Pamela Casteblando Codigo: 1810010907

Karen Viviana Bohada Codigo:

1810010507
a. Obtenga una ecuación de regresión estimada que sirva para estimar la cantidad en circulación d
b. Emplee la ecuación de regresión estimada para estimar la cantidad en circulación de opciones o
c. ¿Cree que la ecuación de regresión estimada proporcione una buena predicción de la cantidad e

EJERCICIO 59

Xi= Opciones otorgadas en circulación Yi= Acciones comunes en

(en millones) circulación (en millones)
20.3 61.8
52.7 160.9
109.1 375.4
15.7 58.9
44.2 203.8
14.2 66.9
18 87.9
89.9 365.5
120.2 335
78.3 269.3
12.8 56.1
52.6 188.8
54.8 247.6

A comunes en circulación (en millones)

Yi= Acciones
400
f(x) = 3.1080242836555 x + 27.3646937784638
350

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

YA QUE EL COEFICIENTE DE CORRELACIÓN

DA POSITIVO LA RELACIÓN ENTRE LAS DOS
VARIABLES ES DIRECTA

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

Coeficientes Error típico

Intercepción 27.3646937784636 17.6713184159756
Variable X 1 3.1080242836555 0.278306292056451
Y estimada= 27,3+3,1X

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 90.4575867366702 -28.6575867366702
2 191.157573527108 -30.2575735271083
3 366.450143125278 8.94985687472177
4 76.1606750318549 -17.2606750318549
5 164.739367116037 39.0606328839635
 6 71.4986386063717 -4.59863860637165
7 83.3091308842625 4.59086911573746
8 306.776076879093 58.7239231209073
9 400.949212673854 -65.9492126738542
10 270.722995188689 -1.42299518868896
11 67.147404609254 -11.047404609254
12 190.846771098743 -2.04677109874268

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.

Promedio de los cuadrados F Valor crítico de F

159867.841949181 124.71616746 2.4267316366E-07
1281.85338923531

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

1.54853719084846 0.1497663405 -11.529615814353 66.259003371 -11.529615814
11.1676392965815 2.4267316E-07 2.4954762648791 3.7205723024 2.49547626488
Superior 95,0%
66.25900337128
3.720572302432
Xi= Opciones otorgadas en Yi= Acciones comunes en
circulación (en millones) circulación (en millones)

20.3 61.8 4150.580178 1038.326686

52.7 160.9 -5.25597633 0.031301775
109.1 375.4 10454.98018 3200.948225
15.7 58.9 4849.882485 1355.938994
44.2 203.8 -109.800592 69.27360947
14.2 66.9 4740.859408 1468.658225
18 87.9 3545.785562 1191.84284
89.9 365.5 6536.936331 1397.034379
120.2 335 9772.027101 4580.165917
78.3 269.3 2028.445562 664.4497633
12.8 56.1 5343.059408 1577.92284
52.6 188.8 -0.13905325 0.00591716
54.8 247.6 129.7671006 5.184378698
 51437.12769

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)

20.3 61.8 90.45758674 821.2572776 10030.04365 16591.4216

52.7 160.9 191.1575735 915.5207557 0.302369355 882.5469822
109.1 375.4 366.4501431 80.09993808 30920.56751 34148.19698
15.7 58.9 76.16067503 297.9309026 13098.11976 17346.91621
44.2 203.8 164.7393671 1525.733041 669.1702482 174.0369822
14.2 66.9 71.49863861 21.14747703 14186.96667 15303.59314
18 87.9 83.30913088 21.07607924 11512.98128 10548.87006
89.9 365.5 306.7760769 3448.499147 13495.09357 30587.31929
120.2 335 400.9492127 4349.298652 44243.55519 20849.13852
78.3 269.3 270.7229952 2.024915307 6418.461756 6192.47929
12.8 56.1 67.14740461 122.0451486 15242.44264 18092.31929
52.6 188.8 190.8467711 4.189271931 0.057158668 3.267751479
54.8 247.6 197.6844245 2491.564675 50.08013884 3248.123136
 159867.8419

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

FECHA Xi= DJIA Yi= S&P 500 Yi= S&P 500

9-Sep 10679 1241
1300
16-Sep 10642 1238
1280
23-Sep 10420 1215 f(x) = 0.133428261146165 x − 182.108321860797
30-Sep 10569 1229 1260

7-Oct 10292 1196 1240

14-Oct 10287 1187 1220
21-Oct 10215 1180 1200
28-Oct 10403 1198
1180
4-Nov 10531 1220
11-Nov 10686 1235 1160

