Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6 10
8 15 14
f(x) = 1.22321428571429 x + 4.36607142857143
2 8 R² = 0.910762810559006
1 5 12
6 12
10
Y, nota obtenida
100.3873 4
0
0 1 2 3 4 5 6
X, horas de estudio
Valor crítico de F es para saber si se acepta o se rechaza la hipótesis. Nivel de confianza = 0.05
H0 menor a 0.05 se rechaza.
Variable X 1 Gráfi co de los residua
Ha mayor a 0.05 se acepta.
1.5
1
H0 si hay relación entre (x,y) 0.5
Residuos
0
-0.5 0 1 2 3 4 5 6
-1
-1.5
Variable X 1 Gráfi co de los residua
1.5
1
0.5
Residuos
Ha no hay relación entre (x,y) 0
-0.5 0 1 2 3 4 5 6
-1
V.D (y) 1. 70, 7.02 -1.5
V.D (x) -2
Variable X 1
si estudias
a) Linear (Nota obtenida)
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
5 6 7 8 9
Variable X 1
Observación
1
2
3
4
5
6
R² = 1
5 6 7 8 9 0
0 1 2 3 4
Variable
de los residuales Variable X 1 Curva
20
Y
R² = 1
5 6 7 8 9 0
0 1 2 3 4
Variable
able X 1 Y
Linear (Pronóstico para Y)
de la regresión
0.954338939035292
0.910762810559006
0.888453513198758
1.16974508822588
6
1 2 3 4 5 6 7 8 9
5
Variable X 1
0
Variable X 1 Curva de regresión ajustada
Gráfi co de probabilidad normal
20
Y
1 2 3 4 5 6 7 8 9
5
Variable X 1
0
0 10 20 30 40 50 60 70 80 90 100
Y Pronóstico para Y Muestra percentil
Linear (Pronóstico para Y) Linear (Pronóstico para Y)
Valor crítico de F
0.003079798617904
Percentil Y
8.33333333333333 5
25 8
41.6666666666667 8
58.3333333333333 10
75 12
91.6666666666667 15
bilidad normal
bilidad normal
50 60 70 80 90 100
a percentil
1.- El gerente selecciona una muestra aleatoria de 10 representantes de ventas y determina el
llamadas de ventas que cada uno hizo el mes pasado y el número de copiados que vendió. La
muestral aparece en la siguiente tabla:
Número Número de ll Número de copiadoras vendidas
1 20 30 Venta de copi
2 40 60 80
3 20 40 70
4 30 60
Y, Número de llamadas
60 f(x) = 1.18421052631579 x + 18.9473684210526
R² = 0.576102418207682
5 10 30 50
6 10 40
40
7 20 40
30
8 20 50
20
9 20 30
10
10 30 70
11 80 114 0
5 10 15 20 25
12 100 137 X, número de cop
5
0 20
5 10 15 20 25 30 35 40 45
-5 0
5 10 15 2
-10
-15
Variable X 1
Y
entas y determina el número de
ados que vendió. La información
Venta de copiadoras
+ 18.9473684210526
20 25 30 35 40 45
X, número de copiad. vendidas
10 15 20 25 30 35 40 45
Variable X 1
Y Pronóstico para Y
Resumen
Estadísticas de la regresión
Coeficiente d 0.759014109360084
Coeficiente d 0.576102418207681
R^2 ajustado 0.523115220483642
Error típico 9.90082399548006
Observacione 10
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F
Regresión 1 1065.78947368421 1065.78947368421 10.8724832
Residuos 8 784.21052631579 98.0263157894737
Total 9 1850
Percentil Y
5 30
15 30
25 30
35 40
45 40
55 40
65 50
75 60
85 60
95 70
Grá
80
70
60
50
40
Y
30
20
10
0
0 10
Gráfi co de probabilidad normal
80
70
60
50
40
Y
30
20
10
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
Se realizó un estudio en Virginia Tech para determinar si ciertas medidas de la
