9.

- Suponga que el gerente de una cadena de servicios de entrega de paquetería

desea desarrollar un modelo para predecir las ventas semanales (en miles de
dólares) para las tiendas individuales basado en el número de clientes que
realizan compras. Se seleccionó una muestra aleatoria entre todas las tiendas de
la cadena con los siguientes resultados:

TIENDA CLIENTES VENTAS ($1000)

1 907 11.20
2 926 11.05
3 506 6.84
4 741 9.21
5 789 9.42
6 889 10.08
7 874 9.45
8 510 6.73
9 529 7.24
10 420 6.12
11 679 7.63
12 872 9.43
13 924 9.46
14 607 7.64
15 452 6.92
16 729 8.95
17 794 9.33
18 844 10.23
19 1010 11.77
20 621 7.41

A) Grafique el diagrama de dispersión

B) Obtenga la ecuación que mejor ajuste a los datos.
C) Pronostique las ventas semanales (en miles de dólares) para las tiendas
que tienen 600 clientes.
Regresión Simple - YVENTAS vs. XCLIENTES
Variable dependiente: YVENTAS
Variable independiente: XCLIENTES
Inversa-Y Raíz Cuadrada-X: Y = 1/(a + b*sqrt(X))

Coeficientes
Mínimos Cuadrados Estándar Estadístico M.A.D.
Parámetro Estimado Error T Valor-P Estimación
Intercepto 0.288952 0.0104272 27.7114 0.0000 0.300623
Pendiente -0.00638888 0.000385624 -16.5676 0.0000 -0.00686501

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 0.00918054 1 0.00918054 274.49 0.0000
Residuo 0.000602034 18 0.0000334463
Total (Corr.) 0.00978258 19

Coeficiente de Correlación = -0.968741

R-cuadrada = 93.8459 porciento
R-cuadrado (ajustado para g.l.) = 93.504 porciento
Error estándar del est. = 0.00578328
Error absoluto medio = 0.00472607
Estadístico Durbin-Watson = 1.05314 (P=0.0098)
Autocorrelación de residuos en retraso 1 = 0.40715
Desviación Media Absoluta = 0.00459908

El StatAdvisor
La salida muestra los resultados de ajustar un modelo Y-inversa raaíz cuadrada-X para describir la relación entre
YVENTAS y XCLIENTES. La ecuación del modelo ajustado es

YVENTAS = 1/(0.288952 - 0.00638888*sqrt(XCLIENTES))

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
YVENTAS y XCLIENTES con un nivel de confianza del 95.0%.
 Gráfico del Modelo Ajustado

12.1
Mínimos Cuadrados
M.A.D.
11.1

10.1
YVEN TA S

9.1

8.1

7.1

6.1
420 520 620 720 820 920 1020
XCLIENTES

Valores Predichos
95.00% 95.00%
Predicciones Límite Predicción Límite Confianza
X Y Inferior Superior Inferior Superior
420.0 6.32834 5.83136 6.91792 6.10396 6.56984
1010.0 11.64 10.102 13.7305 11.0188 12.3355
600.0 7.54959 6.89413 8.34278 7.36547 7.74315

El StatAdvisor
Esta tabla muestra los valores predichos para YVENTAS usando el modelo ajustado. Además de las mejores
predicciones, la tabla muestra:

(1) intervalos de previsión del 95.0% para las nuevas observaciones

(2) intervalos de confianza del 95.0% para la media de varias observaciones

Los intervalos de predicción y de confianza corresponden a las cotas internas y externas en la gráfica del modelo ajustado.
3.- La revista Motor Trend presenta con frecuencia datos de rendimiento para
automóviles. La siguiente tabla presenta datos del volumen relativos al
rendimiento de gasolina por milla y desplazamiento del motor de 15 automóviles.

Desplazamiento
Automóvil Millas/galón, Y
(pulgadas cúbicas), X
Apollo 350 18.90
Omega 350 17.00
Nova 250 20.00
Monarca 351 18.25
Duster 225 20.07
Jensen Conv 440 11.20
Skyhawk 231 22.12
Monza 262 21.47
Corolla SR-5 96.9 30.40
Camaro 350 16.50
Eldorado 500 14.39
Trans Am 400 16.59
Charger SE 318 19.73
Cougar 351 13.90
Corvette 350 16.50

a) Ajuste un modelo de regresión que relacione las millas recorridas con el

desplazamiento del motor. Se desea predecir el consumo de gasolina por milla de
un automóvil con un cilindraje de 275 pulgadas cúbicas.

Regresión Simple - YMILLAS vs. XDESPLAZAMIENTO

Variable dependiente: YMILLAS
Variable independiente: XDESPLAZAMIENTO
Cuadrado-Y Log-X: Y = sqrt(a + b*ln(X))
Coeficientes
Mínimos Cuadrados Estándar Estadístico M.A.D.
Parámetro Estimado Error T Valor-P Estimación
Intercepto 2963.33 231.286 12.8124 0.0000 3186.19
Pendiente -455.6 40.3804 -11.2827 0.0000 -494.575

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 439204. 1 439204. 127.30 0.0000
Residuo 44852.2 13 3450.17
Total (Corr.) 484056. 14

Coeficiente de Correlación = -0.952544

R-cuadrada = 90.7341 porciento
R-cuadrado (ajustado para g.l.) = 90.0213 porciento
Error estándar del est. = 58.7381
Error absoluto medio = 47.3661
Estadístico Durbin-Watson = 1.83875 (P=0.3711)
Autocorrelación de residuos en retraso 1 = 0.0312241
Desviación Media Absoluta = 45.7074

El StatAdvisor
La salida muestra los resultados de ajustar un modelo Y-cuadrada log-X para describir la relación entre YMILLAS y
XDESPLAZAMIENTO. La ecuación del modelo ajustado es

YMILLAS = sqrt(2963.33 - 455.6*ln(XDESPLAZAMIENTO))

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
YMILLAS y XDESPLAZAMIENTO con un nivel de confianza del 95.0%.

Gráfico del Modelo Ajustado

31
Mínimos Cuadrados
M.A.D.
27

23
YMILLAS

19

15

11
0 100 200 300 400 500
XDESPLAZAMIENTO

Valores Predichos
95.00% 95.00%
Predicciones Límite Predicción Límite Confianza
X Y Inferior Superior Inferior Superior
96.9 29.6573 26.7386 32.3135 27.8336 31.3752
500.0 11.487 16.4334 8.80052 13.6548
275.0 20.1078 16.5223 23.1444 19.2471 20.9332

El StatAdvisor
Esta tabla muestra los valores predichos para YMILLAS usando el modelo ajustado. Además de las mejores
predicciones, la tabla muestra:

(1) intervalos de previsión del 95.0% para las nuevas observaciones

(2) intervalos de confianza del 95.0% para la media de varias observaciones

Los intervalos de predicción y de confianza corresponden a las cotas internas y externas en la gráfica del modelo ajustado.