Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.277350098112614
Coeficiente de determinación R^2 0.076923076923077
R^2 ajustado 0.005917159763313
Error típico 15.191090506255
Observaciones 15
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 250
Residuos 13 3000
Total 14 3250
n X Y XY X^2 Y^2
1 0 20 0 0 400
2 1 25 25 1 625
3 2 30 60 4 900
4 0 30 0 0 900
5 1 35 35 1 1225
6 2 40 80 4 1600
7 0 40 0 0 1600
8 1 45 45 1 2025
9 2 50 100 4 2500
10 0 50 0 0 2500
11 1 55 55 1 3025
12 2 60 120 4 3600
13 0 60 0 0 3600
14 1 65 65 1 4225
15 2 70 140 4 4900
suma 15 675 725 25 33625
promedio 1 45
X^2 = 1
Chart Title
B1 = 5.0000 80
B0 = 40.0000 70
60
Y= 50.00 X2
Y= 85.00 X9 50
f(x) = 5 x + 40
Y= 65.00 X5 40 R² = 0.0769230769230769
30
20
raiz 180.2776
r= 0.2774 10
r^2= 0.0769 0
0 0.5 1 1.5
os datos, se le pide que
ra esta distribución las
esión de Y sobre X y de
X sobre Y.
Coeficientes
Chart Title Intercepción 40 B0
Variable X 1 5 B1
1 1.5 2 2.5
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99990024230205
Coeficiente de determinación R^2 0.999800494555699
R^2 ajustado 0.999767243648315
Error típico 0.77122189541556
Observaciones 8
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 17884.1600507282
Residuos 6 3.56869927181021
Total 7 17887.72875
n X Y XY X^2 Y^2
1 381.7 258.6 98707.62 145694.89 66873.96
2 402.2 273.6 110041.92 161764.84 74856.96
3 426.5 289.7 123557.05 181902.25 83926.09
4 454.3 308.9 140333.27 206388.49 95419.21
5 486.5 331.0 161031.5 236682.25 109561
6 520.2 355.0 184671 270608.04 126025
7 553.3 377.1 208649.43 306140.89 142204.41
8 590.0 400.4 236236 348100 160320.16
suma 3814.7 2594.3 1263228 1857281.65 859186.79
promedio 476.8375 324.2875
X^2 = 227374.001
Chart Title
B1 = 0.6834 450.0
B0 = -1.5973 400.0
f(x) = 0.683429371607743 x − 1.59725298400724
350.0 R² = 0.999800494555699
Y= -0.23 X2
300.0
Y= 4.55 X9
250.0
Y= 1.82 X5
200.0
150.0
2020 2021
377.1 400.4
553.3 590
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99377581719181
Coeficiente de determinación R^2 0.987590374835249
R^2 ajustado 0.983453833113666
Error típico 440.133901128156
Observaciones 5
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 46249717.2472331
Residuos 3 581153.552766869
Total 4 46830870.8
n X Y XY X^2
1 52654 10420 548654680 2772443716
2 53972 11841 639082452 2912976784
3 57383 14443 828782669 3292808689
4 61829 16732 1034522828 3822825241
5 65381 18760 1226547560 4274675161
suma 291219 72196 4277590189 17075729591
promedio 58243.8 14439.2
X^2 = 3392340238.44
Chart Title
B1 = 0.6369 20000
B0 = -22654.2929 18000 f(x) = 0.636865947117026 x − 22654.2928506947
R² = 0.98759037483525
16000
Y= -22653.02 X2 14000
Y= -22648.56 X9 12000
Y= -22651.11 X5 10000
8000
6000
raiz 73075640.3443 4000
r= 0.9938 2000
r^2= 0.9876 0
52000 54000 56000 58000 60000 620
b) Si sabemos que las exportaciones p
2022 fueron de 69.045.704 millones
A partir de tal información, y
pesos, ¿cuál sería la producción inter
considerando como válida dicha relación
aproximada para ese año? ¿Qué gra
lineal, se pide:
de confianza daría usted a esta
a) Si la producción para el año 2022 fue
predicción?
de 2.210.6100 millones de pesos, ¿cuál
c) ¿Qué tanto por ciento de la varian
sería la predicción de las exportaciones
de las exportaciones no vienen
para este año? ¿Qué grado de precisión
explicadas por la producción interna,
tendría dicha predicción?
debe a otro tipo de variables?
