Resumen

Estadísticas de la regresión
Coeficiente d 0.09515676
Coeficiente d 0.00905481
R^2 ajustado-0.04923609
Error típico 1.05675485
Observacione 19

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.17347106 0.17347106 0.1553383 0.6983853
Residuos 17 18.9844237 1.1167308
Total 18 19.1578947

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 90.0%
Intercepción 3.5046729 0.78470851 4.46620985 0.00033943 1.84908265 5.16026315 2.13958869
4 -0.07165109 0.18179567 -0.3941298 0.6983853 -0.45520643 0.31190425 -0.38790406

Análisis de los residuales

Observación Pronóstico 1 Residuos

1 3.28971963 -0.28971963
2 3.36137072 0.63862928
3 3.21806854 -1.21806854
4 3.36137072 -1.36137072
5 3.07476636 -0.07476636
6 3.21806854 -1.21806854
7 3.14641745 0.85358255
8 3.28971963 -0.28971963
9 3.21806854 1.78193146
10 3.14641745 0.85358255
11 3.07476636 -0.07476636
12 3.21806854 -1.21806854
13 3.14641745 0.85358255
14 3.07476636 -1.07476636
15 3.28971963 -1.28971963
16 3.21806854 0.78193146
17 3.36137072 1.63862928
18 3.21806854 0.78193146
19 3.07476636 -0.07476636
 4 Curva de regresión ajustada
6

4
Column C
Pronóstico 1

1
2

0
2 2 3 3 4 4 5 5 6 6 7
4

Superior 90.0%
4.86975711
0.24460188
Resumen

Estadísticas de la regresión
Coeficiente d 0.09515676
Coeficiente d 0.00905481
R^2 ajustado-0.04923609
Error típico 1.05675485
Observacione 19

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.17347106 0.17347106 0.1553383 0.6983853
Residuos 17 18.9844237 1.1167308
Total 18 19.1578947

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 90.0%
Intercepción 3.5046729 0.78470851 4.46620985 0.00033943 1.84908265 5.16026315 2.13958869
4 -0.07165109 0.18179567 -0.3941298 0.6983853 -0.45520643 0.31190425 -0.38790406

Análisis de los residuales

Observación Pronóstico 1 Residuos

1 3.28971963 -0.28971963
2 3.36137072 0.63862928
3 3.21806854 -1.21806854
4 3.36137072 -1.36137072
5 3.07476636 -0.07476636
6 3.21806854 -1.21806854
7 3.14641745 0.85358255
8 3.28971963 -0.28971963
9 3.21806854 1.78193146
10 3.14641745 0.85358255
11 3.07476636 -0.07476636
12 3.21806854 -1.21806854
13 3.14641745 0.85358255
14 3.07476636 -1.07476636
15 3.28971963 -1.28971963
16 3.21806854 0.78193146
17 3.36137072 1.63862928
18 3.21806854 0.78193146
19 3.07476636 -0.07476636
 4 Curva de regresión ajustada
6

4
Column C
1 2 Pronóstico 1

0
2 2 3 3 4 4 5 5 6 6 7
4

Superior 90.0%
4.86975711
0.24460188
 *son 70 datos REGRESION simple Y=GASTO
X=UNIDADES
sec unidades personas gastos unidades y gasto
1 1 4 400
2 3 3 600 B0=se estima que cuando no h
3 4 2 360 B1=se estima que por cada un
4 2 4 320 r=La correlacion directamente
5 2 2 410 R^2
6 3 6 520
7 2 4 350
8 4 5 450
9 3 3 600
10 5 4 450
11 4 5 380
12 3 6 550
13 2 4 460
14 4 5 530
15 2 6 580
16 2 3 460
17 4 4 470
18 5 2 390
19 4 4 370
20 3 6 470

produccion
8
4 9
2 11
7 11
10 12
11 14
12 15
15 16
4 9
5 11
11 14
12 15
3 8
4 9
B0= cuando no hay personas e
la tasa de puntos de la variable
B1= se estima que por cada
se estima que por cada person
nidades y gasto

