Universidad Autónoma de Nuevo León

Facultad de Ciencias de la Comunicació

Proyección y análisis de mer

Evidencia 4.3- Excel “Regresión y c

Dannia Samantha García Vazquez

Matrícula: 1998451
Grupo: N90
Profesor: Leonel Cabello Hernández
ma de Nuevo León
de la Comunicación

sis de mercados
=

gresión y correlación”

García Vazquez
998451
N90
bello Hernández
I. Evaluación de la capacidad predictora de una ecuación de regresión

Bradford Electric Illuminating Company

Problema 27.- Con los datos del Problema 15 (página 397). Determine en Excel el error estándar de es
determinación.

Datos del Problema 15. La Bradford Electric Illuminating Company estudia la relación entre kilowatts-h
familiar. Una muestra aleatoria de 10 casas reveló lo siguiente:

Número de
Kilowatts-hora
habitaciones X - X̅ Y -Y̅
(miles) (Y)
(X)
12 9 2.9 1.6
9 7 -0.1 -0.4
14 10 4.9 2.6
6 5 -3.1 -2.4
10 8 0.9 0.6
8 6 -1.1 -1.4
10 8 0.9 0.6
10 10 0.9 2.6
5 4 -4.1 -3.4
7 7 -2.1 -0.4
Total = 91 74

n= 10
Media =
Desviación 9.1 7.4
estandar = 2.72641400622 2.0110804172
a= 1.33
b= 0.667

Error estándar de estimación

S y*x = ?
∑(Y - Y prima) 2 = 6.667 S y*x = √ ∑(Y - Y prima) 2
n= 10 √n-2

El error estándar de estimación es igual a 0.913

 Coeficiente de determinación

*Coeficiente de Correlación

r= ?
∑(X - X̅) (Y - Y̅) = 44.6 r= ∑(X - X̅) (Y - Y̅)
n= 10 (n - 1) sx xy
sx = 2.726
sy = 2.011

El coeficiente de correlación es igual a 0.904

*Coeficiente de determinación

r= 0.904 r2= (r)2

El coeficiente de determinación es igual a 0.82.

El 82% de la variación en las horas-kilowatts puede explicarse por la variación en el número de habitac
n

en Excel el error estándar de estimación y el coeficiente de determinación. Interprete el coeficiente de

udia la relación entre kilowatts-hora (miles) consumidos y el número de habitaciones de una residencia privada

(X - X̅) (Y - Y̅) 1.33 + 0.667X Y prima Y - Y prima Y - Y prima 2

4.64 9.334 9.334 -0.334 0.111556

0.04 7.333 7.333 -0.333 0.110889
12.74 10.668 10.668 -0.668 0.446224
7.44 5.332 5.332 -0.332 0.110224
0.54 8 8 0 0
1.54 6.666 6.666 -0.666 0.443556
0.54 8 8 0 0
2.34 8 8 2 4
13.94 4.665 4.665 -0.665 0.442225
0.84 5.999 5.999 1.001 1.002001
44.6 6.666675

- Y prima) 2 = √6.667 = √ 6.667 =

√ 10 - 2 √8
 = 44.6 = 44.6 =
(10 - 1) (2.726) (2.011) 49.337874

= (0.904)2 = 0.817216

ariación en el número de habitaciones.

eficiente de

a residencia privada

0.91289375066
0.90397085209
 II. Significancia de la pendiente

Revisa la información de este tema en el cap. 13 páginas 399 a 401 del libro base 17ª. Edición, dentro d
hipótesis.

Bloomberg Business Week

Problema 23.- Remítase al ejercicio anterior (Problema 17 página 398, capítulo 13, ed. 17 libro base). L
Aplique el nivel de significancia 0.05. ¿Podemos concluir que la pendiente de la recta de regresión es d

H0: β = 0
H1: β ≠ 0

Donde: β es la pendiente de la población.

