ECONOMETRIA

MATRIZ ES UN ARREGLORECTANGULAR

UNIDAD 1 MATRICES

DADAS LAS SGTES MATRICES INDICAR:

A) TAMAÑO DE LA MATRIZ ORIGINAL Y EL TAMAÑO DE LA MATRIZ TRASPUESTA
B)HALLAR LA MATRIZ TRANSPUESTA
7 -3 8
A= 2 4 6
5 0 -1

solucion
a) A 3x3
A t
3x3

b) 7 2 5
A t
-3 4 0
8 6 -1

1 2 7 8 15
B= -2 0 3 5 9
3 4 6 0 4

SOLUCION

B 3x5
bt 5X3

1 -2 3
2 0 4
Bt 7 3 6
8 5 0
15 9 4

SUMA Y RESTA DE MATRICES: PARA PODER SUMAR O RESTAR MATRICES LA CONDICION ES QUE AMBAS SEAN DEL MISMO OR
SI LAS MATRICES NO SON DEL MISMO TAMAÑO NO SE PUEDEN SUMAR NI RESTAR AMBAS MATRICES

DADA LAS SGTES MATRICES CALCULAR SI ES POSIBLE

 a= 3 2 b= 0 -2
-5 6 4 -3

A) A+B-C no se puede porque no cumple el analisis de forma

B) At+B 3 -5 0 -2 = 3 -7
2 6 4 -3 6 3

c( (3A-2B)T 9 6 - 0 -4 = 9 10
-15 18 8 -6 -23 24

D 4C-5Dt -32 6 -4
41 7 48

multiplicacion de matrices
para multiplicar dos matrices, es posible si el numero de columnas de la primer matriz es igual al numero de filas d ela segund

ejemplo
2 4 0 1 7
a= -3 6 8 9 -4
2x5

b= 1 2 3
5x3 6 -5 2
0 3 2
12 -8 -2
5 7 9

calcular
a) AXB= 73 25 75
121 -112 -35

MATRIZ INVERSA NO TODAS LAS MATRIZ TIENE INVERSA, PARA QUE UNA MATRIZ TENGA INVERSA TIENE QUE CUMP
2 CONDICIONES
1 CONDICION=LA MATRIZ TIENE QUE SER CUADRADA
2 CONDICION= LA DETERMINANTE DE LA MATRIZ TIENE DE SER DISTINTA DE CERO

A A-1

EJEMPLO PARA VER UNA MATRIZ DISTINTA DE CERO

 A= 3 8 23 CUMPLE LA CONDCION ES DISTINTA DE
-1 5

A-1 0.2174 -0.3478

0.0435 0.1304

EJEMPLO 2

B= 8 7 -1 CUMPLE LA CONDICION 1 ES CUADRADA

16 14 -2
3 4 5 0 LA DETERMINANTE ES 0 NO CU

Err:502 Err:502 Err:502

B-1= Err:502 Err:502 Err:502 NO TIENE INVERSA PORQUE LA DETERMINANTE DE L
Err:502 Err:502 Err:502

SISTEMA DE ECUACIONES LINEALES

RESOLVER LOS SGTES SISTEMAS DE ECUACIONES LINEALES MEDIANTE MATRICES

APLICAR MATRIXZ INVERSA

{█(7𝑋+4𝑌=13@ 7 4

5𝑋−2𝑌=19)┤ A= 5 -2
 {█(7𝑋+4𝑌=13@
5𝑋−2𝑌=19)┤
B= 13
19

0.0588 0.1176
A -1
0.1471 -0.2059

R= 3 X=3
-2 Y=-2

{█(7𝑋+4𝑌=5@8 7 4
𝑌+9𝑋=13)┤ A= 9 8

5
B= 13

A-1 0.4000 -0.2000

-0.4500 0.3500

R= - 3/5
2 2/7

SISTEMA DE ECUACION CON 3 INCOGNITAS

{█(█(3𝑋+4𝑌−𝑍=8@5𝑋−2𝑌+𝑍=4@
A

B=

A-1

R=
{█(𝑋+𝑌+𝑍=13@𝑋−𝑍=−2@−2𝑋+𝑌=3)┤

B=

A-1

R=

4 -3 1
-1 7 5
A 0 2 6
4X3 -2 5 -4

B= 2 1 3 -5
3X4 -4 0 6 7 BT=
3 2 -1 6

1 -1
C= 3 2
3X3 -5 4

HALLAR SI ES POSIBLE

A) ((2A-5BT)C-1)T

revisar Err:502 Err:502 Err:502 Err:502

Err:502 Err:502 Err:502 Err:502
Err:502 Err:502 Err:502 Err:502
 AS SEAN DEL MISMO ORDEN
AS MATRICES
 c= 2 4 -1 d= 8 -5
4 3 7 2 1
0 -4

= 9 -23
10 24

ero de filas d ela segunda matriz , de no ser cierto no es posible realizar la multiplicacion.

VERSA TIENE QUE CUMPLIR

NDCION ES DISTINTA DE CERO

NDICION 1 ES CUADRADA 3X3

ERMINANTE ES 0 NO CUMPLE LA SEGUNDA CONDICION

LA DETERMINANTE DE LA MATRIZ ES 0
 X=-3/5
Y=16/7

2𝑌+𝑍=4@2𝑋−2𝑌+𝑍=1@@)@)┤
3
5
4
-2
-1
1
2 -2 1

8
4
1

0 0.33333 -0.3333
0.5 -0.8333 1.33333
1 -2.3333 4.33333

1 X=1
2 Y=2
3 Z=3
𝑌=3)┤
1 1 1
1 0 -1
-2 1 0

13
-2
3

0.25 0.25 -0.25

0.5 0.5 0.5
0.25 -0.75 -0.25

2
7
4

2 -4 3
1 0 2
3 6 -1
-5 7 6
 ANALISIS DE REGRESION CON 2 VARIABLES

LOS ESTADISTICOS TRABAJO CON MUESTRAS

x=independiente
y=dependiente

2.1 FUNCION DE REGRESION POBLACIONAL Y FUNCION DE REGRESION MUESTAL FRM

2.2 PERTURBACION ESTOCASTICA ( ERROR ALEATORIO, INCERTIDUMBRE) ES QUELLO QUE EL MODELO NO LO PUE
2.3 PARAMETRO , ESTIMADOR
2.4 VARIABLES INDEPENDIENTES (Xi) Y VARIABLES DEPENDIENTE (Y)
2.5 ESTADISTICOS (MUESTRA)
 Ejercicio
Una empresa dedicada a la venta de helado, se selecciona una muestra de tamaño 8
X=temprano °C , Y= cantidad de helados vendidos en miles de unidades

X Y
10 21 SE PIDE
15 30 A) LOS ESTADISTICOS DE CADA VARIABLE
18 29 MEDIO, VARIANZA, DESVIACION TIPICA, COEFIENTE DE VARIACION
20 32 B) LA COVARIANZA ENTRE AMBAS VARIABLES, INTERPRETAR EL RESULTADO
25 35 C) COEFICIENTE DE DETERMINACION Y DE CORRELACION INTERPRETAR LOS RESULTADO
28 36 D)GRAFICAR EL DIAGRAMA DE DISPERSIOND E LA MUESTRA
30 36
25 33

SOLUCION
a)

MEDIA 𝑥 ̅=(∑▒ 𝑌 ̅=(∑▒

𝑥)/𝑛 𝑌)/𝑛
𝑆_𝑥^(2 )=(∑▒ 𝑆_𝑦^(2
V(X)= 〖
VARIANZA
)=(∑▒
(𝑋_𝑖−𝑋 ̅ 〖 )/(𝑛−1)
) 〗 ^2 (𝑌_𝑖−𝑌 ̅) 〗 ^

DESVIACION TIPICA O ESTANDAR

𝑆_𝑋=√(𝑉(𝑋)) 𝑆_𝑦=√(𝑉(𝑌))

COEFICIENTE DE VARIACION

〖𝐶𝑉〗 _𝑋=𝑆_𝑋/𝑋 ̅
〖𝐶𝑉〗 _𝑌=𝑆_𝑌/𝑌 ̅
B)

COVARIANZA 𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/𝑛-𝑥 ̅∗ 𝑦 ̅

C)
𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌 )
 COEFICIENTE DE CORRELACION
𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌 )

Interpretacion -1
si r=-1 la relacion entre las variables es perfecta neg
si -1<r<=-0.8 la relacion es excelente entre las variables, in
si -0.8<r<=-0.6 la relacion es buena entre las variables, inver
si -0.6<r<=-0.4 la ralacion es regular entre las variables, inve
si -0.4<r<=-0.2 la relacion es mala entre las variables, inversa
si -0.2<r<=0 la relacion es pesima entre las variables, inve
si r=0 no existe relacion entre las varibles

COEFICIENTE DE DETERMINACION R 2

MIDE EL % DE VARIABILIDAD PROMEDIO DE Y, EXPLICADO DE X Y EL OTRO% ES AQUELLO QUE LA VARIABLE NO PU

n= X Y 〖 (𝑋𝑖−〖 (𝑌𝑖−(𝑌)) ̅ 〗 XY
^2
1 10 21 129.3906 110.2500 210
(𝑋)) ̅ 〗 ^2
2 15 30 40.6406 2.2500 450
3 18 29 11.3906 6.2500 522
4 20 32 1.8906 0.2500 640
5 25 35 13.1406 12.2500 875
6 28 36 43.8906 20.2500 1008
7 30 36 74.3906 20.2500 1080
8 25 33 13.1406 2.2500 825
SUMA 171 252 327.875 174 5610
n=8
MEDIA DE X= 21.3750 Varianza de X 46.8393
MEDIA DE Y= 31.5000 Varianza de Y 24.8571

Desviacion tipica X 6.8439

Desviacion tipica y 4.9857

COEFICIENTE DE VARIACION X 0.3202

COEFICIENTE DE VARIACION Y 0.1583

B)
 COVARIANZA=mide la relacion existente entre las variables independientes con la var dependiente
si el resultado arroja signo negativo se concluye que exista una relacion inversa negativa
si el resultado arroja signo positivo se concluye que exista una relacion directa positiva
si el resultado sale cero, se concluye que no existe relacion lineal entre las variables, en otras palabar
𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/𝑛-𝑥 ̅∗ 𝑦 ̅
COVARIANZA= 27.9375
EXISTE UNA RELACION DIRECTA POSITIVA, SIGMNIFICA Q1UE HA MAYOR T
MAYOR SERA LA CANTIDAD DE HELADOS VENDIDOS, A MENOR TEMPERA
SERA LA CANTIDAD DE HELADOS VENDIDOS

C)
COEFICIENTE DE CORRELACION

𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌 )
r= 0.8188 siempre tiene que salir en -1 y 1.
la relacion es excelente entre las variables, directa positiva

COEFICIENTE DE DETERMINACION R2 67.0369 aprox el 67,04%d ela cariabilidad promedio

de las ventas de helados en miles de unidades esta explicado
y el 32,96% no se puede explicar.

D)GRAFICAR EL DIAGRAMA DE DISPERSIOND E LA MUESTRA

DIAGRAMA DE DISPERSION
40
CANTIDAD DE HELADOS VENDIDOS

35
30
25
20
15
10
5
0
5 10 15 20 25 30 35
TEMPERATURA °C

EJEMPLO 2
PREGUNTA DE EXAMEN

1.- Dada las sgtes matrices calcular si es posible=

A= 2 -3 B= 2 -1
4 6 9 4
7 -3

C= 2 5 1
0 3 -4
-8 2 8

a) calcular la matriz inversa de A,B Y C

A-1 0.2500 0.1250 B-1 1 CONDICION=LA MATRIZ TIENE QUE SER CU

- 0.1667 0.0833 NO EXISTE LA INVERSA DE B

b) AB ABT BC BtC

AB= NO SE PUEDE MULTIPLICAR AB PORQUE LA MATRIZ NO CUMPLE EL ANALISIS DE FORMA.

