EDAD CALIFICACIÓN X2 XY Y2

(X) (Y)
16 84 256 1344 7056 Nube de puntos
17 96 289 1632 9216
120
18 86 324 1548 7396
20 90 400 1800 8100 100
22 80 484 1760 6400
23 88 529 2024 7744 80
25 76 625 1900 5776
60
28 84 784 2352 7056
30 78 900 2340 6084
40
35 82 1225 2870 6724
38 74 1444 2812 5476 20
40 68 1600 2720 4624
Σ 312 986 8860 25102 81652 0
10 15 20 25

n 12
b -0.7139
a 100.7282
Ý = 100.728 - 0.7139 X
77.88
Ý = 100.728 - 0.7139 (32)= 77.88
85.02
Ý = 100.728 - 0.7139 (22)= 85.02
 Nube de puntos y recta de regresión

15 20 25 30 35 40 45
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.7744185351
Coeficiente de determinación R^2 0.5997240675
R^2 ajustado 0.5596964743
Error típico 5.0442250915
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 381.2245989305
Residuos 10 254.4420677362
Total 11 635.6666666667

Coeficientes Error típico

Intercepción 100.7281639929 5.011524953
Variable X 1 -0.7139037433 0.1844351355
Promedio de los cuadrados F Valor crítico de F
381.2245989305 14.9827661095 0.0031053246
25.4442067736

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

20.0993040916 0.000000002 89.5617905374 111.8945374483 89.5617905374
-3.8707578211 0.0031053246 -1.1248508344 -0.3029566522 -1.1248508344
Superior 95.0%
111.8945374483
-0.3029566522
 EDAD CALIFICACIÓN Ῡ (Y-Ῡ) (Y-Ῡ)2 Ý (Ý-Ῡ) (Ý-Ῡ)2
(X) (Y)
16 84 82.17 1.83 3.36 89.31 7.14 50.96
17 96 82.17 13.83 191.36 88.59 6.43 41.28
18 86 82.17 3.83 14.69 87.88 5.71 32.62
20 90 82.17 7.83 61.36 86.45 4.28 18.35
22 80 82.17 -2.17 4.69 85.02 2.86 8.15
23 88 82.17 5.83 34.03 84.31 2.14 4.59
25 76 82.17 -6.17 38.03 82.88 0.71 0.51
28 84 82.17 1.83 3.36 80.74 -1.43 2.04
30 78 82.17 -4.17 17.36 79.31 -2.86 8.15
35 82 82.17 -0.17 0.03 75.74 -6.43 41.28
38 74 82.17 -8.17 66.69 73.60 -8.57 73.39
40 68 82.17 -14.17 200.69 72.17 -9.99 99.89
Σ 312 986 635.67 381.22

n 12
Ῡ 82.17
r 0.774
 CASO PRÁCTICO

El Servicio Interno de Contribuciones (IRS) de EE.UU. está tratando de estimar la cantidad mensual
de impuestos no pagados descubiertos por su departamento de auditorías. En el pasado, el IRS
estimaba esta cantidad con base en el número esperado de horas de trabajo de auditorías de
campo. En los últimos años, sin embargo, las horas de trabajo de auditorías de campo se han
convertido en un pronosticador errático de los impuestos no pagados reales. Como resultado, la
dependencia está buscando otro factor para mejorar la ecuación de estimación.

El departamento de auditorías tiene un registro del número de horas que usa sus computadoras
para detectar impuestos no pagados. ¿Podríamos combinar esta información con los datos
referentes a las horas de trabajo de auditorías de campo y obtener una ecuación de estimación más
precisa para los impuestos no pagados descubiertos por cada mes?

Tomado de: Estadística para administración y Economía

Autor: Richard Levin

X1 X2 Y

Horas de trabajo Horas en Impuestos reales no

de auditoría de Computadora
Mes pagados descubiertos
campo (dos ceros (dos ceros (Millones de $)
omitidos) omitidos)

Enero 45 16 29
Febrero 42 14 24
Marzo 44 15 27
Abril 45 13 25
Mayo 43 13 26
Junio 46 14 28
Julio 44 16 30
Agosto 45 16 28
Septiembre 44 15 28
Octubre 43 15 27
 Coeficientes
Intercepción -13.8196286472
Variable X 1 0.5636604775 4300 43
Variable X 2 1.099469496 1600 16

Y= -13.82 + 0.56X1+ 1.10 X2

Y= 28.0092838196 Millones
$ 28,009,283.82

Coeficientes
Intercepción -6.3023255814 4300 43
Variable X 1 0.7596899225

y= - 6.30 + 0.76 x1
y= 26.3643410853
$ 26,364,341.09
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltipl 0.5015166606
Coeficiente de determinación R^2 0.2515189608
R^2 ajustado 0.1579588309
Error típico 1.6641453798
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados
Promedio de los cuadrados F
Regresión 1 7.44496124 7.44496124 2.6883135059
Residuos 8 22.1550388 2.76937984
Total 9 29.6

