EJERCICIOS PRACTICOS ECO–300 ECO-340

UNIDAD 2
MODELO DE REGRESION LINEAL SIMPLE
1.- El departamento de ventas de una gran empresa desea estimar las ventas (Yi) respecto del
precio (Xi), para lo cual cuenta con la siguiente información:

obs Xi Yi
1 30 6
2 25 12
3 23 12
4 19 18
5 15 20
6 15 20
7 11 26
8 8 31
a) Estime la función lineal de Y en X
b) Determine las varianzas : V(𝛽̂1), V(𝛽̂2)
c) Determine las desviaciones estándar de 𝛽̂1 y 𝛽̂2
d) Determine los intervalos de confianza para los coeficientes beta al 95%
e) Verifique si es significativo la razón cambio al 5%
f) ¿Es útil el modelo?
g) ¿Cuál es la predicción de las ventas si el precio es 28?
h) Determine el intervalo de confianza de la predicción al 90%
i) Determine la varianza de la predicción
j) ¿Cambia la estructura de la ventas al 5%?
Solución:
X = Precio
Y = Ventas
n=8

Y X XY X2 Y2
6 30 180 900 36,00
12 25 300 625 144,00
12 23 276 529 144,00
18 19 342 361 324,00
20 15 300 225 400,00
20 15 300 225 400,00
26 11 286 121 676,00
31 8 248 64 961,00
145 146 2.232 3.050 3.085,00
a)
Ecuaciones normales:

pág. 1
  Yi  nˆ 0  ˆ1  X i (1) 145  8ˆ0  ˆ1146 * (18,25)
 
 X i Yi  ˆ 0  X i  ˆ1  X i ˆ ˆ
(2) 2232   0 146  1 3050
2

 2646,25  146ˆ0  ˆ1 2664,5


 2232  ˆ0 146  ˆ1 3050

 414,25  0  ˆ1 385,5

 414,25
ˆ1   1,0746
385,5

Reemplanzando en ecuacion normal (1):

145  8 * ˆ 0  (1,0746 * 146)

145  156,8916
ˆ 0   37,7361
8

Yˆi  ˆ 0  ˆ1 X i  u i Yˆi  37,73  1,07 X i

Interpretacion:

̂0 = 37,73 Si el precio fuera cero, por lo tanto el ventas en promedio aumentara en 37,73.

𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑌𝑖 𝜕𝑌̂

̂ 1 = = 𝑋𝑖 = -1,07 Si se incrementa una unidad al precio, las ventas
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑋𝑖
en promedio disminuira en 1,07 cuando todo lo demas permanece constante.

b)
Varianzas:
ˆ  2 *  X i2 1,96212 * 3050
V( ̂ 0 ) =   1,94049
 ( X i )  2
 (146) 2 
n  X i2   83050  
 n   8 
ˆ  2 1,96212
V( ̂1 ) =   0,00509
( X i ) 2
(146) 2
X i
2

n
3050 
8

2 
 Yi  ˆ 0  Yi  ˆ1  Yi X i
2

nk
3085  37,7361 * 145  (1,0746 * 2232) 11,7727
2    1,96212
82 6

pág. 2
c)
Desviaciones tipicas de los estimadores:

𝑆(𝛽̂0 )= √𝑉(𝛽̂0 ) = √1,94049 = 1,3905 𝑆(𝛽̂1 ) =√𝑉(𝛽̂1 ) = √0,00509 = 0,0712

d)
C [𝛽̂𝑖 − 𝑡∞;𝑛−𝑘 ∗ 𝑆𝛽̂𝑖 ≤ 𝑖 ≤ 𝛽̂𝑖 + 𝑡∞;𝑛−𝑘 ∗ 𝑆𝛽̂𝑖 ] =1- ∞
∝ 0,05
∝= 2 = 2 = 0,025
𝑡∞;𝑛−𝑘 = 𝑡0,025;8−2 = 2,447 Bilateral

C [37,7361 − 2,447 ∗ 1,3905 ≤ 0 ≤ 37,7361 + 2,447 ∗ 1,3905] = 0,95

C [34,33 ≤ 0 ≤ 41,13] = 0,95
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para el parametro beta cero, esta comprendida entre 34 y 41.