ABT 7 6 23
2 60 10

BC NO ES POSIBLE NO CUMPLE EL ANALISIS DE FORMA

3X2 3X3

BT c
a*b*c no se puede multiplicar tres matrices a la vez hay que hacer primero dos

2) resolver el sgte sistema, aplicando matrices y matriz inversa

{█(2𝑋−3𝑌=4@2 B) {█(2𝑋+𝑌−3
A)
𝑌+𝑋=7)┤ 𝑍=7@5𝑋−4
𝑍+𝑍=−19@
𝑋−𝑌−4𝑍=4)
solucion
a) a 2 -3
┤
1 2

b 4
7

A-1 0.28571429 0.42857143

 -0.14285714 0.28571429

R= 4 1/7 X=29/7 SIEMPRE DEJAR EN ASI

1 3/7 Y=10/7

B)

{█(2𝑋+𝑌−3𝑍=7@5 2 1

𝑋−4𝑍+𝑍=−19@𝑋− A= 5
1
-4
-1
𝑌−4𝑍=4)┤
B=

A-1

R=

SE PIDE
A) LOS ESTADISTICOS DE CADA V
3) Una empresa dedicada a la venta de café MEDIO, VARIANZA, DESVIACION
muestra las ventas selecionando 10 muestras de diferentes dias B) LA COVARIANZA ENTRE AMBA
donde x= temperatura °c C) COEFICIENTE DE DETERMINAC
y=cantidad de café vendido en miles de unidades D)GRAFICAR EL DIAGRAMA DE D
n X Y 〖 (𝑋𝑖−〖 (𝑌𝑖−(𝑌)) ̅ 〗XY^2
1 15 20(𝑋)) ̅ 〗2.89
^2 81.00 300
2 20 16 44.89 169.00 320
3 24 15 114.49 196.00 360
4 10 30 10.89 1.00 300
5 18 19 22.09 100.00 342
6 25 10 136.89 361.00 250
7 12 26 1.69 9.00 312
8 5 42 68.89 169.00 210
9 3 50 106.09 441.00 150
10 1 62 151.29 1,089.00 62
SUMA 133 290 660.10 2,616.00 2,606.00
 n=10
MEDIA DE X= 13.3000 Varianza de X 73.3444
MEDIA DE Y= 29.0000 Varianza de Y 290.6667

Desviacion tipica X 8.5641

Desviacion tipica y 17.0489

COEFICIENTE DE VARIACION X 0.6439

COEFICIENTE DE VARIACION Y 0.5879

B)
COVARIANZA= -125.1
EXISTE UNA RELACION INVERSA NEGATIVA, SIGMNIFICA QUE HA MAYOR T
LA CANTIDAD DE CAFÉ VENDIDO DISMINUYE , SI DISMINUYE LA TEMPE
CANTIDAD DE CAFÉ VENDIDOS AUMENTA.

𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/𝑛-𝑥 ̅∗ 𝑦 ̅

COVARIANZA=mide la relacion existente entre las variables independientes con la var dependiente
si el resultado arroja signo negativo se concluye que exista una relacion inversa negativa
si el resultado arroja signo positivo se concluye que exista una relacion directa positiva
si el resultado sale cero, se concluye que no existe relacion lineal entre las variables, en

C) COEFICIENTE DE DETERMINACION Y DE CORRELACION INTERPRETAR LOS RESULTADOS

𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌 )
r= -0.8567933419
LA RELACION ES EXCFELNTE ENTRE LAS TEMPERATURA Y LA C

COEFICIENTE DE DETERMINACION R2 73.41% aprox el 73.41%d ela Variabilidad promedio

de las ventas de cefes en miles de unidades esta explicado po
y el 26.59% no se puede explicar.
D)GRAFICAR EL DIAGRAMA DE DISPERSIOND E LA MUESTRA

DIAGRAMA DE DISPERSION
70

60

50

40
 DIAGRAMA DE DISPERSION
70

60

50

40

30

20

10

0
0 5 10 15 20 25 30
QUE EL MODELO NO LO PUEDE EXPLICAR SE ENCUENTA ALEJADO DE FRP
 EL RESULTADO
TERPRETAR LOS RESULTADOS

_𝑖−𝑌 ̅) 〗 ^2 )/(𝑛−1)
(𝑛−1)

<>
 as variables es perfecta negativa negativa e inversa
elente entre las variables, inversa negativa
ena entre las variables, inversa negativa
ular entre las variables, inversda negativa
a entre las variables, inversa negativa
ima entre las variables, inversa negativa
n entre las varibles

LO QUE LA VARIABLE NO PUEDE EXPLICAR

dependiente
versa negativa
recta positiva
s variables, en otras palabara se aconseja utilizar regresion no lineal

MNIFICA Q1UE HA MAYOR TEMPERATURA,

DIDOS, A MENOR TEMPERATURA, MENOR
HELADOS VENDIDOS

e salir en -1 y 1.
variables, directa positiva

de unidades esta explicado por la temperatura

 MATRIZ TIENE QUE SER CUADRADA C-1 0.1290 -0.1532 -0.0927
0.1290 0.0968 0.0323
0.0968 -0.1774 0.0242

ISIS DE FORMA.

2𝑋+𝑌−3
@5𝑋−4
=−19@
−4𝑍=4)
 -3
1
-4

7
-19
4

0.2931034482759 0.12068966 -0.18965517

0.3620689655172 -0.0862069 -0.29310345
-0.01724137931 0.05172414 -0.22413793
-1 X=-1
3 Y=3
-2 Z=-2

OS ESTADISTICOS DE CADA VARIABLE

IO, VARIANZA, DESVIACION TIPICA, COEFIENTE DE VARIACION
A COVARIANZA ENTRE AMBAS VARIABLES, INTERPRETAR EL RESULTADO
OEFICIENTE DE DETERMINACION Y DE CORRELACION INTERPRETAR LOS RESULTADOS
RAFICAR EL DIAGRAMA DE DISPERSIOND E LA MUESTRA

n= X Y XY
1 10 21 129.390625 110.25 210
2 15 30 40.640625 2.25 450
 3 18 29 11.390625 6.25 522
4 20 32 1.890625 0.25 640
5 25 35 13.140625 12.25 875
6 28 36 43.890625 20.25 1008
7 30 36 74.390625 20.25 1080
8 25 33 13.140625 2.25 825
SUMA 171 252 327.875 174 5610
n=8
MEDIA DE X= 21.375 Varianza de X 46.8392857
MEDIA DE Y= 31.5 Varianza de Y 24.8571429

Desviacion tipica X 6.84392327

Desviacion tipica y 4.98569382

GMNIFICA QUE HA MAYOR TEMPERATURA,

YE , SI DISMINUYE LA TEMPERATURA LA
NDIDOS AUMENTA.

es con la var dependiente

na relacion inversa negativa
na relacion directa positiva
neal entre las variables, en otras palabara se aconseja utilizar regresion no lineal

E LAS TEMPERATURA Y LA CANTIDAD DE CAFÉ VENDIDO Y ES INVERSO NEGATIVO

unidades esta explicado por la temperatura

30
 PRACTICO N°1
1. Dadas las siguientes matrices, realizar las operaciones indicadas si es posible.

A= -3 -4 B= -4 1 C= 1 -3 0
2X2 2 7 2X2 -5 -2 2X3 -4 6 4

D= -4 6 -4 E= 4 -5 2 F= -1 0
3X3 0 1 5 3X3 6 -2 -3 3X2 4 3
1 -7 3 1 -7 5 2 -2

solucion
POR PASO (At-4B)t Bt
1.- (At-4B)t+Bt 13 16 -4 -5 9 11
-2 15 1 -2 -1 13

FORMULA DIRECTA
1.- (At-4B)t+Bt 9 -7
17 13

2.- BtC-CET
2X2 2X3 2X3-3X3
2X3 2X3
2X3
16 -18 -20 19 12 22 -3 -30 -42
9 -15 -8 -38 -48 -26 47 33 18

3.- (2DT+5E)CT 87 -150

66 -332
3X3+3X3 3X2 72 -14
3X2

4.- 4C-3FT 7 -24 -6

2X3-2X3 -16 15 22

5.- A+2B -11 -2

2X2+2X2 -8 3

F.- (3A-4B)-1 0.0468 0.0258

 - 0.0420 0.0113
2X2-2X2

G.- D-1*E -2.08475 3.79661

3X3 3X3 0.067797 1.26271
1.186441 -0.65254

H. CE-1 - 1.7436 1.1026 1.3590

2X3 3X3 6.0000 - 4.0000 - 4.0000

I. EF-CT -21 -15

-17 -6
3X3 3X2 3X2 -19 -35
3X2 3X2

RESOLVER LOS SIGUIENTES SISTEMAS POR MEDIO DE LA MATRIZ INVERSA COMPROBAR EN EXEL

{█(6𝑋−5𝑌=−9@
A
4𝑋+3𝑌=13)┤

A 6 -5 B -9
4 3 13

A-1 0.07895 0.131579

-0.10526 0.157895

R= 1 X= 1
3 Y= 3

{█(7𝑋−15𝑌=1@
B −𝑋−6𝑌=8)┤

A 7 -15 B 1
-1 -6 8

A-1 0.1053 - 0.2632

- 0.0175 - 0.1228
 R= -2 X= -2
-1 Y= -1

+𝑍=11@𝑋−𝑦+3𝑍=13@2𝑋+2𝑌−𝑍=7)┤
C

A 1 1 1 B 11
1 -1 3 13
2 2 -1 7

A-1 -0.83333 0.5 0.66667

1.16667 -0.5 -0.33333
0.66667 0 -0.33333

2 X= 2
R= 4 Y= 4
5 Z= 5

−2𝑌=−1@4𝑋+𝑍=−28@𝑋+2𝑌+3𝑍=−43)┤
D

3 -2 0 -1
A= 4 0 1 B= -28
1 2 3 -43

-0.125 0.375 -0.125

A-1 -0.6875 0.5625 -0.1875
0.5 -0.5 0.5

-5 X= -5
R= -7 Y= -7
-8 Z= -8
 MODELOS DE REGRESION CON DOS VARIABLES Y PROBLEMAS DE ESTIMACION
FARMACIA PRECIO VENTAS
1 54 93
2 54 92
3 53 92
4 54 91
5 52 93
6 52 95
7 56 88
8 53 93
9 56 90
10 53 95
11 52 96
12 54 93
13 54 92
14 55 88
15 53 94
16 53 95
17 53 94
18 55 89
19 55 92
20 53 95
21 54 92
22 53 93
23 54 92
24 54 94

SE PIDE

A) grafico del diagrama de dispersion en geogrbra siempre hacer con 5 puntos

b) la recta de estimacion lineal mediante matrices, metodo de los minimos cuadrados ordinarios

La matriz x 1 54 matriz Xt
24x2 1 54 Xt*X =
1 53 2X24 *24X2=2X2
1 54 (Xt*X)-1 =
1 52
1 52
1 56
1 53
1 56
1 53
1 52
1 54
1 54
1 55
1 53
1 53
1 53
1 55
1 55
1 53
1 54
1 53
1 54
1 54

c) graficar la recta de estiamcion en geogebra

interpretar los estimadores betha 1 y betha 2
 INTERPRETABION DE BETHA 1 Y BETHA 2

BETHA 1 178.2432 CORTE Y LA CANTIDAD MAXIMA VENDIDA DEL JARABE PARA

BETHA 2 - 1.5957 CORTE X AL AUMENTAR EN 1 BS EL PRECIO DEL JARABE LA C
NOTA SI BETHA 2 ES NEGATIVO BETHA 1 VOY A DECIR MAXIMO
SI BETHA 2 ES POSITIVO BETHA 1 VOY A DECIR MINIMO
d) demostrar la 5 propiedades de la recta de estimacion

PRECIO X VENTAS Y (𝑌 ) ̂ e= y-(𝑌 ) ̂Xi *e

1 54 93 92.0763 0.9237 49.8820
2 54 92 92.0763 - 0.0763 - 4.1180
3 53 92 93.6719 - 1.6719 - 88.6129
4 54 91 92.08 - 1.0763 - 58.1180
5 52 93 95.2676 - 2.2676 - 117.9165
6 52 95 95.2676 - 0.2676 - 13.9165
7 56 88 88.8849 - 0.8849 - 49.5540
8 53 93 93.6719 - 0.6719 - 35.6129
9 56 90 88.8849 1.1151 62.4460
10 53 95 93.6719 1.3281 70.3871
11 52 96 95.2676 0.7324 38.0835
12 54 93 92.0763 0.9237 49.8820
13 54 92 92.0763 - 0.0763 - 4.1180
14 55 88 90.4806 - 2.4806 - 136.4317
15 53 94 93.6719 0.3281 17.3871
16 53 95 93.6719 1.3281 70.3871
17 53 94 93.6719 0.3281 17.3871
 18 55 89 90.4806 - 1.4806 - 81.4317
19 55 92 90.4806 1.5194 83.5683
20 53 95 93.6719 1.3281 70.3871
21 54 92 92.0763 - 0.0763 - 4.1180
22 53 93 93.6719 - 0.6719 - 35.6129
23 54 92 92.0763 - 0.0763 - 4.1180
24 54 94 92.0763 1.9237 103.8820
1289 2221 2,221 0.0000 0.0000

e) calcular el coeficente de determinacion y el de correlacion lineal interpretar los resultados

calculo de la correlacion lineal

formula del tema 2

𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/
𝑛-𝑥 ̅∗ 𝑦 ̅
covarianza= - 1.9253

varianza x 1.2591
varianza y 4.6938

desviacion tipica x 1.1221

desviacion tipica y 2.1665

COEFICIENTE DE CORRELACION
𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌 )

r= - 0.7920 si -0.8<r<=-0.6 la relacion es buena entre las varia

la relacion es buena entre las varia
si aumenta el precio de venta la ca
si disminuye el precio de venta , a

