Resumen

Estadísticas de la regresión
Coeficiente d 0.30837417
Coeficiente d 0.09509463
R^2 ajustado 0.05396257
Error típico 40.7559785
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3840.2381 3840.2381 2.31193438 0.14262737
Residuos 22 36543.0952 1661.04978
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 81.7142857 32.8885968 2.48457805 0.02106397 13.5075106 149.921061 13.5075106
Variable X 1 -1.51190476 0.99434406 -1.52050465 0.14262737 -3.57404813 0.5502386 -3.57404813
Superior 95,0%
149.921061
0.5502386
Resumen

Estadísticas de la regresión
Coeficiente d 0.28830653
Coeficiente d 0.08312066
R^2 ajustado 0.04144432
Error típico 41.0247398
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3356.6892 3356.6892 1.99443304 0.17186795
Residuos 22 37026.6441 1683.02928
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -1.41364474 25.9901418 -0.05439157 0.95711411 -55.3139 52.4866105 -55.3139
Variable X 1 3.14689613 2.22829496 1.41224397 0.17186795 -1.47430478 7.76809703 -1.47430478
Superior 95,0%
52.4866105
7.76809703
Resumen

Estadísticas de la regresión
Coeficiente d 0.55747651
Coeficiente d 0.31078006
R^2 ajustado 0.27945188
Error típico 35.5687545
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 12550.3349 12550.3349 9.92014453 0.0046517
Residuos 22 27832.9985 1265.13629
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -16.1128284 17.2966594 -0.93155725 0.36167637 -51.9839044 19.7582476 -51.9839044
Variable X 1 10.7882535 3.42524895 3.14962609 0.0046517 3.68472192 17.891785 3.68472192
Superior 95,0%
19.7582476
17.891785
Resumen

Estadísticas de la regresión
Coeficiente d 0.16164784
Coeficiente d 0.02613003
R^2 ajustado-0.01813679
Error típico 42.2805112
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1055.21753 1055.21753 0.59028472 0.45047804
Residuos 22 39328.1158 1787.64163
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 51.8204122 25.5632623 2.02714394 0.05493425 -1.19454902 104.835373 -1.19454902
Variable X 1 -0.49852797 0.64887159 -0.76829989 0.45047804 -1.84420528 0.84714934 -1.84420528
Superior 95,0%
104.835373
0.84714934
Resumen

Estadísticas de la regresión
Coeficiente d 0.56544248
Coeficiente d 0.31972519
R^2 ajustado 0.25493712
Error típico 36.1687607
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 12911.5691 6455.78456 4.93493882 0.01750597
Residuos 21 27471.7642 1308.17925
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -32.3073007 35.4839237 -0.91047712 0.37290371 -106.10016 41.4855582 -106.10016
Variable X 1 11.6904595 3.88319924 3.0105227 0.00665966 3.61490458 19.7660144 3.61490458
Variable X 2 0.32519626 0.61884904 0.52548561 0.60475053 -0.96177076 1.61216328 -0.96177076
Superior 95,0%
41.4855582
19.7660144
1.61216328
Resumen

Estadísticas de la regresión
Coeficiente d 0.56658203
Coeficiente d 0.32101519
R^2 ajustado 0.21916747
Error típico 37.0267942
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 3 12963.6635 4321.22117 3.15191335 0.0475543
Residuos 20 27419.6698 1370.98349
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -39.0503829 50.1615631 -0.77849215 0.4453923 -143.68557 65.5848042 -143.68557
Variable X 1 0.5245654 2.69104058 0.19493032 0.84741409 -5.0888469 6.13797769 -5.0888469
Variable X 2 11.37244 4.29706991 2.6465569 0.01548187 2.40890924 20.3359708 2.40890924
Variable X 3 0.39014714 0.71580925 0.54504345 0.59175045 -1.10300478 1.88329907 -1.10300478
Superior 95,0%
65.5848042
6.13797769
20.3359708
1.88329907
Resumen

Estadísticas de la regresión
Coeficiente d 0.58810347
Coeficiente d 0.34586569
R^2 ajustado 0.24774554
Error típico 36.3428975
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 3 13967.2093 4655.73644 3.52492019 0.03372042
Residuos 20 26416.124 1320.8062
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 0.19939278 50.9251974 0.00391541 0.99691476 -106.028708 106.427493 -106.028708
Variable X 1 -0.82382908 0.92150715 -0.89400184 0.38195336 -2.74605931 1.09840114 -2.74605931
Variable X 2 10.7166764 4.05107774 2.64538898 0.01552125 2.26627631 19.1670765 2.26627631
Variable X 3 0.27986619 0.62389236 0.44858088 0.65855631 -1.02155047 1.58128285 -1.02155047
Superior 95,0%
106.427493
1.09840114
19.1670765
1.58128285
Resumen

Estadísticas de la regresión
Coeficiente d 0.56544248
Coeficiente d 0.31972519
R^2 ajustado 0.25493712
Error típico 36.1687607
Observacione 24

