Está en la página 1de 20

www.monografias.

com

Estadstica Aplicada a la Tasacin


Cruz Lezama Osan cruzlezamao@yahoo.com Introduccin Marco terico 1. Aplicacin de regresin mltiple 2. Aplicaciones a la tasacin de inmuebles 3. Bibliografa I.- INTRODUCCIN La Estadstica Inferencial permite trabajar con una variable a nivel de intervalo o razn, de igual forma con ella tambin se puede comprender la relacin de dos o ms variables y permite relacionar mediante ecuaciones, una variable en relacin de la otra variable llamndose Regresin Simple y una variable en relacin a otras variables llamndose Regresin Mltiple. Casi constantemente en la practica de la investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente en funcin de otra u otras variables. La Estadstica Inferencial incluye lo relativo a la correlacin y regresin, lo cual es muy usado en la investigacin cientfica, y es una herramienta muy til cuando se trata de relacionar 2 o ms variables, entre si. La correlacin implica el grado de dependencia de una variable respecto a otra y la regresin analiza la relacin de dos o ms variables continuas. La regresin permite el cambio en una de las variables llamadas respuesta y que corresponde a otra conocida como variable explicativa, la regresin es una tcnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que puede suceder. II.- MARCO TERICO REGRESIN.Se define como un procedimiento mediante el cual se trata de determinar si existe o no relacin de dependencia entre dos o ms variables. Es decir, conociendo los valores de una variable independiente, se trata de estimar los valores, de una o ms variables dependientes. La regresin en forma grafica, trata de lograr que una dispersin de las frecuencias sea ajustada a una lnea recta o curva. Clases de Regresin La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden ser a su vez: 1. Regresin Simple: Este tipo se presenta cuando una variable independiente ejerce influencia sobre otra variable dependiente. Ejemplo: Y = f(x) Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus disciplinas tecnolgicas. Cualquier funcin no lineal, es linealizada para su estudio y efectos prcticos en las ciencias econmicas, modelos no lineales y lineales multiecuacionales. Objetivo: Se utiliza la regresin lineal simple para: 1. Determinar la relacin de dependencia que tiene una variable respecto a otra. 2. Ajustar la distribucin de frecuencias de una lnea, es decir, determinar la forma de la lnea de regresin. 3. Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra variable. Por ejemplo: Podra ser una regresin de tipo lineal: En una empresa de servicio de Internet busca relacionar las ganancias que obtiene cada computadora con el numero de usuarios que ingresan a dicha cabina diariamente. En la tabla representa Y (Ganancias S/.) e X (Numero de usuarios) Y X 100 116 98 96 99 110 102 105 102 99 111 106 97 100 104 109 102 98 96 108

Coeficiente de Regresin Indica el nmero de unidades en que se modifica la variable dependiente Y por efecto del cambio de la variable independiente X o viceversa en una unidad de medida. Clases de coeficiente de Regresin: El coeficiente de regresin puede ser: Positivo, Negativo y Nulo.

www.monografias.com

Es positivo cuando las variaciones de la variable independiente X son directamente proporcionales a las variaciones de la variable dependiente Y Es negativo, cuando las variaciones de la variable independiente X son inversamente proporcionales a las variaciones de las variables dependientes Y Es nulo o cero, cuando entre las variables dependientes Y e independientes X no existen relacin alguna.

30 20 10 0 0 5 10 Positivo 15 20

0,6 0,5 0,4 0,3 0,2 0,1 0 0 2 4 Negativo 6 8

25 20 15 10 5 0 0 5 10 Nulo 15 20 25

Procedimiento para hallar el Coeficiente de Regresin Para determinar el valor del coeficiente de regresin de una manera fcil y exacta es utilizando el mtodo de los Mnimos Cuadrados de dos maneras: 1.- Forma Directa De la ecuacin de la recta:

Si

a 0 y a1 , se obtienen a partir de las ecuaciones normales:

www.monografias.com

Aplicando normales Y sobre X se tiene:

El Coeficiente de Regresin es

De la misma manera la recta de regresin de X sobre Y ser dada de la siguiente manera:

Donde:

b0 y b1 se obtienen a partir de las ecuaciones normales:

Aplicando normales X sobre Y se tiene:

2.- Forma Indirecta del Mtodo de los Mnimos Cuadrados. El fundamento de este mtodo es de las desviaciones de X respecto a su media aritmtica. X

www.monografias.com

Ecuacin de y sobre x Donde:

Ecuacin de y sobre x

x = X - X y = Y - Y
x , y = desviaciones X = media aritmtica Y = media aritmtica

2.