Y^2 (𝑋−𝑋 ̅) (𝑋−(𝑋 ) ̅)^2 (𝑌−(𝑌 ) ̅) (𝑌−(𝑌 ) ̅)^2 (𝑋−𝑋 ̅)*(Y- 𝑌 ̅)
108576400 -5589.8 31245864.04 -4019.2 16153968.6 22466524.16
140209281 -4271.8 18248275.24 -2598.2 6750643.24 11098990.76
208600249 -860.8 740976.64 3.8 14.44 -3271.04
279959824 3585.2 12853659.04 2292.8 5256931.84 8220146.56
351937600 7137.2 50939623.84 4320.8 18669312.6 30838413.76
1089283354 232975.2 114028398.8 0.00 46830870.8 72620804.2
Chart Title
Intercepción
117026 x − 22654.2928506947 Variable X 1
3525
Coeficientes
-22654.2929 B0
0.636865947 B1
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.972336414464608
Coeficiente de determinación R^2 0.945438102893891
R^2 ajustado 0.934525723472669
Error típico 1.96940890334421
Observaciones 7
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 336.035714285714
Residuos 5 19.3928571428571
Total 6 355.428571428571
X 10 20 30 40 50 60
Y 35 28 23 20 18 15
n X Y XY X^2 Y^2
1 10 35 350 100 1225
2 20 28 560 400 784
3 30 23 690 900 529
4 40 20 800 1600 400
5 50 18 900 2500 324
6 60 15 900 3600 225
7 70 13 910 4900 169
suma 280 152 5110 14000 3656
promedio 40 21.71
X^2 = 1600
Chart Title
B1 = -0.3464 40
B0 = 35.5714 35
15
10
raiz 997.5971
r= -0.9723 5
r^2= 0.9454 0
0 10 20 30 40 50 60
Desde el correspondiente ajuste propuesto, se pide que determine:
a) ¿Qué tiempo se predeciría para la fabricación del artículo cuando se lleven 100
días?
b) ¿Qué tiempo transcurriría hasta que el tiempo de fabricación que se prediga sea
de 10 minutos?
c) ¿Qué porcentaje de tiempo se reduce por cada día que pasa?
70
13
571428571 x + 35.5714285714286
893891
30 40 50 60 70 80
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.801480777391054
Coeficiente de determinación R^2 0.642371436527368
R^2 ajustado 0.570845723832841
Error típico 5.74135311518289
Observaciones 7
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 296.041464891041
Residuos 5 164.815677966102
Total 6 460.857142857143
n X Y XY X^2 Y^2
1 21 0 0 441 0
2 22 19 418 484 361
3 25 20 500 625 400
4 26 22 572 676 484
5 27 23 621 729 529
6 29 24 696 841 576
7 30 26 780 900 676
suma 180 134 3587 4696 3026
promedio 25.7142857 19.14
X^2 = 661.22449
Chart Title
B1 = 2.0953 30
B0 = -34.7373 f(x) = 2.09533898305085 x − 34.7372881355932
25 R² = 0.642371436527368
Y= -30.55 X2
20
Y= -15.88 X9
Y= -24.26 X5 15
10
raiz 176.2809
5
r= 0.8015
r^2= 0.6424 0
20 22 24 26 28
En el informe final de su análisis, deberá responder a las siguientes preguntas:
a) ¿Se incrementarán las ventas del período siguiente al aumentar los gastos en
publicidad del período actual?
b) ¿Es adecuado suponer que el ajuste entre estas variables es efectivamente lineal
teniendo en cuenta los valores de las variables? Ajuste el modelo lineal e interprete
los coeficientes de este. ¿Qué porcentaje de la varianza de las ventas no son
explicadas por las variaciones de los gastos en publicidad?
c) ¿Cuál será la predicción de las ventas para 2021? ¿Qué precisión tendrá ese
pronóstico?
d) Si para el año 2021 se piensa incrementar los gastos de publicidad en un 10%,
¿qué incremento relativo cabría esperar para las ventas de 2020 con respecto a las
de 2021, según el modelo ajustado?
24 26 28 30 32