Taller de regresión

Modelo 3
Estadística

Camilo Andrés Ávila Sanes

Presentado a:
Javier Rodríguez

Universidad del Atlántico

Administración de Empresas Tercer Semestre
Barranquilla
2020
 UNIVERSIDAD DEL ATLANTICO
TALLER DE REGRESION
MODELO 3

La tabla contiene datos relativos la producción de cierto compuesto químico, estos compuestos
generaban una mayor demanda de ciertos bienes a medida que la producción aumentaba. Las dos
variables relacionadas son X yY, que representan el costo de la producción (en miles de dólares) y
la rentabilidad

a) Realice un gráfico de dispersión para X e Y

b) Halle el modelo de regresión lineal simple ajustada e intérprete los valores beta.
c) Realice la prueba ANOVA y su respectiva prueba de hipótesis
d) Calcule los intervalos de confianza para los valores beta asumiendo una confianza del 95%.
e) Encuentre el coeficiente de correlación muestral y el coeficiente de determinación e
interprete sus resultados.
 SOLUCIÓN

A) Gráfico de Dispersión de X e Y

X Y X2 Y2 XY
11414,785
1,25 106,84 1,5625 6 133,55
1,5 78,74 2,25 6199,9876 118,11
16,02 24,18 256,6404 584,6724 387,3636
14871,802
2,72 121,95 7,3984 5 331,704
4,07 17,41 16,5649 303,1081 70,8587
2,51 22,25 6,3001 495,0625 55,8475
1,8 48,36 3,24 2338,6896 87,048
3,32 92,7 11,0224 8593,29 307,764
1,68 66,42 2,8224 4411,6164 111,5856
1,52 31,29 2,3104 979,0641 47,5608
9,87 35,95 97,4169 1292,4025 354,8265
1,27 61,81 1,6129 3820,4761 78,4987
3,1 88,31 9,61 7798,6561 273,761
14,67 14,41 215,2089 207,6481 211,3947
3,07 59,06 9,4249 3488,0836 181,3142
3,81 29,73 14,5161 883,8729 113,2713
1,61 21,93 2,5921 480,9249 35,3073

73,79 921,34 660,4933 68164,143 2899,7659

PROMEDIO
X 4,34058824
Y 54,1964706
 ∑ x 2=660,4933 1) Sxx=660,4933−17 ( 4,34058824 )2=340,2012934

∑ y2 =68164,143 2) Syy=68164,143−17 (54,1969706 )2=18230,76677

∑ xy =2899,7659 3) SxY= 2899,7659-17 (235,445629)=-1099391669

B) Modelo de regresión lineal Valores en Beta

x́=4,39058824 ý=59,1964706

^β 1= −1099,391669 =−3,23
340,2012,934
Beta1= -3.23, Se demuestra que si aumenta el costo de la produccion, produciria un cambio
de -3.23, dólares en la rentabilidad.
Para beta 1= -3.23 los intervalos de confianza, con un nivel de confianza de 95% serían
-6.84 y 0,38

^β 0=54,1964706 — 3,23 ( 4,34058824 )=68,21657062

Beta0=68,2165, Nos dice que cuando el costo de producción es cero se espera una mayor
rentabilidad y así a medida que aumenta el costo de producción disminuye la rentabilidad.
beta 0= 68.2165 los intervalos de confianza al nivel del 95% son 45,69 y 90,75

^y =68,2167062+ (−3,23 ) xi
C) Prueba ANOVA e Hipótesis M.C.O

SST 18230,76677
SSR -3,23x(-1099,391669) =3551,035091
SSE 1823076677-3551035091 =14679,73168

ANOVA
Fuente de Suma de Grados Cuadrado Razón F
variación cuadrados de medio
libertad
Regresión 3551,035091 1 3551,035091 3551,035091
978,6487787
14679,73168 15 978,6487787
Error

Total 18230,76677 16 F= 3,628508172

∝=0,95 H 0 : β1 :0 Decisión: No se rechaza la hipotesis nula

F 0,95; 1−15=4,54 H 1 : β 1 ≠ 0

E) Correlación muestral y coeficiente de determinación

CORRELACIÓN
390,2012934
r =−3,23
√
18230,76677
=−0441218=−44,12%
La relacion que se muestra es negativa y equivale al 44% podemos concluir que son
inversamente proporcional, si una de las variables aumenta la otra disminuye.

DETERMINACIÓN

3551,035091
r 2= =0,194 = 19.4%
18230,76677
Este modelo predice en un 19% la variación de la rentabilidad con respecto al costo de la
producción.