C [−1,0746 − 2,447 ∗ 0,0712 ≤ 0 ≤ −1,0746 + 2,447 ∗ 0,0712 ] = 0,95

C [−1,24 ≤ 0 ≤ −0,90] = 0,95
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para el parametro beta uno, esta comprendida entre -1,24y -0,90.

e)
Prueba de hipótesis:
1. Planteamiento de la hipótesis:
H 0 : 1  0
H1 : 1  0
2. Nivel de significancia
∝ = 0,05

3. Regiones de rechazo y aceptación

𝐻0 ∝ = 0,05
𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 8 − 2 = 6 𝑡𝐶𝑅 = 1,692

-1,692
-15,09

4. Decisión estadística:
ˆi   i  1,0746  0
tC  tC   15,09
S ( ˆi ) 0,0712
5. Conclusión:
Como la t calculada cae en la región de la hipótesis alterna, concluimos que es significado.

f)
R.- El modelo es util, porque precio tiene una influencia significativa sobre las ventas.

pág. 3
g)
𝑿𝟎 = 𝟐𝟖
E (Yˆ / X 0 )  37,7361  1,0746 X 0 E (Yˆ / X 0 )  37,7361  1,0746 * 28  7,647

h)
INTERVALO DE CONFIANZA PARA LA PREDICCION:
∝ 0,10
∝= 2 = 2 = 0,05
𝑡∞;𝑛−𝑘 = 𝑡0,05;8−2 = 1,943

C[𝐸(𝑌̂/𝑋0 ) − 𝑡2𝑄;𝑛−𝑘 ∗ 𝑆(𝑌̂/𝑋0 ) ≤ 𝑌 ≤ 𝐸(𝑌̂ /𝑋0 ) + 𝑡2𝑄;𝑛−𝑘 ∗ 𝑆(𝑌̂/𝑋0 )] =1- ∞

C[7,647 − 1,943 ∗ 0,83 ≤ 𝑌 ≤ 7,647 + 1,943 ∗ 0,83] = 0,90
C[6,03 ≤ 𝑌 ≤ 9,26] = 0,90
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para la prediccion entre 6 y 9.
DESVIACION STANDAR DE LA PREDICCION:

𝑆(𝑌̂/𝑋0 )=√V(𝑌̂/𝑋0 ) = √0,68884 = 0,83

i)
VARIANZA PARA LA PREDICCION:

   

2 1 ( X 0  X )2   1 (28  18,25) 2 
V( Yˆ / X 0 ) =       1,96212     0,68884
n ( X i ) 2   8 3085  (146)
2

  i
X 2

n   8 

X 
X i

146
 18,25
n 8

j)
Prueba de hipótesis para la predicción
1. Planteamiento de la hipótesis:
H 0 :  ( Noexistecambio en laestructura)
H 1 :  ( Existe cambio....)
2. Nivel de significancia
∝ = 0,05
3. Regiones de rechazo y aceptación
∝ 0,05
𝐻0 ∝ = 2 = 2 = 0,025
𝐻1 𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 8 − 2 = 6 𝑡 = 2,447

-2,447 2,447

-12,62

pág. 4
Prueba bilateral
4. Decisión estadística:

t exp 
E (Yˆ / X 0 )  Y 7,647  18,125
  12,62 Y
Y i

145
 18,125
S (Yˆ / X )
0
0,83 n 8

5. Conclusión:
Concluimos que existe un cambio en la estructura, ya que -12,62 cae en la región de la Hipótesis alterna (H1).

