1.

La Encuesta de satisfacción de clientes de una Cadena de Restaurantes se basa en el precio de los alimentos, la cantidad
Un reportero cree que sería de interés para sus lectores realizar un estudio similar en otros restaurantes ubicados en otras
mariscos (Seafood) ocho italianos (Italian) y ocho de carnes (Steakhouse). Los datos a continuación muestran los precios d
nivel de significancia, realice una prueba para probar si hay una diferencia significativa entre el precio medio de la comida
ANOVA. 25pts.

Italian Seafood Steakhouse RESUMEN

12 16 24 Grupos Cuenta
13 18 19 Columna 1 8
15 17 23 Columna 2 8
17 26 25 Columna 3 8
18 23 21
20 15 22 ANÁLISIS DE VARIANZA
17 19 27 Origen de las variaciones Suma de cuadrados
24 18 31 Entre grupos 208
Dentro de los grupos 298
Total 506

Planteamos la prueba de hipótesis.

Ho: μ1 = μ2 = μ3
Hi: μ1 ≠ μ2 ≠ μ3
Regla de decisión

Si F calculado es mayor que F critico rechazamos la hipótesis nula, en caso Como el valor calculado 7.33 es mayor que el
contrario se acepta. diferencia significativa entre e
precio de los alimentos, la cantidad promedio que paga una persona por la comida y la bebida, menos la propina.
otros restaurantes ubicados en otras zonas del país. El reportero seleccionó una muestra de ocho restaurantes de
continuación muestran los precios de la comida en dólares de los 24 negocios muestreados. Con α = 0.05 como
a entre el precio medio de la comida en los tres tipos de restaurantes. Confeccione una tabla en Excel y realice el

Suma Promedio Varianza

136 17 14.86
152 19 13.71
192 24 14

Grados de libertad Promedio de los cuadrados F Probabilidad Valor crítico para F

2 104 7.33 0.0039 3.47
21 14.19
23

Nivel de significancia

Un valor de 0.05.

Conclusión

alor calculado 7.33 es mayor que el valor crítico 3.47, entonces se debe rechazar Ho. Se puede decir que si existe
diferencia significativa entre el precio medio de la comida en los tres tipos de restaurantes.
 2. Salsberry Realty vende casas en la costa este de Estados Unidos. Una de las preguntas más frecuentes de los comprad
investigación respecto de los costos de calefacción de casas unifamiliares y se tomó una de las variables que se relaciona
reciente y los resultados son

a) Levantar la tabla en E

Temperatur
Casa a externa Costo de
media (°F) calefacción ($)
1 35 250 Estadísticas de la regresión
2 29 360 Coeficiente de correlación múltiple
3 36 165 Coeficiente de determinación R^2
4 60 43 R^2 ajustado
5 65 92 Error típico
6 30 200 Observaciones
7 10 355
8 7 290 ANÁLISIS DE VARIANZA
9 21 230
10 55 120 Regresión
11 54 73 Residuos
12 48 205 Total
13 20 400
14 39 320
15 60 72 Intercepción
16 20 272 Variable X 1
17 58 94
18 40 190
19 27 235
20 30 139

b) Identifique y explique la variable independiente y

La variable dependiente es el costo de calefacción y

c) Realice y explique el Diagrama de dispersi

Temperatura externa media Vs Cost

de celefacción
450
400
Costo de Calefacción

350
300 f(x) = − 4.93419224892346 x + 388.801951659953
R² = 0.658546590083909 Colum
250 Linea
200
150
100
50
 450
400

Costo de Calefacción
350
300 f(x) = − 4.93419224892346 x + 388.801951659953
R² = 0.658546590083909 Colum
250 Linea
200
150
100
50
0
0 10 20 30 40 50 60 70
Temperatura externa media

d) Explique el Coeficiente de Correlac

El coeficiente de correlación determinado posee un valor de 0.8115, por lo que podemos decir que existe una asociación a
“1” que es el valor de relación más elevado que existe entre las variables en una correlación positiva. El coeficiente de dete
la variación no explicada por este modelo. La recta del modelo em
e) Identifique y explique cada uno de los elementos de la ecuación de regresión (En Exc

