Estadística II

Regresión lineal

Se desea predecir las cuentas mensuales de una compañía en la cual sus

productos no experimentan una variación estacionaria en sus ventas. Los datos se
presentan en la tabla, dados en millones de bolívares.

x 1.20 0.80 1.00 1.30 0.70 0.80 1.00 0.60 0.90 1.10
y 101 92 110 120 79 82 93 75 91 105

𝑿 𝒀 𝑿𝟐 𝑿𝒀 𝒀𝟐 𝒀𝒆 ̅ )𝟐
(𝒀𝒆 − 𝒀 (𝒀 − 𝒀𝒆)𝟐 ̅ )𝟐
(𝒀 − 𝒀

1.20 101 1.44 121.2 10201 110.013 231.435 81.234 38.44

0.80 92 0.64 73.6 8464 86.609 67.092 29.062 7.84

1 110 1 110 12100 98.311 12.327 136.632 231.04

1.30 120 1.69 156 14400 115.864 443.692 17.106 635.04

0.70 79 0.49 55.3 6241 80.758 197.177 3.090 249.64

0.80 82 0.64 65.6 6724 86.609 67.092 21.242 190.44

1 93 1 93 8649 98.311 12.327 28.206 3.24

0.60 75 0.36 45 5625 74.901 395.970 0.009 392.04

0.90 91 0.81 81.9 8281 92.46 5.475 2.131 14.44

1.10 105 1.21 115.5 11025 104.162 87.647 0.702 104.04

∑ 9.4 948 9.28 917.1 91710 947.998 1520.174 319.414 1866.2

∑ 𝑥 = 9.4
∑ 𝑥 2 = 9.28

∑ 𝑥𝑦 = 917.1

∑ 𝑦 = 948

∑ 𝑦 2 = 91710

n = 10

∑ 𝑦 948
𝑌̅ = = = 94.8
𝑛 10
∑𝑥 9.4
𝑋̅ = = = 0.94
𝑛 10

 Cálculo del Coeficiente de Correlación

𝑆𝑥𝑦
𝑟=
√𝑆𝑥𝑥 . 𝑆𝑦𝑦

(∑ 𝑥)2
2
𝑆𝑥𝑥 = ∑ 𝑥 −
𝑛
(9.4)2
𝑆𝑥𝑥 = 9.28 − = 0.444
10
(∑ 𝑦)2
𝑆𝑦𝑦 = ∑ 𝑦 2 −
𝑛
(948)2
𝑆𝑦𝑦 = 91710 − = 1839.6
10
(∑ 𝑥)(∑ 𝑦)
𝑆𝑥𝑦 = ∑ 𝑥𝑦 −
𝑛
(9.4)(948)
𝑆𝑥𝑦 = 917.1 − = 25.98
10
25.98
𝑟= = 0.91
√(0.444)(1839.6)
𝑟 2 = 0.8281

 Cálculo de la Ecuación de Regresión simple

𝑦 = 𝑎 + 𝑏𝑥

𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2

10(917.1) − (9.4)(948)
𝑏= = 58.51
10(9.28) − (9.4)2

∑ 𝑦 − 𝑏(∑ 𝑥)
𝑎=
𝑛
948 − (58.51)(9.4)
𝑎= = 39.801
10

𝑦 = 39.801 + 58.51𝑥

 Cálculo del Pronóstico de 𝑦 = 𝑎 + 𝑏𝑥 (Xp=30)

𝑦̂ = 39.801 + 58.51(30)

𝑦̂ = 1795.101

 Probar la Hipótesis de que b = 0

𝑏
𝑡=
𝑆⁄
√𝑆𝑥𝑥
𝑠𝑠𝜖
𝑆=√
𝑛−2

𝑆𝑆𝜖 = 𝑆𝑦𝑦 − 𝑏. 𝑆𝑥𝑦

𝑆𝑆𝜖 = 1839.6 − (58.51)(25.98) = 319.5102

 319.5102
𝑆=√ = 6.32
8

319.5102
𝑆2 = = 39.94
8
58.51
𝑡= = 6.17
6.32⁄
√0.444

 Probar Hipótesis de que a= 0

𝑎
𝑡𝑎 =
∑ 𝑥2
𝑆√𝑛. 𝑆𝑥𝑥

39.801
𝑡𝑎 = = 4.356065511
9.28
6.32√
10 (0.444)

 Intervalo para la Constantes de Regresión

𝛼 = 0.050 , 𝛼⁄2 = 0.0250

(𝑡 𝛼⁄2) 𝑆 √∑ 𝑥 2 (𝑡 𝛼⁄2) 𝑆 √∑ 𝑥 2
𝑎− <𝐴 < 𝑎+
√𝑛. 𝑆𝑥𝑥 √𝑛. 𝑆𝑥𝑥

(2.3060) (6.32) √9.28

39.801 − = 18.73
√10(0.444)

(2.3060) (6.32) √9.28

39.801 + = 60.87
√10(0.444)

18.73 < 𝐴 < 60.87

  Intervalo para el Coeficiente de Correlación

(𝑡 𝛼⁄2) 𝑆 (𝑡 𝛼⁄2) 𝑆
𝑏− <𝐵 < 𝑏+
√𝑆𝑥𝑥 √𝑆𝑥𝑥

(2.3060) (6.32)
58.51 − = 36.64
√0.444

(2.3060) (6.32)
58.51 + = 80.38
√0.444

36.64 < 𝐵 < 80.38

 Intervalo para el Pronóstico

(𝑥𝑃 − 𝑥̅ )2 (𝑥𝑃 − 𝑥̅ )2
𝑦̂ − (𝑡 𝛼⁄2) 𝑆 (√1⁄𝑛 + ) < 𝑦 < 𝑦̂ + (𝑡 𝛼⁄2) 𝑆 (√1⁄𝑛 + )
𝑆𝑥𝑥 𝑆𝑥𝑥

𝑥𝑃 = 30

∑𝑥
𝑥̅ =
𝑛
9.4
𝑥̅ = = 0.94
10

(30 − 0.94)2
1795.101 − (2.3060) (6.32) (√1⁄10 + ) = 1159.49
0.444

(30 − 0.94)2
1795.101 + (2.3060) (6.32) (√1⁄10 + ) = 2430.71
0.444

1159.49 < 𝑦 < 2430.71

 Línea de tendencia Lineal
140

120

100

80

60

40

20

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40

Línea de tendencía Exponencial

140

120

100

80

60

40

20

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40

Línea de tendencia Logarítmica

140

120

100

80

60

40

20

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40
 Línea de tendencia Polinómica
140

120

100

80

60

40

20

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40

Línea de tendencia Polinómica

140

120

100

80

60

40

20

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40
 Excel

 Statgraphics
 Minitab
 SPSS