X Y SCE

PROMEDIO S MENSUAL Y' (Y - Y')^2 STC

2.6 3300 3301.35135 1.82615047 122500
3.4 3600 3766.21622 27627.8305 2500
3.6 4000 3882.43243 13822.1329 122500
3.2 3500 3650 22500 22500
3.5 3900 3824.32432 5726.80789 62500
2.9 3600 3475.67568 15456.5376 2500
SUMA 85135.1351 335000
3650
A 1790.54054
B 581.081081

a) Calcule las SCE, STC y SCR.

SCE 85135.1351
STC 335000
SCR 249864.865

b) Calcule el coeficiente de determinación r2. Haga un comentario sobre la bondad del ajuste.

R2 0.74586527
El 74% de los valores de y están determinados por la variable x (relación medianamente fuerte)

c) Determine el valor del coeficiente de correlación muestral.

r 0.86363492
a) Calcule las entradas que faltan en esta pantalla
n 8
The regression equation is

Y = 14.4 – 8.69 X1 + 13.52 X2 S=

Predictor COEF SE COEF T R2 =
Constant 14.448 8.191 1.76
X1 -8.69 1.555 -0.17894131
X2 13.517 2.085 0.1542502

Analysis of Variance
SOURCE DF SS MS F
Regression 2 648.83 324.415 22.791555431
Residual Error 5 71.17 14.234
Total 7 720 338.649

b) Calcule F. Con un nivel de significancia de 0.05, pruebe si la relación es significativa.

c) ¿La ecuación de regresión estimada proporciona un buen ajuste a los datos? Explique

d) Use la prueba t y α =0.05 para probar H0: β1=0 y H0: β2 =0.

3.773
R2 (ajust.) = -0.4
n 15 prom 0.406
Σ𝑦𝑖 6.09
Σ𝑥𝑖 311.83
Σ𝑥𝑖 𝑦𝑖 160.12
Σ 𝑦2 3.14
Σ𝑥2 8317.06
Σ𝑒2 0.0514

a) Especifica y estima el modelo de regresión lineal Y = f(X).

B 0.0182700848 --> Y = 0.0183X + 0.0262
A 0.02618929721

b) Realiza el contraste adecuado para determinar si la penetración del bien depende Linealmente del PIB por habitante
con un nivel de significación del 5 %. Interpreta el resultado obtenido.

ANÁLISIS DE ANOVA
FUENTE GL SS MS
REGRESIÓN 1 0.57122604884 0.57122604884
ERROR 13 0.0514 0.00395384615
TOTAL 14 0.62262604884 0.57517989499

Calcule F. Con un nivel de significancia de 0.05, pruebe si la relación es significativa.

F 144.473514297

Ho B =0
H1 B ≠0

NS 0.05
p < NS
Se rechaza la hip. Nula La relac. Es significativa

c) Cual será el pronóstico de penetración del bien para un país que tuviese un PIB por habitante de 30.000 euros?
n 15
r 0.95783424192
R2 0.91744643499

d) Completa los valores indicados con “XXXX" en la tabla anterior.

ANÁLISIS DE ANOVA
FUENTE GL SS MS
REGRESIÓN 2 0.6490709 0.32454
RESIDUOS 12 0.0146861 0.001223
TOTAL 14 0.663757 0.325763
 COEFICIENTES ERROR TÍPICO t
INTERCEPCIÓN 0.222164 0.037322 5.952568
X1 0.139442 0.00609480467 22.87883
X2 -0.000147 3.4E-05 -4,310425

e) Contrasta la signicatividad conjunta de los parámetros asociados a las variables explicativas.

6.7E-05
0
0.001013

f) Calcula un intervalo de confianza al 90% para el coeficiente de X2. Interpreta el resultado obtenido.

g) cuál es la expresión del estimador insesgado de la varianza del error? Cual es su estimación para esta muestra?

h) cuál es la distribución de probabilidad de los estimadores de los parámetros asociados a las variables explicativas?
Indica tanto el estimador como su distribución.

i ) A la vista de los resultados anteriores, ¿podría eliminarse del modelo alguna de las variables explicativas? Justifica
tu respuesta.
e del PIB por habitante

de 30.000 euros? Realiza una estimación puntual y por intervalos (95% de confianza) para dicho pronostico.

DIST. F t= 2.16 Por liedys

LS = 0.7101118124
LI = 0.4384718697
 ra esta muestra?

ariables explicativas?

xplicativas? Justifica
cho pronostico.
x y Chart Title
2 4 12
3 5
10
4 4
5 6 8
7 4 6
7 6 4
7 9
2
8 5
9 11 0
1 2 3 4 5 6 7 8 9 10

a) ¿Parece haber una relación lineal entre x y y? Explique.

R2 0.38460365853659
Tienen una relación débil

b) Desarrolle la ecuación de regresión estimada relacionando x y y.

A 2.32195121951219
B 0.63658536585366
Y = 2.32 + 0.64X

c) Trace la gráfica de residuales estandarizados contra yˆ para la ecuación de regresión estimada

Residuos
Observación Pronóstico para Y Residuos estándares
1 3.59512195121951 0.40487804878049 0.21070320956672
2 4.23170731707317 0.76829268292683 0.39982837959949
3 4.86829268292683 -0.8682926829268 -0.4518695337696
4 5.50487804878049 0.49512195121951 0.25766717796412
5 6.7780487804878 -2.7780487804878 -1.445728648774
6 6.7780487804878 -0.7780487804878 -0.4049055653722
7 6.7780487804878 2.2219512195122 1.15632905973058
8 7.41463414634146 -2.4146341463415 -1.2566034787413
9 8.05121951219512 2.94878048780488 1.53457939979613

Variable X 1 Gráfico de los residuales

4
2
Residuos

0
1 2 3 4 5 6 7 8 9 10
-2
-4
Variable X 1
d) Realice una transformación logarítmica de la variable dependiente y. Desarrolle una ecuación
de regresión estimada utilizando la variable dependiente transformada. ¿Los supuestos
del modelo parecen satisfacerse al utilizar la variable dependiente transformada? ¿Funciona
mejor la transformación recíproca en este caso? Explique.

x y X'
2 4 0.69314718055995
3 5 1.09861228866811
4 4 1.38629436111989
5 6 1.6094379124341
7 4 1.94591014905531
7 6 1.94591014905531
7 9 1.94591014905531
8 5 2.07944154167984
9 11 2.19722457733622

A= 1.45215593676612
B= 2.74667181235573
Y = 1.45 + 2.75*X' FORMA LINEAL
Y = 1.45 + 2.75*LN(X) FORMA LOGARÍTMICA
8 9 10