fuerza estática del brazo influyen en las carácteristicas de "levantamiento
dinámico" de un individuo. Veinticinco individuos se sometieron a pruebas de
fuerza y luego se les pidió que hicieran una prueba de levantamiento de peso,
en el que el peso se elevaba en forma dinámica por encima de la cabeza. A
continuación se presentan los datos:
Fuerza estáti ca
120
100
f(x) = 0.564453603108407 x + 64.3943991703793
R² = 0.154966640299724
80
60
40
20
0
15 20 25 30 35 40 45 50 55 60
Resumen
Estadísticas de la regresión
Coeficiente de 0.393658025
Coeficiente de 0.15496664
R^2 ajustado 0.118226059
Error típico 13.28562511
Observaciones 25
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 1 744.4854025 744.4854025 4.217860379095 0.051539774
Residuos 23 4059.680198 176.5078347
Total 24 4804.1656
0
15 20 25 30 35 40 45 50 55
-10
-20
-30
Variable X 1
40
20
0
0 20 40 60 80 100
Muestra percentil
Gráfi co de probabilidad normal
120
100
80
60
Y
40
20
0
Superior 95% Inferior 95.0%Superior 95.0% 0 20 40 60 80 100
82.93711063 45.85168771 82.93711063 Muestra percentil
1.133006354 -0.00409915 1.133006354
Y
48.3
60
65
68.3
71.1
71.7
71.7
73.3
75
75
76.7
78.3
85
85
88.3
88.3
88.3
91.7
91.7
96.7
100
100
100
100
100
residuales Variable X 1 Curva de regresión ajustada
150
100
Y
50
45 50 55 60
0
15 20 25 30 35 40 45 50 55 60
Variable X 1
Y Pronóstico para Y
idad normal
80 100 120
entil
idad normal
80 100 120
entil
ón ajustada
45 50 55 60
Un comerciante minorista realizó un estudio para determinar la relación
que hay entre los gastos semanales de publicidad y las ventas.
a) Elabore un diagrama de dispersión.
b) Calcule la ecuación de la recta de regresión para pronosticar las ventas semanales a partir de los
gastos de publicidad.
c) Estime las ventas semanales si los costos de publicidad
son de $35.
d) Grafique los residuales en comparación con los costos de publicidad. Comente sus resultados.
Costos de publicidad($)
40
20
25
20
30
50
40
Resumen 20
50
Estadísticas de la regresión 40
Coeficiente de co 0.63483727 25
Coeficiente de d 0.40301836 50
R^2 ajustado 0.34332019
Error típico 50.2256962
12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 1 17030.0444 17030.0444 6.75093380956574 0.0265709
Residuos 10 25226.2056 2522.62056
Total 11 42256.25
300
Ventas ($)
385
200
400
395
365 100
475
440 0
15 20 25 30 35 40 45 50 55
490
420
560
525 Variable X 1 Gráfico de los residuales
480
60
510
20
Residuos
-2015 20 25 30 35 40 45
-60
-100
Variable X 1
or crítico de F
200
0
esultados de datos de probabilidad 15 20 25 30 35 40 45
Variable X 1
Y
365
385
395
400
420
Gráfi co de probabilidad normal
440 600
475 500
480 400
490 300
Y
510 200
525 100
0
560 0 20 40 60 80
Muestra percentil
0 45 50 55
30 35 40 45 50 55
Variable X 1
30 35 40 45 50 55
Variable X 1
probabilidad normal
60 80 100 120
Muestra percentil
Se desea predecir la nota del alumno en función a la cantidad de horas
semana que estudió par un examen.
