Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Taller Estadística
Taller Estadística
EJERCICIO 59
300
250
200
150
100
50
0
0 20 40 60 80 100 120 140
Ho= β1=0
Ha= β1≠0
B.
y=27,365+3.108x
Y=27,365+3.108(150)
493.565
C.
COEFICIENTE DE CORRELACIÓN (R^2) 0.91894849223944 91.9
COVARIANZA 4286.42730769231
para estimar la cantidad en circulación de opciones otorgadas dada la cantidad de acciones comunes en circu
la cantidad en circulación de opciones otorgadas por una empresa que tiene 150 millones de acciones comun
e una buena predicción de la cantidad en circulación de opciones otorgadas? Emplee r 2 para justificar su res
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.958618011639381
Coeficiente de determinación R^2 0.918948492239442
R^2 ajustado 0.911580173352118
Error típico 35.8029801725402
Observaciones 13
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 159867.841949181
Residuos 11 14100.3872815884
Total 12 173968.229230769
13 197.684424522785 49.9155754772152
d de acciones comunes en circulación
150 millones de acciones comunes en circulación.
Emplee r 2 para justificar su respuesta.
16549.78308
3.108024284
27.3646938
Y estimada= 27,3+3,1X
Xi= Opciones otorgadas en Yi= Acciones comunes en
ygi
circulación (en millones) circulación (en millones)
14100.38728
173968.2292
91.9%
bo 27.36469378
b1 3.108024284
a. Dé el diagrama de dispersión de estos datos empleando DJIA como variable independiente.
b. Obtenga la ecuación de regresión estimada.
c. Pruebe la significancia de la relación. Use α = 0.05.
d. ¿Proporciona un buen ajuste la ecuación de regresión estimada? Explique.
e. Suponga que el precio de cierre del DJIA es 11 000. Estime el precio de cierre del S&P 500.
f. ¿Debe preocupar que el valor de 11 000 del DJIA empleado en el inciso e) para predecir el del S&P 500 se encue
ecuación de regresión estimada?
EJERCICIO 60 A
Estadísticas de la regresión
COEFICIENTE DE CORRELACIÓN R^2 0.9561039 Coeficiente de correlación múltiple
95.6 Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones
ANÁLISIS DE VARIANZA
Regresión
Residuos
Total
Intercepción
Variable X 1
Observación
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
diente.
500.
cir el del S&P 500 se encuentre fuera del intervalo de los datos empleado para obtener la
61146165 x − 182.108321860797
1.14515258039851E-13
Ho= β1=0
Ha= β1≠0
D
0 10500 10600 10700 10800 10900 11000 11100 Proporciona un buen ajuste. Ya que, el coeficiente de determinación R^2
con un 95.61%
F
cas de la regresión
0.977805659303251
No, porque los datos que se proporcionaron son cercanos a 11,000. Ade
0.956103907365466 el S&P 500 están directamente relacionados, por lo tanto se tienen dos
0.953665235552436 seguro que al usar 11,000 en DJIA podríamos aproximarnos bastante al
6.89993423182153
20
1285.29
F Valor crítico de F
392.059276798567 1.1451525804E-13
CALCULO
19.8004867818589
Inferior 95,0% Superior 95,0%
-333.019407288191 -31.1972364334
0.119270913515205 0.147585608777
a. Obtenga la ecuación de regresión estimada que relaciona gastos anuales de mantenimiento con
b. Pruebe la significancia de la relación del inciso a) con 0.05 como nivel de significancia.
c. Jensen piensa que usará la nueva máquina 30 horas a la semana. Obtenga un intervalo de predic
mantenimiento de la empresa.
d. Si el precio del contrato de mantenimiento es $3000 anuales, ¿recomendaría firmar el contrato
EJERCICIO 61
28 37 40
32 47
30
17 30.5
24 32.5 20
31 39
40 51.5 10
38 40
0
5 10 15 20 25
Resumen
Estadísticas de la regresión
Coeficiente de correlació 0.925298194552821
Coeficiente de determin 0.856176748842709
R^2 ajustado 0.838198842448048
Error típico 4.24961838534911
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 860.050948631223
Residuos 8 144.474051368777
Total 9 1004.525
SCR
SCE
STC
50
f(x) = 0.95344043969982 x + 10.5279568755946
40
30
20
10
0
5 10 15 20 25 30 35 40 45
Y=0,9534X+10,528
Ho= β1=0
Ha= β1≠0
α-1=0,95
α=1-0,95
α=0,05
α/2= 0.025
YP
Y=10,528+0,9534X 39.13
VARIANZA 105.12222222222
946.1
MEDIA 25.3
40 45
Y=0,9534X+10,528
Y=10,528+0,9534*(3000)
2870.728
EJERCICIO 62
20
f(x) = − 0.147826086956522 x + 22.1739130434783
15
10
0
15 20 25 30 35 40 45 50 55 60 65
A Ho= β1=0
Ha= β1≠0
Y=22,174-0,1478X
B
VALOR P 0.028
C
R^2 0.739 73.9
D
1-α=0,95
α=1-0,95
α=0,05
α/2= 0.025
YP
Y=22,174-0,1478X 14.784
t.inv 0,025;4
MEDIA 35 S ind
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.859726953621095
Coeficiente de determinación R^2 0.739130434782609
R^2 ajustado 0.673913043478261
Error típico 1.48909076430815
Observaciones 6
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 25.1304347826087
Residuos 4 8.8695652173913
Total 5 34
0.844146442803715
12.4402737408075
17.1277262591925
tradas.
as.
o
EJERCICIO 66
Y=0,2747+0,9498X
Intercepción
BETA DEL MERCADO
0.95
DE HORIZONTE Variable X 1
D
TEXAS INDUSTRUMENT TIENES MAYOR RIESGO
del mercado de Horizon Technology. ¿Cuál es la beta del mercado de Horizon Technology?
ción.
Yi= Horizon
8
6
f(x) = 0.949792672638173 x4+ 0.274684521352026
de la regresión 2
0.685214525467715 0
-4 -3 -2 -1 0 1 2 3 4 5 6
0.469518945911946 -2
0.403208814150939
-4
2.66412673556855
10 -6
-8
4 5 6