La recta de regresión es Y=-4.9342X+388.80, El parámetro “b” representa la pendiente de la recta cuyo valor es "-4.934
representa la pendiente de la recta de regresión lineal que es negativa, esto es debido porqu

f) Calcule las predicciones según el modelo de regresión y aplicado a este ca

El modelo de regresión lineal nos permite en los negocios poder realizar estimaciones a través de unos datos previo
comportamiento que se va llevando. En la práctica podemos ver cua

X
35
29
36
60
65
30
10
7
21
55
54
48
20
39
60
20
58
40
27
30
preguntas más frecuentes de los compradores potenciales es: si compramos esta casa, ¿cuánto gastaremos en calefacción durante el in
omó una de las variables que se relacionan con los costos de calefacción: la temperatura externa diaria media. Se seleccionó una muest
reciente y los resultados son los siguientes: Total 75 puntos

a) Levantar la tabla en Excel y hacer la regresión. 20pts

s de la regresión
0.8115
0.6585
0.6396
63.5526
20

Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

1 140214.94 140214.94 34.72 0.000014
18 72700.81 4038.93
19 212915.75

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

388.8020 34.24 11.35 0.00 316.86
-4.9342 0.84 -5.89 0.00 -6.69

que y explique la variable independiente y dependiente, según el Modelo de Regresión Simple. 5pts

e dependiente es el costo de calefacción y la variable independiente la temperatura externa media.

Realice y explique el Diagrama de dispersión (línea de tendencia y ecuación de la recta).10pts

ura externa media Vs Costo

de celefacción

3419224892346 x + 388.801951659953
546590083909 Column C
Linear (Column C)
3419224892346 x + 388.801951659953
546590083909 Column C
Linear (Column C)

30 40 50 60 70
tura externa media

d) Explique el Coeficiente de Correlación y el Coeficiente de Determinación. 10pts

odemos decir que existe una asociación alta entre las variables temperatura externa media y el costo de calefacción, esto es debido por
orrelación positiva. El coeficiente de determinación implica que el 65.85% de la variación de los datos está explicada por este modelo lin
por este modelo. La recta del modelo empleado explica esta variación y se ajusta muy bien a los datos obtenidos.
entos de la ecuación de regresión (En Excel) e incluya la interpretación de los intervalos de confianza para el análisis de regresión 10pts

pendiente de la recta cuyo valor es "-4.9342", y el parámetro “a” representa el valor de corte de la recta con el eje vertical dado por 388
neal que es negativa, esto es debido porque cuando las ventas aumenten entonces los gastos de publicidad disminuiran en el valor "4.93

modelo de regresión y aplicado a este caso de estudio, explique cómo el Modelo puede ser utilizado en los negocios. 20pts

timaciones a través de unos datos previos de los cuales genaramos una recta que se ajusta a los valores mediante la cuál podemos reali
a llevando. En la práctica podemos ver cuales serán las ventas futuras, los gastos, los ingresos, entre otras variables.

Prediciones
216.10
245.71
211.17
92.75
68.08
240.77
339.46
354.26
285.18
117.42
122.35
151.96
290.12
196.37
92.75
290.12
102.62
191.43
255.58
240.77
calefacción durante el invierno? Se realizó un estudio de
Se seleccionó una muestra aleatoria de 20 casas de venta

Superior 95% Inferior 95,0% Superior 95,0%

460.74 316.86 460.74
-3.17 -6.69 -3.17
cción, esto es debido porque dicho valor se acerca mucho a
icada por este modelo lineal y que solo el 34.14% representa
os.
álisis de regresión 10pts

eje vertical dado por 388.8. Como el parámetro “b” que

minuiran en el valor "4.9342"

gocios. 20pts

nte la cuál podemos realizar proyecciones futuras del

bles.