II EXAMEN PARCIAL PRONOSTICOS GRUPO 2 TEMA A

El propietario de una agencia de venta de automóviles (en millones) desea estimar el

precio de venta de los automóviles con base en la antigüedad (en años) de estos. Con
base en los siguientes datos, estas son las salidas:

VENTAS 8.1 6.0 3.6 4.0 5.0 10.0 7.6 8.0 8.0 6.0 8.6 8.0

ANTIGUEDAD 9 7 11 12 8 7 8 11 10 12 6 6

Modelo 1: MCO, usando las observaciones 1-12

Coeficiente Desv. Típica Estadístico t Valor p
---------------------------------------------------------------
const 11.1772 2.14327 5.215 0.0004 ***
X -0.478756 0.233734 -2.048 0.0677 *

Media de la vble. dep. 6.908333 D.T. de la vble. dep. 1.967674

Suma de cuad. residuos 30.00188 D.T. de la regresión 1.732105
R-cuadrado 0.295551 R-cuadrado corregido 0.225106
F(1, 10) 4.195499 Valor p (de F) 0.067702
Log-verosimilitud -22.52538 Criterio de Akaike 49.05077
Criterio de Schwarz 50.02058 Crit. de Hannan-Quinn 48.69171
rho 0.300012 Durbin-Watson 1.348183

1. (0.5) La interpretación del coeficiente de regresión del modelo es

a. Si se incrementa en un año la antigüedad de un automóvil, se espera que el precio de
venta se incrementa en $11.17 (millones)
b. Si X se incrementa en una unidad, se genera un incremento de $11.17 (millones) en Y
c. Si se incrementa en un año la antigüedad de un automóvil, se espera que el precio de
venta se disminuya en $0.479 (millones)
d. Si X se incrementa en una unidad se espera que se genere un incremento 0.295
(millones) en Y
2. (0.3) La interpretación correcta del coeficiente de determinación es:
a. Se observa una alta relación entre la antigüedad del automóvil y el precio de venta

b. El modelo explica la variabilidad del porcentaje de las ventas en un 54.36%

c. El 29.55% de la variación de las ventas de automóviles es explicado por la variación de

la antigüedad

d. El 29.55% de la antigüedad del automóvil es explicado por las ventas

3. (0.3) El precio de un automóvil con 5 años de antigüedad es:

Modelo 1: MCO, usando las observaciones 1-12

Coeficiente Desv. Típica Estadístico t Valor p
---------------------------------------------------------------
const 11.1772 2.14327 5.215 0.0004 ***
X -0.478756 0.233734 -2.048 0.0677 *

Media de la vble. dep. 6.908333 D.T. de la vble. dep. 1.967674

Suma de cuad. residuos 30.00188 D.T. de la regresión 1.732105
R-cuadrado 0.295551 R-cuadrado corregido 0.225106
F(1, 10) 4.195499 Valor p (de F) 0.067702
Log-verosimilitud -22.52538 Criterio de Akaike 49.05077
Criterio de Schwarz 50.02058 Crit. de Hannan-Quinn 48.69171
rho 0.300012 Durbin-Watson 1.348183

a. 9.538 (millones)
b. 6.536 (millones)
c. 8.783 (millones)
d. 10.553 (millones)

4.(0.3) Con respecto al modelo ajustado se puede concluir que:

Modelo 1: MCO, usando las observaciones 1-12
Coeficiente Desv. Típica Estadístico t Valor p
---------------------------------------------------------------
const 11.1772 2.14327 5.215 0.0004 ***
X -0.478756 0.233734 -2.048 0.0677 *

Media de la vble. dep. 6.908333 D.T. de la vble. dep. 1.967674

Suma de cuad. residuos 30.00188 D.T. de la regresión 1.732105
R-cuadrado 0.295551 R-cuadrado corregido 0.225106
F(1, 10) 4.195499 Valor p (de F) 0.067702
Log-verosimilitud -22.52538 Criterio de Akaike 49.05077
Criterio de Schwarz 50.02058 Crit. de Hannan-Quinn 48.69171
rho 0.300012 Durbin-Watson 1.348183

a. A un nivel de significancia del 1% el coeficiente de regresión es cero

b. A un nivel de significancia del 5% el coeficiente de regresión es diferente de cero
c. A un nivel de significancia del 1% el coeficiente de regresión es diferente de cero
d. No se puede determinar a partir de la información

5. (0.4) Con respecto al modelo ajustado se puede concluir que:

Modelo 1: MCO, usando las observaciones 1-12
Coeficiente Desv. Típica Estadístico t Valor p
---------------------------------------------------------------
const 11.1772 2.14327 5.215 0.0004 ***
X -0.478756 0.233734 -2.048 0.0677 *