COEFICIENTE DE DETERMINACION R 2= 0.62725490102 aproximadamente el 62,73% de las

f) estimar las ventas para un precio de bs 60.

f(x)=60
(𝑌 ) ̂= 178,2432- 1,5957*x 82.5022
 para un precio de 60bs , se stima vender aprox. 83 unidades

g) estimar el precio si la cantidad vendida de jarabe es de 98 unidades

1,5957x=178,2432-98 despejamos de la formula anterior
1,5957x= 80.2432

x= 50.287146706775
si se desea vender 98 jarabe el precio estimado sera de 50,2871 bs

h) varianza total , varianza residual (varianza de perturbacion y la varianza explicada)

varianza total= v(y) 4.6938

𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑉𝐸= ( 〖 (𝐶𝑜𝑣(𝑥𝑦))/𝑆_𝑋 ) 〗 ^2

varianza residual

𝞼 ̂^(2=) 𝑉𝑅=𝑉𝑇−𝑉𝐸 1.7496

i) matriz de varianza y covarianza de los estimadores betha 1 y betha 2

𝞼^2 (𝑋^𝑇-X)-1
L amatriz dse varianza y covarianza de los estimadores según la formula =

VR*(XT* X)-1=
2X24 24X2 =2X2

Matriz de varianzas y covarianzas 174.3539 - 3.2450

de los estimadores - 3.2450 0.0604

varianza del estimador betha1 174.3539

varianza del estimador betha2 0.0604 las varianzas de betha 1 y betha 2

𝑐𝑜𝑣(β ̂1;β ̂2)= - 3.2450

𝑐𝑜𝑣(β ̂2;β ̂1)=
 𝑐𝑜𝑣(β ̂2;β ̂1)= - 3.2450

j) desviancion estandar de los estiamdores betha1 y betha 2

Sc(β ̂1)=√(𝑣𝑎𝑟() 13.2043
β ̂1)=

Sc(β ̂2)=√(𝑣𝑎𝑟() 0.2458
β ̂2)=
k) interbalos de confianza para los parametros betha 1 y betha 2
con un nivel de confianza del 90% SI NO DA EN NIVEL DE CONFIANZA ASUMIMOS QUE
aplicar la tabla 2 interpretar el resultado

parametro betha 1

Pr⁡( β ̂1-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1) <β 〖 1

<Prdel〗⁡(
limite inferior β ̂1+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1))limite superior del parametro
parametro

nivel de confianza =NC=1-α 90%=0,9

nivel de significancia= NS =α 10%=0,1
α/2= 5% 0.05
1-α/2= 0.95

Valor del estadistico Z 1-α/2= 1.6449

Limite superior del parametro betah1 156.52

Probabilidad⁡( 156,
Limite inferior del parametro betah1 199.9623 La probabilidad de que el vverdade
y que se encuentre fuera de esos li

Pr⁡( β ̂2-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2) <β 〖 2

<Pr 〗⁡( β ̂2+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2))
Limite superior del parametro betah2
Limite inferior del parametro betah2
-
-
2.00
1.1914
Probabilidad⁡( -2,0
La probabilidad de que el vverdade
y que se encuentre fuera de esos li

l)intervalos de confianza paa los estimadores betha 1 y betha 2 con un nivel de significancia del 5%, interpretar los resultado

nivel de confianza =NC=1-α 95%=0,95

nivel de significancia= NS =α 5%=0,05
 α/2= 0.025
1-α/2= 0.975

Valor del estadistico Z 1-α/2= 1.9600

Limite superior del parametro betah1 152.3632

Probabilidad⁡( 152,
Limite inferior del parametro betah1 204.1231 La probabilidad de que el vverdade
y que se encuentre fuera de esos li

Pr⁡( β ̂2-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2) <β 〖 2

<Pr 〗⁡( β ̂2+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2))
Limite superior del parametro betah2
Limite inferior del parametro betah2
-
-
2.0774
1.1139
Probabilidad⁡( -2,0
La probabilidad de que el vverdade
y que se encuentre fuera de esos li

solucion

Determinar recta de regresion y el coeficiente de correlacion lineal

A partir de los siguientes datos referentes a horas trabajadas en un taller (x) y las unidades producidas (Y),
determinar la recta de regresion de (y) sobre (X), el coeficiente de correlacion lineal e interpretarlo.

HORAS (X) PRODUCCION (Y)

80 300
79 302
83 315
84 330
78 300
60 250
82 300
85 340
79 315
84 330
80 310
62 240
Conjunto de datos de precios y ventas con 24 observaciones semanales.
Precio: precio de una unidad del producto en Bs.
Venta: volumen de ventas durante la semana de jarabe para la tos.

PROPIEDADES DE LA RECTA D EESTIMACION LINEAL

PROPIEDAD 1
∑e≅0

PROPIEDAD 2
PERTENECE A LA RECTA DE ESTRIMACION LINEAL

PROPIEDAD 3
𝑌 ̅ =𝑌 ̿ (𝑦 ) ̅=β ̅1+ β ̅2
PROPIEDAD 4
∑Xi 𝑒=0

PROPIEDAD 5

∑𝑦 ̂i 𝑒=0

EN GEOGEBRA
 MATRIZ Y
93 Xt*Y =
99.653237410072 -1.85467625899281 92 2X24 *24X1=
-1.85467625899281 0.0345323741007194 92
91
93
95 BETHA 1 ESTIMADO
88 BETAH 2 ESTIMADO
93
90
95
96
93
92 LA FUNCION DE REGRESION M

(𝑌 ) ̂= 17
88
94
95
94
89 ¿Cómo SABER SI EL RESULTAD
92
95
92
93
92 98
94
96
f(x) = − 1.59568345323
94

92

90

88

86

84
51.5 52 52.5 53
 92

90

88

86

84
51.5 52 52.5 53

VENDIDA DEL JARABE PARA LA TOS ES DE 178 UNIDADES

L PRECIO DEL JARABE LA CANTIDAD VENDIDA DISMINUYE EN 1,5957 UNIDADES

Yi * e x*y
〖 (𝑋𝑖− 〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
85.0546 (𝑋)) ̅ 〗0.0851
5022 ^2 0.2101
- 7.0216 4968 0.0851 0.2934
- 156.6141 4876 0.5017 0.2934
- 99.0979 4914 0.0851 2.3767
- 216.0313 4836 2.9184 0.2101
- 25.4961 4940 2.9184 6.0434
- 78.6535 4928 5.2517 20.6267
- 62.9422 4929 0.5017 0.2101
99.1162 5040 5.2517 6.4601
124.4017 5035 0.5017 6.0434
69.7715 4992 2.9184 11.9601
85.0546 5022 0.0851 0.2101
- 7.0216 4968 0.0851 0.2934
- 224.4439 4840 1.6684 20.6267
30.7298 4982 0.5017 2.1267
124.4017 5035 0.5017 6.0434
30.7298 4982 0.5017 2.1267
 - 133.9633 4895 1.6684 12.5434
137.4784 5060 1.6684 0.2934
124.4017 5035 0.5017 6.0434
- 7.0216 4968 0.0851 0.2934
- 62.9422 4929 0.5017 0.2101
- 7.0216 4968 0.0851 0.2934
177.1309 5076 0.0851 2.1267
0.0000 119240.0000 28.9583 107.9583

on es buena entre las variables, inversa negativa

on es buena entre las variables precio x , ventas y , inversa negativa
nta el precio de venta la cantidad de jarabes vendidos disminuye
nuye el precio de venta , a cantidad de jarabes vendidos aumenta

madamente el 62,73% de las ventas esta explicado por el precio y 37,27% restantes es aquello que la variable independiente x (precio) no p
 2.9442

anzas de betha 1 y betha 2 nunca puede ser negativa

ONFIANZA ASUMIMOS QUE ES 95%

1
uperior del parametro

babilidad⁡( 156,5240<β1<199,9623)=90%
abilidad de que el vverdadero valor del parametro betha1 se encuentre dentro de esos limites es del 90%
e encuentre fuera de esos limietes es del 10%

〖2

babilidad⁡( -2,0<β2<-1,1914)=90%
abilidad de que el vverdadero valor del parametro betha2 se encuentre dentro de esos limites es del 90%
e encuentre fuera de esos limietes es del 10%

%, interpretar los resultados

babilidad⁡( 152,3632<β1<204,1231)=95%
abilidad de que el vverdadero valor del parametro betha1 se encuentre dentro de esos limites es del 95%
e encuentre fuera de esos limietes es del 5%

β ̂2) <β 〖 2
(β ̂2))
babilidad⁡( -2,0774<β2<-1,1139)=90%
abilidad de que el vverdadero valor del parametro betha2 se encuentre dentro de esos limites es del 95%
e encuentre fuera de esos limietes es del 5%

ades producidas (Y),

interpretarlo.
) ̅=β ̅1+ β ̅2 x
 2221
119240

ETHA 1 ESTIMADO 178.2432

ETAH 2 ESTIMADO - 1.5957

A FUNCION DE REGRESION MUESTRAL ESTIMADA

(𝑌 ) ̂= 178,2432- 1,5957

Cómo SABER SI EL RESULTADO ENCONTRADO FRM ESTA CORRECTO?

Chart Title

f(x) = − 1.59568345323741 x + 178.243165467626

.5 52 52.5 53 53.5 54 54.5 55 55.5 56 56.5

.5 52 52.5 53 53.5 54 54.5 55 55.5 56 56.5

PROPIEDAD 1 ∑e≅0
SE CUMPLE QUE LA SUMA DE LOS RESIDUOS ES APROXIMADAMEN 0.00

PROPIEDAD 2
PERTENECE A LA RECTA DE ESTRIMACION LINEAL

MEDIA X= 53.7083
MEDIA Y=
MEDIA DE Y=
92.5417
92.5417 CUMPLE PORQUE ES IGUAL A LA MEDIA Y(𝑦 ) ̅=β ̅1+
PROPIEDAD 3 𝑌 ̅ =𝑌 ̂  ̅ β ̅2 x
MEDIA Y= 92.5417 SE DEMUESTRA LA PROPIEDAD 3 PORQUE SON IGUALES
MEDIA Y GORRO= 92.5417

PROPIEDAD 4 ∑Xi 𝑒=0 0.00 CUMPLE

 PROPIEDAD 5 ∑𝑦 ̂i 𝑒=0 0 cumple

ndependiente x (precio) no puede explicarlo.