Coeficientes Error típico Estadístico t Probabilidad

Intercepción -6.3023255814 20.4399103 -0.3083343 0.7657037989
Variable X 1 0.7596899225 0.46333639 1.63960773 0.1397178728

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 27.8837209302 1.11627907
2 25.6046511628 -1.6046512
3 27.1240310078 -0.124031
4 27.8837209302 -2.8837209
5 26.3643410853 -0.3643411
6 28.6434108527 -0.6434109
7 27.1240310078 2.87596899
8 27.8837209302 0.11627907
9 27.1240310078 0.87596899
10 26.3643410853 0.63565891
Valor crítico de F
0.1397178728

Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
-53.4368431674 40.832192 -53.436843 40.832192
-0.3087657035 1.82814555 -0.3087657 1.82814555
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltipl 0.7714616
Coeficiente de determinación R^2 0.595153
R^2 ajustado 0.54454713
Error típico 1.22390109
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 17.6165289 17.6165289 11.7605517 0.0089632205
Residuos 8 11.9834711 1.49793388
Total 9 29.6

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 9.46280992 5.18660889 1.82446953 0.10552737 -2.4975316407
Variable X 1 1.20661157 0.35184683 3.42936608 0.00896322 0.3952513351

Análisis de los residuales

Observación Pronóstico para YResiduos

1 28.768595 0.23140496
2 26.3553719 -2.3553719
3 27.5619835 -0.5619835
4 25.1487603 -0.1487603
5 25.1487603 0.85123967
6 26.3553719 1.6446281
7 28.768595 1.23140496
8 28.768595 -0.768595
9 27.5619835 0.43801653
10 27.5619835 -0.5619835
 Variable X 1 Gráfico de los residuales
2
1

Residuos
0
-112.5 13 13.5 14 14.5 15 15.5 16 16.5
-2
-3
Variable X 1

Variable X 1 Curva de regresión ajustada

Superior 95%Inferior 95.0% Superior 95.0% 40
30
21.4231515 -2.4975316 21.4231514754 Y
20
2.01797181 0.39525134 2.0179718054 Pronóstico para Y
Y

10
0
12.5 13 13.5 14 14.5 15 15.5 16 16.5
Variable X 1
s residuales

15 15.5 16 16.5

esión ajustada

Y
Pronóstico para Y

6 16.5
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltipl 0.8537700043
Coeficiente de determinación R^2 0.7289232203
R^2 ajustado 0.6514727118
Error típico 1.0706388399
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados
Promedio de los cuadradosF
Regresión 2 21.5761273 10.7880637 9.41147107
Residuos 7 8.02387268 1.14626753
Total 9 29.6

Coeficientes Error típico Estadístico t Probabilidad

Intercepción -13.8196286472 13.3232999 -1.0372527 0.33411481
Variable X 1 0.5636604775 0.30327388 1.85858563 0.10543015
Variable X 2 1.099469496 0.31313901 3.51112269 0.0098445

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 29.1366047745 -0.1366048
2 25.2466843501 -1.2466844
3 27.4734748011 -0.4734748
4 25.8381962865 -0.8381963
5 24.7108753316 1.28912467
6 27.5013262599 0.49867374
7 28.5729442971 1.4270557
8 29.1366047745 -1.1366048
9 27.4734748011 0.5265252
10 26.9098143236 0.09018568
 Variable X 1 Gráfico de los residu
2
1
Variable X 2 Gráfico de lo

Residuos
2
0
41.5 42 142.5 43
Variable X 1 Curva
43.5 44 44.5 45 4
-1

Residuos
40
-2
0
12.5 13 30 13.5
Variable X
14 14.5
-1
20 Variable X 140

Y
Valor crítico de F -2 10 30
0.0103710592 0 20 Variable X 2

Y
41.5 42 42.5 10 43 43.5 44
0 Variable X
12.5 13 13
Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
-45.324226691 17.6849694 -45.324227 17.6849694
-0.1534682961 1.28078925 -0.1534683 1.28078925
0.3590133911 1.8399256 0.35901339 1.8399256
fico de los residuales
X 2 Gráfico de los residuales
riable
3.5
X 1 Curva de regresión ajustada
44 44.5 45 45.5 46 46.5

13.5
Variable
1414.5
X 215 Curva
15.5
de16regresión
16.5
ajustada
Variable X 140 Y
Pronóstico para Y
30
20 Variable X 2 Y
Pronóstico para Y
Y

41.5 42 42.5
10 43 43.5 44 44.5 45 45.5 46 46.5
0 Variable X 1
12.5 13 13.5 14 14.5 15 15.5 16 16.5
Variable X 2