Actividad de Aprendizaje

Una empresa vende tabletas electrónicas y los resultados de venta han superado la
expectativa, debido a que las ventas han aumentado. Se desea conocer la relación que
se tienen entre los gastos de promoción del producto y los costos de producción de la
empresa para fabricar dicho producto. La siguiente tabla muestra los resultados
obtenidos de estas tres variables durante el último año.

Variables/Mes 1 2 3 4 5 6 7 8 9 10 11 12

Unidades Vendidas
32 23 15 18 30 45 47 30 50 45 55 60
(tabletas)

Gastos de Promoción
15 17 18 22 20 26 22 35 30 35 33 38
(Miles de pesos)

Costos de producción
26 27 29 26 27 25 25 23 23 21 20 19
(Miles de pesos)
 Resolverás los ejercicios de intervalos de confianza en regresión múltiple, a partir de la
información contenida en la tabla, considerando los siguientes puntos:

1. La ecuación de regresión múltiple

Y x1 x2 x1^2 x2^2 x1*y x2*y x1*x2*x3
32 15 26 225 676 480 832 390
23 17 27 289 729 391 621 459
15 18 29 324 841 270 435 522
18 22 26 484 676 396 468 572
30 20 27 400 729 600 810 540
45 26 25 676 625 1170 1125 650
47 22 25 484 625 1034 1175 550
30 35 23 1225 529 1050 690 805
50 30 23 900 529 1500 1150 690
45 35 21 1225 441 1575 945 735
55 33 20 1089 400 1815 1100 660
60 38 19 1444 361 2280 1140 722
suma 450 311 291 8765 7161 12561 10491 7295
media 37.5 25.9166667 24.25
sumas de regresión 704.916667 104.25 898.5 -415.5 -246.75
 2. Gráfico o gráficos de la ecuación de regresión múltiple

UNIDADES VENDIDAS POR MES

70
60
60 55
50
50 45 47 45

40 32 30 30 UNIDADES VENDIDAS
30 23 Lineal (UNIDADES VENDIDAS)
18
20 15

10

0
0 2 4 6 8 10 12 14

GASTOS DE PROMOCIÓN
38
40 35 35
33
35 30
30 26
25 22 22
20 GASTOS DE PROMOCION
20 17 18
15
15 Lineal (GASTOS DE
PROMOCION)
10
5
0
0 2 4 6 8 10 12 14

COSTOS DE PRODUCCIÓN
35
29
30 26 27 26 27 25 25
25 23 23
21 20
19
20 COSTOS DE PRODUCCIÓN

15 Lineal (COSTOS DE
PRODUCCIÓN)
10

0
0 2 4 6 8 10 12 14
3. La Correlación de la variable dependiente con cada variable independiente

4. El coeficiente de correlación múltiple

El coeficiente de correlación simple está basado en la suposición de la aproximación a la
distribución normal bivariante. Si se tiene más de dos variables, el modelo básico para la
correlación múltiple sería una ampliación de esta distribución, denominada distribución normal
multivariante.
e) A manera de conclusión, responde las siguientes preguntas:
¿Qué significa “Modelo de regresión múltiple” y cómo se representa matemáticamente?
• La regresión lineal múltiple le permite crear un modelo lineal en el que el valor de
la variable dependiente o respuesta (Y) Se determina a partir de una serie de
variables independientes llamadas predictores (X1, X2, X3...). Es una extensión
de regresión lineal simple, por lo que es importante comprender esta última.
Múltiples modelos de regresión pueden. Se puede utilizar para predecir el valor
de la variable dependiente o para evaluar la influencia que los predictores tienen
sobre ella. (estos últimos deben analizarse con cautela para no malinterpretar
causa-efecto). La regresión múltiple también puede ayudarnos a comprender la
relación funcional entre la variable dependiente y la variable dependiente.
variables independientes y examinar cuáles pueden ser las causas de la variación
en Y.

• Y= (β0+β1X1+ β2X2…….)
¿Cuál es la metodología que se utilizó para determinar la ecuación de regresión múltiple
para este ejercicio?
1. Para empezar, debemos completar la tabla sacándole sus cuadrados (x1 x2)
y multiplicarlos entre si hasta llegar a sus sumatorias
2. Debemos sacar sus sumas medias y sumas de regresión utilizando sus
fórmulas de cada una.
3. Empezamos a graficar la ecuación múltiple utilizando los datos y, x1, x2
4. Teniendo la tabla llena empezaremos a resolver la ecuación de regresión
múltiple Y: β0+β1X1+ β2X2
5. Al tener calculado β0, β1y β2 procedemos a desarrollar la ecuación y
buscamos el valor de rX1 y rX2 con el que se desarrolla el coeficiente de
relación múltiple.

¿Cómo determinaste el intervalo de confianza?

• Se determina calculando una estimación puntual y luego determinando su
incertidumbre. Esta estimación de costes individual parámetro de población
utilizando datos de muestra. Un intervalo de confianza es un rango de valores
obtenidos de estadísticas de muestra, que posiblemente incluyan el valor de un
parámetro poblacional desconocido. Por su culpa de naturaleza aleatoria, es poco
probable que dos muestras de una población dada produzcan intervalos la misma
confianza.
¿Cómo planteaste la prueba de hipótesis?
• En la inferencia estadística existen dos enfoques complementarios: prueba de
hipótesis y estimación. La prueba de hipótesis evalúa la probabilidad asociada
con la hipótesis nula (H0) de que no hay efecto o diferencia. El valor p obtenido
refleja la probabilidad de rechazar H0 si es verdadera; no prueba eso en
absoluto Hipótesis alternativa, si hay influencia o diferencia entonces es
correcta. El error tipo I (α) es un falso negativo: rechazar H0 cuando sea
verdadera. El error tipo II (β) es un falso negativo, acepte H0 si es falso. El poder
de un experimento o prueba ilustra probabilidad de detectar una diferencia real
de cierta magnitud.

o Prueba de Hipótesis (5to mes)

▪ X1: Gastos de promoción (20)
▪ X2: Gastos de producción (27)

• Ý= β0+β1X1+ β2X2
• Ý= 192.699-0.702(20)-5.699(27)
• Ý= 192.699-14.04-161.082
• Ý= 17.577
¿Qué relación tienen los coeficientes de correlación múltiple y la prueba de hipótesis?
• El análisis de correlación es el conjunto de técnicas estadísticas empleado para
medir la intensidad de la asociación entre dos variables. El principal objetivo del
análisis de correlación consiste en determinar qué tan intensa es la relación
entre dos variables, estas pueden ser.
o Variable Dependiente. - es la variable que se predice o calcula. Cuya
representación es "Y"
o Variable Independiente. - es la o las variables que proporcionan las bases
para el cálculo. Cuya representación es: “X”. Esta o estas variables
suelen ocurrir antes en el tiempo que la variable dependiente.
Los gráficos de dispersión a continuación nos recuerdan que un coeficiente de
correlación nulo o cerca de cero no necesariamente implica que no haya relación entre
las variables, solamente significa que no hay una relación lineal.
https://www.jmp.com/es_co/statistics-knowledge-portal/what-is-correlation/correlation-
coefficient.html