2.- Una empresa que se dedica a la producción de cierto producto en unidades (Yi) respecto
de la cantidad de mano de obra que utiliza (Xi):
obs Xi Yi
1 21 111
2 30 131
3 40 148
4 50 165
5 60 184
6 71 221
a) Estime la función lineal de Y en X
b) Determine las varianzas : V(𝛽̂1), V(𝛽̂2)
c) Determine las desviaciones estándar de 𝛽̂1 y 𝛽̂2
d) Determine los intervalos de confianza para los coeficiente beta al 95%
e) Verifique si es significativo la razón cambio al 5%
f) ¿Es útil el modelo?
g) ¿Cuál es la predicción de la producción si la mano de obra es de 65?
h) Determine el intervalo de confianza de la predicción al 90%
i) Determine la varianza de la predicción
j) ¿Cambia la estructura de la producción al 5%?
Solución:
X = Cantidad de mano de obra
Y = Producción (Unidades)
n=6

pág. 5
a)
Y X XY X2 Y2
111 21 2.331 441 12.321,00
131 30 3.930 900 17.161,00
148 40 5.920 1.600 21.904,00
165 50 8.250 2.500 27.225,00
184 60 11.040 3.600 33.856,00
221 71 15.691 5.041 48.841,00
960 272 47.162 14.082 161.308,00
Ecuaciones normales:

  Yi  nˆ 0  ˆ1  X i (1) 960  6ˆ0  ˆ1 272 * (45,33333)

 
 X i Yi  ˆ 0  X i  ˆ1  X i (2)  47162  ˆ0 272  ˆ114082
2

 43245 270ˆ0  ˆ112150

 ˆ ˆ
 47162   0 272  114082

3642  0  ˆ11751,33333

3642
ˆ1   2,07956
1751,33333

Reemplanzando en ecuacion normal (1):

960  6 * ˆ 0  (2,07956 * 272)

960  565,64032
ˆ0   65,72668
6

Yˆi  ˆ 0  ˆ1 X i  u i Yˆi  65,73  2,08 X i

Interpretacion:

̂0 = 65,73 Si la cantidad de mano de obra fuera cero, por lo tanto la produccion en
promedio aumentara en 65,73 unidades.
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑌𝑖 𝜕𝑌̂
̂ 1 = = 𝑋𝑖 = 2,08 Si se incrementa un trabajador a la cantidad de
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑋𝑖
mano de obra, la produccion en promedio aumentara en 2,08 unidades cuando todo lo
demas permanece constante.

pág. 6
b)
Varianzas:
ˆ  2 *  X i2 33,54462 *14082
V( ̂ 0 ) =   44,95388
 ( X i ) 2   (272) 2 
n  X i2   6 14082  
 n   6 
ˆ  2 33,54462
V( ̂1 ) =   0,019154
( X i ) 2
(272) 2
 Xi  n
2
14082 
6

2 
 Yi  ˆ 0  Yi  ˆ1  Yi X i
2

nk
161308  65 ,72668 * 960  (2,07956 * 47162 ) 134,17848
2    33,54462
62 4

c)
Desviaciones tipicas de los estimadores:

𝑆(𝛽̂0 )= √𝑉(𝛽̂0 ) = √44,95388 = 6,70476 𝑆(𝛽̂1 )=√𝑉(𝛽̂1 ) = √0,019154 = 0,13839

d)
C [𝛽̂𝑖 − 𝑡∞;𝑛−𝑘 ∗ 𝑆𝛽̂𝑖 ≤ 𝑖 ≤ 𝛽̂𝑖 + 𝑡∞;𝑛−𝑘 ∗ 𝑆𝛽̂𝑖 ] =1- ∞
∝ 0,05
∝= 2 = 2 = 0,025
𝑡∞;𝑛−𝑘 = 𝑡0,025;6−2 = 2,776

C [65,72668 − 2,776 ∗ 6,70476 ≤ 0 ≤ 65,72668 + 2,776 ∗ 6,70476 ] = 0,95

C [47,11 ≤ 0 ≤ 84,35] = 0,95
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para el parametro beta cero, esta comprendida entre 47,11 y 84,35.

