LABORA

DOCENTE: DR. SAMUEL RE

Como gerente de proyectos de la Gasolinera " El Triunfo" se encuentra en la búsqueda constante d
basa en lealtad de los clientes y no en el flujo de carros. Se realizó un estudio de 8 dias y se obtuvo
estrategias. Realice An

Flujo de
Dia Vehículos Galones Vendidos
(cientos) (miles)
1 9 284
2 13 381
3 11 271
4 9 287
5 17 452
6 5 192
7 7 204
8 4 158

Galones Vendidos (miles)

500
450
f(x) = 22.5229716520039 x + 67.4721407624633
400 R² = 0.949489057601873
350
300
250
200
150
100
50
0
2 4 6 8 10 12 14 16 18
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.97441729
Coeficiente de determinación R^2 0.94948906
R^2 ajustado 0.94107057
Error típico 23.9822895
Observaciones 8

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Regresión 1 64868.9737292278 64868.9737292278 112.78614
Residuos 6 3450.90127077224 575.150211795373
Total 7 68319.875

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 67.4721408 21.6149052967901 3.12155615932693 0.0205442
Flujo de Vehículos (cientos) 22.5229717 2.12079074095577 10.6200820368791 4.106E-05
 LABORATORIO SEMANA 6
. SAMUEL ESTADÍSTICA
REYES GÓMEZ PARA LA ADMINISTRACIÓN
AUXILIAR: MSC NELSON DIAZ
úsqueda constante de estrategias y soluciones que contribuyan al logro de objetivos, el gerente general piens
de 8 dias y se obtuvo la siguiente información, es vital saber si el éxito se debe a una variable o a otra, para to
rategias. Realice Análisis de regresión y defienda su punto de vista.

Derivado al coeficiente de determi

1.1 ¿Qué puede concluir usted al respecto? son confiables, la cantidad de galone
de vehículos q

1.2 . Si el flujo promedio de vehículos bajara a 500 diarios, Alrededor de

¿Cuántos galones se esperaría que vendiera la gasolinera?

y = 22.523x + 67.472
R 0.9495 0.97442291

X 5
180.087

16 18
 Valor crítico de F
4.1059083593E-05

Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
14.5823728303715 120.361909 14.5823728 120.361909
17.3335836541607 27.7123596 17.3335837 27.7123596
DIAZ
el gerente general piensa que el éxito de la gasolinera se
variable o a otra, para tomar decisiones y formar nuevas

al coeficiente de determinación y de correlación los datos

es, la cantidad de galones si es dependiente de la cantidad
de vehículos que ingresen.

Alrededor de 180 galones

 DOCE

En la gestión de proyectos es necesario crear soluciones y generar modelos que hagan

quieren desarrollar un modelo para predecir la
Y X1
Ventas Número
País (millones) distribuidores
1 52.3 2011

2 26 2850

3 20.2 650
4 16 480
5 30 1694

6 46.2 2302
7 35 2214
8 3.5 125
9 33.1 1840
10 25.2 1233
11 38.2 1699
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.7424700174
Coeficiente de determinación R^2 0.55126172673
R^2 ajustado 0.43907715841 0.662628974928427
Error típico 10.3051222285
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 1043.66473775334
Residuos 8 849.564353155748
Total 10 1893.22909090909

Coeficientes Error típico

Intercepción 10.1092596334 7.21955658331637
Número distribuidores 0.01098889198 0.0052001380187326
Número de automóviles registrados (millones) 0.19466034318 0.639844025858363

y= 10.1092+0.10988892x1+0.1946660343x2

Ventas (millones)Número distribuidores

Ventas (millones) 1
Número distribuidores 0.73896550903 1
Número de automóviles registrados (millones) 0.54843142938 0.669754942583686

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98676488356
Coeficiente de determinación R^2 0.97370493542
R^2 ajustado 0.96243562203
Error típico 2.66679532684
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 3 1843.44650970243
Residuos 7 49.7825812066625
Total 10 1893.22909090909

Coeficientes Error típico

Intercepción -3.91914551546 2.28921326818253
Número distribuidores 0.00238428286 0.0015714022426265
Número de automóviles registrados (millones) 0.45696658757 0.167418366249475
INGRESO PERSONAL ( MILES DE MILLONES) 0.40074966023 0.0377900178748588