Para ello se tomó una muestra de 6 alumnos, cuyo resultado se muestran
en la siguiente tabla: Horas de estudio Nota
3 8
6 10
8 15
2 8
1 5
6 12
14
f(x) = 1.22321428571429 x + 4.36607142857143
R² = 0.910762810559006
12
10
0
0 1 2 3 4 5 6 7 8 9
0
-0.5 0 1 2 3 4 5 6 7 8 9
-1 Variable X 1 Cu
-1.5
16
-2
14
Variable X 1 12 f(x) = 1.2232142857
10 R² = 0.91076281055
1
8
Y
6
4
2
0
0 1 2 3 4 5
Variable X
Resumen
Estadísticas de la regresión
Coeficiente d 0.95433894 Es una medida para saber el ajuste del modelo de regresion
Coeficiente d 0.91076281 Dato de la grafica
R^2 ajustado 0.88845351 tiene mayor precision
Error típico 1.16974509 Variables independientes que no explica el comportamiento de la variable dependiente
Observacione 6
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 55.860119 55.860119 40.8243611 0.0030798
Residuos 4 5.47321429 1.36830357
Total 5 61.3333333
Y= BO+B1x
Observación
Pronóstico para YResiduos
Residuos estándares Percentil Y
1 8.03571429 -0.03571429 -0.03413546 8.33333333 5
2 11.7053571 -1.70535714 -1.62996816 25 8
3 14.1517857 0.84821429 0.81071715 41.6666667 8
4 6.8125 1.1875 1.13500401 58.3333333 10
5 5.58928571 -0.58928571 -0.56323507 75 12
6 11.7053571 0.29464286 0.28161754 91.6666667 15
Pronóstico para Y 6
Linear (Pronóstico para Y) 4
2
0
0 10 20 30 40 50 60
1 2 3 4 5 6 7 8 9
Muestra percenti
Variable X 1
miento de la variable dependiente
datos de probabilidad
B0
B1
B2
B3
Prueba a un grupo de camiones ligeros co moto
Humedad, X1 Linear (Humedad, X1) Temp. X2 Linear (Temp. X2) Presió
120
100
60
40
0
0.75 0.8 0.85 0.9 0.95 1 1.05
(x1,x2,x3,x4)
Resumen
Estadísticas de la regresión
Coeficiente de 0.894685789
Coeficiente de 0.800462661
R^2 ajustado 0.76304941
Error típico 0.056168806
Observaciones 20
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 3 0.202501044 0.067500348 21.39516456 7.608746148E-06
Residuos 16 0.050478956 0.003154935
Total 19 0.25298
(x1,x2,x3,x4)
Y
0.77
0.78
0.82
0.87
0.89
0.9
0.91
0.91
0.94
0.95
0.96
1
1.03
1.07
1.07
1.1
1.1
1.1
1.1
1.15
Variable X 1 Gráfico de los residuales
0.1
0.05
Residuos
0
-0.05 0 20 40 60 80 100 120
-0.1
-0.15
Variable X 1
0
-0.05 65 70 75 80 85 90
-0.1
-0.15
Variable X 2
0
-0.0528.9 29 29.1 29.2 29.3 29.4 29.5 29.6 29.7 29.8 29.9
-0.1
-0.15
Variable X 3
1.4
1.2
Variable X 1 Curva de regresión ajustada:
1
Humedad
f(x) = − 0.003323524284253 x + 1.11442669048693
R² = 0.769766743377541
0.8 Y
Linear (Y)
Y
0.6
Pronóstico para Y
0.4
Linear (Pronóstico para
0.2 Y)
Linear (Pronóstico para
0 Y)
0 20 40 Variable
60 X 1 80 100 120
1.4
Variable X 2 Curva de regresión ajustada:
1.2
Temperatura
1
f(x) = − 0.003202284546068 x + 1.21603881346513
0.8 R² = 0.04082140595427 Y
0.6 Pronóstico para Y
Y
1
Y
Pronóstico para Y
Y
0.5
0
28.9 29 29.1 29.2 29.3 29.4 29.5 29.6 29.7 29.8 29.9
Variable X 3
1
Y
0.5
0
0 20 40 60 80 100 120
Muestra percentil
Se piensa que la energía eléctrica consumida mensualmente por una planta qu
(X2), la pureza promedio del prodcto (X3) y las toneladas del producto produc
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.862988866133267
Coeficiente de determinación R^2 0.744749783069982
R^2 ajustado 0.598892516252829
Error típico 15.5793327220045
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 4
Residuos 7
Total 11
Coeficientes
Intercepción -102.713236395801
Variable X 1 0.605370537215065
Variable X 2 8.92364419785485
Variable X 3 1.43745673346537
Variable X 4 0.013609307641614
a) Y, Energía eléctrica=-102.7132364+0.605370537x1+8.923644198x2+1.437456
Condiciones para un mes
Temperatura 75 45.4027902911299 b)
Días 24 214.167460748516
Promedio pureza 90 129.371106011883 c)
Toneladas 98 1.33371214887818
almente por una planta química se relaciona con la temperatura ambiente promedio (X1), el número de días laborales del mes
adas del producto producidas (X4). Se cuenta con los datos del último año, los cuales se presentan en la tabla siguiente:
Tabla
X2, Días laborales del mes X3, Pureza promedio X4, Toneladas producidas
24 91 100
21 90 95
24 88 110