18-Nov 10766 1248 1140

25-Nov 10932 1268 1120
10100 10200 10300 10400 10500 10600 10700 108
2-Dec 10878 1265
9-Dec 10779 1259
16-Dec 10876 1267
23-Dec 10883 1269
B
30-Dec 10718 1248
6-Jan 10959 1285 Y estimada= -182,11+0,1334X
13-Jan 10960 1288
20-Jan 10667 1261 Resumen

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

Análisis de los residuales

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

Yi= S&P 500 valor P

2P(t18>=19,8004)

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%

da= -182,11+0,1334X Y estimada= -182,11+0,1334*(11000)

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

Grados de libertad Suma de cuadrados Promedio de los cuadrados

1 18665.5863367377 18665.5863367377
18 856.963663262326 47.6090924034626
 19 19522.55
SCR CMR
SCE ECM
STC

Coeficientes Error típico Estadístico t

-182.108321860796 71.8308830774512 -2.53523713002998
0.133428261146165 0.006738635399025 19.8004867818589
b1 Sb1 t calculado
t calculado b1/Sb1=

Pronóstico para Y Residuos

1242.7720789191 -1.77207891910098
1237.83523325669 0.164766743307155
1208.21415928224 6.78584071775572
1228.09497019302 0.905029806977155
1191.13534185554 4.86465814446501
1190.4682005498 -3.46820054980435
1180.86136574728 -0.861365747280388
1205.94587884276 -7.94587884275938
1223.02469626947 -3.02469626946845
1243.70607674712 -8.70607674712414
1254.38033763882 -6.38033763881731
1276.52942898908 -8.52942898908077
1269.32430288719 -4.32430288718774
1256.11490503372 2.8850949662824
1269.0574463649 -2.05744636489544
1269.99144419292 -0.991444192918607
1247.9757811038 0.02421889619859
1280.13199204003 4.86800795997283
1280.26542030117 7.73457969882657
1241.17093978535 19.8290602146531
 1.14575016141316E-13 valor P

<0,05 RHo Y SE ACEPTA Ha

Ya que, el coeficiente de determinación R^2= 0.9561, esplicada

con un 95.61%

1285.29

proporcionaron son cercanos a 11,000. Además, el índice DJIA y

nte relacionados, por lo tanto se tienen dos razones para estar
n DJIA podríamos aproximarnos bastante al índice de S&P 500.

F Valor crítico de F
392.059276798567 1.1451525804E-13
CALCULO

Probabilidad Inferior 95% Superior 95%

0.020729303495695 -333.01940728819 -31.197236433402
1.14515258039851E-13 0.1192709135152 0.14758560877713

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

Xi= USO SEMANAL Yi= GASTOS ANUALES DE Yi= GASTOS ANUALES DE M

(HORAS) MANTENIMIENTO 60
13 17
10 22 50
20 30 f(x) = 0.95344043969982 x + 10.52795687559

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

Coeficientes Error típico

Intercepción 10.5279568755945 3.74486728221436
Variable X 1 0.95344043969982 0.138159709382233
b1 Sb1
t calculado
valor P
Análisis de los residuales

Observación Pronóstico para Y Residuos

1 22.9226825916922 -5.92268259169221
2 20.0623612725927 1.93763872740725
3 29.596765669591 0.403234330409049
4 37.2242891871895 -0.224289187189512
5 41.0380509459888 5.96194905401121
6 26.7364443504915 3.76355564950851
7 33.4105274283902 -0.910527428390232
8 40.084610506289 -1.08461050628897
9 48.6655744635874 2.83442553641264
10 46.7586935841877 -6.75869358418771
e relaciona gastos anuales de mantenimiento con el uso semanal.
a) con 0.05 como nivel de significancia.
horas a la semana. Obtenga un intervalo de predicción de 95% para los gastos anuales de
$3000 anuales, ¿recomendaría firmar el contrato de mantenimiento? ¿Por qué sí o por qué no?

Yi= GASTOS ANUALES DE MANTENIMIENTO

60

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

Promedio de los cuadrados F Valor crítico de F

860.050948631223 47.6238294964623 0.00012440260293
18.0592564210972
 CMR CALCULO
ECM

Estadístico t Probabilidad Inferior 95%

2.81130306689249 0.022797244912072 1.89227743701745
6.9010020646615 0.00012440260293 0.634843578545786
t calculado
b1/Sb1= 6.9010020646615
2P(t8>=6,901) 0.000124402602931
os gastos anuales de
? ¿Por qué sí o por qué no?

