Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística Inferencial II
Es verdadera mente absurdo ver cómo un número limitado de observaciones pueden convertirse,
en manos de los hombres, en ideas preconcebidas
F. Gallon
RESUMEN
We will start by saying that it is usually done to see if two random variables are
related or not being X and Y; Y being the dependent variable, and X the
independent variable, having a random sampling. On each individual of the
sample the two characteristics under study are analyzed, so that for each
individual there is a pair of values (xi, yi) (i = 1, 2,3 ..., n) Next, these values are
represented in Cartesian axes, giving rise to a scatter plot or point cloud.
fit linear or linearizable models between a dependent variable and more than a
few independent variables. In this type of models it is important to test
heterocedasticity, multicolinearity and specification. In this course we will try to
introduce ourselves to the world of modelling, with the creation of dummies,
configuring a reference individual, weighting factors, interaction variables,
interrelation, etc. It is particularly important to understand what is being done at
each moment because these principles serve for virtually all the models that are
undertaken next and then, with more complex and less intuitive models, they will
be more difficult to understand.
Índice
Introducción ................................................................................................................ 1
Marco teórico .............................................................................................................. 2
Regresión lineal .................................................................................................................... 2
Regresión lineal múltiple: .............................................................................................. 3
Aplicaciones de la regresión lineal ............................................................................. 3
Regresión no lineal .............................................................................................................. 3
Serie de tiempo ..................................................................................................................... 4
Pronóstico de series de tiempo.................................................................................... 5
Aplicaciones de las series de tiempo ......................................................................... 5
Planteamiento del promedio ...................................................................................... 6
Objetivo especifico ..................................................................................................... 6
Metodología ................................................................................................................ 6
Regresión Lineal Múltiple .................................................................................................. 7
Ejercicio 1 ........................................................................................................................... 7
Ejercicio 2 ......................................................................................................................... 14
Ejercicio 3 ......................................................................................................................... 22
Ejercicio 4 ......................................................................................................................... 27
II.- regresión no lineal........................................................................................................ 31
Ejercicio 5 ......................................................................................................................... 31
Ejercicio 6 ......................................................................................................................... 34
Serie de tiempos ................................................................................................................. 38
Ejercicio 7 ......................................................................................................................... 38
Ejercicio 8 ......................................................................................................................... 45
Ejercicio 9 ......................................................................................................................... 52
Ejercicio 10....................................................................................................................... 58
Conclusión ................................................................................................................ 65
Bibliografía ................................................................................................................ 66
Introducción
Yi=(β0+β1X1i+β2X2i+⋯+βnXni)+eiYi=(β0+β1X1i+β2X2i+⋯+βnXni)+ei
1
Marco teórico
Regresión lineal
Las técnicas de regresión lineal permiten crear un modelo lineal. Este modelo
describe la relación entre una variable dependiente y (también conocida como
la respuesta) como una función de una o varias variables independientes Xi
(denominadas predictores). La ecuación general correspondiente a un modelo
de regresión lineal es:
Y=β0+∑ βiXi+ϵi
2
Regresión lineal múltiple:
La regresión lineal cuenta con ciertas características ideales para las siguientes
aplicaciones:
Regresión no lineal
3
f es alguna función no lineal respecto a algunos parámetros desconocidos θ .
Como mínimo, se pretende obtener los valores de los parámetros asociados con
la mejor curva de ajuste (habitualmente, con el método de los mínimos
cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser
necesario utilizar conceptos de inferencia estadística tales como intervalos de
confianza para los parámetros así como pruebas de bondad de ajuste.
Una serie de tiempo es una forma estructurada de presentar los datos, en donde
un registro de fecha/hora lleva asociado un valor. Es decir, es una secuencia de
observaciones sobre intervalos de tiempo regulares.
4
Estacionalidad: es el comportamiento de una serie dentro de un período dado.
Las series temporales pueden formar patrones que se repiten de un período al
siguiente.