Regresin Mltiple: Este tipo se presenta cuando dos o ms variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f (x, w, z . k). Por ejemplo: Podra ser una regresin de tipo mltiple: Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin del numero de pedidos de los tipos de software que desarrolla (Sistemas, Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el presente ao. En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones empresariales). Y X W Z 440 50 105 75 455 40 140 68 470 35 110 70 510 45 130 64 506 51 125 67 480 55 115 72 460 53 100 70 500 48 103 73 490 450 38 44 118 98 69 74

Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y explicar el uso de la ecuacin de regresin mltiple, as como el error estndar mltiple de estimacin. Despus se medir la fuerza de la relacin entre las variables independientes, utilizando los coeficientes mltiples de determinacin. Anlisis de Regresin Mltiple Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero m de variables independientes:

www.monografias.com

Para poder resolver y obtener a,b1 y b2 en una ecuacin de regresin mltiple el clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se generan por el mtodo de mnimo de cuadrados:

Para poder resolver se puede utilizar programas informticos como ejemplo Microsoft Excel. El error estndar de la regresin mltiple

( S xy )

Es una medida de dispersin la estimacin se hace ms precisa conforme el grado de dispersin alrededor del plano de regresin se hace mas pequeo. Para medirla se utiliza la formula:

Y: Valores observados en la muestra

n: Nmero de datos m: Nmero de variables independientes

Y : Valores estimados a partir a partir de la ecuacin de regresin

El coeficiente de determinacin mltiple

(r )
2

Mide la tasa porcentual de los cambios de Y simultneamente.

que pueden ser explicados por

x1 , x 2

x3

III.- APLICACIN DE REGRESIN MLTIPLE Mediante el siguiente problema se puede ilustrar la aplicacin de Regresin Mltiple: En la Facultad de Ingeniera de Sistemas y Computo de una Universidad se quiere entender los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar una muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el siguiente cuadro. Alumno 1 2 3 PHP 13 13 13 Algoritmos 15 14 16 Base de Datos 15 13 13 Programacin 13 12 14

www.monografias.com

4 5 6 7 8 9 10 11 12 13 14 15

15 16 15 12 13 13 13 11 14 15 15 15

20 18 16 13 16 15 14 12 16 17 19 13

14 18 17 15 14 14 13 12 11 16 14 15

16 17 15 11 15 13 10 10 14 15 16 10

Lo que se busca es construir un modelo para determinar la dependencia que exista de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Base de Datos y Programacin. Se presentara la siguiente ecuacin a resolver:

Utilizando las formulas de las ecuaciones normales a los datos se obtendrn los coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de Calculo de Excel se puede calcular tambin los coeficientes de regresin:

Por lo tanto se puede construir la ecuacin de regresin que buscamos:

El Error Estndar de Regresin Mltiple

(S x, y )

Mediante esta medida de dispersin se hace ms preciso el grado de dispersin alrededor del plano de regresin, se hace ms pequeo. Para calcularla se utiliza la formula siguiente:

En los resultados de Excel se llama error tpico y para explicar la relacin del aprendizaje de PHP que se viene desarrollando es de 0,861

www.monografias.com

El coeficiente de determinacin mltiple (r2) Utilizaremos para determinar la tasa porcentual de Y para ser explicados las variables mltiples, utilizando la siguiente formula:

r2 =
r2 =

SCregresi n SCTotal

18.7737874 = 0.69704656 26.9333333

El 69.70% del aprendizaje del Curso de PHP puede ser explicado mediante las notas obtenidas por las asignaturas de Algoritmos, Base de Datos y Programacin. IV.- APLICACIONES A LA TASACIN DE INMUEBLES De igual forma para esta aplicacin se utiliza la funcin estadstica llamada ESTIMACION LINEAL, de Microsoft EXCEL, hoja de clculo, para Windows, la cual efecta los clculos de regresin lineal simple y mltiple. La funcin ESTIMACIN LINEAL arroja como resultado una matriz que describe una ecuacin del tipo: Y = m1 X1 + m2 X2 + m3 X3 + ....... + mn Xn + b Donde el valor Y dependiente es una funcin de los valores Xi independientes. Los valores mi son coeficientes que corresponden a cada valor de Xi y b es un valor constante. Estimacin lineal tambin puede devolver estadsticas de regresin, de esta forma arroja lo siguiente:

www.monografias.com

ESTADISTICA

DESCRIPCION Valores de error estndar para los coeficientes m1 ; m2 ; m3 ;....... mi

e1 ; e2 ; e3 ;..........; ei

r2

El coeficiente de determinacin, cuyo valor flucta entre 1 y 0. Si es 1, existe una correlacin perfecta entre las variables. Por el contrario si el coeficiente de determinacin es cero la ecuacin de regresin no ser til en la prediccin de un valor de Y.

