RESPUESTAS

ANÁLISIS MULTIVARIABLE

DR. SAMUEL REYES GÓMEZ -MSC NELSON DIAZ

La relación entre la venta de galones vendidos y el flujo de vehículos

1.1 ¿Qué puede concluir usted al respecto? si tiene una fuerte correlación del 95%, quiere decir que si dependen
la una de la otra.

1.2 . Si el flujo promedio de vehículos bajara a 500 diarios, Según la ecuación de la gráfica por los datos obtenidos, si el flujo bajase a
¿Cuántos galones se esperaría que vendiera la gasolinera? 500 vehículos diarios, se venderían 18,729.20 galones.

2.1 ¿Cómo observa la correlación entre Considero que la correlación que existe entre las
variables no es aceptable, ya que ninguna sobrepasa
variables? el 95% requerido.

Entre número de distribuidores y ventas el coeficiente

es de 0.74 y si es mayor a 0.602, por lo que si hay
2.2 ¿Existe problema de multicolinealidad? multicolinealidad, en ventas y número de automóviles
registrados no existe ya que el coeficiente es menor, en
número de distribuidores y y No. De automóviles si hay
Eliminar la variable de número de distribuidores, ya
que es el que menos aporta a las ventas y tiene el
2.3 ¿Qué recomienda?
coeficiente más alto con número de automóviles, lo
cual crea problema de multicolinealidad.
2.4 Escriba la ecuación y = 45.323x + 212.4

2.5¿Cuál es el error de la ecuación a partir del Que x tiene problema de multicolinealidad y esta
coeficiente de determinación? variable depende del valor 45.323 de la fórmula.
Según los coeficientes de correlación, el mejor
modelo sería con las variables Ventas, Automóviles
2.6¿Cuál es elmejor modelo?
Registrados e Ingreso de Personal, ya que su
coeficiente es de 0.28 < 0.602

3.1 ¿Cuál sería el número de

construcciones pronosticadas
correspondientes a un 11% de interés
3.2 ¿El modelo de regresíon sera
adecuado si se requiere un 99% de
confiabilidad?

ARCHIVO NO EDITABLE
 TAL
ANÁLISIS
DR. SAMUEL REYE

y x
Dia Galones Vendidos Flujo de Vehículos
(miles) (cientos)
1 284 9
2 381 13
3 271 11
4 287 9
5 452 17
6 192 5
7 204 7
8 158 4

Flujo de Vehículos (cientos)

18
17
16 f(x) = 0.0421564735005736 x − 2.37084742909732
14 R² = 0.949489057601873
13
12
11
10
99
8
7
6
5
4 4
2
0
100 150 200 250 300 350 400 450 500

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.974417291308951
Coeficiente de determinación R^2 0.949489057601873 94.95%
R^2 ajustado 0.941070567202185
Error típico 23.9822895444821

Observaciones 8

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 64868.9737292278 64868.974
Residuos 6 3450.90127077224 575.15021
Total 7 68319.875

Coeficientes Error típico Estadístico t

Intercepción 67.4721407624633 21.6149052967901 3.1215562
Variable X 1 22.5229716520039 2.12079074095577 10.620082
 TALLER NO.3
ANÁLISIS MULTIVARIABLE
DR. SAMUEL REYES GÓMEZ - MSC NELSON DIAZ

La relación entre la venta de galones

1.1 ¿Qué puede concluir usted al respecto? tiene una fuerte correlación del 95%
una de l

1.2 . Si el flujo promedio de vehículos bajara a 500 diarios, Según la ecuación de la gráfica por los
¿Cuántos galones se esperaría que vendiera la gasolinera? 500 vehículos diarios, se ven

Media Desviación
Galones Vendidos 263.923266 4.27409138
Flujo de Vehículos 8.51235548 4.27409138

Y= 18.7292 18,729.20
 F Valor crítico de F
112.786142470042 4.10591E-05

Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
0.02054416675114 14.5823728 120.361909 14.5823728 120.361909
4.1059083593E-05 17.3335837 27.7123596 17.3335837 27.7123596
 ###

entre la venta de galones vendidos y el flujo de vehículos si

uerte correlación del 95%, quiere decir que si dependen la
una de la otra.

uación de la gráfica por los datos obtenidos, si el flujo bajase a

00 vehículos diarios, se venderían 18,729.20 galones.
 DR.

x y

Número
País Ventas (millones)
distribuidores

1 52.3 2011
2 26 2850
3 20.2 650
4 16 480
5 30 1694
6 46.2 2302
7 35 2214
8 3.5 125
9 33.1 1840
10 25.2 1233
11 38.2 1699

xy
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.738965509031657
Coeficiente de determinación R^2 0.546070023538416
R^2 ajustado 0.495633359487129
Error típico 9.7718043180523
Observaciones 11
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 1033.83565424
Residuos 9 859.393436673
Total 10 1893.22909091

Coeficientes Error típico

Intercepción 10.8813826270892 6.4089737097
Variable X 1 0.0120484729852625 0.0036616853

xz
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.548431429381265
Coeficiente de determinación R^2 0.300777032733178
R^2 ajustado 0.223085591925753
Error típico 12.1279716297186
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 569.439828248
Residuos 9 1323.78926266
Total 10 1893.22909091

Coeficientes Error típico

Intercepción 15.9360455857855 7.85250339562
Variable X 1 1.10024505161931 0.55918263534

yz
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.669754942583686
Coeficiente de determinación R^2 0.448571683115277
R^2 ajustado 0.387301870128085
Error típico 660.567225420082
Observaciones 11
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 3194621.01176
Residuos 9 3927141.53369
Total 10 7121762.54545