1 +
 PRACTICO N°2 ANALISIS DE REGRESION LINEAL SIMPLE
1. Un investigador cree que la inteligencia de los niños, medida a traves del coeficiente intelectual (CI en puntos)
depende del numero de hermanos ,toma una muestra de 15 niños y ajusta una regresion lineal simple .
Los resultados aparecen en la tabla adjunta
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14
x hermanos 0 1 1 1 2 2 2 3 3 4 4 5 5 5
y CI 110 115 120 118 110 108 105 104 98 99 98 100 90 93

Hallar:
a)La media de cada variable

𝑥 ̅=(∑▒
𝑌 ̅=(∑▒
𝑥)/𝑛 𝑌)/𝑛
MEDIA DE X 2.9333
MEDIA DE Y 103.8667

b)Las varianzas y las desviaciones tipicas de cada variable

n 1 2 3 4 5 6 7 8 9 10 11 12 13 14
her X 0 1 1 1 2 2 2 3 3 4 4 5 5 5
CI Y 110 115 120 118 110 108 105 104 98 99 98 100 90 93
〖 (𝑋𝑖− 8.6044 3.7378 3.7378 3.7378 0.8711 0.8711 0.8711 0.0044 0.0044 1.1378 1.1378 4.2711 4.2711 4.2711

〖 X*Y
(𝑌𝑖− 37.6178 123.9511 260.2844 199.7511 37.6178 17.0844 1.2844 0.0178 34.4178 23.6844 34.4178 14.9511 192.2844 118.0844
(𝑋)) ̅ 〗 ^2 - 115.0000 120.0000 118.0000 220.0000 216.0000 210.0000 312.0000 294.0000 396.0000 392.0000 500.0000 450.0000 465.0000
(𝑌)) ̅ 〗 ^2
𝑆_𝑥^(2 )=(∑▒ 〖 (𝑋_𝑖−𝑋 ̅ ) 〗 ^2 )/(𝑛−1)
𝑆_𝑦^(2 )=(∑▒ 〖 (𝑌_𝑖−𝑌 ̅) 〗 ^2 )/(𝑛−1)
VARIANZA V(X)=

Varianza de 3.3524
Varianza de 91.9810

DESVIACION TIPICA O ESTANDAR

𝑆_𝑋=√(𝑉(𝑋))𝑆_𝑦=√(𝑉(𝑌))
 Desviacion tipica X 1.8310
Desviacion tipica y 9.5907

COEFICIENTE DE VARIACION X 0.6242

COEFICIENTE DE VARIACION Y 0.0923
〖𝐶𝑉〗 _𝑌=𝑆_𝑌/𝑌 ̅
〖𝐶𝑉〗 _𝑋=𝑆_𝑋/𝑋 ̅
c) La covarianza
El coeficiente de correlacion y el coeficiente de determinacion, interpretar los resultados
𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/𝑛-
𝑥 ̅∗ 𝑦 ̅ COVARIANZA=mide la relacion existente entre las variables independientes con la var dependiente
si el resultado arroja signo negativo se concluye que exista una relacion inversa negativa
COVARIANZ- 14.8089 si el resultado arroja signo positivo se concluye que exista una relacion directa positiva
si el resultado sale cero, se concluye que no existe relacion lineal entre las variables, en otras palabara se aconseja utilizar regresion no lineal

EXISTE UNA RELACION INVERSA NEGATIVA, SIGMNIFICA QUE HA MENOR

CANTIDAD DE HERMANOS , MAYOR SERA EL COEFICIENTE INTELECTUAL.
Y A MAYOR CANTIDAD DE HERMANOS, MENOR SERA EL COEFICIENTE INTELECTUAL.

COEFICIENTE DE CORRELACION

𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌r= ) - 0.8433 siempre tiene que salir en -1 y 1.

la relacion es excelente entre las variables, inversa negativa

COEFICIENTE DE DETERMINACION R2 71.12% aprox el 71,12% de la variabilidad promedio

de la cantidad de hermamos esta explicado por el coeficiente intelectual
28.88% y el 28,88% no se puede explicar.

e)La funcion de regresion lineal muestral por el metodo de los minimos cuadrados , aplicando matrices
Interpretar los estimadores betha 1 y betha 2
graficar el diagrama de dispersion y la funcion de regresion muestral en Geogebra
Y
n X 110 Xt*Y =
1 0 matriz Xt 115 2X15 *15X1=2X1 1558
1 1 Xt*X = 120 4348
1 1 2X15 *15X2=2X2 118 INTERPRETACION BETA 1 Y BETA 2
1 1 (X *X) =
t -1
110 BETHA 1 ESTIMADO 117.7500 el coeficiente de inteligencia promedio es de 117.75 hermanos
 1 2 108 BETAH 2 ESTIMADO - 4.7330 al aumentar en 1 hno el coeficiente intelectual, el coeficiente intelectual disminuye en 4,7330
1 2 0.2500 - 0.0625 105
1 2 - 0.0625 0.0213 104
1 3 98 LA FUNCION DE REGRESION MUESTRAL ESTIMADA
1
1
3
4
99
98 (𝑌 ) ̂= 117.75-4.7330x
1 4 100
1 5 90
1 5 93
1 5 90
1 6

graficar el diagrama de dispersion y la funcion de regresion muestral en Geogebra

X Y
0 110 Grafico de dispersion grafico de dispersion
1 115 insertar grafico de dispersion 1
1 120 140 seleccionar datos
1 118 120 agregar
2 110 f(x) = − 4.73295454545455 x + 117.75 colocar nombre gafico de dispersion
100
2 108 seleccionar x
2 105 80 seleccionar y
3 104 clip sobre uno de los puntos
60
3 98 agregar linea de tendencia
4 99 40 a mano derecha insertar la ecuacion
4 98 20
5 100
5 90 0
0 1 2 3 4 5 6 7
5 93
6 90
geogebra
 f) Calcular el valor del coeficiente de inteligencia
de un niño que tiene 7 hermanos.

el valor del coeficiente de inteligencia de un niño que tiene 7 hnos,

(𝑌 ) ̂= 117.75-4.7330x 84.62 se estimaun coeficiente intelectual de 84,62 puntos

g)Calcular el numero de hermanos que tiene

un niño con 125 puntos en coeficiente intelectual.

(𝑌 ) ̂= 117.75-4.7330x
125-117.74= -4.733 x (-1)

x= -125+117.74/4.733 -1.531798 no existe resultado negativo en la vida real, por lo tanto no se puede interpretar

h) Calcular la varianza total , residual VR y explicada

varianza total= v(y) 91.9810

𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑉𝐸= ( 〖 (𝐶𝑜𝑣(𝑥𝑦))/𝑆_𝑋 ) 〗 ^2
65.4171

varianza residual 𝞼 ̂^(2=) 𝑉𝑅=𝑉𝑇−𝑉𝐸

26.56
 i)error estandar de estimacion o error de perturvacion
desviancion estandar de los estiamdores betha1 y betha 2

L amatriz dse varianza y covarianza de los estimadores según la formula =

VR*(XT* X)-1=

2X15 15X2 =2X2 VR*(XT* X)-1=

Matriz de varianzas y cova 6.6409519 -1.660238

de los estimadores -1.660238 0.56599022

VAR= varianza del estimador be 6.6410

varianza del estimador be 0.5660 las varianzas de betha 1 y betha 2 nunca puede ser negativa

𝑐𝑜𝑣(β ̂1;β ̂2)= - 1.6602

𝑐𝑜𝑣(β ̂2;β ̂1)= - 1.6602

j) desviancion estandar de los estiamdores betha1 y betha 2

ERROR ESTANDAR
Sc(β ̂1)=√(𝑣𝑎𝑟() 2.5770
β ̂1)=

Sc(β ̂2)=√(𝑣𝑎𝑟() 0.7523
=BETHA1-COEFICIENTE * Sc be
β ̂52propiedades
L) Demostrar las )= de la funcion de regresion muestral

(𝑌 ) ̂= 117.75-4.7330x
PRECIO X VENTAS Y e= y-
(𝑌 ) ̂ Xi *e
(𝑌
*e x*y
〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
1 0 110 (𝑌 ) ̂
117.75 - 7.75 - - 912.56
〖 (𝑋𝑖−
0 8.604437.6178
2
3
1
1
115
120
113.02
113.02
1.98
6.98
1.98
6.98
) ̂ 224.11
789.19
115(𝑋)) ̅
120
〗
^2123.9511
3.7378
3.7378 260.2844
4 1 118 113.02 4.98 4.98 563.16 118 3.7378 199.7511
 5 2 110 108.28 1.72 3.43 185.81 220 0.8711 37.6178
6 2 108 108.28 - 0.28 - 0.57 - 30.76 216 0.8711 17.0844
7 2 105 108.28 - 3.28 - 6.57 - 355.61 210 0.8711 1.2844
8 3 104 103.55 0.45 1.35 46.48 312 0.0044 0.0178
9 3 98 103.55 - 5.55 - 16.65 - 574.83 294 0.0044 34.4178
10 4 99 98.82 0.18 0.73 17.97 396 1.1378 23.6844
11 4 98 98.82 - 0.82 - 3.27 - 80.85 392 1.1378 34.4178
12 5 100 94.09 5.91 29.57 556.49 500 4.2711 14.9511
13 5 90 94.09 - 4.09 - 20.43 - 384.36 450 4.2711 192.2844
14 5 93 94.09 - 1.09 - 5.43 - 102.10 465 4.2711 118.0844
15 6 90 89.35 0.65 3.89 57.88 540 9.4044 192.2844
44.00 1,558.00 1,558.00 0.00 0.00 0.00 4,348.00 46.93 1,287.73

PROPIEDAD 1
∑e≅0
SE CUMPLE QUE LA SUMA DE LOS RESIDUOS ES APROXIMADA 0.00

PROPIEDAD 2
PERTENECE A LA RECTA DE ESTRIMACION LINEAL

MEDIA X= 2.9333
MEDIA Y=
MEDIA DE Y
103.8667
103.87 CUMPLE PORQUE ES IGUAL A LA MEDIA Y
(𝑦 ) ̅=β ̅1+
PROPIEDAD 3
𝑌 ̅ =𝑌 ̂  ̅ β ̅2 x
MEDIA Y= 103.8667 SE DEMUESTRA LA PROPIEDAD 3 PORQUE SON IGUALES
MEDIA Y G 103.87 Y GORRO DIVIDIDO ENTE N
PROPIEDAD 4 ∑Xi 𝑒=0 0.00 CUMPLE

PROPIEDAD 5 ∑𝑦 ̂i 𝑒=0 0.00 cumple

k)Calcular el intervalo de confianza para los estimadores betha 1 y betha 2
con un nivel de significancia 2%

parametro betha 1

Pr⁡( β ̂1-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1) <β 〖 1

<Pr 〗⁡( β ̂1+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1))
limite inferior del parametro limite superior del parametro

nivel de confianza =NC=1-α

98%=0,98
nivel de significancia= NS =α
2%=0,02
α/2= 1% 0.01
1-α/2= 0.99

Valor del estadistico Z 1-α/2= 2.3263 INVERSA NORMAL ESTAMDAR

Pr⁡( 111,75<β 〖 1 < 〗〖

Limite superior del parame 111.75
Limite inferior del parame 123.75 ⁡ 123.75) 〗
2%=0,02 La probabilidad de que el verdadero valor del parametro betha 1se encuentre dentro de estos limites es del 98%, y que se
0.01 encuentre fuera de estos limites es del 2%

Pr⁡( β ̂2-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2) <β 〖 2

<Pr 〗⁡( β ̂2+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2))
Limite superior del parame- 6.48
Limite inferior del parame - 2.98

Probabilidad⁡( -6,48<β2<-2,98)=90%
La probabilidad de que el vverdadero valor del parametro betha2 se encuentre dentro de esos limites es del 98%
 y que se encuentre fuera de esos limietes es del 2%

2. La tabla de mas abajo presenta los datos sobre el numero de cambios de aceites al año (x)
y el costo de reparacion de(y,en miles de pesos) de una muestra aleatoria de 8 autos de una
cierta marca y modelo.
#numeros de 3 5 2 3 1 4 6 4
costo en mi 150 150 250 200 350 200 50 125

Hallar:
a)La media de cada variable
x y

〖 (𝑋𝑖−
〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
#numeros costo en
(𝑋)) ̅ 〗 ^2
de cambios miles de
n de aceite pesos X*Y
1 3 150 0.25 1,181.64 450
2 5 150 2.25 1,181.64 750
3 2 250 2.25 4,306.64 500
4 3 200 0.25 244.14 600
5 1 350 6.25 27,431.64 350
6 4 200 0.25 244.14 800
7 6 50 6.25 18,056.64 300
8 4 125 0.25 3,525.39 500
28 1475 18 56,171.88 4,250.00

MEDIA DE X 3.5000
MEDIA DE Y 184.3750

b)Las varianzas y las desviaciones tipicas de cada variable

𝑥^(2 )=(∑▒ 〖 (𝑋_𝑖−𝑋 ̅) 〗 ^2 )/(𝑛−1) Varianza de X 2.57142857

VARIANZA V(X)= Varianza de Y 8024.55357

𝑦^(2 )=(∑▒ 〖 (𝑌_𝑖−𝑌 ̅) 〗 ^2 )/(𝑛−1)

𝑆_𝑦=√(𝑉(𝑌))
 DESVIACION TIPICA O ESTANDAR
𝑆_𝑦=√(𝑉(𝑌))
𝑆_𝑋=√(𝑉(𝑋)) Desviacion tipica X
Desviacion tipica y
1.6036
89.5799

c) La covarianza interpretar el resultado

COEFICIENTE DE VARIACI 0.45816213

COEFICIENTE DE VARIACI 0.48585694

〖𝐶𝑉〗 _𝑋=𝑆_𝑋/𝑋 ̅
〖𝐶𝑉〗 _𝑌=𝑆_𝑌/𝑌 ̅
La covarianza
𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/𝑛-𝑥 ̅∗ 𝑦 ̅
COVARIANZA=mide la relacion existente entre las variables independientes con la var dependiente
si el resultado arroja signo negativo se concluye que exista una relacion inversa negativa
COVARIANZ- 114.06 si el resultado arroja signo positivo se concluye que exista una relacion directa positiva
si el resultado sale cero, se concluye que no existe relacion lineal entre las variables, en otras palabara se aconseja utilizar regresion no lineal

EXISTE UNA RELACION INVERSA NEGATIVA, SIGMNIFICA QUE HA MAYOR

CANTIDAD DE CAMBIOS DE ACEITE, LA CANTIDAD DE INGRESOS EN MILES
DE BS DISMINUYE ,

d)El coeficiente de correlacion de pearson y el coeficiente de determinacion, interpretar los resultados

COEFICIENTE DE CORRELACION

𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌r= ) -0.7940452 siempre tiene que salir en -1 y 1.