25 87 88
25 91 94
26 94 99
25 87 97
25 86 96
24 88 110
25 91 105
25 90 100
23 89 98
c)
8.923644198x2+1.437456733x3+0.013609308
120
100
f(x) = − 0.002403755868545 x + 100.00338028169
R² = 8.4589649332889E-05
f(x) = 0.004507042253521 x + 88.0769953051643
80 R² = 0.002386081193041
f(x) = 0.592863849765258 x − 108.177464788732
Y, Energía eléctrica
R² = 0.564720257580887
60
40
0
230 240 250 260 270 280 290 300 310 320
X1, X2,X3, X4
X1, Temperatura Linear (X1, Temperatura) X2, Días laborales del mes
Linear (X2, Días laborales del mes) X3, Pureza promedio Linear (X3, Pureza promed
X4, Toneladas producidas Linear (X4, Toneladas producidas)
10
Inferior 95% Superior 95% Inferior 95.0% Superior 95.0% 0
-10 20 30 40 50 6
-594.221316138386 388.794843 -594.22131614 388.79484335 -20
-30
Variable X 1
20
Residuos
10
0
-10 20 30 40 50 6
-20
-0.266932145380871 1.47767322 -0.2669321454 1.4776732198 -30
-3.61009923313414 21.4573876 -3.6100992331 21.457387629 Variable X 1
-4.21782711959355 7.09274059 -4.2178271196 7.0927405865
-1.72160267409872 1.74882129 -1.7216026741 1.7488212894
Variable X 3 Gráfico de l
30
Resultados de datos de probabilidad 20
Residuos
10
Percentil Y 0
-10 85 86 87 88 89 90
4.16666666666667 236
-20
12.5 240 -30
20.8333333333333 261 Variable X 3
29.1666666666667 267
37.5 274
45.8333333333333 276
54.1666666666667 288 Variable X 1 Curva de regr
62.5 290
400
70.8333333333333 296
300
79.1666666666667 300
200
87.5 301
Y
100
95.8333333333333 316
0
20 30 40 50 60 70
Variable X 1
e; aunque en
as, sigue habiendo un buen ajuste entre ellas.
0 310 320 330
10
0
0 40 50 60 70 80 90 -10 20 21 22 23 24 25 26
-20
-30
Variable X 1 Variable X 2
20
Residuos
10
0
0 40 50 60 70 80 90 -10 20 21 22 23 24 25 26
-20
-30
Variable X 1 Variable X 2
Residuos
10
0
87 88 89 90 91 92 93 94 95 -10 85 90 95 100 105 110
-20
-30
Variable X 3 Variable X 4
100
0
40 50 60 70 80 90 85 86 87 88 89 90 91 92 93 94 95
Variable X 1 Variable X 3
o de los residuales Variable X 2 Curva de regresión ajustada
400
300
200 Y
Pronóstico para Y
Y
3 24 25 26 27 100
0
20 21 22 23 24 25 26 27
iable X 2 Variable X 2
300
200 Y
Pronóstico para Y
Y
3 24 25 26 27 100
0
20 21 22 23 24 25 26 27
iable X 2 Variable X 2
100
0
92 93 94 95 0 20 40 60 80 100 120
Muestra percentil
ustada
ronóstico para Y
ronóstico para Y
ustada
ronóstico para Y
al
100 120
En una empresa dedicada a anodizar artículos de aluminio (baterías de cocina), el anodizado se logra con una sol
En este proceso se controla el pH de la solución, la tempertura, la corriente y el tiempo de
durabilidad de producto. para resolver este problema se ecide estudiar, mediante un experimento, la relación de
An
10
Espesor Temperatura pH
9 -8 1.2 8
14 -8 1.8
10 8 1.2 6 f(x) = 0.9577464788732
R² = 0.25440140845070
19 8 1.8
8 -8 1.2 4
12 -8 1.8
11 8 1.2 2
20 8 1.8 f(x) = 0.0570422535211
R² = 0.64172535211267
ESpesor
14 0 1.5 0
6 8 10
13 0 1.5
-2
-4
-6
-8
Resumen
-10
Estadísticas de la regresión
Coeficiente d 0.946639720571338
Coeficiente d 0.89612676056338
R^2 ajustado 0.866448692152918
Error típico 1.45160010235011
Observacione 10
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadradosPromedio de los cuadrados
Regresión 2 127.25 63.625
Residuos 7 14.75 2.10714285714286
Total 9 142
8 10 12 14 16 18 20
Percentil Y
5 8
15 9
25 10
35 11
45 12
55 13
65 14
75 14
85 19
95 20
Variable X 1 Gráfico de los residuales
2
1
Residuos
de aluminio. 0
o las quejas por la escasa resistencia y -10 -8 -6 -4 -2 -1 0 2 4 6 8 10
estran en la siguiente tabla: -2
-3
Variable X 1
0
-1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
-2
-3
Variable X 2
Pronóstico para Y
5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Variable X 1
5
0
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
Variable X 2
10 Pronóstico para Y
5
0
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
Variable X 2
Y
5
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
uales
ustada
Y
Pronóstico para Y
ustada
Y
Pronóstico para Y
Pronóstico para Y
mal
80 90 100
ependiente?
