1 Uso del comando Análisis de datos Excel:

La primera vez que se vaya a utilizar este comando, será necesario

activarlo. Para ello, debe de hacer clic en el Botón de Office
(círculo que aparece en el extremo superior izquierdo de la
pantalla) seleccionar Opciones de Excel. Al desplegarse el cuadro de
diálogo correspondiente debe seleccionar Complementos; elija el
comando Herramientas para análisis y marque Ir… Al desplegar el
cuadro de diálogo Comandos, activa la casilla Herramientas para
análisis.
Con los siguientes datos traspasados a una hoja Excel, se debe
seguir el siguiente procedimiento:

Comuna Población infantil (x)

1 14,680
2 22,930
3 16,650
4 35,990
5 32,480
6 38,770
7 10,030
8 24,260
9 52,460
10 36,800
11 17,340
12 43,690

1. Seleccione Datos de la barra de opciones.

2. En Análisis, elija la opción Análisis de datos.
3. En el cuadro de diálogo que se abrirá, seleccione la opción
Regresión y elija Aceptar.
4. En el cuadro de diálogo Regresión, use el casillero Rango Y de
entrada para anotar la posición de los datos de la variable
dependiente (Ventas)
5. Use el casillero de Rango X de entrada para especificar la
posición de los datos de la variable independiente (Población
infantil)
6. Utilice las Opciones de salida para especificar el lugar donde
quiere ubicar los resultados. Si elige la opción En una hoja nueva,
asígnele un nombre (Resultados regresión).
7. Finalmente elija Aceptar. Excel insertará una nueva hoja de
cálculo con los resultados de la regresión.
Resultados de la regresión:

Resumen
 Estadísticas de la regresión
Coeficiente de correlación múltiple 0.933542293566739
Coeficiente de determinación R^2 0.871501213877848
R^2 ajustado 0.858651335265633
Error típico 1121.00854653361
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 10
Total 11

Coeficientes
Intercepción 1113.2013971255
Variable X 1 0.212027806387234

Como se puede observar, en las celdas C63 y C64 aparecen

directamente los valores de a y b, denominados como Intercepción y
Variable X 1, respectivamente, datos que son coincidentes mediante
el uso de las fórmulas.

En el Resumen de los resultados de la regresión aparecen tres

conceptos bajo el título de Análisis de varianza: Regresión,
Residuos y Total. Los valores bajo la columna Suma de cuadrados
se interpretan como sigue:
 Regresión: variación que se puede explicar por los datos del
modelo (dispersión en los valores estimados con respecto al
promedio de los datos observados) y corresponde a la suma de
los cuadrados de las diferencias entre cada valor estimado por
el modelo y el promedio de los datos observados.
 Residuos: suma de los cuadrados de las diferencias entre los
datos observados y los determinados por el modelo.
 Total: dispersión de los datos que se calcula como la
diferencia entre el promedio de los datos observados y la
suma de esos datos al cuadrado.
Si se relativizan los valores de Regresión y Residuos respecto de
Total, se tiene:
Suma de cuadrados
Regresión 85228887.3026527
Residuos 12566601.614014
Total 97795488.9166667

2 ¿Cómo se interpreta un coeficiente de determinación (C51) cercano a 1?

 Si el coeficiente es positivo y elevado (muy cercano a 1), las
variables x e y tienen comportamientos altamente relacionados. Si
el coeficiente es 1, no existe diferencia entre el valor estimado y los
datos observados.

3 ¿Cómo se interpreta un coeficiente de determinación (C51) cerca a -1?

Si el coeficiente muestra valores negativos, el comportamiento de

las variables es opuesto, es decir, mientras mayor sea el valor de x,
menor será el de y. Si el coeficiente es 0, no existe correlación entre
las variables, y la ecuación obtenida no sirve para estimar el valor
de Y.

4 ¿Qué busca determinar una prueba de hipótesis?

Dado que estadísticamente los resultados varían según sea la

composición de los datos, se hace necesario determinar si los
valores de a y b son o no válidos realizando una prueba de
hipótesis, puesto que las variaciones se pueden deber a las
diferencias propias de los grupos (edad, sexo, etc.) o se explican por
el azar. Cuando las diferencias no se deben al azar, se clasifican
como estadísticamente significativas, aceptando que las diferencias
se explican porque los grupos están compuestos por individuos de
diversas características.