Media de la vble. dep. 6.908333 D.T. de la vble. dep. 1.967674

Suma de cuad. residuos 30.00188 D.T. de la regresión 1.732105
R-cuadrado 0.295551 R-cuadrado corregido 0.225106
F(1, 10) 4.195499 Valor p (de F) 0.067702
Log-verosimilitud -22.52538 Criterio de Akaike 49.05077
Criterio de Schwarz 50.02058 Crit. de Hannan-Quinn 48.69171
rho 0.300012 Durbin-Watson 1.348183

a. A un nivel de significancia del 1% la ordenada es de cero

b. Se observa una baja relación y negativa entre la antigüedad de los automóviles y las
ventas.
c. El 29.55% la antigüedad de los automóviles es explicada por la venta de éstos.
d. El error típico es 1.97
6. (0.4) Con base en la matriz de correlación, se puede concluir que las variables:
Y X1 X2 X3 X4
1,0000 0,1589 0,7828 -0,8330 0,4176 Y
1,0000 0,1726 -0,0383 -0,0985 X1
1,0000 -0,3243 0,4770 X2
1,0000 -0,2116 X3
1,0000 X4

a. X1 y X2; X2 y X4 tienen colinealidad

b. X1 y X3 tienen colinealidad
c. X2 y X3 tiene colinealidad
d. La única variable que entra al modelo es X3
7. (0.5) Con base en la matriz de correlación se puede concluir que el modelo tiene
Y X1 X2 X3 X4
1,0000 0,1589 0,7828 -0,8330 0,4176 Y
1,0000 0,1726 -0,0383 -0,0985 X1
1,0000 -0,3243 0,4770 X2
1,0000 -0,2116 X3
1,0000 X4

a. una variable potencial

b. dos variables potenciales
c. tres variables potenciales
d. cuatro variables potenciales
8. (0.5) Con base en el siguiente modelo se puede concluir que

Modelo 1: MCO, usando las observaciones 1986-2011 (T = 26)

Variable dependiente: Y

Coeficiente Desv. Típica Estadístico t Valor p

-----------------------------------------------------------------
const 178,078 13,0000 13,70 6,11e-012
X1 1,83918 1,08775 1,691 0,1057
X2 3,31424 0,164074 20,20 3,07e-015
X3 -21,1793 0,787779 -26,88 9,43e-018
X4 0,342412 0,478478 0,7156 0,4821

a. Sólo entran al modelo X2 y X3

b. Sólo entran al modelo las variables X1 y X4
c. Solo entra la variable X4
d. Sólo entra la variable X1
9. (0.2) Con respecto al supuesto de Normalidad se puede concluir que:
Contraste de Breusch-Pagan P = 0,588712
Contraste de Durbin-watson 1.5689 P = 0.58851
Jarque-Bera p = 0,507925
Contraste de Koenker p = 0,389105
Contraste de Chow p = 0,4708
Estadístico T de contraste; t(22) = 7,68055e-014

a. A un nivel de significancia del 5%, la prueba de Durbin-Watson cumple el supuesto de

normalidad

b. A un nivel de significancia del 1%, la prueba de Breusch – Pagan cumple el supuesto

de normalidad

c. A un nivel de significancia del 5% la prueba de Jarque-Bera cumple el supuesto de

normalidad

d. A un nivel de significancia del 1% la prueba de Chow, cumple el supuesto de

normalidad

10. (0.7) Con base en la salida del modelo la ecuación resultante es:
Modelo 1: MCO, usando las observaciones 1986-2011 (T = 26)

Variable dependiente: Y

Coeficiente Desv. Típica Estadístico t Valor p

-----------------------------------------------------------------
const 178,078 13,0000 13,70 6,11e-012
X1 1,83918 1,08775 1,691 0,1057
X2 3,31424 0,164074 20,20 3,07e-015
X3 -21,1793 0,787779 -26,88 9,43e-018
X4 0,342412 0,478478 0,7156 0,4821

a. Y = 178.08 + 1.84 X1 + 0.34 X4

b. Y = 178.08 + 1.84 X1+3.31 X2
c. Y = 178.08 + 3.314 X2 - 21.18 X3 + 0.34 X4
d. Y = 178.08 + 3.314 X2 - 21.18 X3

11. (0.7) Teniendo en cuenta las variables del modelo

Y: Volumen de ventas (miles de dólares)

X1: Gasto en publicidad (miles de dólares)
X2: Número de cuentas activas
X3: Número de competidores
X4: Potencial de mercado

Modelo 1: MCO, usando las observaciones 1986-2011 (T = 26)

Variable dependiente: Y

Coeficiente Desv. Típica Estadístico t Valor p

-----------------------------------------------------------------
const 178,078 13,0000 13,70 6,11e-012
X1 1,83918 1,08775 1,691 0,1057
X2 3,31424 0,164074 20,20 3,07e-015
X3 -21,1793 0,787779 -26,88 9,43e-018
X4 0,342412 0,478478 0,7156 0,4821

La interpretación de este modelo es: Si se incrementa una cuenta activa permaneciendo

constante el número de competidores, las ventas se incrementarán en $3.31 miles de
dólares en promedio. Si se incrementa en un competidor, se disminuyen las ventas en
$21.17 miles dólares en promedio V___ F___

12. (0.2) Con respecto al supuesto de Homocedasticidad se puede concluir que:

Contraste de Breusch-Pagan P = 0,588712
Contraste de Durbin-watson 1.5689 P = 0.58851
Jarque-Bera p = 0,507925
Contraste de Koenker p = 0,389105
Contraste de Chow p = 0,4708
Estadístico T de contraste; t(22) = 7,68055e-014

a. A un nivel de significancia del 5%, la prueba de Breusch - Pagan cumple el supuesto de

Homocedasticidad
b. A un nivel de significancia del 1%, la prueba de Chow cumple el supuesto de
Homocedasticidad

c. A un nivel de significancia del 5% la prueba de Jarque-Bera cumple el supuesto de

Homocedasticidad

d. A un nivel de significancia del 5% la prueba de Durbin-Watson cumple el supuesto de

Homocedasticidad