ESTADISTICA II

a. Obtener la prueba global de significancia para el modelo

Obtener la prueba T de significancia para cada uno de los parámetros del modelo.PROBLEMAS SOBRE
PRUEBAS DE SIGNIFICACIÓN GLOBAL Y PRUEBA DE LOS COEFICIENTES INDIVIDUALES

Ejemplos
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 10 semanas.
Publicidad en
Ingreso semanal (en Publicidad en tv (en periódico (en
miles de $) miles de $) miles de $)
𝒀 𝑿𝟏 𝑿𝟐
96 5 1.5
90 2 2
95 4 1.5
92 2.5 2.5
95 3 3.3
94 3.5 2.3
94 2.5 4.2
94 3 2.5

a) Obtener la prueba global de significancia para el modelo.

CON EXCEL
ANÁLISIS DE VARIANZA
Grados
de Suma de Promedio de los
libertad cuadrados cuadrados F Valor crítico de F
Regresión 2 18.73956026 9.36978013 38.45095081 0.00244457
Residuos 4 0.974725455 0.243681364
Total 6 19.71428571

1) Formulación de Hipótesis
𝐻0 : 𝛽1 = 𝛽2 = 0
𝐻1 : Uno o más de los parámetros del modelo no son iguales a cero.

𝐶𝑀𝑅
2) Estadístico de Prueba : 𝐹 = 𝐶𝑀𝐸 = 38.45095081

3) Valor Crítico
𝐹1−𝛼(𝑝;𝑛−𝑝−1) = 𝐹(0.95;2;8−2−1) = 𝐹(0.95;2;5) = 5.786
𝐹 > 𝐹1−𝛼(𝑝;𝑛−𝑝−1), se rechaza Ho
Valor- p =0.00244457< 𝜶 = 𝟎. 𝟎𝟓, por lo tanto, se rechaza 𝐻0
 ESTADISTICA II

CONCLUSIÓN: Uno o más de los parámetros del modelo no son iguales a cero, esto
significa que por lo menos existe una variable independiente que afecta a la V.D
ingreso semanal.

b) Obtener la prueba T de significancia para cada uno de los parámetros del modelo.
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 81.94014096 1.3542042 60.50796544 4.46797E-07
5 2.768726438 0.325214302 8.513544524 0.001044199
1.5 1.292902803 0.246395312 5.247270311 0.00630892

 Para 𝜷𝟏
1) Formulación de la Hipótesis
𝐻0 : 𝛽1 = 0

𝐻1 : 𝛽1 ≠ 0
𝑏
2) Estadístico de prueba: 𝑇 = 𝑠 𝑖 =8.513544524
𝑏𝑖
3) Valor crítico

𝑡(1−𝛼,𝑛−𝑝−1) = ±𝑡(0.975,8−2−1) = ±𝑡(0.975;5) = ±2.571

2

𝑇 > 𝑡(1−𝛼,𝑛−𝑝−1) , se rechaza Ho

2

Valor-p =0.001044199 < 𝛼 = 0.05 por lo tanto se rechaza 𝐻0

Conclusión: El coeficiente de publicidad en tv, es 𝛽1 ≠ 0 , esto implica que afecta a la

V.D ingreso semanal.
La variable ingreso semanal tiene relación significativa con la variable publicidad en tv.

 Para 𝜷𝟐

1) Formulación de la Hipótesis
𝐻0 : 𝛽2 = 0

𝐻1 : 𝛽2 ≠ 0

2) Estadístico de prueba
𝑏
𝑇 = 𝑠 𝑖 = 5.247270311
𝑏𝑖

3) Valor crítico
𝑡(1−𝛼,𝑛−𝑝−1) = ±𝑡(0.975,8−2−1) = ±𝑡(0.975;5) = ±2.571
2

𝑇 > 𝑡(1−𝛼,𝑛−𝑝−1) , por lo tanto, se rechaza 𝐻0

2
 ESTADISTICA II

Valor-p = 0.00630892 < 𝛼 = 0.05 por lo tanto, se rechaza 𝐻0

Conclusión: el coeficiente de la publicidad en periódico, es 𝛽2 ≠ 0 , esto implica que

afecta a la V.D ingreso semanal.
La variable ingreso semanal tiene relación significativa con la variable publicidad en
periódico.