C [2,079558 − 2,776 ∗ 0,13839 ≤ 0 ≤ 2,079558 + 2,776 ∗ 0,13839] = 0,95

C [1,70 ≤ 0 ≤ 2,46] = 0,95
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para el parametro beta uno, esta comprendida entre 1,70 y 2,46.

e)
Prueba de hipótesis:
1. Planteamiento de la hipótesis:
H 0 : 1  0
H 1 : 1  0
2. Nivel de significancia
∝ = 0,05

pág. 7
3. Regiones de rechazo y aceptación
𝐻0 ∝ = 0,05
𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 6 − 2 = 4 𝑡 = 2,131

2,131
15,02
4. Decisión estadística:
ˆi   i 2,0796  0 i
tC  tC   15,02
S ( ˆi ) 0,13839
5. Conclusión:
Concluimos que la razón de cambio es significativa al 5%, ya que la t cae en la región de la
Hipótesis alterna H1.

f)
R.- El modelo es util, porque cantidad de mano de obra tiene una influencia significativa
sobre la produccion.

g)
𝑿𝟎 = 𝟔𝟓
E (Yˆ / X 0 )  65,72668  2,07956 X 0 E (Yˆ / X 0 )  65,72668  2,07956 * 65  200,89

h)
INTERVALO DE CONFIANZA PARA LA PREDICCION:
∝ 0,10
∝= = = 0,05
2 2

𝑡∞;𝑛−𝑘 = 𝑡0,05;6−2 = 2,132

C[𝐸(𝑌̂/𝑋0 ) − 𝑡2𝑄;𝑛−𝑘 ∗ 𝑆(𝑌̂/𝑋0 ) ≤ 𝑌 ≤ 𝐸(𝑌̂ /𝑋0 ) + 𝑡2𝑄;𝑛−𝑘 ∗ 𝑆(𝑌̂/𝑋0 )] =1- ∞

C[200,89 − 2,132 ∗ 3,60542 ≤ 𝑌 ≤ 200,89 + 2,132 ∗ 3,60542] = 0,90
C[193,20 ≤ 𝑌 ≤ 208,58] = 0,90
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para la prediccion entre 193 y 209.

DESVIACION STANDAR DE LA PREDICCION:

𝑆(𝑌̂/𝑋0 )=√V(𝑌̂/𝑋0 ) = √12,99902 = 3,60542

pág. 8
i)
VARIANZA PARA LA PREDICCION:

   

2 1 ( X 0  X )2   1 (65  45,33333) 2 
V( Yˆ / X 0 ) =       33,54462     12,99902
n ( X i ) 2 
2
 6 14082  (272) 
  i
X 2

n   6 

X
X i

272
 45,33333
n 6

j)
Prueba de hipótesis para la predicción
1. Planteamiento de la hipótesis:
H 0 :  ( Noexistecambio en laestructura)
H 1 :  ( Existe cambio....)
2. Nivel de significancia
∝ = 0,05
3. Regiones de rechazo y aceptación
∝ 0,05
𝐻0 ∝ = 2 = 2 = 0,025
𝐻1 𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 6 − 2 = 4 𝑡 = 2,776

-2,776 2,776

11,34

4. Decisión estadística:

t exp 
E (Yˆ / X 0 )  Y 200,89  160
  11,34 Y
Y i

960
 160
S (Yˆ / X 0 ) 3,60542 n 6

5. Conclusión:
Concluimos que existe un cambio en la estructura, ya que 11,34 cae en la región de la Hipótesis alterna (H1).

