NOMBRES

Matrícula:
Flor Denisse Santos Solis 3043786
Bárbara Ochoa Garza 2842080
Felipe Eugenio Montemayor Haro 2729293
Uriel Esau López Pérez 2993956
Marco Aurelio Garza 3047178

Nombre del curso: Nombre del profesor:

ESTADÍSTICA Y PRONÓSTICOS PARA LA JAIR RAFAEL CARRILLO AVILA
TOMA DE DECISIONES
MÓDULO 2 Actividad: tarea 4
FECHA: 05-abril-2023
BIBLIOGRAFIA: Hanke. J. E. y Wichern. D. W. (2010). Pronósticos en los negocios (9ª ed.).México: Pearson.
ISBN: 9786074427004
 Realiza lo siguiente:

En un estudio de variables que afectan la productividad en el negocio de abarrotes al menudeo, W. S. Good usa el valor agrega
negocio] disponible para pagar mano de obra, muebles accesorios y equipo”. Los datos de acuerdo con la relación del valor ag
enseguida. Se establecerá un modelo para relacionar Y con X.

Realiza un diagrama de dispersión de los datos pa

Datos en relación con el tamaño de tienda y el valor agregado Calcula las rectas de mínimos cuadrados para Y co
Valor agregado Tamaño de la tienda
por hora de trabajo (miles de pies cuadrados)
Tienda Y X XY
1 6.08 23 139.84
2 5.4 14 75.6
3 5.51 27.2 149.872
4 5.09 12.4 63.116
5 4.92 33.9 166.788
6 3.94 9.8 38.612
7 6.11 22.6 138.086
8 5.16 17.5 90.3
9 5.75 27 155.25
10 5.6 21.1 118.16
∑ 53.56 208.5 1135.624
promedio 5.356 20.85
n 10

Resumen

Estadísticas de la regresión
Coeficiente de c 0.439695818
Coeficiente de 0.193332412
R^2 ajustado 0.092498964
Error típico 0.605620028
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresión 1 0.70323505 0.70323505
Residuos 8 2.93420495 0.366775619
Total 9 3.63744

Coeficientes Error típico Estadístico t

Intercepción 4.58012685 0.59215089 7.734729312
Variable X 1 0.037212141 0.026874144 1.384681931
nudeo, W. S. Good usa el valor agregado por hora de trabajo para medir la productividad de tiendas de abarrotes al menudeo. Él define el
e acuerdo con la relación del valor agregado por hora de trabajo Y y el tamaño X de la tienda de abarrotes descrita en el artículo de Good

diagrama de dispersión de los datos para Y contra X.

ectas de mínimos cuadrados para Y contra X.

X2 Y2
529 36.9664 b1 18.898 0.0372
196 29.16 507.845
739.84 30.3601 b0 4.5801
153.76 25.9081
1149.21 24.2064 Sε 2.93420495 0.33593755
96.04 15.5236 26
510.76 37.3321
306.25 26.6256
729 33.0625
445.21 31.36
4855.07 290.5048

F Valor crítico de F
1.917344049 0.203541588

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%

5.56E-05 3.214624448 5.945629252 3.214624448 5.945629252
0.203541588 -0.024759746 0.099184029 -0.024759746 0.099184029
otes al menudeo. Él define el valor agregado como “el excedente [dinero generado por el
scrita en el artículo de Good para diez tiendas de abarrotes ficticias se muestran
En un experimento con conejos se tomaron en cuenta las siguientes variables:
Y: Proporción del peso final al peso inicial.
X: Gramos diarios de alimento por kg de peso inicial.

Gramos diarios de alimento por

Proporción de peso final
kg de peso inicial
al  peso inicial
X
Y XY
0.91 10 9.1
0.88 15 13.2
0.9 18 16.2
0.79 19 15.01
0.94 20 18.8
0.88 21 18.48
0.95 21 19.95
0.97 24 23.28
0.88 25 22
1.01 27 27.27
0.95 28 26.6
0.95 30 28.5
1.05 30 31.5
1.05 31 32.55
1.16 33 38.28
0.96 35 33.6
1.08 36 38.88
1.13 37 41.81
1 39 39
1.1 42 46.2
1.11 45 49.95
1.18 54 63.72
1.26 56 70.56
1.29 56 72.24
1.36 59 80.24
 1.4 59 82.6
1.32 60 79.2
1.47 64 94.08
∑ 29.93 994 1132.8
Promedio 1.068928571 35.5