Coeficientes Error típico

Intercepción 530.243263979345 427.697766701
Variable X 1 82.4091009233885 30.4566776053

Ventas (millones)Número distribuidores

Ventas (millones) 1
Número distribuidores 0.738965509031657 1
Número de automóviles registrados (millones) 0.548431429381265 0.66975494258

Pearson 0.602 95%

Ventas (millones)Número distribuidores

Ventas (millones) 1
Número distribuidores 0.738965509031657 1
Número de automóviles registrados (millones) 0.548431429381265 0.66975494258
INGRESO DE PERSONAL ( MILES DE MILLONES) 0.936478889264414 0.55650315358
 TALLER NO.3
ANÁLISIS MULTIVARIABLE

DR. SAMUEL REYES GÓMEZ - MSC NELSON DIAZ

z Inciso f
Número de
automóviles INGRESO DE
registrados PERSONAL
( MILES DE
(millones) MILLONES)
24.6 98.5
22.1 31.1
7.9 34.8
12.5 32.7
9 68.8
11.5 94.7
20.5 67.6
4.1 19.7
8.9 67.9
6.1 61.4
9.5 85.5

Chart Title
3000

2500
f(x) = 45.322757847103 x + 212.397979018051
R² = 0.546070023538416
2000

1500

1000

500

0
0 10 20 30 40

Número distribuidores
Linear (Número distribuidores)
 1500

1000

500

0
0 10 20 30 40

Promedio de los cuadrados

Valor crítico de F Número distribuidores
1033.835654236 0.0093721 Linear (Número distribuidores)
Número de automóviles registrados (mi
95.48815963031

Estadístico t Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
1.697835428881 -3.61672316 25.3794884 -3.61672316 25.3794884
3.29041738644 0.00376517 0.02033178 0.00376517 0.02033178

Promedio de los cuadrados

Valor crítico de F
569.4398282478 0.08065348
147.0876958513

Estadístico t Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
2.029422310684 -1.82755122 33.6996424 -1.82755122 33.6996424
1.967595168515 -0.16471395 2.36520406 -0.16471395 2.36520406
 Promedio de los cuadrados
Valor crítico de F
3194621.011762 0.02416385
436349.0592992

Estadístico t Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
1.239761591624 -437.276302 1497.76283 -437.276302 1497.76283
2.705781043864 13.5113095 151.306892 13.5113095 151.306892

mero de automóviles registrados (millones)

mero de automóviles
INGRESOregistrados
DE PERSONAL(millones)
( MILES DE MILLONES)

1
0.281567044969 1
ON DIAZ

2.1 ¿Cómo observa la correlación entre Considero que la correlación que existe entre las
variables no es aceptable, ya que ninguna sobrepasa
variables? el 95% requerido.

Entre número de distribuidores y ventas el coeficiente es

2.2 ¿Existe problema de multicolinealidad?
2.3 ¿Qué recomienda?
de 0.74 y si es mayor a 0.602, por lo que si hay
multicolinealidad, en ventas y número de automóviles
registrados no existe ya que el coeficiente es menor, en
número de distribuidores y y No. De automóviles si hay
multicolinealidad.
Eliminar la variable de número de distribuidores, ya
que es el que menos aporta a las ventas y tiene el
coeficiente más alto con número de automóviles, lo
cual crea problema de multicolinealidad.

2.4 Escriba la ecuación y = 45.323x + 212.4

2.5¿Cuál es el error de la ecuación a partir del Que x tiene problema de multicolinealidad y esta
coeficiente de determinación? variable depende del valor 45.323 de la fórmula.

Según los coeficientes de correlación, el mejor

modelo sería con las variables Ventas, Automóviles
2.6¿Cuál es elmejor modelo? Registrados e Ingreso de Personal, ya que su
coeficiente es de 0.28 < 0.602

Chart Title

7103 x + 212.397979018051
38416

20 30 40 50 60

úmero distribuidores
near (Número distribuidores)
 20 30 40 50 60

úmero distribuidores
near (Número distribuidores)
úmero de automóviles registrados (millones)
 n que existe entre las
que ninguna sobrepasa
uerido.

y ventas el coeficiente es
02, por lo que si hay
número de automóviles
coeficiente es menor, en
No. De automóviles si hay
alidad.
ro de distribuidores, ya
a las ventas y tiene el
mero de automóviles, lo
multicolinealidad.
+ 212.4

ulticolinealidad y esta
45.323 de la fórmula.

correlación, el mejor
es Ventas, Automóviles
Personal, ya que su
0.28 < 0.602
 TALLER N
ANÁLISIS MULTIVA

DR. SAMUEL REYES GÓMEZ

Número
Trimestre Tasa % construcciones
iniciadas

1 11.5 260
2 11.4 250
3 11.6 241
4 12.4 256
5 12.8 270
6 13.2 220
7 13.5 190
8 13 195
9 12.7 200
10 12.9 210
11 12.5 230
12 12 245
 TALLER NO.3
ANÁLISIS MULTIVARIABLE

L REYES GÓMEZ - MSC NELSON DIAZ

3.1 ¿Cuál sería el número de

construcciones pronosticadas
correspondientes a un 11% de interés

3.2 ¿El modelo de regresíon sera

adecuado si se requiere un 99% de
confiabilidad?