1. Hipótesis nula y alternativa

H0: β = 0
H1: β ≠ 0

2. Nivel de significacncia

α = 0.05

3. Estadístico de prueba

Información problema 17

Ventas (miles de Ingresos (miles de

Compañía
dólares) (X) dólares) (Y)

Papa John's International 89.2 4.9

Applied Innovation 18.6 4.4
Integracare 18.2 1.3
Wall Data 71.7 8
Davidson & Associates 58.6 6.6
Chico's FAS 46.8 4.1
Checkmate Electronics 17.5 2.6
Royal Grip 11.9 1.7
M-Wave 19.6 3.5
Serving-N-Slide 51.2 8.2
Daig 28.6 6
Cobra Golf 69.2 12.8
Total = 501.1 64.1

n= 12
Media = 41.7583333333333 5.34166666666667
Desviación estandar = 26.1705753691338 3.24750486970965

r= ?
∑(X - X̅) (Y - Y̅) = 629.64
n= 12
Sx = 26.17
Sy = 3.248

El coeficiente de correlación es igual a 0.6734

*Pen

b= ?
r= 0.6734
Sx = 26.17
Sy= 3.248

La pendiente de la recta es igual a 0.08

*Estadístico de prueba

t= ?
b= 0.08
sb = 0.03

El estadistico de prueba "t" es igual a 2.667

4. Regla de descisión

n= 12
α= 0.05
Grados de libertad = 10 =
 Valor crítico = 2.228

Rechazar H0 si t no se encuentra entre -2.228 y 2.228

5 y 6. Toma de desición e interpretación

Se rechaza H0 , podemos concluir que la pendiente es distinta a 0.

01 del libro base 17ª. Edición, dentro del subtema: Probar la significancia de la pendiente. Realiza esta prueba en Excel indicand

a 398, capítulo 13, ed. 17 libro base). La ecuación de regresión es Y prima = 1.85 + .08X, el tamaño de la muestra es 12, y el erro
endiente de la recta de regresión es distinta a cero?

ístico de prueba

ión problema 17

X - X̅ Y -Y̅ (X - X̅) (Y - Y̅)

47.441666666667 -0.44166666666667 -20.9534027777778

-23.158333333333 -0.94166666666667 21.8074305555556
-23.558333333333 -4.04166666666667 95.2149305555556
29.941666666667 2.65833333333333 79.5949305555555
16.841666666667 1.25833333333333 21.1924305555555
5.0416666666667 -1.24166666666667 -6.26006944444445
-24.258333333333 -2.74166666666667 66.5082638888889
-29.858333333333 -3.64166666666667 108.734097222222
-22.158333333333 -1.84166666666667 40.8082638888889
9.4416666666667 2.85833333333333 26.9874305555555
-13.158333333333 0.658333333333332 -8.66256944444443
27.441666666667 7.45833333333333 204.669097222222
629.640833333333

*Coeficiente de correlación

r= ∑(X - X̅) (Y - Y̅) = 629.64 =

(n - 1) sx xy (12 - 1) (26.17) (3.248)

*Pendiente de la recta de regresión

b= (r) Sy = 0.6734 * 3.248

Sx 26.17

t= b-0 = 0.08 - 0 = 2.66666667

sb 0.03

n-2 = 12 - 2
prueba en Excel indicando los seis pasos de una prueba de

a muestra es 12, y el error estándar de la pendiente es 0.03.

 629.64 = 0.67341049711
935.00176

= (0.6734)*(0.1241) = 0.08357673672
 III. Análisis de regresión múltiple.

Con base en el capítulo 14 resuelve los siguiente casos en Excel.

Terry and Associates: Tiempo para entregar equipos médicos

Terry and Associates es un centro especializado en pruebas médicas de Denver, Colorado. Una de las f
en la sangre.

Los trabajadores en talleres de hojalatería de autos, en la industria de jardinería y los pintores comerci
prueba de forma aleatoria. Es muy costoso realizar la prueba, por lo que los equipos se suministran po

Kathleen Terry, la propietaria, tiene interés en determinar los costos adecuados por entrega. Para inve

Los factores que se consideran relacionados con el costo de entrega de un equipo son:
• Preparación X1: El tiempo en minutos desde la recepción del pedido por teléfono y cuando el equipo
• Entrega X2: El tiempo de recorrido real en minutos desde la planta de Terry hasta el cliente.
• Millas X3: La distancia en millas desde la planta de Terry hasta el cliente.