LA RELACION ES BUENA ENTRE LAS VARIBALES, INVERSA NEGATIVA

13 14 15
COEFICIENTE DE DETERMINACION
63.05%
R aprox el 63.05% de la variabilidad promedio
2
5 5 6
de la cantidad de cambiso de aceite esta explicado por el ingresoen miles de 90 93 90
y el 37.95 no se puede explicar.

e)La recta de regresion muestraL con matrices , graficar el diagrama de dispersion y la funcion de regresion uestral en Geogebra
Interpretar los estimadores betha 1 y betha 2.

diagrama de dispersion
400
350
x y diagrama de dispersion
400
#numeros de costo en
cambios de miles de 350
aceite pesos
3 150 300 f(x) = − 50.6944444444444 x + 361.805555555556
5 150 250
2 250
3 200 200
1 350 150
4 200
100
6 50
4 125 50
0
0 1 2 3 4 5 6 7

f) Calcular el costo para 8 cambios de aceitesCALCULAR COSTO REEMP X

(𝑌 ) ̂=361,8056-50,6944X
-43.7496 el resultado no existe en la vida real

g)Calcular el numero de cambios de aceites si el costo

es de 300 mil pesos

SI EL COSTO ES DE 300 MIL CORRESPONDE A UN SOLO

1.2192 CAMBIO DE ACEITE

h) Calcular la varianza residual VR y Varianza total y la varianza explicada

VAR RESIDUAL =VT-VE 2965.0104

VAR TOT = VAR 8024.5536
PASO 1
K) matriz de Varianza y covarianza de los estimadores betha 1 y betha 2
VAR EXPLICADA 5059.5432
i)error estandar de estimacion vr*(xt *x)-1 2388.4806 -576.5298
-576.5298 164.7228
PASO2

√(() (𝐵1)) ̂
 Sc(betha 1)=
√(() (𝐵1)) ̂
48.8721
matriz de var betha 1
matriz d var betha 2
2388.4806
164.7228

Sc(betha 1)= √(() (𝐵2)) ̂

12.8344
cov(betha 1;betha 2)=
cov(betha2;betha1)
-576.5298
-576.5298

k)Calcular el intervalo de confianza para los estimadores betha 1 y betha 2

α=5%=0,05 1-α=95%=0,95α/2=2,5%=0,1-α/2=0,975 Z 1-α/2=

1.9600
Limite inferior del parametro betha 1 266.0180
Limite SUP del parametro betha 1= 457.5931

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 [266,0180<𝛽_1<457,5931]=95%
La probabilidad de que el verdadero valor del parametro betha 1se encuentre dentro de estos limites es del 95%, y que se
encuentre fuera de estos limites es del 5%

Limite inferiror del parametro betha 2 -75.8495

Limite superior del parametro betha 2 -25.5394

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 [−75,8495<𝛽_2<−25,5394]=95%
La probabilidad de que el verdadero valor del parametro betha 2 se encuentre dentro de estos limites es del 95%, y que se
encuentre fuera de estos limites es del 5%
j) Demostrar las 5 propiedades de la funcion de regresion muestral
e= y- PROP 4 PROP 5
n x y Y GORRO ERROR(𝑌 ) ̂ X*e Y GORRO*e
1 3 150 209.7222 -59.7222 -179.16667 -12525.077
2 5 150 108.3333 41.6667 208.333333 4513.88889
3 2 250 260.4167 -10.4167 -20.833333 -2712.6736
4 3 200 209.7222 -9.7222 -29.166667 -2038.966
5 1 350 311.1111 38.8889 38.8888889 12098.7654
6 4 200 159.0278 40.9722 163.888889 6515.72145
7 6 50 57.6389 -7.6389 -45.833333 -440.29707
8 4 125 159.0278 -34.0278 -136.11111 -5411.3619
28 1475 1475 0.0000 0.0000 0.0000

PROP 1: 0.0000
PROP 3 0.0000 184.3750 CUMPLE

PROP 2; PROP 4 0.0000

 MEDIA DE X 3.5000
MEDIA DE Y 184.3750 PROP 5 0.0000
PROP 2; MEDIA Y 0.0000 CUMPLE

L)Calcular el intervalo de confianza para los estimadores betha 1 y betha 2

95%=0,95 con un nivel de significancia 5%
5%=0,05
2,5%=0,025
0.975 ( REPITE PREGUNTA) INSISO K
1.9600 ES LA MISMA RESPUESTA

Limite inferior del parametro betha 1= 266.0180

Limite superior del parametro betha 1= 457.5931

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 [266,0180<𝛽_1<457,5931]=95%
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 [−75,8495<𝛽_2<−25,5394]=95%
m)Calcular el intervalo de confianza para los estimadores betha 1 y betha 2
con un nivel de significancia 1%

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 [235,9194<𝛽_1<87,6917]=99%
99%=0,99
1%=0,01
0,5%=0,005 La probabilidad de que el verdadero valor del parametro betha 1se encuentre dentro de estos limites es del 99%, y que se
1-0,005=0,995encuentre fuera de estos limites es del 1%
2.5758

Limite inferior del parametro betha 1= 235.9194

Limite SUP del parametro betha 1= 487.6917

Limite inferiror del parametro betha 2 -83.7538

Limite superior del parametro betha 2 -17.6351

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 [−83,7538<𝛽_2<−17,6351]=99%
La probabilidad de que el verdadero valor del parametro betha 2 se encuentre dentro de estos limites es del 99%, y que se
encuentre fuera de estos limites es del 1%
 15
6 44
90 1558

15
6 44
90 1558
9.4044 46.9333
192.2844 1,287.7333
540.0000 4,348.0000

-
ntelectual disminuye en 4,7330
=BETHA1-COEFICIENTE * Sc betha1
utilizar regresion no lineal
PREGUNTA D EEXAMEN
usando los sgtes datos consumo nacional y renta en Bolivia para el periodo,
para el periodo 1995-2005 a precios corrientes (10 6 bs)
años consumo renta
nacional nacional nota: identificar al variable independiente y la
1995 349 388
1996 368 408 años
1997 388 433
1998 414 465 1995
1999 444 498 1996
2000 484 538 1997
2001 518 574 1998
2002 550 614 1999
2003 580 656 2000
2004 635 699 2001
2005 686 748 2002
2003
2004
2005

a) Calcular la funcion de regresion muestral mediante el metodo de minimos cuadrados ordinarios

aplicando matrices interpretar los estimadores betha 1 y betha 2. (18p)

X matriz Xt
renta Xt*X =
nacional 2X11 *11X2=2X2
1 388 (Xt*X)-1 =
1 408
1 433
1 465
1 498
1 538
1 574
1 614
1 656
1 699
1 748
b) graficar el diagrama de dispersion y la recta (7p)
de estimacion lineal en Geogebra

X Y

renta consumo

nacional nacional

388 349

408 368

433 388

465 414

498 444

538 484

574 518

614 550

656 580

699 635

748 686

C)Si se desea obtener una renta de 500 000 000 Bs, estimar el consumo nacional

f(x)=500000000

(𝑌 ) ̂= -11,0012+0,9196*x

para una renta de 500000000bs, se estima un consumo nacional de 459808444,32 bs

d)Calcular la varianza total, varianza residual y varianza explic(15p)

varianza total= v(y) -

𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑉𝐸=
( 〖 (𝐶𝑜𝑣(𝑥𝑦))/𝑆_𝑋 ) 〗 ^2
varianza residual

𝞼 ̂^(2=) 𝑉𝑅=𝑉𝑇−𝑉𝐸 #DIV/0!

g) Calcular la matriz de varianzas y covarianzas de los estimador(20p)

betha 1 y betha 2.Ademas calcular la desviacion tipica de cada estimador
h) Calcular el intervalo de confianza para los parametros betha (20p)
Con un nivel de significancia del 10%, interpretar los resultados.
estimar la renta nacional
ar al variable independiente y la variable dependiente
X Y EL CONSUMO DEPENDE DEL INGRESO
renta consumo
nacional nacional
388 349
408 368
433 388
465 414
498 444
538 484
574 518
614 550
656 580
699 635
748 686

adrados ordinarios

Y Xt*Y =
consumo 2X11 *11X1=2X1
X11 *11X2=2X2 nacional
2.12343043851513 -0.003713293 349
-0.00371329261313 6.783959E-06 368
388
414
444
484 LA FUNCION DE REGRESION MUESTR
518
550 (𝑌 ) ̂= -11,0
580
635
686 BETHA 1 ESTIMADO
BETAH 2 ESTIMADO

BETHA 1 ESTIMADO

BETAH 2 ESTIMADO
 BETHA 1 ESTIMADO

BETAH 2 ESTIMADO

(5p)

470.8096

o nacional de 459808444,32 bs
#DIV/0!
 5416
3100079
nota el bata 1 va con y

A FUNCION DE REGRESION MUESTRAL ESTIMADA

(𝑌 ) ̂= -11,0012+ 0,9196x

ETHA 1 ESTIMADO -11.0012 no existe resultado negativo en la vida real, por lo tanto no se puede interpretar
ETAH 2 ESTIMADO 0.9196 al aumentar en 1 millon de bs la renta nacional, el consumo nacional promedio aumenta en 0,91

ETHA 1 ESTIMADO 8.3679 el consumo promedio nacional maximo es de 8,3679 millones de bolivianos

ETAH 2 ESTIMADO 2.09196 al aumentar en 1 millon de bs la renta nacional, el consumo nacional promedio aumenta en 0,91
ETHA 1 ESTIMADO 10.2547 el consumo promedio nacional maximo es de 10,2547 millones de bs

ETAH 2 ESTIMADO -9196 al aumentar en 1 millon de bs la renta nacional, el consumo nacional promedio disminuye en 0,9
e interpretar
al promedio aumenta en 0,9196 millones de bs

al promedio aumenta en 0,9196 millones de bs

al promedio disminuye en 0,9196 millones de bs
 1 La media de cada variable n

𝑥 ̅=(∑▒𝑌 ̅=(∑▒ MEDIA DE X=
MEDIA DE Y=
𝑥)/𝑛 𝑌)/𝑛
𝑆_𝑥^(2 )=(∑▒ 〖 (𝑋_𝑖−𝑋 ̅
V(X)= 𝑆_𝑦^(2
VARIANZA
)=(∑▒) 〗〖
^2(𝑌_𝑖−𝑌 ̅
)/(𝑛−1) ) 〗 ^2
DESVIACION TIPICA O ESTANDAR

𝑆_𝑋=√(𝑉(𝑋))𝑆_𝑦=√(𝑉(𝑌)) Desviacion tipica X

Desviacion tipica y

COEFICIENTE DE VARIACION X
COEFICIENTE DE VARIACION Y

〖𝐶𝑉〗 _𝑋=𝑆_𝑋/𝑋 ̅
〖𝐶𝑉〗 _𝑌=𝑆_𝑌/𝑌 ̅
La covarianza
El coeficiente de correlacion y el coeficiente de determinacion, interpretar los resultados