2. El gerente de ventas de una compañía de refacciones para automóviles, quiere desarrollar un modelo
para predecir, en el mes de junio, las ventas anuales totales para una región. Si las ventas regionales se
pueden predecir, entonces se podrán estimar las ventas totales de la compañía. El número de repuestos
de la región que mantienen en inventario las refacciones de la compañía y el número de automóviles
registrados para cada región, desde el primero de junio, son las dos variables de predicción que el
gerente quiere investigar, se obtiene los siguientes resultados.

VENTA (millones) NÚMERO DE NÚMERO DE

𝑌 REPUESTOS 𝑋1 AUTOMOVILES 𝑋2
(miles) registrados (miles)
52.5 2.011 24.6
26 2.850 22.1
20.2 6.50 7.9
16 4.80 12.5
30 1.694 9
46.2 2.302 11.5
35 2.214 20.5
3.5 1.25 4.1
33.1 1.840 8.9
25.2 1.233 6.1
38.2 1.699 9.5

a) Obtener la prueba global de significancia para el modelo.

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
libertad cuadrados cuadrados F Valor crítico de F
Regresión 2 248.0994407 124.0497203 0.804946765 0.484563733
Residuos 7 1078.764559 154.1092228
Total 9 1326.864

1) Formulación de Hipótesis

𝐻0 : 𝛽1 = 𝛽2 = 0
𝐻1 : Uno o más de los parámetros del modelo no son iguales a cero.

2) Estadístico de Prueba
 ESTADISTICA II

𝐶𝑀𝑅
𝐹= = 0.804946765
𝐶𝑀𝐸
3) Valor Crítico

𝐹1−𝛼(𝑝;𝑛−𝑝−1)=𝐹(0.95,2;11−2−1)=𝐹(0.95,2;8) = 4.459
𝐹 < 𝐹1−𝛼(𝑝;𝑛−𝑝−1), no se rechaza Ho
Valor- p= 0.484563733 > 𝜶 = 𝟎. 𝟎𝟓, por lo tanto, no se rechaza 𝐻0

CONCLUSIÓN: Los parámetros del modelo son iguales a cero, esto significa que
no existe una variable independiente que afecta a la V.D venta.

b) Obtener la prueba T de significancia para cada uno de los parámetros del modelo.
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
Intercepción 23.94497046 10.41030602 2.30012167 0.054981237 -0.671491617
2.011 -1.961856404 2.441494646 -0.803547289 0.448080712 -7.735073854
24.6 0.764567271 0.713272829 1.071914197 0.319317407 -0.922054958

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 21.62725717 9.848690028 2.19595267 0.05936741
Variable X 1 -2.298677524 2.363121288 -0.972729388 0.35917709
Variable X 2 1.121188896 0.561887649 1.995396941 0.08109239

 Para 𝜷𝟏

1) Formulación de la Hipótesis
𝐻0 : 𝛽1 = 0

𝐻1 : 𝛽1 ≠ 0

2) Estadístico de prueba

𝑏𝑖
𝑇= = −0.803547289
𝑠𝑏𝑖

3) Valor crítico
𝑡(1−𝛼,𝑛−𝑝−1) = ±𝑡(0.975,11−2−1) = ±𝑡(0.975;8) = ±2.306
2

𝑇 > 𝑡(1−𝛼,𝑛−𝑝−1) , por lo tanto, no se rechaza Ho

2

Valor-p =0.35917709 > 𝛼 = 0.05 por lo tanto, no se rechaza 𝐻0

Conclusión: El coeficiente del número de repuestos es 𝛽1 = 0 , esto implica que no

afecta a la V.D venta.
 ESTADISTICA II

La variable venta no tiene relación significativa con la variable número de repuestos.

 Para 𝜷𝟐

1) Formulación de la Hipótesis
𝐻0 : 𝛽2 = 0

𝐻1 : 𝛽2 ≠ 0

2) Estadístico de prueba

𝑏𝑖
𝑇= = 1.071914197
𝑠𝑏𝑖

3) Valor crítico

𝑡(1−𝛼,𝑛−𝑝−1) = ±𝑡(0.975,11−2−1) = ±𝑡(0.975;8) = ±2.306

2

𝑇 < 𝑡(1−𝛼,𝑛−𝑝−1) , por lo tanto, no se rechaza 𝐻0

2

Valor-p = 0.08109239 > 𝛼 = 0.05 por lo tanto, no rechaza 𝐻0

Conclusión: el coeficiente del número de automóviles es 𝛽2 = 0 , esto implica que no

afecta a la V.D venta.
La variable venta no tiene relación significativa con la variable número de automóviles.