3.- Se cuenta con información referida al consumo de energía (Yi) y el consumo de gas
natural (Xi) para 35 años:

X Y X Y X  Y  Y 
2
i  17,22 i  85 i
2
 10,92 i i  37,1022 i  12,15
R  0,7462
2

a) Estime los coeficientes del modelo lineal

Solución:
X = Consumo de gas natural
Y = Consumo de energía
n = 35

pág. 9
Ecuaciones normales:

  Yi  nˆ0  ˆ1  X i (1)  85  35ˆ 0  ˆ117,22 * (0,492)

 
 X iYi  ˆ0  X i  ˆ1  X i (2) 37,1022  ˆ 0 17,22  ˆ110,92
2

 41,82  17,22ˆ 0  ˆ1 8,47224

 ˆ ˆ
 37,1022   0 17,22   110,92

 4,7178  0  ˆ1 2,44776

 4,7178
ˆ1   1.92739
2,44776
Reemplanzando en ecuacion normal (1):

85  35 * ˆ 0  (1,92739 ) *17,22

85  33,18966
ˆ 0   3,37685 Yˆi  ˆ 0  ˆ1 X i  u i Yˆi  3,376  1,927 X i
35
Interpretacion:

̂0 = 3,37 Si el consumo de gas fuera cero, por lo tanto el consumo de energia en promedio
aumentara en 3,37 unidades monetarias.
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑌𝑖 𝜕𝑌̂
̂ 1 = = 𝑋𝑖 = -1,93 Si se incrementa una unidad al consumo de gas,
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑋𝑖
los consumos disminuiras en promedio en 1,93 unidades moetarias, cuando todo lo demas
permanece constante.
b) Es significativo el consumo de gas natural en la explicación del consumo de energía
eléctrica?. Utilice un 5 % de nivel de significación
1. Planteamiento de la hipótesis:
H 0 : 1  0
H1 : 1  0
2. Nivel de significancia
∝ = 0,05

3. Regiones de rechazo y aceptación

𝐻0 ∝ = 0,05
𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 35 − 2 = 33 𝑡𝐶𝑅 = 1,692

-1,692
-9,87

4. Decisión estadística:

pág. 10
 ˆi   i  1,92739  0
tC  tC   9,87
S ( ˆi ) 0,19537
5. Conclusión:
Como la t calculada cae en la región de la hipótesis alterna, concluimos que es significado.

ˆ  2 0,09344
V( ̂1 ) = V( ̂1 ) =  0,03817
x 2
i 2,44776
Desviacion tipica de B1:

𝑆(𝛽̂1 )=√𝑉(𝛽̂1 ) = √0,03817 = 0,19537

SCR 3,08367
2  2   0,09344
nk 35  2
SCT = ∑(Yi − 𝑌̅ )2 = 12,15
𝑆𝐶𝑅 𝑆𝐶𝑅 𝑆𝐶𝑅 𝑆𝐶𝑅
𝑅2 = 1 − 𝑆𝐶𝑇 0,7462 = 1 − 12,15 = 1 − 0,7462 = 0,2538
12,15 12,15

𝑆𝐶𝑅 = 0,2538 ∗ 12,15 = 3,08367

( X i ) 2 (17,22) 2
xi2   X i2  xi2  10,92 
 2,44776
n 35
c) ¿Entre que valores se encuentra la verdadera razón de cambio al 95 %?

C [𝛽̂𝑖 − 𝑡∞;𝑛−𝑘 ∗ 𝑆𝛽̂𝑖 ≤ 𝑖 ≤ 𝛽̂𝑖 + 𝑡∞;𝑛−𝑘 ∗ 𝑆𝛽̂𝑖 ] =1- ∞

∝ 0,05
∝= 2 = 2 = 0,025
𝑡∞;𝑛−𝑘 = 𝑡0,025; 35−2 = 2,035

C [−1,92739 − 2,035 ∗ 0,19537 ≤ 1 ≤ −1,92739 + 2,035 ∗ 0,19537 ] = 0,95

C [−2,32 ≤ 1 ≤ −1,53] = 0,95
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para el parametro beta cero, esta comprendida entre -2,32 y -1,53.

