Estadística 2 2022

1) Dadas las siguientes variables Y = CONSUMO DE CAFÉ, tazas por persona al día X1 = PRECIO
REAL PROMEDIO, $ por Kg. X2=Edad Media
Día Y X1 X2
1 2,57 0,77 35
2 2,50 0,74 32
3 2,35 0,72 45
4 2,30 0,73 56
5 2,25 0,76 19
6 2,20 0,75 55
7 2,11 1,08 67
8 1,94 1,81 42
9 1,97 1,39 39
10 2,06 1,20 21
11 2,02 1,17 24

a) Escribe el modelo
Y ij =Bo + B1 X 1+ B2 X 2 + ε ij

Y ij =¿ Consumo promedio de café en tazas por día.

Bo = Cuando la taza de café es gratis y el cliente no dice su edad, entonces su consumo promedio de
vafe es el valor Bo.
B1=Es la variación media en el consumo de café por cada aumento de 1$ en el precio, manteniendo
constante la edad del cliente.
B2= Es la variación media del aumento de la edad 1 del cliente, manteniendo constante el precio del
café.
ε ij= Error aleatorio = Efecto de otras variables no consideradas en el modelo que también podrían
explicar el consumo de café.

b) Estima el modelo de regresión

Y =2.73−0.48 X 1 −0.0009 X 2

c) Interprete cada coeficiente estimado.

2,73: Aproximadamente 3 es la cantidad de tazas de cade compradas por día sin considerar ninguna
variable.
0,48: Es la variación media en el consumo de café por cada aumento de X1, manteniendo constante la
edad del cliente.
0,0009: Es la variación media del aumento de la edad del cliente, manteniendo constate el precio del
café

d) Calcula los coeficientes de correlación bivariada e interpreta los resultados obtenidos

r= 0,81 La asociacion linea es fuerte. La asociacion linal entre el consumo de café y las variable precio
y edad es fuerte.

e) Calcular el coeficiente de determinación adecuado de la regresión y explicar su significado.

67 % De la variablidad del consumo del café es explicado por el precio de la taza y la edad del cliente.
 Estadística 2 2022

f) Verificar la significancia de cada una de las variables incluidas en la regresión (nivel de

significación 5%)

PRECIO

Ho = El precio no es adecuado en el modelo

Hi= El precio es adecuado en el modelo

P-valor es menor que alfa se rechaza Ho, el precio del modelo es

adecuado
p-valor|=probabilidad =0,003=0,3?%

EDAD

Ho = La edad no es adecuado en el modelo

Hi= La edad es adecuado en el modelo

P-valor es mayor que alfa se acepta Ho, la edad del modelo no es

adecuado
P-valor=probabilidad=0,75=75%

g) Verificar la significación conjunta de las variables incluidas en la regresión (nivel de

significación 5%)

Ho= El modelo de regresion no es adecuado

Hi=El modelo de regresion es adecuado

P-VALOR=0,01 cae en la zona de rechazo

Como p-valor es menor que alfa, se rechaza Ho
Concluimos que el modelo de regresión es adecuado

h) Construye un intervalo de confianza del 95% para cada uno de los coeficientes estimados.

Para un intervalo de confianza es de un 95%, se espera que si se repite la muestra los valores de beta
se encuentren en los mismos inérvalos obtenidos en un 95% de los casos.

i) Escribe las conclusiones obtenidas

El modelo es adecuado para realizar la predicción además de reflejar que la variable que mas afecta a
la incógnita es la del precio por taza de café.

