N DE HIJOS(XEGRESOS MENSUALES(Y)

0 58
0 59
0 60 Resumen
0 75
1 80 Estadísticas de la regresión
1 91 Coeficiente de correlación múltiple
1 93 Coeficiente de determinación R^2

2 93 R^2 ajustado

2 94 Error típico
2 95 Observaciones
2 100
3 102 ANÁLISIS DE VARIANZA

3 110 Grados de liberta

3 111 Regresión
4 120 Residuos
4 130 Total
5 132
6 150
7 167 Intercepción
7 230 Variable X 1
8 245
8 265
8 275
9 297 Análisis de los residuales
9 299

10 300 Observación
11 307 1
12 308 2
12 309 3
12 310 4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
de la regresión
0.971312397184
0.943447772923
Indica que el 94% de la varianza de la variable dependiente egresos mensuales puede ser explicada
por la variable independiente numero de hijos.
0.941428050528

Valores que se alejan de la recta,dicho de otro modo la desviacion tipica de los residuos. En este caso
con 22.99 se establece que su nivel es bajo por consiguiente existe una buena prediccion en los
egresos mensuales empleando numero de hijos como variable predictora. disminuye en la medida
22.99424675158 que Rcuadrado se acerque a 1.
30

Suma de Promedio de los Valor crítico

Grados de libertad cuadrados cuadrados F de F
1 246981.576 246981.5759238 467.1175479 5.254816E-19 0.00
28 14804.5907 528.7353836723
29 261786.167

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
53.16178953292 6.80206332 7.815538764488 1.633485E-08 39.228394455 67.095184611 39.2283945
22.82990996061 1.05630931 21.61290234855 5.254816E-19 20.666158427 24.993661495 20.6661584

Pronóstico para Y Residuos

53.16178953292 4.83821047 0
53.16178953292 5.83821047 0
53.16178953292 6.83821047 0
53.16178953292 21.8382105 0
75.99169949353 4.00830051 1
75.99169949353 15.0083005 1
75.99169949353 17.0083005 1
98.82160945414 -5.82160945 2
98.82160945414 -4.82160945 2
98.82160945414 -3.82160945 2
98.82160945414 1.17839055 2
121.6515194147 -19.6515194 3
121.6515194147 -11.6515194 3
121.6515194147 -10.6515194 3
144.4814293754 -24.4814294 4
144.4814293754 -14.4814294 4
167.311339336 -35.3113393 5
190.1412492966 -40.1412493 6
212.9711592572 -45.9711593 7
212.9711592572 17.0288407 7
235.8010692178 9.19893078 8
235.8010692178 29.1989308 8
235.8010692178 39.1989308 8
258.6309791784 38.3690208 9
258.6309791784 40.3690208 9
281.460889139 18.5391109 10
304.2907990996 2.7092009 11
327.1207090602 -19.1207091 12
327.1207090602 -18.1207091 12
327.1207090602 -17.1207091 12
 Variable X 1 Curva de regresión ajustada
350
300 f(x) = 22.8299099606078 x + 53.1617895329206
R² = 0.94344777292348
les puede ser explicada 250
200 Y
Linear (Y)
Y

150
Pronóstico para Y
os residuos. En este caso 100
ena prediccion en los
disminuye en la medida 50
0
0 2 4 6 8 10 12 14
Variable X 1

Superior 95.0%
67.0951846
24.9936615