VENTAS RESTAURANTE

Restaurante Población estudiantil (en miles) Ventas (miles de $)

1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202
 Ventas (miles de $)
250

200
VENTAS EN MILES DE $

150

100

50

0
0 5 10 15 20 25
POBLACIÓN ESTUDIANTIL (MILES)

RECTA DE REGRE

SUMMARY OUTPUT

Regression Statistics
Multiple R
R Square
Adjusted R Square
Standard Error
Observations

ANOVA

Regression
Residual
Total

Intercept
Población estudiantil (en miles)

LA ECUACION DE LA RECTA ESTIMADA ES

RESIDUAL OUTPUT

Observation
1
2
3
4
5
6
7
8
9
10

Nota:
Se rechaza H0 si el PVALUE es menor a la significancia (alfa).
Y no se rechaza H0 si PVALUE es mayor o igual a la significancia (0,05)

NUNCA SE ACEPTA UNA HIPÓTESIS

SIEMPRE ANHELO RECHAZAR LA HIPOTESIS NULA (H0)
miles de $)
EL DIAGRAMA DE DISPERSIÓN MUESTRA UN FUERTE
COMPORTAMIENTO LINEAL CRECIENTE. LAS VENTAS
OSCILAN ENTRE 58 Y 202 MIL DOLARES Y LOS
RESTAURANTES ESTAN UBICADOS EN ZONAS QUE
TIENEN ENTRE 2MIL Y 26MIL ESTUDIANTES.

COEFICIENTE DE CORRELACIÓN LINEAK

15 20 25 30 Como |R| = 0,9501 es mayor o igual a 0,8, entonces las venta

ESTUDIANTIL (MILES) trimestrales (y) tienen una fuerta asociación lineal con el tama
de la población estudiantil (x). Además, como R es positivo, es
relación es creciente (directa o positiva).

RECTA DE REGRESIÓN

0.950122955204408

0.902733630006357 La poblacion estudiantil explica el 90.27% de las ventas mediante el modelo. Es decir, menos
0.890575333757152
13.8293166859393
10

df SS MS F
1 14200 14200 74.24836601
8 1530 191.25
9 15730

Coefficients Standard Error t Stat P-value

60 9.22603481 6.503335532 0.000187444
5 0.580265238 8.616749156 2.54887E-05

A RECTA ESTIMADA ES Y GORRO = 60 + 5X Ó 𝒀= 60 + 5 + E

 Y GORRO = 60 + 5X Ó 𝒀= 60 + 5 + E

Predicted Ventas (miles de $) Residuals

70 -12
90 15
100 -12
100 18
120 -3
140 -3
160 -3
160 9
170 -21
190 12

es menor a la significancia (alfa).

UE es mayor o igual a la significancia (0,05)

AR LA HIPOTESIS NULA (H0)

 Población estudiantil (en miles)

Ventas (miles de $)
DIAGRAMA DE DISPERSIÓN MUESTRA UN FUERTE 250
OMPORTAMIENTO LINEAL CRECIENTE. LAS VENTAS 200
SCILAN ENTRE 58 Y 202 MIL DOLARES Y LOS 150
STAURANTES ESTAN UBICADOS EN ZONAS QUE 100
50
ENEN ENTRE 2MIL Y 26MIL ESTUDIANTES. 0
0 5 10 15
Población estudiantil (en

OEFICIENTE DE CORRELACIÓN LINEAK Ventas (miles de $) Predicted Venta

0.950122955204408

Los puntos azules son los originales y los naranja son los
hay un error, que es medido por los residuales, indica si
Como |R| = 0,9501 es mayor o igual a 0,8, entonces las ventas sobrestimo el dato real. El que hace el papel de RM
rimestrales (y) tienen una fuerta asociación lineal con el tamaño
de la población estudiantil (x). Además, como R es positivo, esta
relación es creciente (directa o positiva).

a el 90.27% de las ventas mediante el modelo. Es decir, menos del 10% queda al azar

P - VALUE
Significance F En este caso P-Value= 0,000025449, que claramente es menor a 0,05. Se rechaza H0
y se concluye que la recta explica las ventas mas que el azar; El ajuste si es
0.0000254887 adecuado.