0=se estima que cuando no hay unidades consumidas el gasto es de 428.25 miles de pesos
1=se estima que por cada unidad el gasto de alimentacion se incrementara en 5.79 miles de pesos
=La correlacion directamente prop. De 9.65 Entre gastos y unidades de consumo

gasto=361.57+5.17 unidades+15.44 personas

regresion multiple
Y= 361.57+5.17X1+15.44X2
0= cuando no hay personas el gasto por concepto de alimentacion es de 361.57
tasa de puntos de la variable gastos es de 9%
1= se estima que por cada
e estima que por cada persona mas en el hogar
 clase 5/11/2020

sec unidades personas gastos LOG unidadesLOG personasLOG gastos

1 1 4 400 0 0.60205999 2.60205999133
2 3 3 600 0.47712125 0.47712125 2.77815125038
3 4 2 360 0.60205999 0.30103 2.55630250077
4 2 4 320 0.30103 0.60205999 2.50514997832
5 2 2 410 0.30103 0.30103 2.61278385672
6 3 6 520 0.47712125 0.77815125 2.71600334363
7 2 4 350 0.30103 0.60205999 2.54406804435
8 4 5 450 0.60205999 0.69897 2.65321251378
9 3 3 600 0.47712125 0.47712125 2.77815125038
10 5 4 450 0.69897 0.60205999 2.65321251378
11 4 5 380 0.60205999 0.69897 2.57978359662
12 3 6 550 0.47712125 0.77815125 2.74036268949
13 2 4 460 0.30103 0.60205999 2.66275783168
14 4 5 530 0.60205999 0.69897 2.7242758696
15 2 6 580 0.30103 0.77815125 2.76342799356
16 2 3 460 0.30103 0.47712125 2.66275783168
17 4 4 470 0.60205999 0.60205999 2.67209785794
18 5 2 390 0.69897 0.30103 2.59106460703
19 4 4 370 0.60205999 0.60205999 2.56820172407
20 3 6 470 0.47712125 0.77815125 2.67209785794

LA TABLA TIENE 70 DATOS

distribuciones en el muestreo en adelante

LINEAL Resumen
gastos y personas normal
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.32973825 r
Coeficiente de determinación R^2 0.10872731 R2
R^2 ajustado 0.05629951
Error típico 83.8731645
Observaciones 19

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Regresión 1 14588.9162
Residuos 17 119590.031
Total 18 134178.947

Coeficientes Error típico

Intercepción 373.64486 62.281225
4 20.7788162 14.4288698

EXPONENCIAL Resumen
gastos log personas normal
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.34102426 r
Coeficiente de determinación R^2 0.11629755 R2
R^2 ajustado 0.06431505
Error típico 0.07968961
Observaciones 19

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Regresión 1 0.01420747
Residuos 17 0.10795737
Total 18 0.12216485

Coeficientes Error típico

Intercepción 2.57023389 0.05917467
4 0.02050537 0.01370916
A=371.54
A=antilog de 2.570
 Y=A*B y= 371.54*(1+0.048)^x
Análisis de los residuales

Observación Pronóstico 2.60205999132796

Residuos
1 2.63175001 0.14640124
2 2.61124464 -0.05494214
3 2.65225539 -0.14710541
4 2.61124464 0.00153922
5 2.69326614 0.02273721
6 2.65225539 -0.10818734
7 2.67276076 -0.01954825
8 2.63175001 0.14640124
9 2.65225539 0.00095713
10 2.67276076 -0.09297716
11 2.69326614 0.04709655
12 2.65225539 0.01050244
13 2.67276076 0.05151511
14 2.69326614 0.07016186
15 2.63175001 0.03100782
16 2.65225539 0.01984247
17 2.61124464 -0.02018003
18 2.65225539 -0.08405366
19 2.69326614 -0.02116828

POTENCIAL Resumen
logaritmo de gastos y personas
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.32200854 r
Coeficiente de determinación R^2 0.1036895 R2
R^2 ajustado 0.05096535
Error típico 0.08025607
Observaciones 19