d) Entre que valores se encuentra la predicción del consumo si 𝑋𝑜 = 2,5

𝑿𝟎 = 𝟐, 𝟓 Yˆi  3,376  1,927 X i

Estimacion puntual:
E (Yˆ / X 0 )  3,376  1,927 X 0 E (Yˆ / X 0 )  3,376  1,927 * 2,5  1,4415

Estimacion por intervalo:

pág. 11
 C[𝐸(𝑌̂/𝑋0 ) − 𝑡2𝑄;𝑛−𝑘 ∗ 𝑆(𝑌̂/𝑋0 ) ≤ 𝑌 ≤ 𝐸(𝑌̂ /𝑋0 ) + 𝑡2𝑄;𝑛−𝑘 ∗ 𝑆(𝑌̂/𝑋0 )] =1- ∞
C[−1,4415 − 2,035 ∗ 0,39571 ≤ 𝑌 ≤ −1,4415 + 2,035 ∗ 0,39571] = 0,95
C[−2,25 ≤ 𝑌 ≤ −0,64] = 0,95
Por cada 100 intervalos de confianza, el 95% de ellas esta comprendida su verdadero valor
para la prediccion entre -2,25 y -0,64.

DESVIACION STANDAR DE LA PREDICCION:

𝑆(𝑌̂/𝑋0 )=√V(𝑌̂/𝑋0 ) = √0,15659 = 0,39571

VARIANZA PARA LA PREDICCION:

   

2 1 ( X 0  X )2  1 (2,5  0,492) 2 
V( Yˆ / X 0 ) =       0,09344     0,15659
n ( X i ) 2   35 10,92  (17,22)
2

  i
X 2

n   35 

X
X i

17,22
 0,492
n 35
4.- Una empresa dedicada a la comercialización de pañales de cierta marca pretende obtener
un modelo que estudie las ventas en función de sus gastos en anuncios en televisión. Se
recoge información durante 22 meses, obteniéndose los siguientes resultados:

Y  114,5463 X  3,917273 X i
2
 353,01745 Y Xi i  9922,69428  2  169,22
y 2
i  288885,7407 expresado en desvíos

a) Obtener los coeficientes del modelo lineal

Solución:
X = Gastos en anuncios
Y = Ventas
n = 22
Ecuaciones normales:

X X
X  3,917273  X
i
 3,917273 * 22  86,180006
i
i
n 22

Y Y
Y 114,5463  Y
i
 114,5463 * 22  2520,0186
i
i
n 22

pág. 12
  Yi  nˆ0  ˆ1  X i (1)

 X iYi  ˆ0  X i  ˆ1  X i (2)
2

 2520,0186  22ˆ 0  ˆ1 86,180006 * (3,917273)

 ˆ ˆ
9922,69428  0 86,180006  1 353,01745

 9871,60082 86,180006ˆ 0  ˆ1 337,59061

 ˆ ˆ
 9922,69428  0 86,180006 1 353,01745

51,09346  0  ˆ115,42684

51,09346
ˆ1   3,31198
15,42684
Reemplanzando en ecuacion normal (1):1

 2520,0186  22 * ˆ 0  3,31198 * 86,180006

 2520,0186  285,42646
ˆ 0   127,52023
22

Yˆi  ˆ 0  ˆ1 X i  u i Yˆi  127,5202  3,312 X i

Interpretacion:

̂0 = −127,52 Si los gastos en anuncios fuera cero, por lo tanto las ventas en promedio
disminuira en 127,52 unidades monetarias.
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑌𝑖 𝜕𝑌̂
̂ 1 = = 𝑋𝑖 = 3,31 Si se incrementa una unidad a los gastos en
𝐶𝑎𝑚𝑏𝑖𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑋𝑖
anuncios, las ventas aumentaran en promedio en 3,31 unidades moetarias, cuando todo lo
demas permanece constante.
b) ¿Considera usted que el modelo estimado es significativo
1. Planteamiento de la hipótesis:
H 0 :  0  1  0
H1 :  0  1  0
2. Nivel de significancia
∝ = 0,05