Lower 95% Upper 95% Lower 95,0% Upper 95,0%

38.7247255772864 81.27527442 38.72472558 81.27527442
3.66190596156203 6.338094038 3.661905962 6.338094038

𝒀= 60 + 5 + E
𝒀= 60 + 5 + E

INTERPRETACIÓN

CONSTRUCCION DE INTERVALO DE PRONOSTICOS

Para X=7,3, el pronostico de ventas es de 96500 dolares. Usando el error tipico (s) construimos
el intervalo del pronostico. (Pronostico + 2 * S)=
(96,5 - 2 * 13,83; 96,5 + 2 *13,83 =(68,84; 124,16)

INTERPRETACIÓN

Entonces; la cadena debe estar preparada para que el nuevo

restaurante tenga ventras trimestrales entre 68,840 dolares y
124,160 dolares con una probabilidad del 95%.
n estudiantil (en miles) Line Fit Plot

10 15 20 25 30
Población estudiantil (en miles)

s (miles de $) Predicted Ventas (miles de $)

ginales y los naranja son los pronosticos. Notese que

por los residuales, indica si el pronostico subestimo o
El que hace el papel de RMSE es el error tipico.

nor a 0,05. Se rechaza H0

el azar; El ajuste si es
 VENTAS RESTAURANTE

Restaurante Población estudiantil (en miles) Ventas (miles de $)

1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202
 Ventas (miles de $)
250

200
VENTAS EN MILES DE $

150

100

50

0
0 5 10 15 20 25
POBLACIÓN ESTUDIANTIL (MILES)

RECTA DE REGRE

SUMMARY OUTPUT

Regression Statistics
Multiple R
R Square
Adjusted R Square
Standard Error
Observations

ANOVA

Regression
Residual
Total

Intercept
Población estudiantil (en miles)

LA ECUACION DE LA RECTA ESTIMADA ES

RESIDUAL OUTPUT

Observation
1
2
3
4
5
6
7
8
9
10

Nota:
Se rechaza H0 si el PVALUE es menor a la significancia (alfa).
Y no se rechaza H0 si PVALUE es mayor o igual a la significancia (0,05)

NUNCA SE ACEPTA UNA HIPÓTESIS

SIEMPRE ANHELO RECHAZAR LA HIPOTESIS NULA (H0)
miles de $)
EL DIAGRAMA DE DISPERSIÓN MUESTRA UN FUERTE
COMPORTAMIENTO LINEAL CRECIENTE. LAS VENTAS
OSCILAN ENTRE 58 Y 202 MIL DOLARES Y LOS
RESTAURANTES ESTAN UBICADOS EN ZONAS QUE
TIENEN ENTRE 2MIL Y 26MIL ESTUDIANTES.

COEFICIENTE DE CORRELACIÓN LINEAK

15 20 25 30 Como |R| = 0,9501 es mayor o igual a 0,8, entonces las venta

ESTUDIANTIL (MILES) trimestrales (y) tienen una fuerta asociación lineal con el tama
de la población estudiantil (x). Además, como R es positivo, es
relación es creciente (directa o positiva).

RECTA DE REGRESIÓN

egression Statistics
0.950122955204408
0.902733630006357 La poblacion estudiantil explica el 90.27% de las ventas mediante el modelo. Es decir, menos
0.890575333757152
13.8293166859393
10

df SS MS F
1 14200 14200 74.24836601
8 1530 191.25
9 15730

Coefficients Standard Error t Stat P-value

60 9.22603481 6.503335532 0.000187444
5 0.580265238 8.616749156 2.54887E-05

A RECTA ESTIMADA ES Y GORRO = 60 + 5X Ó 𝒀= 60 + 5 + E

 Y GORRO = 60 + 5X Ó 𝒀= 60 + 5 + E

Predicted Ventas (miles de $) Residuals

70 -12
90 15
100 -12
100 18
120 -3
140 -3
160 -3
160 9
170 -21
190 12

es menor a la significancia (alfa).

UE es mayor o igual a la significancia (0,05)

AR LA HIPOTESIS NULA (H0)

 Población estudiantil (en miles)

Ventas (miles de $)
DIAGRAMA DE DISPERSIÓN MUESTRA UN FUERTE 250
OMPORTAMIENTO LINEAL CRECIENTE. LAS VENTAS 200
SCILAN ENTRE 58 Y 202 MIL DOLARES Y LOS 150
STAURANTES ESTAN UBICADOS EN ZONAS QUE 100
50
ENEN ENTRE 2MIL Y 26MIL ESTUDIANTES. 0
0 5 10 15
Población estudiantil (en

OEFICIENTE DE CORRELACIÓN LINEAK Ventas (miles de $) Predicted Venta

0.950122955204408

Los puntos azules son los originales y los naranja son los
hay un error, que es medido por los residuales, indica si
Como |R| = 0,9501 es mayor o igual a 0,8, entonces las ventas sobrestimo el dato real. El que hace el papel de RM
rimestrales (y) tienen una fuerta asociación lineal con el tamaño
de la población estudiantil (x). Además, como R es positivo, esta
relación es creciente (directa o positiva).

a el 90.27% de las ventas mediante el modelo. Es decir, menos del 10% queda al azar

P - VALUE
Significance F En este caso P-Value= 0,000025449, que claramente es menor a 0,05. Se rechaza H0
y se concluye que la recta explica las ventas mas que el azar; El ajuste si es
2.54886628529355E-05 adecuado.