Numero de Muesta Costo Preparacion Entrega

1 $32.60 10 51
2 23.37 11 33
3 31.49 6 47
4 19.31 9 18
5 28.35 8 88
6 22.63 9 20
7 22.63 9 39
8 21.53 10 23
9 21.16 13 20
10 21.53 10 32
11 28.17 5 35
12 20.42 7 23
13 21.53 9 21
14 27.55 7 37
15 23.37 9 25
16 17.1 15 15
17 27.06 13 34
18 15.99 8 13
19 17.96 12 12
20 25.22 6 41
21 24.29 3 28
 22 22.76 4 26
23 28.17 9 54
24 19.68 7 18
25 25.15 6 50
26 20.36 9 19
27 21.16 3 19
28 25.95 10 45
29 18.76 12 12
30 18.76 8 16
31 24.29 7 25
32 19.56 2 12
33 22.63 8 30
34 21.16 5 13
35 21.16 11 20
36 19.68 5 19
37 18.76 5 14
38 17.96 5 11
39 23.37 10 25
40 25.22 6 32
41 27.06 8 44
42 21.98 9 28
43 22.63 8 31
44 19.68 7 19
45 22.76 8 28
46 21.98 13 18
47 25.95 10 32
48 26.14 8 44
49 24.29 8 34
50 24.35 3 33

Formule la ecuación de regresión lineal múltiple que describa la relación entre el costo de entrega y la
dependiente? Estime el costo de entrega de un equipo cuya preparación tarda 10 minutos, 30 minutos

De manera general la ecuación queda de la siguiente manera : Y prima = a + b 1X1 + b2X2 + b3X3

*Analisis de los datos

Estadísticas
Coeficiente de de la regresión
correlación múltiple 0.978003274133
Coeficiente de
determinación R^2 0.956490404214
R2 ajustado 0.95365282188
Error típico 0.773151665482
Observaciones 50

ANÁLISIS DE VARIANZA

Grados de Suma de Promedio de los

libertad cuadrados cuadrados

Regresión 3 604.4811910994 201.493730366482

Residuos 46 27.49712090055 0.59776349783812
Total 49 631.978312

Coeficientes Error típico Estadístico t

Intercepción 13.39590281684 0.468463068402 28.5954298650036

Preparacion -0.014144671433 0.038855711549 -0.3640306886474
Entrega 0.004260222866 0.013916161107 0.30613491993727
Millas 0.880241343113 0.050688677675 17.3656402866675

Al ya tener los resultados de los coeficientes ya podemos determinar la ecuación de regregresión la cu

Y prima = 13.396 - 0.014X1 + 0.004X2 + 0.880X3

*Variable dependiente y independiente

Variable dependiente: El costo de entrega de un equipo

Variable independiente: X1 Preparación
X2 Entrega
X3 Millas

*Valor de la intersección?

El valor de la intersección con el eje y es : 13.396

*¿Estas tres variables explican una cantidad razonable de la variación de la variable dependiente?

Estas tres variables tienen un gran impacto en la varición del costo de la entrega de un equipo, observa
inversa con la variable dependiente, es decir mientras más se tarde en prepara menos costo va tener.
entre más tiempo y distancia se realize para entregar el producto el costo va a ser más elevado.
Estas tres variables tienen un gran impacto en la varición del costo de la entrega de un equipo, observa
inversa con la variable dependiente, es decir mientras más se tarde en prepara menos costo va tener.
entre más tiempo y distancia se realize para entregar el producto el costo va a ser más elevado.

*Estime el costo de entrega de un equipo cuya preparación tarda 10 minutos, 30 minutos su entreg

X1 preparación: 10 Y prima = 13.396 - 0.014X1 + 0.004X2 + 0.

X2 entrega: 30 Y prima = 13.396 - 0.014(10) + 0.004(30)
X3 millas: 14 Y prima = 13.396 - 0.14 + 0.12 + 12.32
Y prima =

El costo estimado para la entrega de un equipo que cuenta con una preparación de 10 minutos, una en
e Denver, Colorado. Una de las fuentes principales de ingresos de la compañía es un equipo para detectar cantidades elevadas d

ardinería y los pintores comerciales de casas están expuestos a grandes cantidades de plomo y, por lo tanto, se deben someter
e los equipos se suministran por pedido a diversos lugares del área de Denver.

decuados por entrega. Para investigar esto, Terry reunió información sobre una muestra aleatoria de 50 entregas recientes.

un equipo son:
por teléfono y cuando el equipo está listo para su entrega.
Terry hasta el cliente.
nte.