Con el correr de los años, gracias a una mayor oferta de asientos y baja de
precios (sobre todo, precios relativos contra otros medios de transporte,
compitiendo principalmente contra los micros de larga distancia), el sector está
en constante crecimiento, mostrando una tendencia de fondo creciente en la
mayoría de los aeropuertos. Por supuesto, el sector aerocomercial no será ajeno
a los vaivenes económicos y políticos del país, y sufrirán o se beneficiarán de
acuerdo a en qué momento se encuentre la Argentina en su ciclo económico. En
efecto, es un sector muy sensible a algunas variables, tales como el tipo de
cambio, que hará que pueda existir sustitución de pasajeros en vuelos de
cabotaje por internacionales o regionales y viceversa. Por último, siempre hay
observaciones que no se explican por la tendencia de fondo, la estacionalidad
propia del aeropuerto o el ciclo. Ejemplo de ello son las cuestiones climáticas,
paros de actividad o cierres por obras
Representar los datos del negocio como series de tiempo suele ayudar a las
empresas a visualizar la actividad del negocio. A su vez, usualmente las series
5
de tiempo se utilizan para predecir el comportamiento futuro de la variable
medida.
Objetivo especifico
Metodología
6
Regresión Lineal Múltiple
Ejercicio 1
7
8
9
b) en Excel, formulas, capturas de pantalla.
10
Matriz
16 1809 1856
Ŷ= SCR SCE SCT
A=XX= 1809 229173 252490
1856 252490 369880 169,999733 81,0048017 900,016006 441
113,116384 4340,65091 47,3841748 3481
Matriz inversa 206,80158 772,927832 2683,40366 576
0,659789 -0,00629456 0,000986116 266,205799 7604,85144 1917,93201 17161
-0,00629456 7,76522E-05 -2,14224E-05 152,102984 723,449468 28189,408 19881
0,00098612 -2,1422E-05 1,23789E-05 350,501101 29412,6277 2450,141 48841
108,45206 4977,01181 71,4373216 6241
92,572007 7469,79798 158,05536 9801
122,274117 3217,82582 2234,84212 10816
multiplicacion de mateces
241,165157 3864,50678 5207,80993 100
193,35694 206,121717 6948,37939 4761
2864 -19,0512
138,068713 1675,37024 5174,11002 961
g= X'y = 364060 1,9241
187,852326 78,3636804 147,565977 441
388301 -0,1681 214,302942 1246,29772 1176,69184 1
130,59156 2343,37706 88,5187429 1521
Modelo de regresion lineal Multiple 176,636596 5,58567632 6664,53388 7056
= -19.0512 + 1.9241 2864 68019,7706 64060,2294 132080
comproba ci on 132080
11
TABLA ANOVA
Fuente de Suma de Grado de
Cuadro medio Fo Fc
la varianza cuadrados liberacion
Regresion 68019,7706 2 34009,8853 6,90176281 3,80556525
Error 64060,2294 13 4927,7100
Total 132080 15 8805,3333
12
d) en minitab, captura de pantalla
13
Ejercicio 2
14
15
16
B) en Excel, formulas, capturas de pantalla.
17
Ingresos por Numero de Margen de
año x₁ᵢYᵢ x₂ᵢYᵢ
dólar oficinas beneficio
1 3,92 7 0,75 15,3664 53,2608 28,6082 2,9400 5,4735
2 3,61 6,855 0,71 13,0321 46,9910 24,7466 2,5631 4,8671
3 3,32 6,636 0,66 11,0224 44,0365 22,0315 2,1912 4,3798
4 3,07 6,506 0,61 9,4249 42,3280 19,9734 1,8727 3,9687
5 3,06 6,45 0,07 9,3636 41,6025 19,7370 0,2142 0,4515
6 3,11 6,402 0,72 9,6721 40,9856 19,9102 2,2392 4,6094
7 3,21 6,368 0,77 10,3041 40,5514 20,4413 2,4717 4,9034
8 3,26 6,64 0,74 10,6276 44,0896 21,6464 2,4124 4,9136
9 3,42 6,349 0,09 11,6964 40,3098 21,7136 0,3078 0,5714
10 3,42 6,352 0,82 11,6964 40,3479 21,7238 2,8044 5,2086
11 3,45 6,361 0,75 11,9025 40,4623 21,9455 2,5875 4,7708
12 3,58 6,369 0,77 12,8164 40,5642 22,8010 2,7566 4,9041
13 3,66 6,546 0,78 13,3956 42,8501 23,9584 2,8548 5,1059
14 3,78 6,672 0,74 14,2884 44,5156 25,2202 2,7972 4,9373
15 3,82 6,89 0,79 14,5924 47,4721 26,3198 3,0178 5,4431
16 3,97 7,115 0,7 15,7609 50,6232 28,2466 2,7790 4,9805
17 4,07 7,325 0,68 16,5649 53,6556 29,8128 2,7676 4,9810
18 4,25 7,546 0,72 18,0625 56,9421 32,0705 3,0600 5,4331
19 4,41 7,931 0,55 19,4481 62,9008 34,9757 2,4255 4,3621
20 4,49 8,097 0,63 20,1601 65,5614 36,3555 2,8287 5,1011
21 4,7 8,468 0,56 22,0900 71,7070 39,7996 2,6320 4,7421
22 4,58 8,719 0,41 20,9764 76,0210 39,9330 1,8778 3,5748
23 4,69 8,991 0,51 21,9961 80,8381 42,1678 2,3919 4,5854
24 4,71 9,179 0,47 22,1841 84,2540 43,2331 2,2137 4,3141
25 4,78 9,318 0,32 22,8484 86,8251 44,5400 1,5296 2,9818
25 96,34 181,383 15,32 379,2928 1339,69584 711,91134 58,5364 109,56401
18
19
c) en Excel con análisis de datos, captura de pantalla.
