Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La empresa Jardín, S.A., fabrica cortadoras de césped y artículos para jardinería. Sus directivos
creen que la cantidad vendida de podadoras de césped depende de su precio y del precio de la
podadora de la competencia. Sean y= cantidad vendida (miles). X1= precio de la podadora del
competidor (dólares). X2= precio de la podadora Jardín (dólares)
Se desea obtener una ecuación que relacione la cantidad vendida con los precios de la podadora
Jardín y con los de la competencia. La tabla siguiente es una lista de precios en 10 ciudades.
Precio de la
competenci Precio de Cantidad
a (x1) Jardín (x2) vendida (y)
(Dólares) (Dólares) (Miles)
120 100 102
140 110 100
190 90 120
130 150 77
155 210 46
175 150 93
125 250 26
145 270 69
180 300 65
150 250 85
> library(readxl)
Warning message:
package ‘readxl’ was built under R version 4.1.2
> Podadoras <- read_excel("Chapingo/5to año. 3er semestre/Econometría I/Podadoras.xlsx")
> View(Podadoras)
> regPodadoras<-lm(Cvend~Pcomp+Pjar,data=Podadoras)
> summary(regPodadoras)
Call:
lm(formula = Cvend ~ Pcomp + Pjar, data = Podadoras)
Residuals:
Min 1Q Median 3Q Max
-28.020 -4.829 2.015 10.896 23.840
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 66.51757 41.87708 1.588 0.1562
Pcomp 0.41392 0.26039 1.590 0.1559
Pjar -0.26978 0.08091 -3.335 0.0125 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Response: Cvend
Df Sum Sq Mean Sq F value Pr(>F)
Pcomp 1 715.5 715.5 2.0381 0.19645
Pjar 1 3903.3 3903.3 11.1191 0.01251 *
Residuals 7 2457.3 351.0
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> predict(regPodadoras)#Obtener los valores predichos de Cvend o Y
1 2 3 4 5 6 7
89.20933 94.78983 120.88120 79.85945 74.02049 98.48563 50.81180
8 9 10
53.69449 60.08810 61.15968
> residuals(regPodadoras)#Obtener los residuals del modelo
1 2 3 4 5 6
12.7906712 5.2101731 -0.8812037 -2.8594463 -28.0204856 -5.4856328
7 8 9 10
-24.8117999 15.3055091 4.9118962 23.8403187
Tenemos que:
Análisis estructural:
Para el factor Bo: nos indica que la cantidad promedio vendida de podadoras será de
66.51757 cuando los precios sean 0.
Para el factor B1: nos indica que por cada dólar que suba el precio de la competencia, la
cantidad vendida de la empresa “El Jardín, S.A” incrementará en 0.41392 mil podadoras.
Para el factor B2: Nos indica que cada vez que la empresa “Jardín, S.A” suba en un dólar el
precio de las podadoras, la venta en disminuirá en 0.26978 mil podadoras.
b) Existe una relación significativa en el modelo, evalúe esta con un nivel de riesgo del 5%.
Si Fc < 0 Se acepta H0
Si Fc > 0 Se recha𝑥a H0, en f avor de Ha
CMReg
Fc= 2
S
La tabla de análisis de Varianzas para el modelo donde se estudia la relación que existe entre el
precio de las podadoras con la competencia y precios con los de la empresa “Jardín, S.A”.
Como Fc supera a uno, se rechaza la Ho, lo cual implica que al menos un factor explica el
comportamiento de mi variable dependiente, es decir, la cantidad vendida de podadoras.
Evaluar para el ejemplo con un nivel de riesgo del 5%, es decir, con una confiabilidad del 95%.
CMReg
Fc= , Nuevamente el programa RStudio ya nos da esta variable.
S2
El programa RStudio nos arroja de manera directa las T’s calculadas de los Betas, siendo:
T calculada T tabular
No se rechaza la hipótesis nula Ho: B1=0. Lo que implica que el Precio de la competencia no influye
de manera significativa en la cantidad vendida de podadoras
T calculada T tabular
Se rechaza la hipótesis nula Ho: B1=0 a favor de la Ha. Lo que implica que el Precio de la empresa
“Jardín, S.A” sí influye de manera significativa en la cantidad vendida de podadoras.
66.51757
Entonces tenemos: ( 1 160170 )( 0.41392 )
−0.26978
Por lo tanto, la nueva cantidad de podadoras con el cambio de precios vendidas será de 94
mil.
e) Obtenga un intervalo de confianza del 95% de confiabilidad para la predicción del inciso
(d).
[ √ [ ] √ ]
Pr Y^ n +1−ty/2n−k S 2 1+ x ' 0 ( X ' X ) x0 ≤ Y n +1 ≤ Y^ n+1 +ty /2n −k S 2 [ 1+ x ' 0 (X ' X )−1 x 0 ] =100 (1− y )
−1
Obteniendo en RStudio:
>varYn1<- 351.0445*(1+t(Nprec)%*%(solve(t(X1)%*%X1)%*%Nprec))
[,1]
[1,] 416.8576
>sdp<-sqrt(varYn1) sdp #Error estándar de la predicción
[,1]
[1,] 20.41709
Límite inferior:
>li<-(93.71826-((2.365)*(20.41709)))
>li
[1] 45.43184
Límite superior
>-ls <-(93.71826+((2.365)*(20.41709)))
>ls
[1] 142.0047
Ventas de podadoras
(45.43184 ≤ Yn+1 ≤ 142.0047) = 95%
Esto implica que con una confiabilidad del 95% el valor verdadero de la predicción se
encuentra dentro de este intervalo.
2 CReg 4618.789
R= = =0.6527309 x 100=65.273 %
SCT 7076.1
Interpretación:
Esto indica que el 65% % de las variaciones de la cantidad de podadoras vendidas son explicados
por los factores de precios de la competencia de la empresa el “Jarín, S.A”.
SCE 2457.311
n−k 7
R2=1− =1− =¿
SCT 7076
n−1 9
Interpretación:
Ésta es menor que R2 normal. De acuerdo con R2 el55.35% de las variaciones de la cantidad de
podadoras vendidas son explicados por los factores de precios de la competencia de la empresa el
“Jarín, S.A”.