3. Regiones de rechazo y aceptación

𝑔𝑙 = 𝑛 − 𝑘 = 22 − 2 = 20 numerador
𝐻0 𝐹𝐶𝑅 =2,10
𝐻1 𝑔𝑙 = 𝑛 − 1 = 22 − 1 = 21 denominador

2,10

pág. 13
 80,45
4. Decisión estadística:
R 2 n  k  0,9883(22  2)
FC  FC   80,45
 
1  R 2 (n  1) 1  0,9883(22  1)

SCR SCR
2  169,22  169,22(20)  SCR 3384,4  SCR
nk 22  2

STC   y i2  288885,7407
𝑆𝐶𝑅
𝑅2 = 1 −
𝑆𝐶𝑇

3384,4
𝑅2 = 1 − = 0,9883
288885,7407

5. Conclusión:
Concluimos que el modelo es significativo, porque cae la Fc cae en la región de hipótesis
alterna.

c) ¿Es útil el modelo estimado?

R.-
1. Planteamiento de la hipótesis:
H 0 : 1  0
H 1 : 1  0
2. Nivel de significancia
∝ = 0,05

3. Regiones de rechazo y aceptación

𝐻0 ∝ = 0,05
𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 22 − 2 = 20 𝑡𝐶𝑅 = 1,725

1,725
1

4. Decisión estadística:
ˆi   i 3,31198  0
tC  tC  1
S ( ˆi ) 3,31197
5. Conclusión:
Como la t calculada cae en la región de la hipótesis Nula, concluimos que No es significado.

pág. 14
 ˆ  2 169,22
V( ̂1 ) =   10,96919
( X i ) 2 (86,180006 ) 2
 X i2  n
353,01745 
22
Desviacione tipica de la pendiente:

𝑆(𝛽̂1 )=√𝑉(𝛽̂1 ) = √10,96919 = 3,31197

No es Útil y es Útil. Por un lado, no es útil, porque es no es significativo la relación entre

los gastos en anuncios y las ventas. Por otro lado, sería útil porque el modelo es significativo
de forma conjunta y se tiene un coeficiente de determinación alto de 0,98.

d) Verifique si cambia la estructura cuando los gastos en anuncios en 5,5 al 95 %

𝑿𝟎 = 𝟓, 𝟓
E (Yˆ / X 0 )  127,5202  3,312 X 0 E (Yˆ / X 0 )  127,5202  3,312 * 5,5  109,3042

DESVIACION STANDAR DE LA PREDICCION:

𝑆(𝑌̂/𝑋0 )=√V(𝑌̂/𝑋0 ) = √35,17 = 5,9304

VARIANZA PARA LA PREDICCION:

   

2 1 ( X 0  X )2  1 (5,5  3,91727 ) 2 
V( Yˆ / X 0 ) =       169,22     35,17
n ( X i ) 2   22 353,01745  (86,180006 )
2

  i
X 2

n   22 

X
X i

86,180006
 3,91727
n 22
Prueba de hipótesis para la predicción
1. Planteamiento de la hipótesis:
H 0 :  ( Noexistecambio en laestructura)
H 1 :  ( Existe cambio....)
2. Nivel de significancia
∝ = 0,05
3. Regiones de rechazo y aceptación
∝ 0,05
𝐻0 ∝ = 2 = 2 = 0,025
𝐻1 𝐻1 𝑔𝑙 = 𝑛 − 𝑘 = 22 − 2 = 20 𝑡 = 2,086

-2,086 2,086

-37,75

4. Decisión estadística:

pág. 15
 E (Yˆ / X 0 )  Y  109,3042  114,5463
t exp    37,75
S (Yˆ / X ) 0
5,9304

Y
Y i

2520,0186
 114,5463
n 22
5. Conclusión:
Concluimos que existe un cambio en la estructura, ya que -37,75 cae en la región de la
Hipótesis alterna (H1).

pág. 16