TAREA SEMANAL 9

Oralia Santiago Santos

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.

INGRESO SEMANAL BRUTO PIBLICIDAD EN TELEVISIÓN PUBLICIDAD EN PERIÓDICOS

(en miles de $ ) (en miles de $ ) (en miles de $ )
96 5.0 1.5
90 2.0 2.0
95 4.0 1.5
92 2.5 2.5
95 3.0 3.3
94 3.5 2.3
94 2.5 4.2
94 3.0 2.5

Obtenga una ecuación de regresión estimada en la que el monto gastado en publicidad en

televisión sea la variable independiente. Realice una prueba F para significancia de regresión.
¿Cuál es el valor P? Estime el coeficiente de determinación.
▶Solucion:
Para este problema tomaremos como variable independiente los gastos en la publisidad en televisión y como
variable dependiente el ingreso semanal bruto.
Entonces, en R construimos los vectores y calculamos lo siguiente:

#vector Publicidad en Televisión

x1=c(5.0,2.0,4.0,2.5,3.0,3.5,2.5,3.0)

#Vector Ingreso Semanal Bruto

y=c(96,90,95,92,95,94,94,94)

#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

De la tabla; #Resumen en R, podemos observar que los datos obtenidos son:

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:

#vector Publicidad en Televisión

x1=c(5.0,2.0,4.0,2.5,3.0,3.5,2.5,3.0)

#Vector Publicidad en Periodicos

x2=c(1.5,2.0,1.5,2.5,3.3,2.3,4.2,2.5)

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)

#Vector Ingreso Semanal Bruto

y=c(96,90,95,92,95,94,94,94)

#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

De la tabla anterio; #Resumen en R, obtenemos los siguentes valores;

βˆ0 = 83.2301, βˆ1 = 2.2902, βˆ2 = 1.3010

lo que nos lleva a que la ecuación de regresión estimada, esta dada por :
y = βˆ0 + βˆ1 x1 + βˆ1 x1
=⇒ y = 83.2301 + 2.2902x1 + 1.3010x2

donde F = 28.38 con 2 y 5 grados de libertad, obteniendo así que P = 0.001865

Por lo que la prueba obtenida es alternante significativa y cuyo coeficiente de determinación es r2 = 0.919
Podemos observar que al comparar los coeficientes de termición obtenidos, el segundo aumento un 0.2664.
Entonces, podemos realizar una prueba significativa para la variable de los gastos de publicidad en periódicos,
por lo que tomamos:

H0 : β2 = 0
vs
H1 : β2 ̸= 0

Entonces, tomamos Tcalc = 4.057 de la tabla anterior y calculamos:

t α2 ,n−k−1 = t0.025,5 =

3
t=qt(0.975,5)
print(paste("t=",t))

## [1] "t= 2.57058183563631"

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

y = 83.2301 + 2.2902x1 + 1.3010x2

y = 83.2301 + 2.2902(3.5) + 1.3010(1.8)

y=83.2301 + 2.2902 *(3.5) + 1.3010* (1.8)

print(paste("El ingreso bruto semanal es de aproximadamente $",y))

## [1] "El ingreso bruto semanal es de aproximadamente $ 93.5876"

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).

EVALUACION COEFICIENTE DE RENDIMIENTO

DE SEGURIDAD GASTOS ANUALES (%) ANUAL (%)
Accessor Int’l Equity "Adv" 7.1 1.59 49
Aetna I" International 7.2 1.35 52
Amer Century Int’l Discovery "Inv" 6.8 1.68 89
Columbia International Stock 7.1 1.56 58
Concert Inv "A" Int’l Equity 6.2 2.16 131
Dreyfus Founders Int’l Equity "F" 7.4 1.80 59
Driehaus International Growth 6.5 1.88 99
Excelsior "Inst" Int’l Equity 7.0 0.90 53
Julius Baer International Equity 6.9 1.79 77
Marshall International Stock "Y" 7.2 1.49 54
MassMutual Int’l Equity "S" 7.1 1.05 57
Morgan Grenfell Int’l Sm Cap "Inst" 7.7 1.25 61
New England "A" Int’l Equity 7.0 1.83 88
Pilgrim Int’l Small Cap "A" 7.0 1.94 122
Republic International Equity 7.2 1.09 71
Sit International Growth 6.9 1.50 51
Smith Barney "A" Int’l Equity 7.0 1.28 60
State St Research "S" Int’l Equity 7.1 1.65 50
Strong International Stock 6.5 1.61 93
Vontobel International Equity 7.0 1.50 47

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:

#vector de Evalucion de seguridad

x1=c(7.1,7.2,6.8,7.1,6.2,7.4,6.5,7.0,6.9,7.2,7.1,7.7,7.0,7.0,7.2,6.9,7.0,7.1,6.5,7.0)

#vector de Coficiente de gastos Anuales (%)

x2=c(1.59,1.35,1.68,1.56,2.16,1.80,1.88,0.90,1.79,1.49,1.05,1.25,
1.83,1.94,1.09,1.50,1.28,1.65,1.61,1.50)

#Vector Rendiemiento Anual(%)

y = c(49, 52, 89, 58, 131, 59, 99, 53, 77, 54, 57, 61, 88, 122, 71, 51, 60, 50, 93, 47)

