ECONOMETRIA APLICADA

Tarea 2: Solución e interpretación de los problemas planteados

Presentado al Profesor: Dr. NILTON OTINIANO VELARDE

Por:

DIEGO MAURICIO LÓPEZ ESPINOSA

Cc.1.061.693.033

Ciudad: Popayán

Departamento: Cauca

País: Colombia

DOCTORADO EN DIRECCIÓN DE PROYECTOS

UNIVERSIDAD BENITO JUÁREZ G

ENERO 24 de 2023
Problema 1: El gerente de ventas de una cadena de tiendas obtuvo información de los
pedidos por internet y del número de ventas realizadas por esa modalidad. Como parte
de su presentación en la próxima de reunión de vendedores al gerente le gustaría dar
información específica sobre la relación entre el número de pedidos y el número de
ventas realizadas.

a) Use el método de mínimos cuadrados para expresar la relación entre las dos
variables.

Desarrollo:

Identificación de variables:

Variable independiente X = Número de pedidos

Variable dependiente Y = Número de ventas

X Y
N° PEDIDOS N° VENTAS
50 45
56 55
60 50
68 65
65 60
50 40
79 75
35 30
42 38
15 12

Para esta tabla de datos se utiliza el método de regresión en Excel mediante la

opción análisis de datos, obteniendo como resultado la siguiente información:
Analizando la relación entre las variables, podemos concluir que existe una correlación
positiva, en este caso las variables estarían asociadas en sentido directo, además se
puede decir que existe una correlación fuerte, dado que el coeficiente arrojado por la
regresión es de 0,987 (muy cercano a 1 que sería una relación positiva perfecta).
b) Haga un análisis de los coeficientes de regresión

Para analizar los coeficientes de regresión los identificamos en el ejercicio de Excel a

continuación:
Para este caso a sería el intercepto y b sería el coeficiente de la variable independiente
x, por lo tanto:

Y = a + bx

Y = - 4,32 + 0,986 x

La ecuación muestra que el coeficiente para el número de pedidos de 0,986. El

coeficiente indica que hay una relación directa entre el número de pedidos con respecto
al número de ventas. En este caso la variable dependiente (número de ventas) va a estar
determinada por una constante (intercepto) de -4,32 más la variable independiente
(número de pedidos) por su coeficiente de 0,986.

c) ¿Proporcionan los datos suficiente evidencia para indicar que las unidades
producidas aportan información para producir los gastos generales?

Para este punto, no se cuenta con la información suficiente para dar respuesta a los
gastos generales.

d) Realice un análisis de la bondad del ajuste de la ecuación de regresión lineal

Para analizar la bondad del ajuste identificamos el coeficiente de determinación en el

ejercicio de Excel a continuación:
En este caso el coeficiente de determinación es del 97,4%, indica que el modelo explica
en un alto porcentaje la variabilidad de los datos de respuesta en torno a su media. Por
lo tanto, el número de pedidos explica en un 97,4% el número de ventas.

e) ¿Qué puede usted concluir acerca de la correlación poblacional entre gastos

generales y unidades producidas?

Para este punto, no se cuenta con la información suficiente para dar respuesta a la
correlación poblacional de estas variables.

Problema 2: El gerente de personal de la empresa P&C quiere estudiar la relación entre

el ausentismo y la edad de sus trabajadores. Tomo una muestra aleatoria de 10
trabajadores de la empresa y encontró los siguientes datos.

a) Use el método de mínimos cuadrados para hallar la ecuación muestral que

relaciona estas dos variables.

Desarrollo

Identificación de variables:
Variable independiente X = Edad (año)
Variable dependiente Y = Ausentismo (día)
 X Y
EDAD AUSENTISMO
25 18
46 12
58 8
37 15
55 10
32 13
41 7
50 9
23 16
60 6

Para esta tabla de datos se utiliza el método de regresión en Excel mediante la

opción análisis de datos, obteniendo como resultado la siguiente información:

Analizando la relación entre las variables, podemos concluir que existe una correlación
positiva, en este caso las variables estarían asociadas en sentido directo, además se
puede decir que existe una correlación fuerte, dado que el coeficiente arrojado por la
regresión es de 0,80.
Para este caso a sería el intercepto y b sería el coeficiente de la variable independiente
x, por lo tanto:

Y = a + bx

Y = 20,87 - 0,22 x

La ecuación muestra que el coeficiente de regresión para la variable independiente

(edad) es de -0,22. El coeficiente indica que hay una relación inversa entre la edad y el
ausentismo, a mayor edad el nivel de ausentismo es menor.

b) Calcule el coeficiente de determinación, de su comentario sobre el ajuste de

la línea de regresión a los datos de la muestra.

Identificamos el coeficiente de determinación en el ejercicio de Excel a continuación:

En este caso el coeficiente de determinación es del 65,33%, indica que el modelo explica
en un buen porcentaje la variabilidad de los datos de respuesta en torno a su media. Por
lo tanto, la edad explica en un 65,33% el ausentismo.