Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tarea9 OraliaSS
Tarea9 OraliaSS
06/05/2022
1. El dueño de Showtime Movie Theater, Inc., desea estimar el ingreso bruto semanal en
función de los gastos en publicidad. A continuación se presentan los datos históricos de 8
semanas.
#Ecuacion de Regresion
ereg1=lm(y~x1)
#Resumen en R
summary(ereg1)
##
## Call:
1
## lm(formula = y ~ x1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.8454 -0.6498 -0.1522 0.7512 1.5507
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 88.6377 1.5824 56.016 2.17e-09 ***
## x1 1.6039 0.4778 3.357 0.0153 *
## ---
## Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1
##
## Residual standard error: 1.215 on 6 degrees of freedom
## Multiple R-squared: 0.6526, Adjusted R-squared: 0.5946
## F-statistic: 11.27 on 1 and 6 DF, p-value: 0.01529
â = 1.16039
b̂ = 88.6377
lo que nos lleva a que la ecuación de regresión estimada, esta dada por :
y = âx + b̂
=⇒ y = 1.6039x + 88.6377
Por otro lado de la tabla anterior, se otiene el valor de F = 11.269 con grados de liberdad 1 y 6 con
P = 0.01529
Es decir, la regresión es alternante significativa con α = 1.5%, por lo que la de la tabla; #Resumen en R, se
tiene que el coeficiente de determinacion es r2 = 0.6526
Obtenga una ecuación de regresión estimada en la que los montos gastados en publicidad
en televisión y en periódicos sean las variables independientes. Realice una prueba F para
significancia de regresión. ¿Cuál es el valor P? Estime el coeficiente de determinación. ¿Cuál
es el aumento en el coeficiente de determinación? Realice una prueba de significancia para la
variable de gastos de publicidad en periódicos.
▶Solucion:
Entonces, en R construimos los vectores y calculamos lo siguiente:
x=c(5.0,2.0,4.0,2.5,3.0,3.5,2.5,3.0,1.5,2.0,1.5,2.5,3.3,2.3,4.2,2.5)
#Ecuacion de Regresion
2
ereg2=lm(y~x1+x2)
#Resumen en R
summary(ereg2)
##
## Call:
## lm(formula = y ~ x1 + x2)
##
## Residuals:
## 1 2 3 4 5 6 7 8
## -0.6325 -0.4124 0.6577 -0.2080 0.6061 -0.2380 -0.4197 0.6469
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 83.2301 1.5739 52.882 4.57e-08 ***
## x1 2.2902 0.3041 7.532 0.000653 ***
## x2 1.3010 0.3207 4.057 0.009761 **
## ---
## Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1
##
## Residual standard error: 0.6426 on 5 degrees of freedom
## Multiple R-squared: 0.919, Adjusted R-squared: 0.8866
## F-statistic: 28.38 on 2 and 5 DF, p-value: 0.001865
H0 : β2 = 0
vs
H1 : β2 ̸= 0
t α2 ,n−k−1 = t0.025,5 =
3
t=qt(0.975,5)
print(paste("t=",t))
Podemos observar que: 4.057 = |Tcal | > t0.025,5 = 2.5706 , lo cual nos indica, que la hipotesis nula es
rechzada.
¿Cuál es el ingreso semanal bruto en una semana en la que se gastan $3500 en publicidad en
televisión y $1800 en publicidad en periódico?
▶Solucion:
Se tiene que los gastos son xˆ1 = $3.5 y xˆ2 = $1.8 en pubicidad de televisión y periódicos, respectivamente.
Sustituimos los valores en nuestra ecuación
4
2. En la tabla siguiente se da el rendimiento anual, la evaluación de la seguridad (0 = de alto
riesgo, 10 segura) y el coeficiente de gastos anuales de 20 fondos extranjeros (Mutual Funds,
marzo de 2000).
a). Obtenga la ecuación de regresión estimada que relaciona el rendimiento anual con la
evaluación de la seguridad y con el coeficiente de gastos anuales.
▶Solucion:
Entonces, en R construimos los vectores y calculamos lo siguiente:
#Ecuacion de Regresion
erg1=lm(y~x1+x2)
#Resumen en R
summary(erg1)
##
## Call:
5
## lm(formula = y ~ x1 + x2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -22.329 -8.841 -0.808 6.971 37.452
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 247.36 110.45 2.240 0.0388 *
## x1 -32.84 13.95 -2.354 0.0308 *
## x2 34.59 14.13 2.448 0.0255 *
## ---
## Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1
##
## Residual standard error: 16.98 on 17 degrees of freedom
## Multiple R-squared: 0.582, Adjusted R-squared: 0.5329
## F-statistic: 11.84 on 2 and 17 DF, p-value: 0.0006021
b). Realice una prueba de significancia de regresión multiple, con α = 0.05. Estime el valor P
en esta prueba.
▶Solucion:
De la tabla anterior se obtiene que ; F = 11.84 con 2 y 17 grados de libertad, obteniendo así que P =
0.0006021
Podemos observar que P = 0.00060 < α = 0.05, lo cual nos indica que la pruba es alternante signigicativa.
c). Proporcione estimaciones de los coeficientes de regresión y del intercepto, y sus errores
estándar.
▶Solucion:
De acuerdo a los datos de la tabla tenemos que
d). Estime el rendimiento anual de una empresa cuya evaluación de seguridad es 7.5 y el
coeficiente de gastos anuales es 2.