Ventas (millones)Número distribuidores

Ventas (millones) 1
Número distribuidores 0.73896550903 1
Número de automóviles registrados (millones) 0.54843142938 0.669754942583686
INGRESO PERSONAL ( MILES DE MILLONES) 0.93647888926 0.55650315358347
 LABORATORIO SEMANA 6
DOCENTE: DR. SAMUEL REYES GÓMEZ AUXILIAR: MS

generar modelos que hagan predicciones sobre cualquier estrategia generada. Usted recientem
ar un modelo para predecir las ventas anuales para el país, basándose en las variables: ventas, d
X2
Número de INGRESO
automóviles PERSONAL
registrados ( MILES DE
(millones) MILLONES)
24.6
98.5
22.1
31.1
7.9
34.8
12.5 32.7
9
68.8
11.5
94.7
20.5
67.6
4.1 19.7
8.9 67.9
6.1 61.4
9.5 85.5
 Promedio de los cuadrados F Valor crítico de F
521.832368877 4.913881962569 0.04054828
106.195544144

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

1.40026046152 0.199004244724 -6.5390677 26.757587 -6.5390677 26.757587
2.11319236973 0.067536970871 -0.00100265 0.02298043 -0.00100265 0.02298043
0.30423093022 0.768715146588 -1.28082263 1.67014331 -1.28082263 1.67014331

mero de automóviles registrados (millones)

1
 Promedio de los cuadrados F Valor crítico de F
614.482169901 86.40321745169 6.7935E-06
7.11179731524

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

-1.71200541685 0.130628080733 -9.33227473 1.4939837 -9.33227473 1.4939837
1.51729633182 0.172979444622 -0.00133149 0.00610006 -0.00133149 0.00610006
2.72948899102 0.029360347159 0.06108506 0.85284812 0.06108506 0.85284812
10.6046433097 1.450990193E-05 0.31139047 0.49010885 0.31139047 0.49010885

mero de automóviles
INGRESO
registrados
PERSONAL
(millones)
( MILES DE MILLONES)

1
0.28156704497 1
SEMANA 6
AUXILIAR: MSC NELSON DIAZ

da. Usted recientemente acaba de terminar de implementar una venta de repuestos para autos,
variables: ventas, dsitribuidores, número de vehículos, observe la tabla de datos:

2.1 ¿Cómo observa la correlación entre variables?

2.2 ¿Existe problema de multicolinealidad?

2.3 ¿Qué recomienda?
2.4 Escriba la ecuación

2.5¿Cuál es el error de la ecuación a partir del

coeficiente de determinación?

2.6¿Cuál es elmejor modelo?

2.7 Si se introduce la variable ingreso personal. ¿Cuál sería el mejor mo

INGRESO PERSONAL
( MILES DE MILLONES) Respuesta
98.5
31.1
34.8
El mejor modelo 32.7
es el coeficiente de regresión con una sola variable debido a la relación que tiene el in
68.8
94.7
67.6
19.7
67.9
61.4
85.5
e repuestos para autos, por lo que le piden que
e datos:

La correlación entre las variables es alta, ambas

estan relacionadas
Si existe problema de multicolinealidad por la
relación entre los distribuidores y el número de
distribuidores.
Se recomienda unicamente trabajar con la variable
de los aútomoviles registrado, esta presenta una
relación con Y de 0.73 siendo esta aceptable
y= 10.1092+0.10988892x1+0.1946660343x2

El error es de 0.66

El mejor modelo es el coeficiente de correlación

¿Cuál sería el mejor modelo múltiple a utilizar?

Respuesta

ido a la relación que tiene el ingreso de personal con la ventas con la correlaciónd e 0.93647889
 LABORATOR

DOCENTE: DR. SAMUEL REYES G

Se encuentra formulado el estudio financiero para una empresa constructora , pero en los factores macro, le preocu
de interés aplicados a los créditos hipotecarios en años recientes han tenido un impacto en el número de construcc
Los datos a continuación presentan tasa de interés por trimestre y el número de construcciones iniciad

Número
Trimestre Tasa % construcciones
iniciadas

1 11.5 260
2 11.4 250
3 11.6 241
4 12.4 256
5 12.8 270
6 13.2 220
7 13.5 190
8 13 195
9 12.7 200
10 12.9 210
11 12.5 230
12 12 245