Millas
20
12
19
8
17
11
11
10
8
10
16
9
10
16
12
6
15
4
4
14
13
 10
16
8
13
7
8
14
5
5
13
6
11
8
8
8
7
4
12
14
16
9
11
8
10
9
14
15
13
12

n entre el costo de entrega y las demás variables. 1. ¿Estas tres variables explican una cantidad razonable de la variación de la
ón tarda 10 minutos, 30 minutos su entrega, y debe recorrer una distancia de 14 millas

ima = a + b 1X1 + b2X2 + b3X3

 F Valor crítico de F

337.07934842995 2.621237218E-31

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%

6.1189513913E-31 12.45293556819 14.3388700655 12.452935568 14.338870065

0.7175030557195 -0.092357162202 0.06406781934 -0.092357162 0.0640678193
0.7608832265175 -0.02375155658 0.03227200231 -0.023751557 0.0322720023
7.8930836621E-22 0.778210326906 0.98227235932 0.7782103269 0.9822723593

a ecuación de regregresión la cual quedaria de la siguiente manera:

de la variable dependiente?

a entrega de un equipo, observando y analizando más a fondo podemos notar que la variable de preparación cuenta con un rel
prepara menos costo va tener. Por lo contario las variables de entrega y millas cuentan con una relación directa con el costo, e
sto va a ser más elevado.
a entrega de un equipo, observando y analizando más a fondo podemos notar que la variable de preparación cuenta con un rel
prepara menos costo va tener. Por lo contario las variables de entrega y millas cuentan con una relación directa con el costo, e
sto va a ser más elevado.

0 minutos, 30 minutos su entrega, y debe recorrer una distancia de 14 millas

= 13.396 - 0.014X1 + 0.004X2 + 0.880X3

= 13.396 - 0.014(10) + 0.004(30) + 0.880(14)
= 13.396 - 0.14 + 0.12 + 12.32
25.696

eparación de 10 minutos, una entrega de 30 minutos y se tienen que recorrer 14 millas para que llegue al cliente seria de $25.6
tectar cantidades elevadas de plomo

lo tanto, se deben someter a una

e 50 entregas recientes.
onable de la variación de la variable
eparación cuenta con un relación
ación directa con el costo, es decir
eparación cuenta con un relación
ación directa con el costo, es decir

gue al cliente seria de $25.696

IV. Análisis de regresión múltiple

Salsberry Realty

Salsberry Realty vende casas en la costa este de los Estados Unidos. Una de las preguntas mas frecuen
durante el invierno? Al departamento de investigación de Salsberry se le pidió desarrollar algunas dire
relacionan con dichos costos: 1) la temperatura externa diaria media, 2) el número de pulgadas de aisl
investigación de Salsberry seleccionó un muestra aleatoria de 20 casas de venta reciente y determinó e
en la región, el número de pulgadas de aislamiento del ático y los años de uso del calentador. La inform

Costo de Temperatura externa Aislamiento del

Casa
calefacción ($) media (F) ático (pulgadas)
1 250 35 3
2 360 29 4
3 165 36 7
4 43 60 6
5 92 65 5
6 200 30 5
7 355 10 6
8 290 7 10
9 230 21 9
10 120 55 2
11 73 54 12
12 205 48 5
13 400 20 5
14 320 39 4
15 72 60 8
16 272 20 5
17 94 58 7
18 190 40 8
19 235 27 9
20 139 30 7

Las instrucciones básicas de Excel para utilizar estos datos se encuentran en el apéndice C del libro bas

Determine la ecuación de regresión múltiple.