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

<0,05 RHo Y SE ACEPTA Ha

 5.31765507157872 VALOR CRITICO

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

19.1636363141716 1.89227743701745 19.163636314172
1.27203730085385 0.634843578545786 1.2720373008539
 t.inv 0,025;8 2.306004135204

S^2 ind 20.28683830921

LIMITE INFERIOR -7.65153303125

LIMITE SUPERIOR 85.91153303125
 a. Obtenga la ecuación de regresión estimada que relaciona velocidad de la línea de producción con el núm
b. Empleando el nivel de significancia 0.05, determine si la velocidad de la línea y el número de partes def
c. ¿Se ajusta bien a los datos la ecuación de regresión estimada?
d. Dé un intervalo de confianza de 95% para predecir el número medio de partes defectuosas si la velocida

EJERCICIO 62

Xi= Velocidad de la línea Yi= Velocidad de la línea

defectuosas halladas
20 21
20 19
40 15
30 16
60 14
40 17

Yi= Velocidad de la línea defectuosas halladas

25

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

VARIANZA 230 LIMITE INFERIOR

1150 LIMITE SUPERIOR
dad de la línea de producción con el número de partes defectuosas encontradas.
ad de la línea y el número de partes defectuosas halladas están relacionadas.
edio de partes defectuosas si la velocidad de la línea es 50 pies por minuto

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

Coeficientes Error típico

Intercepción 22.1739130434783 1.65274589641289
Variable X 1 -0.147826086956522 0.043910891036357
b1 Sb1
t calculado
valor P

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 19.2173913043478 1.78260869565217
2 19.2173913043478 -0.217391304347828
3 16.2608695652174 -1.26086956521739
4 17.7391304347826 -1.73913043478261
5 13.304347826087 0.695652173913043
6 16.2608695652174 0.739130434782609
2.77644510519779

0.844146442803715

12.4402737408075
17.1277262591925
tradas.
as.
o

Promedio de los cuadrados F Valor crítico de F

25.1304347826087 11.333333333 0.0281347480805
2.21739130434783

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

13.4164078649987 0.0001785213 17.585154789247 26.762671298 17.5851547892
-3.36650164612069 0.0281347481 -0.2697422654393 -0.0259099085 -0.2697422654
t calculado
b1/Sb1= -3.3665016461
2P(t8>=-3,3665) 1.9718652519
Superior 95,0%
26.76267129771
-0.02590990847
 a. Obtenga la ecuación de regresión estimada que sirve para determinar la beta del mercado de Ho
b. Empleando 0.05 como nivel de significancia, pruebe la significancia de la relación.
c. ¿Proporciona la ecuación de regresión estimada un buen ajuste? Explique.
d. Utilice las betas del mercado de Horizon Techology y de Texas Instrument para comparar los ries

EJERCICIO 66

Xi= S&P 500 Yi= Horizon Resumen

1.2 -0.7
-2.5 -2.0 Estadísticas de la regresión
-3.0 -5.5 Coeficiente de correlación múltiple
2.0 4.7 Coeficiente de determinación R^2
5.0 1.8 R^2 ajustado
1.2 4.1 Error típico
3.0 2.6 Observaciones
-1.0 2.0
0.5 -1.3 ANÁLISIS DE VARIANZA
2.5 5.5
Regresión
Residuos
A Total

Y=0,2747+0,9498X
Intercepción
BETA DEL MERCADO
0.95
DE HORIZONTE Variable X 1

Ho= β1=0 Análisis de los residuales

Ha= β1≠0
Observación
1
B 2
3
VALOR P 4
0.029 <0,05 RHo Y SE ACEPTA Ha 5
6
7
8
C 9
10
E CORRELACIÓN (R^2) 0.470 47
Proporciona un mal ajuste. Ya
que, el coeficiente de
determinación R^2= 0.470, esplica
tan solo un 47%

D
TEXAS INDUSTRUMENT TIENES MAYOR RIESGO
 del mercado de Horizon Technology. ¿Cuál es la beta del mercado de Horizon Technology?
ción.

a comparar los riesgos de estas dos acciones

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

Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

1 50.255429894631 50.255429894631 7.0806516809 0.0287630951134
8 56.780570105369 7.09757126317112
9 107.036

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

0.274684521352026 0.900374447142612 0.305078095256648 0.7680930928 -1.801582676991

0.949792672638173 0.356937518071314 2.66094939464562 0.0287630951 0.1266932799562

Pronóstico para Y Residuos

1.41443572851783 -2.11443572851783
-2.09979716024341 0.099797160243408
-2.57469349656249 -2.92530650343751
2.17426986662837 2.52573013337163
5.02364788454289 -3.22364788454289
1.41443572851783 2.68556427148217
3.12406253926655 -0.524062539266546
-0.675108151286148 2.67510815128615
0.749580857671112 -2.04958085767111
2.64916620294746 2.85083379705254
y?

4 5 6

<0,05 RHo Y SE ACEPTA Ha

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

2.3509517197 -1.801582677 2.350951719695

1.7728920653 0.12669327996 1.77289206532