Los siguientes datos, en miles de dólares, representan los ingresos por ventas vs.

los gastos de prom

Gastos: 0.5 1.0 1.5 2.0 2.5 3.0

Ingresos: 3.5 4.1 5.5 7.2 8.7 9.5

Suponga que la variable de predicción (X) corresponde a los gastos, y la variable de respuesta (Y) se

a) Construya un diagrama de dispersión de los datos b) Encuentre la recta de mínimos cuadrados c)

. GASTOS x INGRESOS y xy x^2 y^2

1 0.5 3.5 1.75 0.25 12.25
2 1 4.1 4.1 1 16.81
3 1.5 5.5 8.25 2.25 30.25
4 2 7.2 14.4 4 51.84
5 2.5 8.7 21.75 6.25 75.69
6 3 9.5 28.5 9 90.25
10.5 38.5 78.75 22.75 277.09
26.01

𝒙 ̅ = 1.75
𝒚 ̅ = 6.41666667
𝑺_𝒙^𝟐= 0.875
𝑺_𝒙 = 0.93541435
𝑺_𝒚 = 2.45146215
R = 0.2025974
𝑺_𝒙𝒚= 2.275
𝜷 ̂_𝟎= 1.86666667
𝜷 ̂_𝟏 = 2.6

Gráfico de probabilidad normal

4
3
ASTOS x

f(x) = 0.03 x + 0.25

2 R² = 1
1
 Gráfico de probabilidad normal
4
3

GASTOS x
f(x) = 0.03 x + 0.25
2 R² = 1
1
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil

INGRESOS y Gráfico de los residuales

0.15
0.1
0.05
Residuos

0
-0.05 3 4 5 6 7 8 9 10
-0.1
-0.15
-0.2
INGRESOS y
 or ventas vs. los gastos de promoción de un producto

y la variable de respuesta (Y) se refiere a los ingresos.

recta de mínimos cuadrados c) Calcule el coeficiente de correlación e interprete el resultado d) Construya la tabla ANOVA e) Calcule el co

(X-X) (X-X)^2 SXX (Y-Y) (Y-Y)^2 SYY (X-X)(Y-Y) y (y-Y)^2 SCE

-1.25 1.5625 -2.91666667 8.506944444444 3.64583333 3.53333333 -8.98444444
-0.75 0.5625 -2.31666667 5.366944444444 1.7375 4.46666667 -15.8511111
-0.25 0.0625 -0.91666667 0.840277777778 0.22916667 5.4 -23.66
0.25 0.0625 0.78333333 0.613611111111 0.19583333 6.33333333 -32.9111111
0.75 0.5625 2.28333333 5.213611111111 1.7125 7.26666667 -44.1044444
1.25 1.5625 3.08333333 9.506944444444 3.85416667 8.2 -57.74
0 4.375 0 30.04833333333 11.375 -183.251111

b1= 150.5 2.53965575

59.26

b0=

tabla nova
1
4 -183.2511 -45.812775
5

mal
mal

90 100

les
INGRESOS y Curva de regresión ajustada

9 10 GASTOS x
4
Pronóstico GASTOS x
GASTOS x

2
0
3 4 5 6 7 8 9 10
INGRESOS y

<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
a la tabla ANOVA e) Calcule el coeficiente de determinación e interprete el resultado f) Encuentre una estimación para la varianza de los e

Resumen

Estadísticas de la regresión
Coeficiente d 0.99209254
Coeficiente d 0.9842476
R^2 ajustado 0.9803095
Error típico 0.13126
Observacione 6

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 1 4.30608325 4.30608325 249.929577
Residuos 4 0.06891675 0.01722919
Total 5 4.375

Coeficientes Error típico Estadístico t Probabilidad

𝜷 ̂_𝟎 Intercepción -0.67907261 0.16272602 -4.17310412 0.01399603
𝜷 ̂_𝟏 = INGRESOS y 0.37855677 0.02394541 15.8091612 9.35447E-05

Análisis de los residuales

Observación
Pronóstico GASTOS Residuos
x Residuos estándares
1 0.64587609 -0.14587609 -1.24252957
2 0.87301015 0.12698985 1.08166215
3 1.40298963 0.09701037 0.82630579
4 2.04653614 -0.04653614 -0.39638111
5 2.61437129 -0.11437129 -0.97418098
6 2.91721671 0.08278329 0.70512372
mación para la varianza de los errores del modelo g) Encuentre la varianza de los estimadores del modelo de mínimos cuadrados h) Constr

Valor crítico de F
9.35447E-05

Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
-1.13087245 -0.22727276 -1.13087245 -0.22727276
0.31207367 0.44503987 0.31207367 0.44503987

Resultados de datos de probabilidad

Percentil GASTOS x
8.33333333 0.5
25 1
41.6666667 1.5
58.3333333 2
 75 2.5
91.6666667 3
de mínimos cuadrados h) Construya un intervalo de confianza de 95% para la pendiente del modelo i) Pruebe con 5% de significancia que l
be con 5% de significancia que la pendiente del modelo es mayor a 2 j) Pruebe la normalidad del error con la prueba K-S
la prueba K-S