20
C) en minitab, captura de pantalla.
21
Ejercicio 3
22
23
B) en Excel, formulas, capturas de pantalla.
24
D) en minitab, captura de pantalla.
25
26
Ejercicio 4
Usando los siguientes datos, consumo nacional (C1) y renta nacional (R) en España para el
periodo 1995-2005 a precios corrientes (10 euros), obtenga las estimaciones por MCO asi como
la suma de cuadrados total, explicada y residual, y el coeficiente de determinación, para el
modelo de regresión.
27
B) en Excel, formulas, capturas de pantalla.
28
C) en Excel con análisis de datos, captura de pantalla.
29
30
Regresión no lineal
Ejercicio 5
31
B) en Excel, formulas, capturas de pantalla.
32
D) en minitab, captura de pantalla.
33
Ejercicio 6
34
35
B) en Excel, formulas, capturas de pantalla.
36
D) en minitab, captura de pantalla.
37
Serie de tiempos
Ejercicio 7
Hay días que viene mucha gente, y no doy abasto... Y otros días, nos quedamos mirándonos la
cara porque no entra nadie... Los días que estamos colmados de gente, perdemos algunos
clientes que no quieren esperar tanto...Tengo la posibilidad de tomar peluqueros por el día,
siempre y cuando les avise con una semana de anticipación.
Semana: 1 2 3 4 5
lunes 10 12 11 14 13
martes 20 23 25 29 26
miércoles 15 19 19 21 20
jueves 20 25 25 27 27
viernes 30 36 37 41 38
sábado 50 60 62 68 66
Desarrollo
Calcular
A) a mano usar formulas, lápiz, regla calculadora, fotos.
38
39
40
41
B) b) en Excel, formulas, capturas de pantalla.
42
a) en Excel con análisis de datos, captura de pantalla.
43
b) en minitab, captura de pantalla.
44
Ejercicio 8
trimestre
años
I II III IV
2018 1700 940 2630 2500
2019 1800 900 2900 2360
2020 1850 1100 2930 2650
Desarrollo
45
A) a mano usar formulas, lápiz, regla calculadora, fotos.
46
B) en Excel, formulas, capturas de pantalla.
Método 1
47
48
Método 2
trimestre
años
I II III IV PROMEDIO
2018 1700 940 2630 2500 1942,50
2019 1800 900 2900 2360 1990,00
2020 1850 1100 2930 2650 2132,50
trimestre
años
I II III IV
2018 0,88 0,48 1,35 1,29
2019 0,90 0,45 1,46 1,19
2020 0,87 0,52 1,37 1,24
INDICIE 0,88 0,48 1,40 1,24
trimestre
años
I II III IV
2018 1942,50 1942,15 1885,22 2018,51
2019 2039,88 1859,50 2078,76 1905,48
2020 2096,55 2272,73 2100,27 2139,63
49
C) en Excel con análisis de datos, captura de pantalla.
50
51
Ejercicio 9
52
53
B) en Excel, formulas, capturas de pantalla.
54
55
C) en Excel con análisis de datos, captura de pantalla.
56
57
Ejercicio 10
Propio
En los cinco años se reflejó las ventas de ropa de acuerdo a sus trimestres que
son los siguientes.
trimestre /
2016 2017 2018 2019 2020
año
primero 1 2 2 3 5
segundo 2 3 4 4 7
tercero 4 5 5 7 8
cuarto 3 4 3 6 7
58
A) a mano usar formulas, lápiz, regla calculadora, fotos.
59
60
B) en Excel, formulas, capturas de pantalla.
61
C) en Excel con análisis de datos, captura de pantalla.
62
D) en minitab, captura de pantalla.
63
64
Conclusión
65
Bibliografía
66