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.66596378
Coeficiente de determinación R^2 0.44350775
R^2 ajustado 0.38785853
Error típico 21.2872497
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
Regresión 1 3611.44668085 3611.44668
Residuos 10 4531.46998582 453.146999
Total 11 8142.91666667

Coeficientes Error típico Estadístico t

Intercepción 556.125256 115.47863796 4.81582798
Tasa % -26.1304553 9.25605502575 -2.82306612

Tasa
Número
% construcciones iniciadas
Tasa % 1
Número construcciones iniciadas -0.66596378 1
 LABORATORIO SEMANA 6

R. SAMUEL REYES GÓMEZ AUXILIAR: MSC NELSON DIAZ

o en los factores macro, le preocupa que las tasas 3.1 ¿Cuál sería el número de
mpacto en el número de construcciones iniciadas. construcciones pronosticadas
número de construcciones iniciadas. correspondientes a un 11% de interés

3.2 ¿El modelo de regresíon sera

adecuado si se requiere un 99% de
confiabilidad?

y= -26.130455 + 556.12

268.684995

F Valor crítico de F
7.96970231 0.01806546
Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
0.00070664 298.822816 813.427696 298.822816 813.427696
0.01806546 -46.7542312 -5.50667951 -46.7542312 -5.50667951
ON DIAZ

El número de construcciónes sería de 269.

No, ya que el coeficiente de determinación esta muy

por debajo de lo requerido.
 Derivado al coeficiente de determin
1.1 ¿Qué puede concluir usted al respecto? son confiables, la cantidad de ga
cantidad de vehícul

1.2 . Si el flujo promedio de vehículos bajara a 500 diarios,

Alrededor de 1
¿Cuántos galones se esperaría que vendiera la gasolinera?

La correlación entre las variables es a

2.1 ¿Cómo observa la correlación entre variables? estan relacionadas
Si existe problema de multicolinealid
2.2 ¿Existe problema de multicolinealidad?
relación entre los distribuidores y el n
Se recomienda unicamente trabajar co
2.3 ¿Qué recomienda?
de los aútomoviles registrado, esta pr
2.4 Escriba la ecuación y= 10.1092+0.10988892x1+0.19466

2.5¿Cuál es el error de la ecuación a partir del

El error es de 0.66
coeficiente de determinación?

2.6¿Cuál es elmejor modelo? El mejor modelo es el coeficiente de c

2.7 Si se introduce la variable ingreso personal. ¿Cuál sería el mejor modelo múltiple a

INGRESO PERSONAL (
MILES DE MILLONES)
Respuesta
98.5
31.1
34.8
El mejor modelo es
32.7el coeficiente de regresión con una sola variable debido a la relación que tiene el ingreso de personal c
68.8
94.7
67.6
19.7
67.9
61.4
85.5
ado al coeficiente de determinación y de correlación los datos
n confiables, la cantidad de galones si es dependiente de la
cantidad de vehículos que ingresen.

Alrededor de 180 galones

orrelación entre las variables es alta, ambas
estan relacionadas
existe problema de multicolinealidad por la
ación entre los distribuidores y el número de
comienda unicamente trabajar con la variable
os aútomoviles registrado, esta presenta una
= 10.1092+0.10988892x1+0.1946660343x2
El error es de 0.66
3.1 ¿Cuál sería el número de
construcciones pronosticadas El número de cons
correspondientes a un 11% de interés
3.2 ¿El modelo de regresíon sera
No, ya que el coeficient
adecuado si se requiere un 99% de por debajo
confiabilidad?

mejor modelo es el coeficiente de correlación

3.1 ¿Cuál sería el número d

mejor modelo múltiple a utilizar? construcciones pronostica
3.2 ¿El modelo de regresío
correspondientes a un 11%
adecuado si se requiere un
confiabilidad?
ta

que tiene el ingreso de personal con la ventas con la correlaciónd e 0.93647889

 El número de construcciónes sería de 269.
terés

No, ya que el coeficiente de determinación esta muy

de por debajo de lo requerido.

1 ¿Cuál sería el número de

onstrucciones pronosticadas
2 ¿El modelo de regresíon sera
orrespondientes a un 11%
decuado si se requiere de interés
un 99% de
onfiabilidad?