#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

De la tabla anterio; #Resumen en R, obtenemos los siguentes valores;

βˆ0 = 247.36, βˆ1 = −32.84, βˆ2 = 34.59

lo que nos lleva a que la ecuación de regresión estimada, esta dada por :
y = βˆ0 + βˆ1 x1 + βˆ2 x1
=⇒ y = 247.36 − 32.84x1 + 34.59x2

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

βˆ0 = 247.36, βˆ1 = −32.84, βˆ2 = 34.59

cuyos errores son
sβˆ0 = 11045, sβˆ1 = 13.95, sβˆ2 = 14.13

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

y = 247.36 + −32.84x1 + 34.59x2

y = 247.36 − 32.84(7.5) + 34.59(2)

y=247.36 - 32.84 *(7.5) + 34.59* (2)

print(paste("La estimación de rendimiento anual es del,",y, "%"))

## [1] "La estimación de rendimiento anual es del, 70.24 %"

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)

## fit lwr upr

## 1 70.20136 44.20456 96.19815

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).

Fabricante y Modelo Capacidad Confort Precio ($)

Camp Trails Paragon II 4330 2 190
EMS 5500 5500 3 219
Lowe Alpomayo 90 20 5500 4 249
Marmot Muir 4700 3 249
Kelly Bigfoot 5200 5200 4 250
Gregory Whitney 5500 4 340
Osprey 75 4700 4 389
Arc Teryx Bora 95 5500 5 395
Dana Design Terraplane LTW 5800 5 439
The Works Mystery Ranch Jazz 5000 5 525

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

De la tabla anterio; #Resumen en R, obtenemos los siguentes valores;

βˆ0 = 356.12083, βˆ1 = −0.09874, βˆ2 = 122.86721

lo que nos lleva a que la ecuación de regresión estimada, esta dada por :
y = βˆ0 + βˆ1 x1 + βˆ2 x1
=⇒ y = 356.12083 − 0.09874x1 + 122.86721x2

b). Interprete b1 y b2.

▶Solucion:
Se tiene que βˆ1 = −0.09874, βˆ2 = 122.86721, lo cual nos quiere decir que, cuando el confort en una mochila
se mantiene constante, se espera un de 0.09874en el costo de una mochila dada su capacidad. Por otro lado,
cuando la capacidad de una mochila se mantiene constante, entonces 122.86721 es el aumento esperado en
el costo de una mochila dado su confort.
c). Diga cuál será el precio de una mochila cuya capacidad sea 4500 pulgadas cúbicas y la
evaluación de su confort sea 4.
▶Solucion:
Se tiene que es xˆ1 = 4500 y xˆ2 = 4 de gastos en pubicidad en televisión y periódicos, respectivamente.
Sustituimos los valores en nuestra ecuación

y = 356.12083 − 0.09874x1 + 122.86721x2

y = 356.12083 − 0.09874(4.5) + 122.86721(4)

y=356.12083 -0.09874* (4500) + 122.86721 * (4)

print(paste("El precio estimado para la mochila con esas caracterisicas es de $",y))

## [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.

Manga HP Velocidad max.

Calabria Cal Air Pro V-2 100 330 45.3
Correct Craft Air Nautique 210 91 330 47.3
Correct Craft Air Nautique SV-211 93 375 46.9
Correct Craft Ski Nautique 206 Limited 91 330 46.7
Gekko GTR 22 96 375 50.1
Gekko GTS 20 83 375 52.2
Malibu Response LXi 93.5 340 47.2
Malibu Sunsettter LXi 98 400 46
Malibu Sunsetter 21 XTi 98 340 44
Malibu Sunscape 21 LSV 98 400 47.5
Malibu Wakesetter 21 XTi 98 340 44.9
Malibu Wakesetter VLX 98 400 47.3
Malibu vRide 93.5 340 44.5
Malibu Ride XTi 93.5 320 44.5
Mastercraft ProStar 209 96 350 42.5
Mastercraft X-1 90 310 45.8
Mastercraft X-2 94 310 42.8
Mastercraft X-9 96 350 43.2
MB Sports 190 Plus 92 330 45.3
Svfara SVONE 91 330 47.7

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)

#Vector Volovidad Max.

y = c(45.3, 47.3, 46.9, 46.7, 50.1, 52.2, 47.2, 46, 44, 47.5,
44.9, 47.3, 44.5, 44.5, 42.5,45.8, 42.8, 43.2, 43.3, 47.7)

#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

De la tabla anterio; #Resumen en R, obtenemos los siguentes valores;

βˆ0 = 63.14740, βˆ1 = −0.37868, βˆ2 = 0.05305

lo que nos lleva a que la ecuación de regresión estimada, esta dada por :
y = βˆ0 + βˆ1 x1 + βˆ2 x1
=⇒ y = 63.14740 − 0.37868x1 + 0.05305x2

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

y = 63.14740 − 0.37868x1 + 0.05305x2

y = 63.14740 − 0.37868(85) + 0.05305(330)

y=63.14740 -0.37868* (85) + 0.05305* (330)

print(paste("La velocidad máxima estimada para la Svfara SV609 es de,", y, "millas por hora."))

## [1] "La velocidad máxima estimada para la Svfara SV609 es de, 48.4661 millas por hora."

11