Estadstica F, la cual se utiliza para determinar si los resultados ocurrieron al azar o si todas las variables son significativas.

Se utilizar el estadstico t , para determinar la importancia de cada una de las variables independientes en el anlisis de regresin.

Grados de Libertad

Se utiliza para valores de F crticos, estadstica dentro y de una crticos tabla del valores

estadstico t , tomando en ambos casos un intervalo de confianza dado por ( 1 - )

Valor de b

Valor constante b , para cada ecuacin de regresin.

www.monografias.com

La metodologa asume que existe una relacin lineal entre cada una de las variables independientes con la variable dependiente que se considere. Para interpretar de una mejor forma la informacin que se presentar, antes se definirn algunos elementos que contienen los cuadros a presentar. R2: Coeficiente de determinacin o error cuadrtico. F: Estadstico utilizado para verificar la correlacin entre la variable dependiente y las variables independientes, como un todo. mi : Coeficiente de cada variable independiente en la ecuacin de regresin. b : Constante de la ecuacin de regresin. ti: Estadstico utilizado para comprobar la importancia de cada una de las variables independientes en la explicacin del fenmeno en estudio o de la variable dependiente. Ejemplo de Regresin lineal mltiple para tasar un edificio Suponga que un programador comercial est pensando en adquirir un grupo de pequeos edificios de oficinas en un distrito comercial conocido. El programador puede utilizar el anlisis de regresin lineal mltiple para estimar el valor de un edificio de oficinas en un rea determinada basndose en las variables siguientes. Variable Indica Y Valor tasado del edificio de oficinas x1 Superficie en metros cuadrados x2 Nmero de oficinas x3 Nmero de entradas x4 Antigedad del edificio en aos Este ejemplo supone que existe una relacin de lnea recta entre cada variable independiente (x1, x2, x3, y x4) y la variable dependiente (Y), el valor de los edificios de oficinas en esa rea. Se elige al azar una muestra de 11 edificios de oficinas de 1.500 edificios posibles y obtiene los datos siguientes. "Media entrada" significa una entrada slo para entregas. A Superficie (x1) 2.310 2.333 2.356 2.379 2.402 2.425 2.448 2.471 2.494 2.517 2.540 B Oficinas (x2) 2 2 3 3 2 4 2 2 3 4 2 C Entradas (x3) 2 2 1,5 2 3 2 1,5 2 3 4 3 D Antigedad (x4) 20 12 33 43 53 23 99 34 23 55 22 E Valor tasado (Y) 142.000 144.000 151.000 150.000 139.000 169.000 126.000 142.900 163.000 169.000

149.000

La frmula a utilizar es: =ESTIMACION.LINEAL(conocido_y, conocido_x,VERDADERO,VERDADERO) Nota: La frmula del ejemplo debe escribirse como frmula matricial, con CTRL+MAYS+ENTRAR. Si la frmula no se introduce en formato matricial, no dar el resultado deseado. Cuando se introduce como una matriz, se devuelven las siguientes estadsticas de regresin. Utilice esta clave para identificar las estadsticas deseadas.

www.monografias.com

El ejemplo puede resultar ms fcil si lo copia en una hoja de clculo en blanco, de la forma siguiente: A B C D E 1 Superficie (x1) Oficinas (x2) Entradas (x3) Antigedad (x4) Valor tasado (y) 2 2.310 2 2 20 142.000 3 2.333 2 2 12 144.000 4 2.356 3 1,5 33 151.000 5 2.379 3 2 43 150.000 6 2.402 2 3 53 139.000 7 2.425 4 2 23 169.000 8 2.448 2 1,5 99 126.000 9 2.471 2 2 34 142.900 10 2.494 3 3 23 163.000 11 2.517 4 4 55 169.000 12 2.540 2 3 22 149.000 Funcin de Excel =ESTIMACIN.LINEAL(E2:E12,A2:D12,VERDADERO,VERDADERO) Cuando se introduce como una matriz, se devuelven las siguientes estadsticas de regresin. Utilice esta clave para identificar las estadsticas deseadas.