𝑆_𝑋𝑌=Cov(x,y)=(∑▒𝑋𝑌)/𝑛-𝑥 ̅∗ 𝑦 ̅
COVARIANZA=mide la relacion existente entre las variables independientes
si el resultado arroja signo negativo se concluye que exista una
COVARIANZA= si el resultado arroja signo positivo se concluye que exista una
si el resultado sale cero, se concluye que no existe relacion line
***
EXISTE UNA RELACION INVERSA NEGATIVA, SIGMNIFICA QUE HA MENOR CANTIDAD DE HERMANOS , MAYOR SERA E
Y A MAYOR CANTIDAD DE HERMANOS, MENOR SERA EL COEFICIENTE INTELECTUAL.
COEFICIENTE DE CORRELACION

𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/(𝑆_𝑋∗𝑆_𝑌 )
r= siempre tiene que salir en -1 y 1.
***
la relacion es excelente entre las variables, inversa negativa

COEFICIENTE DE DETERMINACION R2 %
 ***
aprox el 71,12% de la variabilidad promedio
de la cantidad de hermamos esta explicado por el coeficiente intelectual
y el 28,88% no se puede explicar.
2 e)La funcion de regresion lineal muestral por el metodo de los minimos cuadrados , aplicando matrices
Interpretar los estimadores betha 1 y betha 2
graficar el diagrama de dispersion y la funcion de regresion muestral en Geogebra

n X *
1 0 *
1 1 Xt*X =
1 1 2X15 *15X2=2X2

1 1 (Xt*X)-1 =

Xt*Y =
***
2X11 *11X1=2X1

* *
BETHA 1 ESTIMADO
BETAH 2 ESTIMADO
(𝑦 ) ̅=β ̅1+ β ̅2 x
#VALUE! no existe resultado negativo en la vida real, por lo tanto no se puede interp
#VALUE! al aumentar en 1 millon de bs la renta nacional, el consumo nacional prome
*
BETHA 1 ESTIMADO 8.3679 el consumo promedio nacional maximo es de 8,3679 millones de bolivianos
BETAH 2 ESTIMADO 2.09196 al aumentar en 1 millon de bs la renta nacional, el consumo nacional prome
*
BETHA 1 ESTIMADO 10.2547 el consumo promedio nacional maximo es de 10,2547 millones de bs
BETAH 2 ESTIMADO -9196 al aumentar en 1 millon de bs la renta nacional, el consumo nacional prome

Calcular la varianza total, varianza residual y varianza explicada

varianza total= v(y)

𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑉𝐸=
( 〖 (𝐶𝑜𝑣(𝑥𝑦))/𝑆_𝑋 ) 〗 ^2

varianza residual

𝞼 ̂^(2=) 𝑉𝑅=𝑉𝑇−𝑉𝐸 #DIV/0!

 g) Calcular la matriz de varianzas y covarianzas de los estimadores
betha 1 y betha 2.Ademas calcular la desviacion tipica de cada estimador

Matriz de varianzas y covarianzas

VR*(XT* X)-1= de los estimadores

*
2X15 15X2 =2X2

VAR= varianza del estimador betha1 - *

varianza del estimador betha2 - las varianzas de betha 1 y betha 2 nunca puede ser negativa
*
𝑐𝑜𝑣(β ̂1;β ̂2)= 0

*
𝑐𝑜𝑣(β ̂2;β ̂1)= 0

k)Calcular el intervalo de confianza para los estimadores betha 1 y betha 2

con un nivel de significancia 10%
*
Pr⁡( β ̂1-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1) <β 〖 1
<Pr* 〗⁡( β ̂1+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1))
nivel de confianza =NC=1-α 98%=0,98
nivel de significancia= NS =α 2%=0,02
α/2= 1% 0.01
1-α/2= 0.99
Valor del estadistico Z 1-α/2= 2.3263 INVERSA NORMAL ESTAMDAR

*
Limite superior del parametro be =BETHA1-COEFICIENTE * Sc betha1
Limite inferior del parametro bet =BETHA1+COEFICIENTE * Sc betha2
*
2%=0,02 La probabilidad de que el verdadero valor del parametro betha 1se encuentre dentro de estos limites es del 98%, y que se
0.01 encuentre fuera de estos limites es del 2%

Pr⁡( β ̂2-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2) <β 〖 2

<Pr 〗⁡( β ̂2+𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2))
Probabilidad⁡( -6,48<
Limite superior del parametro be =BETHA2-COEFICIENTE * Sc betha2
Limite inferior del parametro bet =BETHA2+COEFICIENTE * Sc betha3

*
 La probabilidad de que el vverdadero valor
y que se encuentre fuera de esos limietes e

PROPIEDAD 1
∑e≅0SE CUMPLE QUE LA SUMA DE LOS RESIDUOS ES APROXIMADAMENTE 0
PROPIEDAD 2
PERTENECE A LA RECTA DE ESTRIMACION LINEAL

MEDIA X=
MEDIA Y=
MEDIA DE Y= - CUMPLE PORQUE ES IGUAL A LA MEDIA Y (𝑦 ) ̅=β ̅1+ β
PROPIEDAD 3
𝑌 ̅ =𝑌 ̂  ̅ de x
MEDIA Y= - SE DEMUESTRA LA PROPIEDAD 3 PORQUE SON IGUALES
MEDIA Y GORRO= Y GORRO DIVIDIDO ENTE N sumatoria de y gorro/n
PROPIEDAD 4 ∑Xi 𝑒=0 0.00 CUMPLE

PROPIEDAD 5 ∑𝑦 ̂i 𝑒=0 - cumple

j) desviancion estandar de los estiamdores betha1 y betha 2

Sc(β ̂1)=√(𝑣𝑎𝑟() -
β ̂1)=

Sc(β ̂2)=√(𝑣𝑎𝑟() -
β ̂2)=
Sc(β ̂2)=√(𝑣𝑎𝑟()
β ̂2)=
 X Y 〖 (𝑋𝑖−〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
XY
(𝑋)) ̅ 〗 ^2

Varianza de X
)/(𝑛−1)
𝑌_𝑖−𝑌 ̅ ) 〗 ^2 )/(𝑛−1) Varianza de Y

entre las variables independientes con la var dependiente

egativo se concluye que exista una relacion inversa negativa
ositivo se concluye que exista una relacion directa positiva
concluye que no existe relacion lineal entre las variables, en otras palabara se aconseja utilizar regresion no lineal

AD DE HERMANOS , MAYOR SERA EL COEFICIENTE INTELECTUAL.

si r=-1 la relacion entre las variables es perfecta negativa negativa e inversa

si -1<r<=-0.8 la relacion es excelente entre las variables, inversa negativa
si -0.8<r<=-0.6 la relacion es buena entre las variables, inversa negativa
que salir en -1 y 1. si -0.6<r<=-0.4 la ralacion es regular entre las variables, inversda negativa
si -0.4<r<=-0.2 la relacion es mala entre las variables, inversa negativa
s, inversa negativa si -0.2<r<=0 la relacion es pesima entre las variables, inversa negativa
si r=0 no existe relacion entre las varibles
do por el coeficiente intelectual 13 14 15
5 5 6 #REF!
os , aplicando matrices 90 93 90 #REF!

*
* CUANDO DICE CALCULAR F(X) SE REEMPLAZA EN LA ECUACION
para una renta de 500000000bs, se estima un consumo nacional de 459808444,32 bs
al, por lo tanto no se puede interpretar
cional, el consumo nacional promedio aumenta en 0,9196 millones de bs

s de 8,3679 millones de bolivianos

cional, el consumo nacional promedio aumenta en 0,9196 millones de bs

s de 10,2547 millones de bs
cional, el consumo nacional promedio disminuye en 0,9196 millones de bs

a explicada

*
#DIV/0!
nunca puede ser negativa

Nivel de significancia =NS=α

Pr⁡( 111,75<β 〖 1 < 〗〖

⁡ 123.75) 〗
o de estos limites es del 98%, y que se

obabilidad⁡( -6,48<β2<-2,98)=90%
a probabilidad de que el vverdadero valor del parametro betha2 se encuentre dentro de esos limites es del 98%
que se encuentre fuera de esos limietes es del 2%

ROXIMADAMENTE 0 0.00

(𝑦 ) ̅=β ̅1+ β ̅2 *media

de x
umatoria de y gorro/n
 negativa negativa e inversa
s, inversa negativa
nversa negativa
nversda negativa
ersa negativa
nversa negativa
o nacional de 459808444,32 bs
unidad 4

MODELOS DE REGRESION NO LINEAL CON ITNERVALOS DE CONFIANZA

𝑌 ̂=β ̂1 + β ̂2 X+β ̂3 𝑋^2+ E

VARIANZA DE PERTURBACION =VARIANZA RESIDUAL

𝞼 ̂^(2=) 𝑉𝑅= (𝑒^𝑡∗𝑒)/(𝑛−𝑘−1)

varianza de los estimadores 𝜎 ̂^2*(xt*x)-1

siempre va a ser una matriz de 3x3

R2=1-VR/VT COEFICIENTE DE DETERMINACION SU VALOR O

INTERVALOS DE CONFIANZA PARA LOS ESTIMADORES BETHA1, BETHA2 Y BETHA3

Pr⁡( β ̂1-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂1) ≤β 〖 1 ≤ 〗⁡( β ̂1

( 〖 1− 〗 _2^∝ )∗Sc(β ̂1)=1-α

Pr⁡( β ̂2-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂2) ≤β 〖 2 ≤ 〗⁡(

( 〖 1− 〗 _2^∝ )∗Sc(β ̂2)=1-α

Pr⁡( β ̂3-𝑍_( 〖 1− 〗 _2^∝ )∗Sc(β ̂3) ≤β 〖 3 ≤ 〗⁡( β

( 〖 1− 〗 _2^∝ )∗Sc(β ̂3)=1-α
PROBLEMA 1
SE REALIZA UNA PRUEBA DE FRENADO DE UN AUTOMOVI NUEVO DIVIDIENDO LA DISTANCIA DE PARADA
DE ACUERDO A LA RAPIDEZ DEL VEHICULO EN EL MOMENTO DE APLICAR LOS FRENOS
OPTENIENDOSE LOS SGTES RESULTADOS
RAPIDEZ DISTANCIA
Km/h Mts
35 16
50 26
65 41
80 62
95 88
110 119

a)indicar cual es la variable independiente y cual es la dependiente

b)efectue la estimacion del modelo cuadratico (parabolico)
c) graficar el diagram de dispersion y la curva de geogebra
d)determinar el grado de ajuste e interpretarlo (coefiente de determinacion)
E) si el vehiculo viaja a 100km/h en que distancia se detiene
f)calcular la matriz de varianza y covarianza de los estimadores ademas calcular la desviacion tipica de cada e
g)Calcular el intervalo de confianza al 90% para los parametros betha1 betha2 y betha3
interpretar los resultados

solucion
a)
variable independiente x=velocidad
variable dependiente y= distancia de frenado en metros
b)

matrix x

X X2
1 35 1225
1 50 2500
1 65 4225
1 80 6400
1 95 9025
1 110 12100

X= 6X3
X=
T
3X6
(X X)T* -1=
3X3

(XT*X)-1*(XT*Y)
3X3
12.6974 -0.3713 0.0024
-0.3713 0.0114 -0.0001
0.0024 -0.0001 0.0000

LOS ESTIMADORES BETHAS 13.3587 BETHA GORRO1

- 0.3394 BETHA GORRO2
0.0118 BETHA GORRO3
 FUNCION DE REGRESION MUESTRAL ES

𝑌 ̂=13,3587 - 0,3394 X + 0,0118

c) PRUEBA
Chart Title
140

120
f(x) = 0.0118253968253968 x² − 0.339444444444445 x + 13.3587301587302
100

80

60

40

20

0
30 40 50 60 70 80 90 100 110 120
d) d)determinar el grado de ajuste e interpretarlo (coefiente de determinacion)

x y X2 y gorro e 〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
1 35 16 1225 15.9643 0.0357
2 50 26 2500 25.9500 0.0500
3 65 41 4225 41.2571 - 0.2571
4 80 62 6400 61.8857 0.1143
5 95 88 9025 87.8357 0.1643
6 110 119 12100 119.1071 - 0.1071
435 352 35475 352 0.00

k= 3
𝞼 ̂^(2=) 𝑉𝑅= (𝑒^𝑡∗𝑒)/(𝑛−𝑘−1)

media de y= 58.6667

VR= 0.0607

VT= 1542.2667

R2=1-VR/VT COEFICIENTE DE DETERMINACION SU VALOR OSCILA ENTRE 0 Y

R2= 1.0000 99.996% APRXIMADAMENTE EL 99,99% DE LA VARIACIO

Y EL 0,01% ES AQUELLO QUE EL MODELO NO P

E) si el vehiculo viaja a 100km/h en que distancia se detiene

X= 100

𝑌 ̂=13,3587 + 0,3394 *100 + 0,0

〖 100 〗 ^2 Y GORRO= 97.6683

f)calcular la matriz de varianza y covarianza de los estimadores ademas calcular la desviacion tipica de cada

varianza de los estimadores 𝜎 ̂^2*(xt*x)-1

siempre va a ser una matriz de 3x3
 0.77091081
- 0.02254460
0.00014777

V(BETHA 1 GORRO= 0.77091081

V(BETHA 2 GORRO= 0.00069083
V(BETHA 3 GORRO= 0.00000003

DESVIACION ESTANDAR DE BETHA GORRO 1

DESVIACION ESTANDAR DE BETHA GORRO 2
DESVIACION ESTANDAR DE BETHA GORRO 3

g)Calcular el intervalo de confianza al 90% para los parametros betha1 betha2 y betha3

nivel de confianza =NC=1-α 90%=0,90

nivel de significancia= NS =α 10%=0,10
α/2= 5% 0.05
1-α/2= 0.95
Valor del estadistico Z 1-α/2= 1.6449 INVERSA NORMAL ESTAMDAR

