115427 0.54358846 0.29548841 -0.3158574
3 6.84 6.8400895107 -8.9511E-05 8.0122E-09 -0.543678
4 9.21 8.891483981 0.31851602 0.10145245 0.31860553
5 9.42 9.3104922132 0.10950779 0.01199196 -0.2090082
6 10.08 10.1834260304 -0.103426 0.01069694 -0.2129338
7 9.45 10.0524859578 -0.602486 0.36298933 -0.4990599
8 6.73 6.8750068634 -0.1450069 0.02102699 0.45747909
9 7.24 7.0408642886 0.19913571 0.03965503 0.34414257
10 6.12 6.0893664279 0.03063357 0.00093842 -0.1685021
11 7.63 8.3502650144 -0.720265 0.51878169 -0.7508986
12 9.43 10.0350272815 -0.6050273 0.36605801 0.11523773
13 9.46 10.4889528664 -1.0289529 1.058744 -0.4239256
14 7.64 7.721752666 -0.0817527 0.0066835 0.9472002
15 6.92 6.3687052494 0.55129475 0.3039259 0.63304742
16 8.95 8.7867319229 0.16326808 0.02665646 -0.3880267
17 9.33 9.3541389041 -0.0241389 0.00058269 -0.187407
18 10.23 9.7906058127 0.43939419 0.19306725 0.46353309
19 11.77 11.2396759491 0.53032405 0.2812436 0.09092986
20 7.41 7.8439634004 -0.4339634 0.18832423 -0.9642875

4.5269541
(e‫ ﻨ‬- ei-1)²

0.09976591
0.29558573
0.10150948
0.04368444
0.04534081
0.24906081
0.20928712
0.11843411
0.02839297
0.56384869
0.01327974
0.1797129
0.89718822
0.40074903
0.1505647
0.03512138
0.21486293
0.00826824
0.92985029

4.5845075
En el problema 9.4 un gerente deseaba predecir ls ventas semanaleas de una cadena de tiendas de envio de paquetes
resolver ese problema.

Tienda Clientes Ventas ($000) Resumen


1 907 11.2

Estadísticas
de la
2 926 11.05 regresión

Coeficiente
de
correlación
3 506 6.84 múltiple 0.9549132

Coeficiente
de
determinaci
4 741 9.21 ón R^2 0.91185922
R^2
5 789 9.42 ajustado 0.90696251
6 889 10.08 Error típico 0.50149521
Observacion
7 874 9.45 es 20
8 510 6.73
9 529 7.24 ANÁLISIS DE VARIANZA

Promedio de
Grados de Suma de los
10 420 6.12 libertad cuadrados cuadrados
11 679 7.63 Regresión 1 46.8335409 46.8335409
12 872 9.43 Residuos 18 4.5269541 0.25149745
13 924 9.46 Total 19 51.360495
14 607 7.64

15 452 6.92 Coeficientes Error típico Estadístico t


16 729 8.95 Intercepción 2.4230444 0.48096461 5.03788501
17 794 9.33 Clientes 0.00872934 0.00063969 13.6461991
18 844 10.23
19 1010 11.77
20 621 7.41

-2.1009
ndas de envio de paquetes con base en el número de clintes. Utilice la salida de la computadora que obtuvo al
solver ese problema.

Valor crítico
F de F
186.21875 6.20621E-11

Probabilida Superior Superior


d Inferior 95% 95% Inferior 95.0% 95.0%
8.5539E-05 1.412575247 3.43351354 1.4125752474 3.43351354
6.2062E-11 0.007385399 0.01007328 0.0073853992 0.01007328

a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion


lineal entre el número de clientes y las ventas?
Como cae dentro de la zona de rechazo de acepta la hiótesis nula y se
acepta la alterna. Por lo tanto si existe relación lineal entre el número de
clientes y las ventas

13.64619912

bi 0.00872934
sbi 0.00063969 a dos colas
2.1009 t experimental 13.6461991
T = bi/sbi 13.6461991 busco en la tabla N-2 = (20-2)
nivel de
confianza
0.05
0.05/2= 0.025
n la tabla N-2 = (20-2) 2.1009
En el problema 9.5 un compañía deseaba predecir las horas-trabajo requeridas para la porduccion según el tamaño del lote

Tamaño de Horas-
lote Trabajador Estadísticas de la regresión

Coeficiente de
20 50 correlación múltiple 0.99387396
Coeficiente de
20 55 determinación R^2 0.98778545
30 73 R^2 ajustado 0.98676758
30 67 Error típico 4.71004499
40 87 Observaciones 14
40 95
50 108 ANÁLISIS DE VARIANZA

Promedio de
Grados de Suma de los
50 112 libertad cuadrados cuadrados
60 128 Regresión 1 21528.6429 21528.6429
60 135 Residuos 12 266.214286 22.1845238
70 148 Total 13 21794.8571
70 160

80 170 Coeficientes Error típico Estadístico t


80 162 Intercepción 12.6785714 3.38945632 3.74059148
Tamaño de lote 1.96071429 0.06294062 31.151809

31.151809

-2.1788 2.1788
porduccion según el tamaño del lote. Utilice la salida de computadora que obtuvo al resolver ese problema.

F Valor crítico de F
970.4352026 7.5311589966E-13

Superior Inferior Superior


Probabilidad Inferior 95% 95% 95.0% 95.0%
0.002818924 5.2935805225 20.0635623 5.29358052 20.0635623
7.531159E-13 1.8235784473 2.09785012 1.82357845 2.09785012

a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion


lineal entre el tanaño del lote y las horas-trabajador?
Como cae dentro de la zona de rechazo de acepta la hiótesis nula y se
acepta la alterna. Por lo tanto si existe relación lineal entre el tamaño del
lote y las hors trabajador con el tamaño del lote

nivel de
confianza
bi 1.96071429 0.05
sbi 0.06294062 a dos colas 0.05/2= 0.025
t experimental 31.151809
busco en la tabla N-2 =
T = bi/sbi 31.151809 (14-2) 2.1788