Ahora puede obtenerse la ecuacin de regresin mltiple, y = m1*x1 + m2*x2 + m3*x3 + m4*x4 + b, utilizando los valores obtenidos: Edad Entradas Oficinas Superficies A B C D E -234,2372 2.553,2107 12.529,77 27,64 52.317,83 15 13,2680 530,6692 400,0668382 5,429374042 12237,3616 16 0,99675 970,5785 #N/A #N/A #N/A 17 459,7537 6 #N/A #N/A #N/A 18 #N/A #N/A #N/A 19 1.732.393.319,2293 5.652.135,3162 (x4) (x3) (x2) (x1) b

y = 27,64*x1 + 12.530*x2 + 2.553*x3 - 234,24*x4 + 52.318 Ahora el programador puede calcular el valor tasado de un edificio de oficinas en la misma zona con 2.500 metros cuadrados, tres oficinas, dos entradas y una antigedad de 25 aos, utilizando la ecuacin siguiente: y = 27,64*2.500 + 12.530*3 + 2.553*2 - 234,24*25 + 52.318 = 158.261 $ Para el anlisis de los resultados presentados en la tabla anterior se utiliza la distribucin F para determinar si todas las variables son significativas y la distribucin t, para determinar la importancia de cada una de las variables independientes en el anlisis de regresin. Utilizacin del Estadstico t Para medir el grado de significacin de las variables independientes en cada una de las variables dependientes se utiliz el estadstico t, para los siguientes parmetros: Grados de Libertad G.L. = n - (k+ 1) = 6 Donde k = Nmero de variables independientes en el anlisis de regresin (4) y n = Nmero de datos considerados (11)

www.monografias.com

Intervalo de confianza del 95 %, dado por ( 1 - ), donde = 0,05 Es una prueba hipottica determinar si cada coeficiente es til para estimar el valor tasado de un edificio de oficinas del ejemplo. Por ejemplo, para probar si el coeficiente de antigedad tiene significado estadstico, divida -234,24 (coeficiente de la pendiente de antigedad) entre 13,268 (el error estndar estimado de los coeficientes de antigedad en la celda A15). El siguiente es el valor t observado:
t4 = m4 se4 = -234,24 13,268 = -17,7 Los valores de t para cada variable sern: Variable valor t observado Superficie 5,1 Nmero de oficinas 31,3 Nmero de entradas 4,8 Edad 17,7 Se realiza un contraste de hiptesis: H0 : mi = 0 H1 : mi 0

Zona de Rechazo

Zona de Aceptacin

Zona de Rechazo

- 2,447

2,447

t
Valores Tabulados

Si se consulta una tabla de un manual de estadstica, observar que el valor t crtico, de dos colas, con 6 grados de libertad y alfa = 0,05 es 2,447. Este valor crtico puede encontrarse tambin utilizando la funcin DISTR.T.INV de Excel. DISTR.T.INV (0,05.6) = 2,447. Puesto que el valor absoluto de t 1 = 17,7, es superior a 2,447; la antigedad es una variable importante para estimar el valor tasado de un edificio de oficinas. El significado estadstico de cada una de las dems variables independientes puede probarse de forma similar, con los valores de t obtenidos para cada una de las variables independientes. Si el valor absoluto de t es suficientemente alto, puede deducirse que el coeficiente de la pendiente es til para calcular el valor tasado del edificio de oficinas del ejemplo. En este caso con un nivel de significacin de = 0,05, todos los valores tienen un valor absoluto superior a 2,447; por tanto, todas las variables utilizadas en la ecuacin de regresin son tiles (individualmente significativas en la explicacin de la variable dependiente) para predecir el valor tasado de los edificios de oficinas de esta rea. Utilizacin del Estadstico R2 y F En el ejemplo, el coeficiente de determinacin, o r2, es 0,99675 (consultar la celda A17 en el resultado de ESTIMACION.LINEAL), que indicara una relacin marcada entre las variables independientes y el precio de venta. Puede utilizarse el estadstico F para determinar si estos resultados, con un valor r 2 tan alto, se produjeron por azar. Suponga por un momento que en realidad no existe relacin entre las variables, pero que ha extrado una muestra peculiar de 11 edificios de oficinas que hace que el anlisis estadstico demuestre una relacin marcada.

www.monografias.com

F (estadstico) y df (Grados de Libertad) en la salida ESTIMACION.LINEAL se pueden utilizar para determinar la probabilidad de que se produzca por azar un valor F ms elevado. F se puede comparar con los valores crticos de las tablas de distribucin F. En el contraste de hiptesis, para verificar si el grupo de variables independientes explican el fenmeno en forma conjunta se utiliz el estadstico F, con los siguientes parmetros: Grados de Libertad 1 = k = 4 (G.L. para el numerador) 2 = n - (k+ 1) = 6 (G.L. para el denominador) Donde k = Nmero de variables independientes en el anlisis de regresin (4) y n = Nmero de observaciones considerados (11)

Intervalo de confianza del 95 %, dado por ( 1 - ) = 0,05

En el ejemplo, GL = 6 (celda B18) y F = 459,7537 (celda A18).