PARA BETA 0 P - VALUE ES 0,0001874 QUE

RECHAZA H0. PARA BETA 1 TENEMOS P VA
Lower 95% Upper 95% Lower 95,0% Upper 95,0% MENOR A 0,05. ASI, CON UNA SIGNIFICANC
38.7247255772864 81.27527442 38.72472558 81.27527442 MIDE SI HAY ASOCIACIÓN Y SOMO ES
3.66190596156203 6.338094038 3.661905962 6.338094038 ASOCIACION LINEAL ENTRE LAS VENT

𝒀= 60 + 5 + E
 ASOCIACION LINEAL ENTRE LAS VENT

𝒀= 60 + 5 + E

INTERPRETACIÓN

CONSTRUCCION DE INTERVALO DE PRONOSTICOS

Para X=7,3, el pronostico de ventas es de 96500 dolares. Usando el error tipico (s) construimos
el intervalo del pronostico. (Pronostico + 2 * S)=
(96,5 - 2 * 13,83; 96,5 + 2 *13,83 =(68,84; 124,16)

INTERPRETACIÓN

Entonces; la cadena debe estar preparada para que el nuevo

restaurante tenga ventras trimestrales entre 68,840 dolares y
124,160 dolares con una probabilidad del 95%.
n estudiantil (en miles) Line Fit Plot

10 15 20 25 30
Población estudiantil (en miles)

s (miles de $) Predicted Ventas (miles de $)

ginales y los naranja son los pronosticos. Notese que

por los residuales, indica si el pronostico subestimo o
El que hace el papel de RMSE es el error tipico.