2) La demanda de un artículo en el mercado está explicada por el salario del cliente (x1), el gasto
en producción (x2), el gasto en publicidad (x3), ingresos por venta anterior (x4) e ingresos de
la competencia en periodos anteriores (x5)

a) Escribe el modelo
Y ij =Bo + B1 X 1+ B2 X 2 + B4 X 4 + B5 X 5 + ε ij

Y ij =¿ Demanda del articulo promedio

Bo = Valor de la demanda sin considerar salario del cliente, gasto de producción y publicidad, ingreso
por ventas anteriores e ingresos de la competencia en periodos anteriores
 Estadística 2 2022

B1= Variación media de la demanda considerando el salario del cliente, sin considerar las otras
variables del modelo
B2= Variación media de la demanda considerando los gastos de producción, sin considerar las otras
variables
B3=Variación media de la demanda considerando los gatos de publicidad, sin considerar las otras
variables
B4 =Variación media de la demanda considerando el ingreso por ventas anteriores sin considerar otras
variables
B5= Variación media de la demanda considerando el ingreso de la competencia en periodos anteriores
sin considerar otras variables.
ε ij= Error aleatorio = Efecto de otras variables no consideradas en el modelo que también podrían
explicar la variación de la demanda del producto.

b) Estima el modelo de regresión

Y =0,411−0. 15 X 1 +0 , 3 0 X 2−0,01 X 3 +0,60 X 4−0,01 X 5

c) Interprete cada coeficiente estimado.

Intercepción 0,41129803 Demanda promedio sin considerar el efecto de otra variable

X1 -0,15611186 Variación de Y por salario del cliente
X2 0,30062517 Variación de Y por gasto de producción
X3 -0,01392727 Variación de Y por gasto en publicidad
X4 0,60966036 Variación de Y por ventas en periodos anteriores
X5 -0,01351712 Variación de Y por venta de competencia en periodos
anteriores

d) Calcula los coeficientes de correlación bivariada e interpreta los resultados obtenidos

R= 0,98025602 La asociación lineal entre las x e y es fuerte ya que supera el 0,80.

e) Calcular el coeficiente de determinación adecuado de la regresión y explicar su significado.

2
R =¿0,95004128 El coeficiente de determinación es de 95% las variables explican en un 95% la demanda del
producto

f) Verificar la significancia de cada una de las variables incluidas en la regresión (nivel de

significación 5%)

Ho = No es adecuado en el modelo
Hi= Es adecuado en el modelo

Curva de zona de aceptación 95%, zona de rechazo 5%

Probabilida
d Modelo
Ingreso Del Cliente 0% Rechazada
Gasto De Produccion 1% Rechazada
Gasto de Publicidad 0% Rechazada
Ingreso de ventas anteriores 0% Rechazada
Venta de competencia en periodos 78% Aceptada
 Estadística 2 2022

anteriores

g) Verificar la significación conjunta de las variables incluidas en la regresión (nivel de

significación 5%)

h) Construye un intervalo de confianza del 95% para cada uno de los coeficientes estimados.
i) Escribe las conclusiones obtenidas

Año X1 X2 X3 X4 X5 Y
1981 2,850 7,639 2,000 5,521 5,642 5,536
1982 2,934 7,698 3,000 5,536 5,687 5,511
1983 3,011 7,685 4,000 5,511 5,671 5,465
1984 2,918 7,694 5,000 5,465 5,673 5,467
1985 2,962 7,734 6,000 5,467 5,691 5,465
1986 2,890 7,770 7,000 5,465 5,628 5,452
1987 2,888 7,814 8,000 5,452 5,708 5,438
1988 2,910 7,821 9,000 5,438 5,738 5,431
1989 2,854 7,804 10,000 5,431 5,641 5,409
1990 2,820 7,813 11,000 5,409 5,633 5,386
1991 2,754 7,822 12,000 5,386 5,713 5,359
1992 2,721 7,862 13,000 5,359 5,711 5,358
1993 2,663 7,930 14,000 5,358 5,849 5,367
1994 2,599 7,962 15,000 5,367 5,831 5,385
1995 2,559 7,999 16,000 5,385 5,819 5,388
1996 2,547 8,021 17,000 5,388 5,896 5,394
1997 2,485 8,062 18,000 5,394 5,802 5,403
1998 2,512 8,083 19,000 5,403 5,772 5,409
1999 2,526 8,097 20,000 5,409 5,771 5,401
2000 2,340 8,097 21,000 5,401 5,754 5,398
2001 2,396 8,128 22,000 5,398 5,841 5,378
2002 2,336 8,136 23,000 5,378 5,902 5,368
2003 2,338 8,156 24,000 5,368 5,940 5,349
2004 2,269 8,177 25,000 5,349 5,938 5,368