▶Solucion:
Se tiene que el ingreso semanal bruto es xˆ1 = 7.5 y xˆ2 = 2 de gastos en pubicidad en televisión y periódicos,
respectivamente.
6
Sustituimos los valores en nuestra ecuación
e). Proporcione un intervalo de confianza de un 95% para el promedio del rendimiento anual
de esta empresa (a largo plazo).
▶Solucion:
Para obtener un intervalo de confianza del 95%, en R calculamos lo siguente:
newx=data.frame(x1=c(7.5),x2=c(2))
predict(erg1, newdata = newx, interval ='confidence', level = 0.95)
Obteniendo así que, el intervalo de confianza para un 95% de rendiemiento anual es el siguente:
(44.20456 , 96.19815)
7
3. Los diseñadores de mochilas usan materiales exóticos como supernailon Derlin, polietileno
de alta densidad, aluminio para aviones o espumas termomoldeadas para hacer que las mochilas
sean más confortables y que el peso se distribuya uniformemente eliminándose así los puntos
de mayor presión. En los datos siguientes se proporciona capacidad (en pulgadas cúbicas),
evaluación del confort, y precio de 10 mochilas probadas por Outside Magazine. El confort
está medido con una escala del 1 al 5, en la que 1 denota un confort mínimo y 5 un confort
excelente. (Outside Buyer’s Guide, 2001).
a). Obtenga la ecuación de regresión estimada que permita predecir el precio de una mochila,
dada su capacidad y la evaluación de su confort.
▶Solucion:
Entonces, en R construimos los vectores y calculamos lo siguiente:
#vector capacidad
x1=c(4330, 5500, 5500, 4700, 5200, 5500, 4700, 5500, 5800, 5000)
#vector Confort
x2=c(2, 3, 4, 3, 4, 4, 4, 5, 5, 5)
#Vector de Precio $
y = c(190, 219, 249, 249, 250, 340, 389, 395, 439, 525)
#Ecuacion de Regresion
ereg=lm(y~x1+x2)
#Resumen en R
summary(ereg)
##
## Call:
## lm(formula = y ~ x1 + x2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -84.12 -27.18 10.61 36.90 48.26
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 356.12083 197.17401 1.806 0.113859
8
## x1 -0.09874 0.04588 -2.152 0.068372 .
## x2 122.86721 21.79975 5.636 0.000786 ***
## ---
## Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1
##
## Residual standard error: 51.14 on 7 degrees of freedom
## Multiple R-squared: 0.8318, Adjusted R-squared: 0.7838
## F-statistic: 17.31 on 2 and 7 DF, p-value: 0.00195
## [1] "El precio estimado para la mochila con esas caracterisicas es de $ 403.25967"
9
4. El ski acuático y el wakeboarding son dos deportes acuáticos muy actuales. Ya sea que se
trate de ski acuático, de wakeboarding o de navegación, hallar el modelo que mejor se ajuste
a las necesidades, puede no ser una tarea sencilla. La revista Water Ski probó 88 lanchas
y proporcionó una amplia información como ayuda para los consumidores. A continuación
se presenta una parte de los datos que publicaron sobre 20 lanchas de 20 y 22 pies longitud
(Water Ski, enero/febrero 2006). La manga es el ancho máximo de la lancha (en pulgadas), HP
son los caballos de fuerza del motor y velocidad máxima es la velocidad máxima que alcanza
la lancha, en millas por hora.
a). Empleando estos datos obtenga la ecuación de regresión estimada que relaciona la velocidad
máxima con la manga y los caballos de fuerza de la lancha.
▶Solucion:
Entonces, en R construimos los vectores y calculamos lo siguiente:
#Vector Manga
x1 = c(100, 91, 93, 91, 96, 83, 93.5, 98, 98, 98, 98,
98, 93.5, 93.5, 96, 90, 94, 96, 92, 91)
#vector HP
x2 = c(330, 330, 375, 330, 375, 375, 340, 400, 340,
400, 340, 400, 340, 320, 350,310, 310, 350, 330, 330)
#Ecuacion de Regresion
reg=lm(y~x1+x2)
10
#Resumen en R
summary(reg)
##
## Call:
## lm(formula = y ~ x1 + x2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.8602 -1.2106 0.1448 0.8975 3.4136
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 63.14740 9.64978 6.544 5.01e-06 ***
## x1 -0.37868 0.10261 -3.691 0.00181 **
## x2 0.05305 0.01405 3.775 0.00151 **
## ---
## Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1
##
## Residual standard error: 1.709 on 17 degrees of freedom
## Multiple R-squared: 0.5659, Adjusted R-squared: 0.5148
## F-statistic: 11.08 on 2 and 17 DF, p-value: 0.0008309
b). La Svfara SV 609 tiene una manga de 85 pulgadas y motor de 330 caballos de fuerza.
Utilice la ecuación de regresión estimada obtenida en el inciso a) para estimar la velocidad
máxima de la Svfara SV609.
▶Solucion:
Se tiene que es xˆ1 = 85 y xˆ2 = 330 de manga y caballos de fuerza, respectivamente.
Sustituimos los valores en nuestra ecuación
## [1] "La velocidad máxima estimada para la Svfara SV609 es de, 48.4661 millas por hora."
11