VI VD

Consumo(Y) Ingreso(X) xi yi xi*yi xi^2

40 6 -12 -17 204 144

44 10 -8 -13 104 64
46 12 -6 -11 66 36
48 14 -4 -9 36 16
52 16 -2 -5 10 4
58 18 0 1 0 0
60 22 4 3 12 16
68 24 6 11 66 36
74 26 8 17 136 64
80 32 14 23 322 196
570 180 0 0 956 576
57 18

a)formar el modelo
𝑦=𝑏_0+𝑏_𝑖 𝑥_𝑖+ⅇ
b)Encontrar el Valor de los Parametros
 ̂_𝑖=(∑128▒ 〖𝑥 _𝑖 𝑦_𝑖 〗 )/(∑128▒𝑥^2 )
1.6597

𝑏_0=𝑦 ̅−𝑏 ̂_𝑖 𝑥 ̅ 27.1250

c)Formar el FRM
𝑦 ̂_𝑖=𝑏 ̂_𝑂+𝑏 ̂_𝑖 𝑥𝑖

d)Interpreta los resultados

Como tenemos dos párametro en donde bo es el intercepto de la parte autonoma de la variable independiente que en es
caso es el consumo y bi es el coeficiente o parametro que son propensiones marginales que tendra la variable (y), en dond
tendra que ca,biar el consumo cuando cambie el ingreso

e)Errores
f)Errores al cuadrado
g)La sumatoria de los errores al cuadrado
 ⅇ^2 𝑅^2=1− (𝑅^2 ) ̅=1−(1−𝑅^2 ) (𝑛−1)/(
e y^2 (∑128▒ⅇ^2
)/(∑128▒𝑦^2 )
37.0833 2.9167 8.5069 289 0.9710
43.7222 0.2778 0.0772 169
47.0417 -1.0417 1.0851 121
50.3611 -2.3611 5.5748 81
53.6806 -1.6806 2.8243 25
57.0000 1.0000 1.0000 1
63.6389 -3.6389 13.2415 9
66.9583 1.0417 1.0851 121
70.2778 3.7222 13.8549 289
80.2361 -0.2361 0.0557 529
0.0000 47.3056 1634

Coeficiente:
𝜎^2=(𝛴ⅇ^2)/(𝑛−𝑘)

Varianza:
var⁡𝐵 ̂ =𝜎^2/(𝛴𝑥^2 )

Desviacion:

iable independiente que en este

e tendra la variable (y), en donde
(𝑅^2 ) ̅=1−(1−𝑅^2 ) (𝑛−1)/(𝑛−𝑘)

0.9674

El coeficiente de determinacion multiple se dio con éxito, puesto que se

5.9132 acerca a 1, asi que se apega a la realidad

0.01027 La probabilidad de que exista un evento es

del 0.01027
La capacidad explicativa del modelo es
0.1013 0.1013
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.985418302857293
Coeficiente de determinación R^2 0.971049231606147
R^2 ajustado 0.967430385556916
Error típico 2.43170607690248
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 1586.69444444444
Residuos 8 47.3055555555556
Total 9 1634

Coeficientes Error típico

Intercepción 27.125 1.97926534841704
Variable X 1 1.65972222222222 0.101321086537603

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 37.0833333333333 2.91666666666667
2 43.7222222222222 0.277777777777786
3 47.0416666666667 -1.04166666666666
4 50.3611111111111 -2.36111111111111
5 53.6805555555556 -1.68055555555556
6 57 1
7 63.6388888888889 -3.63888888888889
8 66.9583333333333 1.04166666666666
9 70.2777777777778 3.72222222222223
10 80.2361111111111 -0.236111111111114
Promedio de los cuadrados F Valor crítico de F
1586.69444444444 268.33118027 1.9435274219E-07
5.91319444444445

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

13.7045798440789 7.745566E-07 22.560805921884 31.689194078 22.5608059219
16.3808174481651 1.9435274E-07 1.4260753776831 1.8933690668 1.42607537768

8.50694444444447
0.0771604938271649
1.08506944444444
5.57484567901233
2.82426697530865
1
13.241512345679
1.08506944444442
13.854938271605
0.055748456790125
47.3055555555556
 Superior 95.0% Varianzas
31.68919407812 3.91749132
1.893369066761 0.01026596
CONSUMO Y INGRESO X Matriz (X)
40 6 1 6
44 10 1 10
46 12 1 12
48 14 1 14
52 16 1 16
58 18 1 18
60 22 1 22
68 24 1 24
74 26 1 26
80 32 1 32

x transpuesta x´
1 1 1 1
6 10 12 14

y' TRANSPUESTA

40 44 46 48
Matriz(Y)
40 (x´x)
44 10 180
46 180 3816 Inversa (x´x)^-1
48 0.6625 -0.03125
52 -0.03125 0.00173611
58
60
68 (x´y)
74 570
80 11216
57
Beta
27.125
1 1 1 1 1 1 1.6597
16 18 22 24 26 32
𝑅^2=(𝐵 ̂^′ 𝑥^′ 𝑦−𝑛(𝑦 ̅^2 ) ̅)/(𝑦^′ 𝑦^′−𝑛

52 58 60 68 74 80

var⁡〖− cov 〗 =𝜎^2 (𝑥^′ 𝑥)^(−

 27.125 1.6597

^′ 𝑦−𝑛(𝑦 ̅^2 ) ̅)/(𝑦^′ 𝑦^′−𝑛(𝑦 ̅^2 ) ̅  ̅ )

0.9708967

5.9132

3.91749132 -0.18478733
− cov 〗 =𝜎^2 (𝑥^′ 𝑥)^(−1)
-0.18478733 0.01026596
𝒕_𝑪=(𝑩 ̂_𝒍−𝜷_𝒊)/
𝑬𝑺(𝜷 ̂_𝒍 )