PARAMETRO DE BETHA 1

Pr⁡(11,9545 ≤β 〖
LIMITE INFERIOR 11.9145
LIMITE SUPERIOR 14.8029

PARAMETRO DE BETHA 2
LIMITE INFERIOR - 0.3827
LIMITE SUPERIOR - 0.2962 Pr⁡(−0,3827≤β 〖

PARAMETRO DE BETHA 3

Pr⁡(0,115 ≤β 〖 3
LIMITE INFERIOR 0.0115
LIMITE SUPERIOR 0.0121
H)ESTIMAR LA RAPIDEZ EN KM/HORA CUANDO LA DISTANCIA DE FRENADO ES DE 100 MTS

100=13,3587 - 0,3394 X + 0,0

0=13,3587 -100- 0,3394 X + 0

0=0,0118 𝑋^2−0,3394X−86,64
"Escriba aquí la ecuación."

𝑥=(−𝑏±√(𝑏^2−4𝑎𝑐))/2𝑎

X1= 101.26810089 MT
X2= -72.505389025 NO EXISTE RAPIDEZ NEGATIVA

MODELO DE REGRESION
CALCULAR EL VALOR NUMERICO :
A) e e) ln(3,24)
b)e2 f) ln(0,2587)
c)e 3
g) ln(0)
d) e-2,3647 h) ln(-5,347)

solucion
A) e 2.7183
b)e 2
7.3891
c)e3 20.0855
𝑦 ̂= A*eBX
d) e-2,3647 0.0940 𝑦 ̂= A*eBX
e) ln(3,24) 1.1755733298
f) ln(0,2587) -1.3520861898
g) ln(0) Err:502 no existe
h) ln(-5,347) Err:502 no existe

(XT*X)-1*(XT*Y)
EJEMPLO
UNA RECONOCIDA EMPRESA ESTA REALIZANDO UN ESTUDIO SOBRE LA DURABILIDAD DE SUS LLANTAS,
ANALIZARON LOS KM RECORRIDOS EN MILES
Y EL % DE VIDA UTIL DE LOS NEUMATICOS
ACONTINUACION S EPRESENTAN LOS DATOS OBTENIDOS EN DICHOS ESTUDIOS

KM RECORRI % DE VIDA UTIL

1 99
2 95
5 85
15 55
25 30
30 24
35 20
40 15

A) INDICAR CUAL ES LA VARIABLE INDEPENDIENTE Y LA DEPENDIENTE

VARIABLE DEPENDEIENTE X= KM RECORRIDO

VARIABLE INDEPENDIENTE Y= % DE VIDA UTIL

B) CALCULAR EL MODELO DE REGRESION EXPONENCIAL APLICANDO MATRICES

INTERPRETAR EL ESTIMADOR BETHA 2 (B)

X(KM9 Y(%) Y'=Lny y gorro (y-y gorro)2

1 99 4.5951 101.4624 6.0635
2 95 4.5539 96.6303 2.6577
5 85 4.4427 83.4713 2.3370
15 55 4.0073 51.2409 14.1311
25 30 3.4012 31.4555 2.1184
30 24 3.1781 24.6454 0.4165
35 20 2.9957 19.3097 0.4765
40 15 2.7081 15.1292 0.0167
423 29.88201487 423.34451105 28.2173902893
 𝑦 ̂= A*eBX

𝑦 ̂= 106,5362*
PRUEBA EN EXCEL

DIAGRAMA DE DISPERSION
120

100
f(x) = 106.536204118412 exp( − 0.0487964974321382 x )

80

60

40

20

0
0 5 10 15 20 25 30 35 40 45

C) GRAFICAR EL DIAGRAM DE DISPERSION Y LA CURVA EXPONENIAL

KM RECORRI % DE VIDA UTIL

1 99
2 95
5 85
15 55
25 30
30 24
35 20
40 15

D) DETERMINAR CUAL SERA EL PORCENTAJE DE VIDA UTIL SI SE RECORREN 55000KM

 𝑦 ̂= 106,5362*e-0,0488*55 7.27670036858

E) ESTIMAR LOS KM RECORRIDOS PARA UN 60% DE VIDA UTIL

60= 106,5362*e-0,0488X

60/106,5362= e-0,0488x
ln(60/106,5362)=lne-0,0488x

ln(60/1065362)=-0,0488x

x= ln(60/106,5362)=
-0.0488
F) CALCuLAR LA VARIANZA RESIDUAL , VARIANZA TOTAL Y LA VARIANZA EXPLICADA DEL MODELO

(∑(𝑌^′−𝑦 ̂ )2)/𝑛
VR= 3.5272

(∑(𝑦−𝑦 ̅ )2)/(𝑛−1)
vt=v(y) 1258.69642857

VE= VT-VR 1,255.1693

G)CALCULAR EL GRADO DE AJUSTE DEL MODELO

INTERPRETAR EL RESULTADO

R2= 1-VR/VT 99.72%

 METODO POTENCIAL
EJERCICIO DE APLICACIÓN

SE REALIZO UN ESTUDIO COMPARATIVO DE NIVEL DE RUIDO DE EN DECIBELES PRODUCIDO POR DISCOTECAS

SE PROCEDIO A EVALUAR DIFERNETES NIVELES DE POTENCIAS EN VATIOS, LOS DATOS FUERON:
POTENCIA DECIBELES
100 60
500 80
1000 90
5000 99
10000 120

EN BASE A LOS DATOS ANTERIORES

A) INDICAR CUAL ES LA VARIABLE INDEPENDIENTE Y LA VARIABLE DEPENDIENTE
B) EFECTUAR LA ESTIMACION DEL MODELO POTENCIAL O LOGARITMICO LOG LOG
C) DETERMINE EL GRADO DE AJUSTE E INTERPRETAR EL RESULTADO APLICANDO MATRICES
D) QUE LECTURA SE OBTENDRIA CON UAN POTENCIA DE 3000 VATIOS
E) SIE L RUDIO DE SONIDO ES DE 110 DECIBLES ESTIMAR EN QUE NIVEL SE ENCUENTRA LA POTENCIA
F) REALIZAR EL DIAGRAMA DE DISPERSION Y GRAFICAR LA CURVA EN GEOGEBRA

SOLUCION

A) INDICAR CUAL ES LA VARIABLE INDEPENDIENTE Y LA VARIABLE DEPENDIENTE

X (VATIOS) Y (DECIBELES)
INDEPENDIENTE DEPENDIENTE
POTENCIA DECIBELES
100 60
500 80
1000 90
5000 99
10000 120

B) EFECTUAR LA ESTIMACION DEL MODELO POTENCIAL O LOGARITMICO LOG LOG

=LN(x)
MATRIZ X'= 1 4.60517018599
1 6.21460809842
1 6.90775527898
1 8.51719319142
1 9.21034037198

(XT*X)-1*(XT*Y)
 2x5 5x2
2x2
3.9228014389 -0.5250027345
-0.5250027345 0.0740377578

Estimadores bethas

Ym=

MODELOS POTENCIAL= 𝑌 ̂=33,0146*

MODELO LOG LOG= 𝐿𝑛𝑦=3,4969+
MODELO POTENCIAL
140

120
f(x) = 33.0145727289083 x^0.137471102043916
100

80

60

40

20

0
0 2000 4000 6000 8000 10000 12000

C) DETERMINE EL GRADO DE AJUSTE E INTERPRETAR EL RESULTADO APLICANDO MATRICES

MATRIZ
𝛽 ̂^𝑇* XT 4.1300 4.3513

1X2 2X5= 1X5

MATRIZ
𝛽 ̂^𝑇* X * Y T
100.2384
 1X5 5X1= 1X1

𝑌 ∗𝑌
MATRIZ
𝑇
100.2493

1X5 5X1= 1X1

𝛽 ̂^𝑇* XT* Y-n*Ym2

R2=

YT* Y - n*Ym2
aproximadamente el 95,89% de la variacion promedio del sonido en decibles,

D) QUE LECTURA SE OBTENDRIA CON UAN POTENCIA DE 3000 VATIOS

MODELOS POTENCIAL=
𝑌 ̂=33,0146*30000,1375
E) SIE L RUDIO DE SONIDO ES DE 110 DECIBLES ESTIMAR EN QUE NIVEL SE ENCUENTRA LA POTENCIA

MODELOS POTENCIAL= 𝑌 ̂=33,0146*X0,1375

110=33,0146*x0,1375
110/33,0146=x0,1375

0,1375
√(110/33,0146) =x
x= 6341.02
F) REALIZAR EL DIAGRAMA DE DISPERSION Y GRAFICAR LA CURVA EN GEOGEBRA
𝑋^2+ E

(𝑛−𝑘−1)

-1

FICIENTE DE DETERMINACION SU VALOR OSCILA ENTRE 0 Y 1

THA2 Y BETHA3

∗Sc(β ̂1) ≤β 〖 1 ≤ 〗⁡( β ̂1+𝑍_

∝ )∗Sc(β ̂2) ≤β 〖 2 ≤ 〗⁡( β ̂2+𝑍_

-α

)∗Sc(β ̂3) ≤β 〖 3 ≤ 〗⁡( β ̂3+𝑍_

α
DIVIDIENDO LA DISTANCIA DE PARADA
PLICAR LOS FRENOS
emas calcular la desviacion tipica de cada estimador
ha1 betha2 y betha3

matriz y

Y
16
26
41
62
88
119

Y= 6X1
X *Y
T
3X1

352.0000
30935.0000
2888725.0000

HA GORRO1
HA GORRO2
HA GORRO3
94 X + 0,0118 𝑋^2

44445 x + 13.3587301587302

80 90 100 110 120

 〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
1820.4444
1067.1111
312.1111
11.1111
860.4444
3640.1111
7711.3333

(𝑒^𝑡∗𝑒)/(𝑛−𝑘−1)
vr= 0.0607 la varianza total debe ser mayor a la residual

ERMINACION SU VALOR OSCILA ENTRE 0 Y 1

XIMADAMENTE EL 99,99% DE LA VARIACION PROMEDIO FRENADO EN METROS, ESTA EXPLICADO POR LA RAPIDEZ EN KM /HORA
0,01% ES AQUELLO QUE EL MODELO NO PUEDE EXPLICAR

94 *100 + 0,0118* 𝑌 ̂=β ̂1

demas calcular la desviacion tipica de cada estimador

-1

FORMA 1 FORMA2
 - 0.02254460 0.00014777 0.77091081 - 0.02254460
0.00069083 - 0.00000466 - 0.02254460 0.00069083
- 0.00000466 0.00000003 0.00014777 - 0.00000466