5 ¿Para qué se utiliza el estadístico F?

Se utiliza para determinar si todas las variables de la función en

su conjunto son o no significativas, y se calcula dividiendo el
promedio de los cuadrados de la regresión por el promedio de los
cuadrados de los residuos. Aunque para dos variables es suficiente
el coeficiente R2 (o R cuadrado), se muestra el cálculo del
estadístico F para los datos del Excel que se observan en el cuadro
de la pregunta 1.

F = 8522887,3 / 1256660,161 = 67,82174682

Este valor es el que aparece en la celda F58.

6 ¿A qué se denomina una relación espuria?

Cuando todos los indicadores se consideren como válidos, podría

darse el caso de que dos variables que no tengan ninguna relación
entre sí sugieran la aceptación del modelo. Por ejemplo el
comportamiento observado en el consumo de cerdos con el
crecimiento de los de los enfermos de sida. Aunque ambas variables
se muestren muy correlacionadas y aunque a y b sean muy
significativas, no cabe duda de que una no explica a la otra.
Venta en unidades (Y)
3,845
5,450
5,099
8,890
6,681
9,678
4,542
4,557
13,289
10,506
5,134
9,066
Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
85228887.3026527 85228887.3026527 67.8217468 9.125478733E-06
12566601.614014 1256660.1614014
97795488.9166667

Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

809.966690156557 1.37437923145991 0.19933934 -691.5168540271 2917.91965
0.025745915206099 8.23539597213495 9.12548E-06 0.1546623324366 0.26939328

%
0.8715012
0.1284988
1.0000000
 Inferior 95,0% Superior 95,0%
-691.51685403 2917.919648278
0.15466233244 0.269393280338
 Comuna Población infantil (x) Venta en unidades (Y)
1 14,680 3,845
2 22,930 5,450
3 16,650 5,099
4 35,990 8,890
5 32,480 6,681
6 38,770 9,678
7 10,030 4,542
8 24,260 4,557
9 52,460 13,289
10 36,800 10,506
11 17,340 5,134
12 43,690 9,066
13 9,567
14 9,927
15 10,287

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.933542293566739
Coeficiente de determinación R^2 0.871501213877848
R^2 ajustado 0.858651335265633
Error típico 1121.00854653361
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 85228887.3026527 85228887.3
Residuos 10 12566601.614014 1256660.16
Total 11 97795488.9166667

Coeficientes Error típico Estadístico t

Intercepción 1113.2013971255 809.966690156557 1.37437923
Variable X 1 0.212027806387234 0.025745915206099 8.23539597

OTRA FORMA OTRA FORMA

Euacion Recta considerando columna B Considerando columna A
B 0.212027806387234 B
A 1113.2013971255 A
 9,567
USANDO
9,927 FUNCIÓN
PRONÓSTICO
10,287 LINRAL

9,567
9,927 USANDO
FUNCIÓN
10,287 TENDENCIA

F Valor crítico de F
67.8217468 9.12548E-06

Probabilidad Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
0.19933934 -691.516854 2917.91965 -691.516854 2917.91965
9.12548E-06 0.15466233 0.26939328 0.15466233 0.26939328

OTRA FORMA
Considerando columna A
359.870629
4888.92424
 PERIODOS MENSUALES X DEMANDA (Y)
ENERO 1 30
FEBRERO 2 35
MARZO 3 28
ABRIL 4 20
MAYO 5 25
JUNIO 6 30
JULIO 7 35
AGOSTO 8 40
SEPTIEMBRE 9 50

Resumen

Estadísticas de la regresión
Coeficiente de correlación 0.616875717065075
Coeficiente de determinac 0.38053565030455
R^2 ajustado 0.2920407432052
Error típico 7.40854290238694
Observaciones 9

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 236.016666666667 236.016667
Residuos 7 384.205555555555 54.8865079
Total 8 620.222222222222

Coeficientes Error típico Estadístico t

Intercepción 22.6388888888889 5.38218163839837 4.20626623
Variable X 1 1.98333333333333 0.956438776020259 2.07366471
 F Valor crítico de F
4.30008531 0.07680012

Probabilidad Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
0.00400427 9.91205166 35.3657261 9.91205166 35.3657261
0.07680012 -0.27828499 4.24495166 -0.27828499 4.24495166