Técnica de promedio
de promedio móvil
Ventas (miles de galones) (y) Linear (Ventas (miles de
25
20
Ventas (miles de galones
15
10
0
1 2 3 4 5 6
5
0
1 2 3 4 5 6
rror y son los datos alejados
onóstico, es decir, que tan lejos
del pronóstico de datos reales
Cuadrado medido debido al error
5 6 7 8 9 10 11
Semanas
5 6 7 8 9 10 11
Semanas
10 11 12
10 11 12
Considere la serie de tiempo siguiente
Error Error pronóstico Pron
Promedio 18
Semana Valor (y) móvil (y) pronóstico al cuadrado
16
1 8
2 13 14
3 15 12
4 17 12 5 25
10
5 16 15 1 1
Valor
6 9 16 -7 49 8
7 14 6
Totales 75
4
CME 25
2
0
1 2 3
Pro
a) Obtenga un promedio móvil de tres semanas para esta
serie de tiempo. ¿ Cuál es el pronóstico para la semana 7? Valor (y)
Promedio móvil (y)
b) Calule el CME de este promedio móvil de tres semanas.
Pronóstico
2 3 4 5 6 7
Promedio móvil
Ventas de GM
9.5
9.1 9.3
9
8.6 8.66
8.3 8.3
7.8
7.72
7.38 7.24
7.1
6.8
9.5 9.3
9.1 9
8.6 8.66
8.3 8.3
7.8
7.72
7.38 7.24
7.1
6.6 6.8
6.2
Ventas
1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985
serie de tiempo.
Ventas de GM (1975-1998)
9.3
8.66 8.6 8.8
8.3 8.3 8.36 8.42 8.34 8.4 8.3 8.4
8.04 8.1 7.98 7.92 8.1
7.8
7.72 7.8 7.9 7.74
7.7 7.8
7.72 7.76
7.68 7.5 7.66
7.38 7.24 7.4
6.8
9.3
8.66 8.6 8.8
8.3 8.3 8.36 8.42 8.34 8.4 8.3 8.4
8.04 8.1 7.98 8.1
7.8
7.72 7.8 7.9 7.74 7.8
7.72 7.76 7.92
7.68 7.5 7.7 7.66
7.38 7.24 7.4
6.8
6.2
1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 199
Años
e fábrica (y) Linear (Ventas de fábrica (y)) Promedio móvil (y) Linear (Promedio móvil (y))
emos ver que las expansiones comenzaron muy bien, sin embargo,
0.36421053
1.06736842
2.52033684 0
0.01415579
ME:ERROR MEDIO
ME: PROMEDIO EL ERROR DEL PRONOSTICO
MAE: ERROR MEDIO ABSOLUTO (ABS)= PROMEDIO DEL VALOR ABS
CME CUADRADO MEDIO DEBIDO AL ERROR = sumatoria (E) del error pronostico ^2/
numero de pronosticos
8.8
8.4 8.3 8.4 8.34
7.92 8.12 8.1
7.8
.72 7.66 7.76
8.8
8.4 8.3 8.4 8.34
8.12 8.1
7.8
.72 7.76 7.92
7.66
Ventas de
9.5
9.1 9
8.6 8.56 8.66
8.3 8.3
7.8
7.72
7.38
7.1
6.8
9.5
9.1 9
8.6 8.56 8.66
8.3 8.3
7.8
7.72
7.38
7.1
6.6 6.8
6.2
Ventas
1975 1976 1977 1978 1979 1980 1981 1982 1983 1984
serie de tiempo.
