Instituto Universitario “Jesús Obrero”

Estadística Aplicada

Ejercicio Práctico de Regresión Lineal

Una Empresa de correo, esta interesada en conocer sus ingresos de acuerdo a la cantidad de su
principal producto vendido, para ello toma una muestra de las ventas en 51 días, se pide modelar
estos datos de forma que se pueda establecer una relación mediante los ingresos a través de las
piezas consignadas con los siguientes datos:

PIEZAS PIEZAS
MUESTRA INGRESOS Bs. CONSIGNADAS MUESTRA INGRESOS Bs. CONSIGNADAS

1 7.153.586,20 7.919 27 2.039.970,00 2.489

2 7.053.728,75 7.367 28 1.851.585,05 1.946
3 6.384.591,82 7.114 29 1.670.579,15 1.934
4 5.854.554,95 6.750 30 1.656.898,40 1.904
5 5.528.807,35 6.064 31 1.649.538,70 1.853
6 5.522.058,40 5.961 32 1.597.120,85 1.824
7 5.195.281,05 5.094 33 1.565.473,33 1.793
8 4.942.154,07 4.500 34 1.195.729,40 1.755
9 4.916.860,57 4.220 35 1.083.763,85 1.727
10 4.520.540,52 4.389 36 1.078.552,25 1.705
11 4.515.554,50 4.088 37 1.022.062,00 1.427
12 4.498.423,51 4.052 38 757.394,00 1.419
13 4.480.964,00 4.014 39 716.830,00 1.419
14 4.457.463,29 3.927 40 665.300,00 1.409
15 4.451.179,74 3.846 41 605.646,44 1.390
16 4.325.221,91 3.816 42 582.700,00 1.374
17 3.911.600,00 3.786 43 557.400,00 1.362
18 3.782.656,33 2.761 44 545.600,00 1.356
19 3.780.141,90 2.686 45 533.600,00 1.356
20 3.728.662,80 2.660 46 505.800,00 1.347
21 3.584.715,00 2.579 47 491.000,00 1.345
22 3.552.597,25 2.561 48 470.700,00 1.341
23 3.238.294,00 2.554 49 468.250,00 1.335
24 3.220.119,92 2.535 50 427.050,00 1.332
25 2.981.358,13 2.515 51 423.750,00 1.332
26 2.092.513,50 2.491
Análisis de Regresión (Usando SPSS 12)
Estadísticas Descriptivas: SPSS: Analyze/Descriptive Statics/Descriptive/Variables

Estadísticas Descriptivas
Piezas
Indicador Ingresos
Consignadas
Media 2.781.096,53 2.935,75
Desviación 2.025.713,54 1.803,23
C. V. 72,84 61,42
Datos 51 51

La Empresa de Correo tuvo un ingreso promedio de 2.781.096,53 durante los 51 días, con una
desviación estándar de 2.025.713,54 presentando un coeficiente de variación de 72,84% lo que
indica alta heterogeneidad en los ingresos, el promedio de Piezas consignadas fue de 2.935,75
con una desviación de 1.803,23 piezas, el coeficiente de variación es de 61,42% indicando alta
heterogeneidad en la venta del producto principal.

Corrida de Regresión: SPSS: Analyze/Regression/Linear/Dependt, Independent/ Statics:

Estimates, Model Fit, R squared change/Plots: Histogram, Normal probability plot.

Análisis de Correlación:

Correlati ons

IO50 PO50
Pearson Correlation IO50 1,000 ,906
PO50 ,906 1,000
Sig. (1-tailed) IO50 . ,000
PO50 ,000 .
N IO50 51 51
PO50 51 51

La correlación entre el ingreso (IO50) y las piezas consignadas (PO50) es de 0,906 lo que indica
una alta asociación lineal entre estas variables, además este coeficiente es significativo así lo
indica su p-valor.
Coeficiente de Determinación:

Model Summaryb

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df 1 df 2 Sig. F Change
1 ,750a ,562 ,553 1397809,50 ,562 62,971 1 49 ,000
a. Predictors: (Constant), PzaOrd
b. Dependent Variable: IO50

El coeficiente de determinación R2 es de 0,562 y el R2 ajustado es de 0,553 lo que indica que el

modelo de regresión explica la variación del 55,3% del ingreso a través de las piezas consignadas,
lo que implica que el modelo puede ser utilizado bajo la premisa de que solo esta aproximándose
por un poco más de la mitad, aunque este sea significativo así lo indica su p-valor.

Estimación de los Coeficientes:

Coeffi ci entsa

Unstandardized St andardized
Coef f icients Coef f icients
Model B St d. Error Beta t Sig.
1 (Constant) 1832524 225572,5 8,124 ,000
PzaOrd 630,431 79,445 ,750 7,935 ,000
a. Dependent Variable: IO50

La constante del modelo es 1832524, lo que indica que ese es el ingreso mínimo que debe tener
la empresa de correos con la venta de las otros productos, el coeficiente de las piezas consignadas
es de 630,431 lo que indica incremento en el ingreso por cada pieza consignada, ambos
coeficientes son significativos.
Grafico Probabilistico de Normalidad:

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: IO50

1,0

0,8
Expected Cum Prob

0,6

0,4

0,2

0,0
0,0 0,2 0,4 0,6 0,8 1,0
Observed Cum Prob

El grafico de probabilidad indica que los residuos no siguen una distribución normal,
incumpliéndose un requisito para la confiabilidad del modelo.

Modelo de Regresión: Y= Bo + B1X1 + ε

Y: Ingreso bo: Constante o intercepto = 1.832.524

b1: Coeficiente de las piezas consignadas = 630,431 X1: Piezas Consignadas

Y = 1.832.524 + 630,431*X1