La ecuación de forma general queda de la siguiente manera : Y prima = a + b 1X1 + b2X2 + b3X3
 *Analisis de los datos

Resumen

Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.8967552991129
Coeficiente de
determinación R2 0.804170066487
R^2 ajustado 0.7674519539534
Error típico 51.048553582817
Observaciones 20

ANÁLISIS DE VARIANZA
Promedio de los
Grados de libertad Suma de cuadrados
cuadrados
Regresión 3 171220.472833637 57073.4909445457
Residuos 16 41695.2771663631 2605.95482289769
Total 19 212915.75

Coeficientes Error típico Estadístico t

Intercepción 427.19380331965 59.6014293122365 7.16750937434215

Temperatura
externa media (F) -4.582662625763 0.772319353431061 -5.93363691509838
Aislamiento del
ático (pulgadas)
-14.83086268743 4.75441228052759 -3.11938927723472
Antigüedad del
calentador (años)
6.1010320605629 4.01212016612042 1.52065038133252

Al ya tener los resultados de los coeficientes ya podemos determinar la ecuación de regregresión la cu

Y prima = 427.194 - 4.583X1 - 14.831X2 + 6.101X3

¿Cuáles son las variables dependientes y las variables independientes?

Variable dependiente: El costo de la calefacción en enero

Variable independiente: X1 La temperatura externa media en enero
X2 El número de pulgadas de aislamiento del ático
X3 La antigüedad en años del calentador
Analice los coeficientes de regresión ¿Qué indica si algunos coeficientes son positivos y otros son neg

Analizando los coeficientes nos podemos dar cuenta que unos cuentan con signos positivos y otros cue
negativo nos indica que la variable cuenta con una relación inversa con la variable dependiente, en cam

¿Cuál es el valor de la intersección?

El valor de la intersección con el eje y es : 427.194

¿Cuál es el costo de calefacción estimado de una casa si la temperatura externa media es de 30 grado

X1 temperatura: 30 Y prima = 427.194 - 4.583X1 - 14.831X2 +

X2 aislamiento: 5 Y prima = 427.194 - 4.583(30) - 14.831(5
X3 años: 10 Y prima = 427.194 - 137.49 - 74.155 + 61
Y prima =

El costo estimado para la calefacción de una casa que cuenta con una temperatura media de 30 grados
mes de enero seria de $276.56.
de las preguntas mas frecuentes de los posibles compradores es: “Si compramos esta casa ¿cuánto gastaremos en calefacción
pidió desarrollar algunas directrices en relación a los costos de las casas unifamiliares. Se considera que tres variables se
el número de pulgadas de aislamiento en el ático y 3) los años de uso del calentador. Para el estudio el departamento de
e venta reciente y determinó el costo de calefacción de cada casa en enero pasado, así como la temperatura externa en enero
e uso del calentador. La información muestral se reporta en la siguiente tabla.

Antigüedad del
Garage
calentador (años)
6 0
10 1
3 0
9 0
6 0
5 0
7 1
10 1
11 0
5 0
4 0
1 1
15 1
7 1
6 0
8 1
3 0
11 1
8 0
5 0

en el apéndice C del libro base.

a + b 1X1 + b2X2 + b3X3

 Valor crítico de
F
F
21.9011820324202 6.5617825E-06

Superior Inferior Superior

Probabilidad Inferior 95%
95% 95.0% 95.0%
2.237641734891E-06 300.84441748 553.543189 300.844417 553.543189

2.100350192323E-05 -6.2199065158 -2.94541874 -6.21990652 -2.94541874

0.0066059631520915 -24.909766476 -4.7519589 -24.9097665 -4.7519589

0.147862484322644 -2.4042827407 14.6063469 -2.40428274 14.6063469

ecuación de regregresión la cual quedaria de la siguiente manera:

ro
a en enero
amiento del ático
entador
 son positivos y otros son negativos?

on signos positivos y otros cuentan con signos negativos, los cuales tambien proporcionar cierta información. Si el valor es
a variable dependiente, en cambio si el coeficiente es positivo este va contar con una relación directa.

externa media es de 30 grados, si el ático tiene 5 pulgadas de aislamiento y el calentador tiene 10 años?

427.194 - 4.583X1 - 14.831X2 + 6.101X3

427.194 - 4.583(30) - 14.831(5) + 6.101(10)
427.194 - 137.49 - 74.155 + 61.01
276.559

mperatura media de 30 grados, tiene 5 pulgadas de aislamiento en el ático y su calentador tiene 10 años, todo esto durante el
 remos en calefacción
tres variables se
epartamento de
ura externa en enero
ción. Si el valor es

s?

todo esto durante el