COV(BETHA 1 GORRO , BETRA 2 GORRO)= - 0.022545

COV(BETHA 2 GORRO , BETHA 1 GORRO)= - 0.022545
COV(BETHA 1 GORRO , BETHA 3 GORRO)= 0.000148
COV(BETHA 3 GORRO , BETHA 1 GORRO)= 0.000148
COV(BETHA 2 GORRO , BETHA 3 GORRO)= - 0.000005
COV(BETHA 3 GORRO , BETHA 2 GORRO)= - 0.000005

0.8780
0.0263
0.0002

etha1 betha2 y betha3

RSA NORMAL ESTAMDAR

Pr⁡(11,9545 ≤β 〖 1 ≤ 〗〖
⁡ 14,8029) 〗 =90%
LA PROBABILIDAD DE QUE EL VERDADERO VALOR DEL PARAMETRO BETHA 1 SE ENCUENTRE DENTRO DE LOS LIMITES ES D
Y QUE SE ENCUENTRE FUERA DE ESTOS LIMITES ES DEL 10%

Pr⁡(−0,3827≤β 〖 2 ≤ 〗〖
⁡ − 0,2962 〗 )=90%
LA PROBABILIDAD DE QUE EL VERDADERO VALOR DEL PARAMETRO BETHA 1 SE ENCUENTRE DENTRO DE LOS LIMITES ES D
Y QUE SE ENCUENTRE FUERA DE ESTOS LIMITES ES DEL 10%

Pr⁡(0,115 ≤β 〖 3 ≤ 〗⁡0,0121)=90%

LA PROBABILIDAD DE QUE EL VERDADERO VALOR DEL PARAMETRO BETHA 1 SE ENCUENTRE DENTRO DE LOS LIMITES ES D
Y QUE SE ENCUENTRE FUERA DE ESTOS LIMITES ES DEL 10%
 FRENADO ES DE 100 MTS

0,3394 X + 0,0118 𝑋^2

- 0,3394 X + 0,0118 𝑋^2

0,3394X−86,6413
ación."

a=0,0118
b= - 0,3394
c=-86,6413

PARA TENER UNA DISTANCIA DE FRENADO DE 100 MTS SE REQUIERE UNA RAPIDEZ DE 101,2681 KM/H
EXISTE RAPIDEZ NEGATIVA -72.5053890252191

O DE REGRESION EXPONENCIAL

𝑦 ̂= A*eBX
 𝑦 ̂= A*eBX

T*
X)-1*(XT*Y)

RE LA DURABILIDAD DE SUS LLANTAS,

OS ESTUDIOS

O MATRICES

MATRIZ X MATRIZ Y'

(y'-mediay)2

2,127.5156 1 1 4.5951
1,774.5156 1 2 4.5539
1,032.0156 1 5 4.4427
4.5156 1 15 4.0073
523.2656 1 25 3.4012
833.7656 1 30 3.1781
1,080.7656 1 35 2.9957
1,434.5156 1 40 2.7081
8810.875

(XT*X)-1*(XT*Y)
0.3428635246817 -0.0113915568461023 29.8820148701
 -0.0113915568461 0.000595636959273323 489.570314765

ESTIMADORES PARCIALES= 4.6685 A'

- 0.0488 B
106.5362 A

𝑦 ̂= A*eBX

𝑦 ̂= 106,5362*e-0,0488X
INTERPTREPACION DEL ESTIMADOR BETAH 2
EL SIGNO DEL ESTIMADOR ES NEGATIVO ESTO INDICA QUE A MEDIDA QUE LA
LA VARIABLE DEPENDIENTE DISMINUYE
ISPERSION ESTO SIGNIFICA QUE MIENTRAS SEA MAYOR QUE EL KILOMETRAJE DE LA LLN

321382 x )

25 30 35 40 45

geogebra

CORREN 55000KM
 11.7660mil km recorrido de la llanta

ANZA EXPLICADA DEL MODELO

APROXIMADAMENTE EL 99,72% DEL PORCENTAJE PROMEDIO DE VIDA UTIL ESTA EXPLICADO POR LOS KILOMETROS RECO
Y EL 0,28% ES AQUEL QUE NO SE PUEDE EXPLICAR
 OTENCIAL
N DECIBELES PRODUCIDO POR DISCOTECAS RODANTES
VATIOS, LOS DATOS FUERON:

DEPENDIENTE
TMICO LOG LOG
O APLICANDO MATRICES

NIVEL SE ENCUENTRA LA POTENCIA

EN GEOGEBRA

DEPENDIENTE

TMICO LOG LOG

MATRIZ Y'=

T*
X)-1*(XT*Y)
 2x5 5x1
2x1
22.3588
160.4033

3.49695 A'
0.13747 B los estimadores serian solo A Y B
33.01457 A

3.4969490618366 =Ln A
4.47176 ∑ Ln(y)

𝑌 ̂=33,0146*X0,1375
𝐿𝑛𝑦=3,4969+0,1375𝐿𝑛𝑥

SOLO COMPROBAR CON EL MODELO POTENCIAL

000 12000

DO APLICANDO MATRICES

4.4466 4.6678 4.7631

*Ym2
0.958926327138075 SIEMRPE TIENE QUE SALIR MENOS DE 1

ariacion promedio del sonido en decibles, esta explicado por la potencia en vatios.

146*30000,1375 99.2452 decibeles

NIVEL SE ENCUENTRA LA POTENCIA

146*X0,1375
3,0146*x0,1375
3,0146=x0,1375

146) =x

A EN GEOGEBRA
mayor a la residual

R LA RAPIDEZ EN KM /HORA

𝑌 ̂=β ̂1 + β ̂2 X+β ̂3 𝑋^2

 0.00014777
- 0.00000466
0.00000003

TRE DENTRO DE LOS LIMITES ES DEL 90%

TRE DENTRO DE LOS LIMITES ES DEL 90%

TRE DENTRO DE LOS LIMITES ES DEL 90%

1,2681 KM/H
media de y 52.875
 =EXP(A')

- 0.0488
O INDICA QUE A MEDIDA QUE LA VARIABLE INDEPENDIENTE X AUMENTA

QUE EL KILOMETRAJE DE LA LLNATA EL % DE VIDA UTIL DISMINUYE

ADO POR LOS KILOMETROS RECORRIDOS EN MILES
=LN(y)
4.0943445622
4.3820266347
4.4998096703
4.5951198501
4.7874917428
MENOS DE 1
 PRACTICO EXAMEN FINAL

1, CIERTA EMPRESA SE DA CUENTA QUE LAS GANANCIAS DE VENDER UN ARTICULO DEPENDE DE LA CANTIDAD Q
EN LA SGTE TABLA SE TIENEN ALGUNOS DATOS RECOLECTADOS DONDE SE COMPARAN LAS GANANCIAS EN MILL
Y LA CANTIDAD DE ARTICULKOS OFRECIDOS EN CIENTOS

NUMERO DE ARTICULO GANANCIAS

1 2.2
2 4.1
4 6.3
5 6.9
7 7.2
8 6.4
10 4.2
11 2

a)indicar cual es la variable independiente y cual es la dependiente

b)efectue la estimacion del modelo cuadratico (parabolico)
c) graficar el diagram de dispersion y la curva de geogebra
d)determinar el grado de ajuste e interpretarlo (coefiente de determinacion)
E) si se ofrecen 900 articulos estimar la ganancia
f)calcular la matriz de varianza y covarianza de los estimadores ademas calcular la desviacion tipica de cada estim
g)Calcular el intervalo de confianza al 95% para los parametros betha1 betha2 y betha3
interpretar los resultados
H)ESTIMAR LA cantidad de articulos a ofrecer si se deces tener una ganancia de 5 millones

solucion
a)
variable independiente x= NUMERO DE ARTICULO
variable dependiente y= GANANCIAS
b)

matrix x

X X2
1 1 1
1 2 4
1 4 16
1 5 25
1 7 49
1 8 64
1 10 100
1 11 121
 X= 8X3
X=
T
3X8
(XT*X)-1= 3X3

(XT*X)-1*(XT*Y)
3X3
1.3297 -0.4636 0.0332
-0.4636 0.2060 -0.0163
0.0332 -0.0163 0.0014

LOS ESTIMADORES BETHAS - 0.0358 BETHA GORRO1

2.4257 BETHA GORRO2
- 0.2022 BETHA GORRO3

FUNCION DE REGRESION MUESTRAL ES

𝑌 ̂=−0,358 + 2,4257 X - 0,2022 𝑋^

c) PRUEBA

Chart Title
8

7 f(x) = − 0.202235772357724 x² + 2.42574231177094 x − 0.0357546836337919

6

0
0 2 4 6 8
d) d)determinar el grado de ajuste e interpretarlo (coefiente de determinacion)

x y X2 y gorro e 〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
1 35 16 1225 - 16.0000
2 50 26 2500 - 26.0000
3 65 41 4225 - 41.0000
4 80 62 6400 - 62.0000
5 95 88 9025 - 88.0000
6 110 119 12100 - 119.0000
435 352 35475 0 352.00

k= 3
𝞼 ̂^(2=) 𝑉𝑅= (𝑒^𝑡∗𝑒)/(𝑛−𝑘

media de y= 58.6667

VR= 14181.0000

VT= 5672.4000

R2=1-VR/VT COEFICIENTE DE DETERMINACION SU VALOR OSCILA EN

R2= -1.5000 -150.000% APRXIMADAMENTE EL 99,99% DE LA VARIA

Y EL 0,01% ES AQUELLO QUE EL MODELO N
E) si el vehiculo viaja a 100km/h en que distancia se detiene

X= 100

𝑌 ̂=13,3587 + 0,3394 *100 + 0,01

〖 100 〗 ^2 Y GORRO= -1,779.8192

f)calcular la matriz de varianza y covarianza de los estimadores ademas calcular la desviacion tipica de cada esti

varianza de los estimadores 𝜎 ̂^2*(xt*x)-1

siempre va a ser una matriz de 3x3
18,855.78411099
- 6,574.18928950
470.77845528

V(BETHA 1 GORRO= 18,855.78411099

V(BETHA 2 GORRO= 2,921.16569459
V(BETHA 3 GORRO= 19.21544715

DESVIACION ESTANDAR DE BETHA GORRO 1

DESVIACION ESTANDAR DE BETHA GORRO 2
DESVIACION ESTANDAR DE BETHA GORRO 3
CULO DEPENDE DE LA CANTIDAD QUE SE OFREZCA
MPARAN LAS GANANCIAS EN MILLONES DE BS

r la desviacion tipica de cada estimador

e 5 millones

matriz y

Y
2.2
4.1
6.3
6.9
7.2
6.4
4.2
2
 Y= 8X1
X *Y
T
3X1

39.3000
235.7000
1716.3000

- 0,2022 𝑋^2

Chart Title

42574231177094 x − 0.0357546836337919

6 8 10 12
 〖 (𝑌𝑖−(𝑌)) ̅ 〗 ^2
256.0000
676.0000
1681.0000
3844.0000
7744.0000
14161.0000
28362.0000

= (𝑒^𝑡∗𝑒)/(𝑛−𝑘−1)
vr= 14,181.0000 la varianza total debe ser mayor a la residual

RMINACION SU VALOR OSCILA ENTRE 0 Y 1

ADAMENTE EL 99,99% DE LA VARIACION PROMEDIO FRENADO EN METROS, ESTA EXPLICADO POR LA RAPIDEZ EN KM /HORA
% ES AQUELLO QUE EL MODELO NO PUEDE EXPLICAR
*100 + 0,0118* 𝑌 ̂=β

ar la desviacion tipica de cada estimador

)-1
FORMA 1 FORMA2

- 6,574.18928950 470.77845528 269,832.91666667 - 76,695.57500000

2,921.16569459 - 230.58536585 - 76,695.57500000 22,535.97250000
- 230.58536585 19.21544715 4,923.95833333 - 1,477.18750000

COV(BETHA 1 GORRO , BETRA 2 GORRO)= - 6,574.189290

COV(BETHA 2 GORRO , BETHA 1 GORRO)= - 6,574.189290
COV(BETHA 1 GORRO , BETHA 3 GORRO)= 470.778455
COV(BETHA 3 GORRO , BETHA 1 GORRO)= 470.778455
COV(BETHA 2 GORRO , BETHA 3 GORRO)= - 230.585366
COV(BETHA 3 GORRO , BETHA 2 GORRO)= - 230.585366

137.3164
54.0478
4.3835
a la residual

N KM /HORA
𝑌 ̂=β ̂1 + β ̂2 X+β ̂3 𝑋^2

4,923.95833333
- 1,477.18750000
98.47916667