nor a 0,05. Se rechaza H0

el azar; El ajuste si es

- VALUE ES 0,0001874 QUE ES MENOR A 0,05, ESO IMPLICA QUE SE

ARA BETA 1 TENEMOS P VALUE = 0,00002549 QUE CLARAMENTE ES
ASI, CON UNA SIGNIFICANCIA DEL 5% SE RECHAZA H0. B1 ES LA QUE
AY ASOCIACIÓN Y SOMO ES MENOR A 0,05 ENTONCES SI HAY
ON LINEAL ENTRE LAS VENTAS Y LA POBLACION ESTUDIANTIL
ON LINEAL ENTRE LAS VENTAS Y LA POBLACION ESTUDIANTIL
Tasa_Nacim Tasa_Muerte Tasa_Mortinf Esp_hom Esp_muj PIB Grupo_pais
24.7 5.7 30.8 69.6 75.5 600 1
12.5 11.9 14.4 68.3 74.7 2250 1
13.4 11.7 11.3 71.8 77.7 2980 1
12 12.4 7.6 69.8 75.9 1
11.6 13.4 14.8 65.4 73.8 2780 1
14.3 10.2 16 67.2 75.7 1690 1
13.6 10.7 26.9 66.5 72.4 1640 1
14 9 20.2 68.6 74.5 1
17.7 10 23 64.6 74 2242 1
15.2 9.5 13.1 66.4 75.9 1880 1
13.4 11.6 13 66.4 74.8 1320 1
20.7 8.4 25.7 65.5 72.7 2370 2
46.6 18 111 51 55.4 630 2
28.6 7.9 63 62.3 67.6 2680 2
23.4 5.8 17.1 68.1 75.1 1940 2
27.4 6.1 40 63.4 69.2 1260 2
32.9 7.4 63 63.4 67.6 980 2
28.3 7.3 56 60.4 66.1 330 2
34.8 6.6 42 64.4 68.5 1110 2
32.9 8.3 109.9 56.8 66.5 1160 2
18 9.6 21.9 68.4 74.9 2560 2
27.5 4.4 23.3 66.7 72.8 2560 2
29 23.2 43 62.1 66 2490 2
12 10.6 7.9 70 76.8 15540 3
13.2 10.1 5.8 70.7 78.7 26040 3
12.4 11.9 7.5 71.8 77.7 22080 3
13.6 9.4 7.4 72.3 80.5 19490 3
11.4 11.2 7.4 71.8 78.4 22320 3
10.1 9.2 11 65.4 74 5990 3
15.1 9.1 7.5 71 76.7 9550 3
9.7 9.1 8.8 72 78.6 16830 3
13.2 8.6 7.1 73.3 79.9 17320 3
14.3 10.7 7.8 67.2 75.7 23120 3
11.9 9.5 13.1 66.5 72.4 7600 3
10.7 8.2 8.1 72.5 78.6 11020 3
14.5 11.1 5.6 74.2 80 23660 3
12.5 9.5 7.1 73.9 80 34064 3
13.6 11.5 8.4 72.2 77.9 16100 3
14.9 7.4 8 73.3 79.6 17000 3
9.9 6.7 4.5 75.9 81.8 25430 3
14.5 7.3 7.2 73 79.8 20470 3
16.7 8.1 9.1 71.5 78.3 21790 3
40.4 18.7 181.6 41 42 168 5
28.4 3.8 16 66.8 69.4 6340 4
42.5 11.5 108.1 55.8 55 2490 4
42.6 7.8 69 63 64.8 3020 4
22.3 6.3 9.7 73.9 77.4 10920 4
38.9 6.4 44 64.2 67.8 1240 4
26.8 2.2 15.6 71.2 75.4 16150 4
31.7 8.7 48 63.1 67 4
45.6 7.8 40 62.2 65.8 5220 4
42.1 7.6 71 61.7 65.2 7050 4
29.2 8.4 76 62.5 65.8 1630 4
22.8 3.8 26 68.6 72.9 19860 4
42.2 15.5 119 56.9 56 210 5
41.4 16.6 130 47 49.9 5
21.2 6.7 32 68 70.9 380 5
11.7 4.9 6.1 74.3 80.1 14210 5
30.5 10.2 91 52.5 52.1 350 5
28.6 9.4 75 58.5 62 570 5
23.5 18.1 25 66.2 72.7 5
31.6 5.6 24 67.5 71.6 2320 5
36.1 8.8 68 60 62.5 110 5
39.6 14.8 128 50.9 48.1 170 5
30.3 8.1 107.7 59 59.2 380 5
33.2 7.7 45 62.5 66.1 730 5
17.8 5.2 7.5 68.7 74 11160 5
21.3 6.2 19.4 67.8 71.7 470 5
22.3 7.7 28 63.8 68.9 1420 5
31.8 9.5 64 63.7 67.9 5
35.5 8.3 74 61.6 63.3 2060 6
47.2 20.2 137 42.9 46.1 610 6
48.5 11.6 67 52.3 59.7 2040 6
46.1 14.6 73 50.1 55.3 1010 6
38.8 9.5 49.4 57.8 60.3 600 6
48.6 20.7 137 42.4 45.6 120 6
39.4 16.8 103 49.9 53.2 390 6
47.4 21.4 143 41.4 44.6 260 6
44.4 13.1 90 52.2 55.8 390 6
47 11.3 72 56.5 60.5 370 6
44 9.4 82 59.1 62.56 5310 6
48.3 25 130 38.1 41.2 200 6
35.5 9.8 82 59.1 62.5 960 6
45 18.5 141 44.9 48.1 80 6
44 12.1 135 55 57.5 1030 6
48.5 15.6 105 48.8 52.2 360 6
48.2 23.4 154 39.4 42.6 240 6
50.1 20.2 132 43.4 46.6 120 6
32.1 9.9 72 57.5 63.5 2530 6
44.6 15.8 108 48.6 51 480 6
46.8 12.5 118 42.9 49.5 810 6
31.1 7.3 52 64.9 66.4 1440 6
52.2 15.6 103 49.9 52.7 220 6
50.5 14 106 51.3 54.7 110 6
45.6 14.2 83 50.3 53.7 220 6
51.1 13.7 80 50.4 52.5 420 6
41.7 10.3 66 56.5 60.1 640 6
País
Albania
Bulgaria
Czechoslovakia
Former_E._Germany
Hungary
Poland
Romania
Yugoslavia
USSR
Byelorussian_SSR
Ukrainian_SSR
Argentina
Bolivia
Brazil
Chile
Columbia
Ecuador
Guyana
Paraguay
Peru
Uruguay
Venezuela
Mexico
Belgium
Finland
Denmark
France
Germany
Greece
Ireland
Italy
Netherlands
Norway
Portugal
Spain
Sweden
Switzerland
U.K.
Austria
Japan
Canada
U.S.A.
Afghanistan
Bahrain
Iran
Iraq
Israel
Jordan
Kuwait
Lebanon
Oman
Saudi_Arabia
Turkey
United_Arab_Emira
Bangladesh
Cambodia
China
Hong_Kong
India
Indonesia
Korea
Malaysia
Mongolia
Nepal
Pakistan
Philippines
Singapore
Sri_Lanka
Thailand
Vietnam
Algeria
Angola
Botswana
Congo
Egypt
Ethiopia
Gabon
Gambia
Ghana
Kenya
Libya
Malawi
Morocco
Mozambique
Namibia
Nigeria
Sierra_Leone
Somalia
South_Africa
Sudan
Swaziland
Tunisia
Uganda
Tanzania
Zaire
Zambia
Zimbabwe