Una empresa de transporte de objetos y mercancias, desean mejorar el horario de trabajo de sus conducores,

para concidera que el tiempo total en horas que les toma hacer sus recorridos estan relacionados
principalmente con los km recorridos y el numero de entregas realizadas al dia. PAra ello se dispone de una
muestra aleatoria simple de 10 recorridos.

y= tiempo x1= km x2= cantidad

Recorrido (i) recorrido recorridos entregas y^2 y*x1 y*x2
1 9.3 100 4 86.49 930 37.2
2 4.8 50 3 23.04 240 14.4
3 8.9 100 4 79.21 890 35.6
4 6.5 100 2 42.25 650 13
5 4.2 50 2 17.64 210 8.4
6 6.2 80 2 38.44 496 12.4
7 7.4 75 3 54.76 555 22.2
8 6 65 4 36 390 24
9 7.6 90 3 57.76 684 22.8
10 6.1 90 2 37.21 549 12.2
Suma 67 800 29 472.8 5594 202.2
Media 6.7 80 2.9
Desv.estandar 1.62958754154 19.5789002 0.87559504
Varianza 2.65555555556 383.333333 0.76666667

67=10*bo_estimado + 800*b1_estimado + 29*b2_estimado

SISTENA DE
5594= 800*bo_estimado + 67450*b1_estimado + 2345*b2_estimado ECUACIONE
S
202,2= 29*bo_estimado + 2345*b1_estimado + 91*b2_estimado

bo_estimado= -0.8687015
b1_estimado= 0.061135
b2_estimado= 0.923425

a) Encontrar el modelo de regresion lineal

y_estimado= -0,8687015 + 0,061135*x1 + 0,923425*x2

b) Enconntrar y_estimado para la observacion 5

y5_estimado= -0,8687015 + 0,061135*50 + 0,923425*2 = 4.0348985

c) Calcular el error 5
Epsilon5 = (y5-y5_estimado) = 0.1651015
x1*x2 x1^2 x2^2
400 10000 16
150 2500 9
400 10000 16
200 10000 4
100 2500 4
160 6400 4
225 5625 9
260 4225 16
270 8100 9
180 8100 4
2345 67450 91
 y= tiempo
Recorrido (i) recorrido
1 9.3
2 4.8
3 8.9
4 6.5
5 4.2
6 6.2
7 7.4
8 6
9 7.6
10 6.1
Suma yi = 67
(Suma yi)^2 4489

MATRIZ X (10X3)
1
1
1
1
1
1
1
1
1
1
32,8783674 > 4,73741413

0,00027624 < 0,05

6,18239696 > 2,33646242

1-(n-1)/(n-p)*(1-R^2) =
x1= km recorridos
100
50
100
100
50
80
75
65
90
90

MATRIZ X (10X3)
100
50
100
100
50
80
75
65
90
90
 Prueba global para los betaj

Ho: B1 = B2=0
H1: algun Bj es diferente de cero
fo = MSR/MSE

Punto critico
f_alfa,k,n-p

Conclusion : Algun parametro de Bj de la regresion es diferente de cero

Criterio de rechazo segun el p-valor

p-valor =

Conclusion : Algun parametro de Bj de la regresion es diferente de cero, si existe relacion lineal entre x y y

Pruebas t individuales para los Bj

Ho : B1=0
H1: B1 != 0

alfa

to para B1 = b1_estimado/ raiz(sigma^2estimado)* C_11 =

Punto critico
t_alfa/2, n-p gl

Conclusion : existe relacion entre X1 (km recorridos) y y (tiempo recorrido en horas)

Calculo del coeficiente de determinacion r^2

R^2=SSR/SST

Calculo de R^2 ajustado

0.876300111345666
x2= cantidad
entregas
4
3
4
2
2
2
3
4
3
2

MATRIZ TRANSPUESTA X (3X10)

4 1 1 1 1 1 1
3 100 50 100 100 50 80
4 4 3 4 2 2 2
2
2
2
3 Xt*X (3x3)
4
3 10 800 29
2 800 67450 2345
29 2345 91

Matriz Y Xt*Y(3x1)
(10x1)
9.3 67
4.8 5594 9.3 4.8
8.9 202.2
6.5
4.2
6.2
7.4 Yt*Y
6 472.8
7.6
 6.1

((Xt*X)^-1)*(Xt*Y) MATRIZ DE COEFICIENTES DE LA REGRESI

bo_estimad
o= -0.86870147
b1_estimad
o= 0.0611346
b2_estimad
o= 0.92342537

y_estimado= -0,8687015 + 0,0611346*x1 + 0,923425*x2

-0.86870147 Matriz de betas transpuesta

0.0611346 -0.86870147 0.0611346 0.92342537
0.92342537
Suma de cuadrados debidos al error
SSE= Yt*Y-bt*xt*Y = 2.29944349

sigma^_esti
mado = MSE= SSE/ n-p= 0.32849193

Suma de cuadrados debido a la regresion

SSR= (bt*xt*Y)- (sum (yi))^ 21.6005565

MSR=SSR/ k 10.8002783

SST = SSE+SSR 23.9

32.8783674

4.73741413

Se rechaza Ho

0.00027624 alfa= 0.05

Pruebas t individuales

Ho : B2=0
H1: B2 != 0

0.05 alfa

6.18239696 to para B2 = b2_estimado/ raiz(s

Punto critico
2.36462425 t_alfa/2, n-p

Por lo tanto se rechaza Ho 4,17625125> 2,3645

conclusion : existe relacion linea

0.90378898
X (3X10)
1 1 1 1
75 65 90 90
3 4 3 2

(Xt*X)^-1 (3x3) = C

2.75636324418 -0.02068594 -0.34534081

-0.0206859362 0.00029767 -0.00107852
-0.345340811 -0.00107852 0.1488352

Yt (1x10)

8.9 6.5 4.2 6.2 7.4 6 7.6 6.1

DE COEFICIENTES DE LA REGRESION

Matriz bt* (xt*y)

0,0611346*x1 + 0,923425*x2 470.500557

p : numero de parametros o coeficientes de la regresion 3

k: numero de variables independientes = 2
n: numero de observaciones = 10
 Pruebas t individuales para los Bj

0.05

o para B2 = b2_estimado/ raiz(sigma^2estimado)* C_22 = 4.17625125

2.36462425

,17625125> 2,3645 1 Por lo tanto se rechaza Ho

onclusion : existe relacion lineal entre X2 (cantidad de entregas) y y (tiempo recorrido en horas)