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 12911.5691 6455.78456 4.93493882 0.01750597
Residuos 21 27471.7642 1308.17925
Total 23 40383.3333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -32.3073007 35.4839237 -0.91047712 0.37290371 -106.10016 41.4855582 -106.10016
Variable X 1 11.6904595 3.88319924 3.0105227 0.00665966 3.61490458 19.7660144 3.61490458
Variable X 2 0.32519626 0.61884904 0.52548561 0.60475053 -0.96177076 1.61216328 -0.96177076
Superior 95,0%
41.4855582
19.7660144
1.61216328
 CANT. DE
PLATOS DE POLLO INGRESOS($10
TRAJETAS EDAD
FRITO POR DIA 00)
PREPAGADAS

100 22 5 30
30 35 3 55
5 41 4 45
40 25 6 35
15 33 3 45
200 27 10 35
15 34 5 25
40 26 4 35
35 34 8 30
20 30 1 80
5 40 5 30
5 23 2 50
15 31 3 40
10 28 3 40
50 29 5 20
15 39 1 35
5 23 7 30
10 50 5 60
25 44 3 25
5 33 5 30
30 22 8 30
65 26 5 35
25 51 4 20
35 22 5 30
 Con los datos, desarrollaremos un modelo de re
que tan bien se puede pronosticar la cantidad de
por medio de las otras variables y cuales variabl
al hacer el pronósti

EDAD

Y= Cant. De T. prepagadas: 0.05396256653

Teniendo en cuenta de que los ingresos de los clientes se

depositan en las tarjetas prepagadas , añadiremos una v
R'2 ajustada aumenta, dejamos esta variable en el mode
nueva variable en el mod

PLATOS DE
POLLO FRITO
POR DIA
Y= Cant. De T. prepagadas: 0.2549371182

Dado que el valor de R'2 ajustada aumenta de -0,018136

de regresión lineal múltiple las dos variables independien
los platos de pollo frito por dia y

DIAS POR MES

EN KFC

Y= Cant. De T. prepagadas: 0.21916747115

Dado que R'2 ajustada disminuye al añadir un tercera v

KFC no la incluimos en el modelo de reg
 EDAD
Y= Cant. De T. prepagadas:
0.24774554017

Podemos ver que con la variable edad no aumento R'

obtenido es el punto 0,254937118 y no la incuyo como

RESPUESTA:
El modelo de regresión lineal múltiple más adecuado
Y= Cantidad De Tarjetas prepagadas
X1=Platos de pollo frito por dia
X2=Ingresos ($1000)
Y=11,69045949 X1 + 0,325196263 X2 - 32,30730074
R'2= 0.2549371182

¿Qué implicaciones de ventas podrían s

Dado que entre más platos de pollo frito consuma e

pagada se recomienda estimular el consumo si se
tendria en la
desarrollaremos un modelo de regresion multiple para estudiar
puede pronosticar la cantidad de trajetas prepagadas en "KFC",
s otras variables y cuales variables pueden ser más promisorias
al hacer el pronóstico.

DIAS POR MES EN PLATOS DE POLLO

INGRESOS($1000)
KFC FRITO POR DIA

0.04144432334417 0.2794518840829 -0.018136791425527

de que los ingresos de los clientes se relacionan mejor con la cantidad que
rjetas prepagadas , añadiremos una variable más, si al hacerlo vemos que
nta, dejamos esta variable en el modelo, y si disminuye, no incluiremos la
nueva variable en el modelo.

INGRESOS ($1000)

de R'2 ajustada aumenta de -0,0181368 a 254937118, dejamos en el modelo

múltiple las dos variables independientes estudiadas que en este caso seria
los platos de pollo frito por dia y los ingresos.

PLATOS DE POLLO
INGRESOS($1000)
FRITO POR DIA

stada disminuye al añadir un tercera variable que es la de dias por mes en

C no la incluimos en el modelo de regresion lineal múltiple.
 PLATOS DE POLLO
INGRESOS($1000)
FRITO POR DIA

ue con la variable edad no aumento R'2, entonces la R'2 máxima que he

nto 0,254937118 y no la incuyo como parte del modelo de regresión lineal

esión lineal múltiple más adecuado incluye las siguientes variables:

arjetas prepagadas
frito por dia

1
+ 0,325196263 X2 - 32,30730074

mplicaciones de ventas podrían ser evidentes a partir de este análisis?

más platos de pollo frito consuma el cleinte, más dinero depositará en la trajeta pre
omienda estimular el consumo si se desea aumentar la cantidad de dinero que se
tendria en las trajetas.
DIAS POR MES
EN KFC

8
6
10
14
12
19
15
8
10
3
15
12
10
12
18
10
16
6
8
12
11
8
10
12
 Coeficientes
Intercepción -32.307300739802
Variable X 1 11.690459491867
Variable X 2 0.325196262528