Resumen

Estadísticas de la regresión
Coeficiente de correlación mú 0.932360766
Coeficiente de determinació 0.869296598
R^2 ajustado 0.864269544
Error típico 5.76662481
Observaciones 28

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F
Regresión 1 5750.396996 5750.396996 172.9236669
Residuos 26 864.6030041 33.2539617
Total 27 6615

Coeficientes Error típico Estadístico t Probabilidad

Intercepción -51.95484308 6.739233649 -7.709310255 3.52E-08
Variable X 1 81.81542286 6.221684168 13.15004437 5.37E-13

Realiza un diagrama de dispersión de los datos para Y contra X.

Calcula las rectas de mínimos cuadrados para Y contra X.

Calcula el error estándar de estimación.

Prueba la hipótesis de que la pendiente es cero. Realiza todas las etapas de la prueba de hipótesis (α = 0.01).
Prueba la hipótesis de que la pendiente es cero. Realiza todas las etapas de la prueba de hipótesis (α = 0.01).

Calcula las predicciones Ŷ para los siguientes valores de X 0: 0, 5, 15, 25, 30.

Calcula el intervalo de confianza de los valores particulares de Y para los valores dados de X 0 del inciso anterior.
X2 Y2
100 0.8281
225 0.7744 b1 70.285 0.0106
324 0.81 6615
361 0.6241 b0 0.6917
400 0.8836
441 0.7744 Sε 0.11228309 0.0657
441 0.9025 26
576 0.9409
625 0.7744 tcalculada 0.0106
729 1.0201
784 0.9025 Sb1 0.00080799
900 0.9025
900 1.1025 tα/2 (n-2) 2.779
961 1.1025
1089 1.3456 Li 0.0106 0.0022454 0.0084
1225 0.9216 Ls 0.0106 0.0022454 0.0129
1296 1.1664
1369 1.2769 Pronóstico de x Pronóstico de y XY X2 Y2
1521 1 0 0.07 0 0 0.0043186
1764 1.21 5 0.12 0.5942069 25 0.0141233
2025 1.2321 15 0.23 3.37638486 225 0.0506666
2916 1.3924 25 0.33 8.28358173 625 0.1097884
3136 1.5876 30 0.38 11.5340622 900 0.1478162
3136 1.6641
3481 1.8496
 3481 1.96
3600 1.7424
4096 2.1609
41902 32.8521

Valor crítico de F
5.37E-13

Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%

-65.80753624 -38.10214992 -65.80753624 -38.1021499
69.0265679 94.60427783 69.0265679 94.6042778

= 0.01).
= 0.01).

o anterior.

Basado en los resultados proporcionados, podemos interpretar los resultados de la prueba de hipótesis de
Hipótesis nula (H0): La pendiente (m) es igual a 0 (no hay relación entre las variables X e Y).
Hipótesis alternativa (H1): La pendiente (m) no es igual a 0 (existe una relación entre las variables X e Y).
Nivel de significancia (α): .01
Error estándar de estimación: .065715907
Coeficiente de correlación: .0932360766
Estadístico t: 13.15004437
Valor p: 5.3718E-13
Como el valor p 5.3718E-13 es mucho menor que el nivel de significancia α (0.01), rechazamos la hipótesis
 pendiente de la linea de regresion
70.285
6615
b1 0.0106

interseccion con el eje de las y

b0 0.6917

y= 0.6914 +0.0106

e. Predicciones Ŷ Y_pred - t_α/2 * SE Y_pred + t_α/2 * SE

X0 y = 0.0106x + 0.6917 Limite inferior Limite superior
0 0.6917 0.48949118 0.893908823
5 0.7447 0.54249118 0.946908823
15 0.8507 0.64849118 1.052908823
25 0.9567 0.75449118 1.158908823
30 1.0097 0.80749118 1.211908823
 Error estándar de estimación 0.065715907
Coeficiente de correlación 0.932360766
Estadístico t 13.15004437
valor p 5.37E-13

ultados de la prueba de hipótesis de la siguiente manera:

e las variables X e Y).
relación entre las variables X e Y).

cia α (0.01), rechazamos la hipótesis nula (H0) y aceptamos la hipótesis alternativa (H1). Esto indica que existe una relación significativa entre las variables X e Y, y la
tiva entre las variables X e Y, y la pendiente no es igual a cero.