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Regresión 1 0.01266721
Residuos 17 0.10949763
Total 18 0.12216485

Coeficientes Error típico

Intercepción 2.55767591 0.07139667
0.602059991327962 0.16475141 0.1174807
Y=c*x^D Y=361.07X^0.1647
 C=ant(2.5576)
C=361.07
Análisis de los residuales

Observación Pronóstico 2.60205999132796

Residuos
1 2.63628231 0.14186894
2 2.60727102 -0.05096852
3 2.65686614 -0.15171616
4 2.60727102 0.00551283
5 2.68587742 0.03012592
6 2.65686614 -0.11279809
7 2.6728322 -0.01961969
8 2.63628231 0.14186894
9 2.65686614 -0.00365363
10 2.6728322 -0.0930486
11 2.68587742 0.05448527
12 2.65686614 0.00589169
13 2.6728322 0.05144367
14 2.68587742 0.07755057
15 2.63628231 0.02647553
16 2.65686614 0.01523172
17 2.60727102 -0.01620642
18 2.65686614 -0.08866442
19 2.68587742 -0.01377956
 la tasa de puntos de la variable gasto explicado por el modelo de regresion lineal es del 10.8%

Bo=se estima que cuando no hay perosnas en un hogar el gasto es de 373.64 miles de pesos
B1= se estima que por cada persona los gastoas se incrementan en 20.77 miles de pesos

Promedio de los cuadradosF Valor crítico de F

14588.9162 2.07384824 0.16800545
7034.70771

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 90.0 Superior 90.0%

5.99931777 1.43589E-05 242.242961 505.046758 265.300022 481.989698
1.44008619 0.16800545 -9.66343813 51.2210705 -4.3217428 45.8793752

existe una relacion directamente proporcional de los gastos del 34.1%

la tasa de puntos de la variable gasto del numero de personas que conforman el hogar explicados por el modelo de regresion
Bo (A)=se estima que cuando no hay un numero de personas en el hogar el gasto es de 371.54 miles de pesos
B1 (B)=se estima que por cada persona en el hogar los gastos se incrementan por 4.8%

Promedio de los cuadradosF Valor crítico de F

0.01420747 2.23724435 0.15305407
0.00635043

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 90.0%

Superior 90.0%
43.4347006 7.32064E-19 2.44538626 2.69508152 2.46729325 2.67317454
1.49574207 0.15305407 -0.00841843 0.04942918 -0.00334318 0.04435393
B=1.048 B=1+0.048 si da menos de uno es negativo, si da mas de uno se separa (0.95=1-0.95)
B=antilog de 0.0205
= 371.54*(1+0.048)^x

existe una relacion directamente proporcional de los gastos de 32.2%

la tasa de puntos de la variable gastos explicada por el modelo de regresion potencial es del 10.3%
Bo (C)= se estima que cuando se encuentra una persona en el hogar los gastos son de 361.07
b1 (D)= se estima que por cada 1% que se incremente el numero de peronas en el hogar el gasto se incrementara en un 0.16%

Promedio de los cuadradosF Valor crítico de F

0.01266721 1.96664156 0.1788019
0.00644104

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 90.0%

Superior 90.0%
35.8234627 1.87187E-17 2.4070421 2.70830971 2.43347378 2.68187803
1.40236998 0.1788019 -0.08311121 0.41261402 -0.03961881 0.36912163
=361.07X^0.1647
D=0.1647
 0.602059991327962 Curva de regresión
ajustada
2.60205999132796

3 Column G
Pronóstico
2.5 2.60205999132
2
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0.602059991327962
dos por el modelo de regresion exponencial es del 11.6%
miles de pesos
4 Curva de regresión ajustada
3
2.60205999132796

2.8
Column G
2.6 Pronóstico
2.4 2.602059991
2.2
2 2 3 3 4 4 5 5 6 6 7
4
to se incrementara en un 0.16%
Curva de regresión

Column G
Pronóstico
2.60205999132796

7 0.8 0.9

esión ajustada

Column G
Pronóstico
2.60205999132796

5 6 6 7