Se tienen dos variables relacionadas X y Y

X : variable independiente
Y: variable dependiente

el objetivo de la regresión es determinar si la relación

Y=𝜷0 +𝜷1 X

es válida

X: ingreso
Y: consumo

n= 10 familias

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.9510984998 coeficiente de correlación
R Square 0.9045883562 coeficiente de determinación
Adjusted R Square 0.8926619008
Standard Error 0.988923328
Observations 10 se encuestaron 10 familias

ANOVA
df SS MS
Regression 1 74.1762452107 74.176245211
Errores 8 7.82375478927 0.9779693487
Total 9 82

Coefficients Standard Error t Stat

Intercept beta 0 0.69348659 1.44726570825 0.4791701939
X beta 1 0.8429118774 0.09678596229 8.7090302915
H0: 𝜷0=0
H1: 𝜷0≄0
X: gastos en publicidad X: horas estudio X: consumo alcohol
Y: ventas Y: nota Y: número de accidentes

fuerza bruta de capital

PIB

X Y Ingreso vs consumo
15 12
18
16 14 16 f(x) = 0.842911877394636 x + 0.693486590038315
R² = 0.90458835622839
10 10 14
9 8 12
14 13 Consumo 10
14 12 8
13 11 6
18 16 4
2
17 17
0
20 17 8 10 12 14 16 18 20
Ingreso

diagrama de dispersión
entre -1 y 1 la recta ajusta el 95,1% de los datos
entre 0 y 1 la regresión explica el 90,45% de la varianza del consumo

R^2 0.90458835623

F Significance F
75.847208619001 2.3580374E-05

valor p Lower 95% Upper 95% Lower 99,0% Upper 99,0%

0.64464154785718 -2.6439141179 4.030887297997 -4.1626504325 5.54962361256584
2.35803742902383E-05 0.61972304812 1.066100706669 0.51815748567 1.16766626911918
0.000023580
H0: 𝜷1 =0
H1: 𝜷1≄0
sumo

86590038315

16 18 20 22
o