3) Los gastos variables de producción de una empresa se cree que están razonablemente
explicados por el gasto fijo del producto, el salario de los empleados y el ahorro en cuanto a la
producción de años anteriores

a) Escribe el modelo
b) Estima el modelo de regresión
c) Interprete cada coeficiente estimado.
d) Calcula los coeficientes de correlación bivariada e interpreta los resultados obtenidos
e) Calcular el coeficiente de determinación adecuado de la regresión y explicar su significado.
f) Verificar la significancia de cada una de las variables incluidas en la regresión (nivel de
significación 5%)
g) Verificar la significación conjunta de las variables incluidas en la regresión (nivel de
significación 5%)
h) Construye un intervalo de confianza del 95% para cada uno de los coeficientes estimados.
i) Escribe las conclusiones obtenidas

Gastos Gastos Gastos Gastos

Salario Ahorro Salario Ahorro
Variables fijos Variables fijos
198920 78435 300182 101,3 218728 97881 354698 106,5
 Estadística 2 2022

198234 79001 298683 102,1 217540 98388 354566 106,7

196034 80633 298919 102 217964 98277 358932 106,7
196132 81232 301168 102,3 217426 97424 359947 106,7
196541 81785 301956 102,5 216949 99590 361553 106,7
195795 85149 305749 102,8 216252 99090 364207 105,8
195364 84040 308529 103 215111 101307 364614 107,1
196145 85167 310241 103,1 214735 100736 359466 107
195938 88329 313414 102,8 213750 100578 363030 107
196703 89171 320843 103,6 213429 98396 363656 106,9
198323 91548 324589 103,7 212616 99084 365839 107
200220 96127 328103 104 212697 97729 369065 107
200136 93389 330852 104,3 212226 100941 366300 107,4
201936 95137 335945 104,7 211951 98619 364979 107,4
204507 95637 345749 105,1 211063 99602 363276 107,4
206275 94739 348248 105,4 210462 99712 363243 107,5
208322 95701 351993 105,3 209684 98185 361361 107,5
209880 96613 352459 105,3 209402 100655 363653 107,1
211881 96033 356031 105,3 209033 101009 362622 108,3
214566 97395 357096 105,3 209219 100009 362568 108,4
215563 96426 357158 104,9 207854 106394 361855 108,3
217441 98477 354640 105,5 208935 99255 359513 108,6
217892 98876 355537 105,7 208431 103256 358328 108,5
218524 100676 355114 105,7 208111 104175 360103 108,7
219650 97339 356755 105,9 208684 102834 364406 109,1
219531 97702 357493 106,2 209127 102756 368404 109,2
219134 98608 356333 106,2

4) Contesta con Falso (F) o Verdadero (V). Justifica las respuestas falsas
¿ ¿ ¿ ¿ ¿
y =β o + β 1 x1 + β2 x 2 + β3 x 3 R
2
ajustado

a) ( ) En , un valor de cercano a 1 significa que existe

correlación lineal perfecta entre la variable dependiente y las independientes.

b) ( ) Si rechazamos la hipótesis de la prueba global de la regresión, implica que no hay

evidencia estadística para aceptar la asociación lineal entre las variables dependiente e
independiente/s

c) ( ) El valor de la R2 es el porcentaje de la varianza de la variable endógena real que es

capaz de reproducir el modelo

d) ( ) Un valor de r=0 implica que no existe relación entre la variable dependiente y la

variable independiente

¿ ¿ ¿ ¿ ¿ ¿
y =β o +β 1 x1 + β2 x 2 + β3 x 3 β2
e) ( ) En recta estimada , el valor de es el aumento promedio
de Y por cada incremento unitario de X2

f) ( ) Si R2=0,95, significa que la fuerza de asociación entre las variables independientes es

alta.