Ventas de GM (1975-1998)
9.3
.56 8.66 8.6
8.3 8.3 8.36 8.42 8.34 8.4 8.3
8.04 8.1 7.9 7.98
7.8
7.72 7.68 7.8 7.74
7.7 7.8
7.72 7.66 7.76
7.38 7.5 7.4
7.1 7.24
6.8
9.3
.56 8.66 8.6
8.3 8.3 8.36 8.42 8.34 8.4 8.3
8.04 8.1 7.9 7.98
7.8
7.72 7.68 7.8 7.74
7.7 7.8
7.72 7.66 7.76
7.38 7.5 7.4
7.1 7.24
6.8
6.2
980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995
Años
Ventas de fábrica (y) Linear (Ventas de fábrica (y)) Promedio móvil (y) Linear (Promedio móvil (y))
a podemos ver que las expansiones comenzaron muy bien, sin embargo,
o tanto valles.
ME -0.08631579
MAE 0.78
CME 0.14155789
ME:ERROR MEDIO
ME: PROMEDIO EL ERROR DEL PRONOSTICO
MAE: ERROR MEDIO ABSOLUTO (ABS)= PROMEDIO DEL VALOR ABS
CME CUADRADO MEDIO DEBIDO AL ERROR = sumatoria (E) del error pronostico ^2/
numero de pronosticos
8.8
8.4 8.3 8.4 8.34
7.92 8.12 8.1
7.74
7.7 7.8
7.72 7.66 7.76
8.8
8.4 8.3 8.4 8.34
8.12 8.1
7.74 7.8
7.72 7.76 7.92
7.7 7.66
ME:ERROR MEDIO
ME 0.0154666921 ME: PROMEDIO EL ERROR DEL PRONOSTICO
MAE 0.065422225 MAE: ERROR MEDIO ABSOLUTO (ABS)= PROMEDIO DEL VALOR ABS
CME CUADRADO MEDIO DEBIDO AL ERROR = sumatoria (E) del erro
CME 0.006309368 numero de pronosticos
0.064000762063652 0.004096097544728
0.8
0.161999745978783 0.02624391769719
0.057333883712638 0.003287174221574 0.6
0.008000889074261 6.40142259786272E-05
0.082666751340406 0.006833791777177 0.4
0.021999745978782 0.000483988823131
0.2
0.033333121648985 0.001111096998866
0
1 2 3 4 5 6 7 8 9 10 11 12
Column B Column
ROR MEDIO
ROMEDIO EL ERROR DEL PRONOSTICO
ERROR MEDIO ABSOLUTO (ABS)= PROMEDIO DEL VALOR ABS
UADRADO MEDIO DEBIDO AL ERROR = sumatoria (E) del error pronostico ^2/
o de pronosticos
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Column B Column C
Tienda
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.955141726246962
Coeficiente de determinación R^2 0.912295717218026
R^2 ajustado 0.907423257063472
Error típico 54.7231800589325
Observaciones 20
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 18
Total 19
Coeficientes
Intercepción -173.556118549059
Variable X 1 102.953754600177
Análisis de los residuales
1000
Y
500
0
0 20 40 60 80
Muestra percentil
Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%
67.2398948853654 -2.581147975 0.0188303614 -314.8218957 -32.2903414 -314.821896
7.52399536860928 13.683388885 5.933744E-11 87.1464269 118.7610823 87.1464269
Resultados de datos de probabilidad
+ 2.30862007731664
o de probabilidad normal
40 60 80 100 120
Muestra percentil
Superior 95,0%
-32.2903414
118.761082
Año (t) Ventas (en miles) (Yt) Pronostico Error pronostico
1 21.6
2 22.9 22.25 0.65
3 25.5 24.2 1.3
4 21.9 23.7 -1.8
5 23.9 22.9 1
6 27.5 25.7 1.8
7 31.5 29.5 2
8 29.7 30.6 -0.9
9 28.6 29.15 -0.55
10 31.4 30 1.4
11 15.7 -15.7
35
30
25
20
15
10
0
1 2 3 4 5
5
0
1 2 3 4 5
Error Absoluto Pronostico Error pronostico ^2
30.858025
Chart Title
4 5 6 7 8
Column C Column D
4 5 6 7 8
Column C Column D
DO MEDIO DEBIDO AL ERROR = sumatoria (E) del error pronostico ^2/ numero de pronosticos
8 9 10 11
8 9 10 11