Con el siguiente contraste de hiptesis:

H0 : m1 = m2 = m3 = m4 = 0 H1 : m1 m2 m3 m4 0

Zona de Aceptacin 0

Zona de Rechazo

4,53

F
Valor Tabulado

El valor crtico de F es 4,53 (en la tabla), puesto que F = 459,7537 es mucho ms elevado que 4,53, es extremadamente improbable que un valor F tan elevado se produzca por azar. (Con Alfa = 0,05, la hiptesis de que no hay relacin entre las variables independientes y la variable dependiente hay que rechazarla cuando F sobrepasa el nivel crtico, 4,53). Con DISTR.F (F,1,2) de Excel se puede obtener la probabilidad de que se produzca al azar un valor F superior, o se la probabilidad de que un valor F tan elevado se produzca por azar. DISTR.F(459,753674. 4. 6) = 1,37E-7, una probabilidad extremadamente pequea. Recuerde que es vital utilizar los valores correctos de 1 y 2 calculados anteriormente. Con lo cual se concluye que las variables independientes en conjunto son significativas para explicar el comportamiento de la variable dependiente. Otro Ejemplo de Regresin lineal mltiple para tasar un terreno (tomado de Stumps Marco Aurelio. Metodologa para la Tasacin de Inmuebles. 1 a Ed. en espaol, Miguel Camacaro Ediciones, Caracas, Venezuela.2006) Suponga que un se desea tasar un inmueble de 360 m2 en un sector calificado como seis (6), a siete (7) Km. de distancia al centro comercial de la ciudad. Los datos obtenidos de un conjunto de terrenos vendidos en la regin son los siguientes:

www.monografias.com

N 1 2 3 4 5 6 7 8 9 10 11 12

Tabla de Muestra de Terrenos X1 X2 Y 2 Precio (US$) Distancia (Km) rea (m ) 26.250 300 8,150 48.360 520 6,200 33.285 420 7,650 33.600 280 6,900 50.048 736 7,350 20.250 360 8,500 30.260 475 7,300 28.500 305 8,000 31.700 360 7,750 29.750 610 8,500 59.000 580 6,000 24.500 320 7,900

X3 Local 8 7 6 8 7 5 4 9 8 4 9 7

Utilizando la Funcin de Excel, y suponiendo que existe una relacin de lnea recta entre cada variable independiente (x1, x2 y x3) y la variable dependiente (Y), el valor de los edificios de oficinas en esa rea. =ESTIMACION.LINEAL(conocido_y, conocido_x,VERDADERO,VERDADERO) Cuando se introduce como una matriz, se devuelven las siguientes estadsticas de regresin. Utilice esta clave para identificar las estadsticas deseadas.

Local

Distancia

rea
49,936285 3,456096 #N/A #N/A #N/A 14,448757

Valores de t Valor de F

2.277,142072 -7.341,063438 298,694894 647,906984 0,989454 1.402,308004 250,188228 8,000000 1.475.961.236,344720 15.731.741,905281 7,623639 -11,330428 250,19

b 52.331,399582 7.147,131985 #N/A #N/A #N/A

Para obtener la ecuacin de regresin siguiente: Y = 52.331,3996 + 49,9363 x rea 7.341,0634 x Distancia + 2.277,1421 x Local Para el anlisis de los resultados tambin se utilizar la distribucin F para determinar si todas las variables son significativas y la distribucin t, para determinar la importancia de cada una de las variables independientes en el anlisis de regresin. Utilizacin del Estadstico t Para medir el grado de significacin de las variables independientes en cada una de las variables dependientes se utiliz el estadstico t, para los siguientes parmetros: Grados de Libertad G.L. = n - (k+ 1) = 8 Donde k = Nmero de variables independientes en el anlisis de regresin (3) y n = Nmero de datos considerados (12)

Intervalo de confianza del 95 %, dado por ( 1 - ), donde = 0,05 Los valores de t para cada variable sern:
Variable valor t observado rea 14,45 Distancia 11,33 Local 7,62

www.monografias.com

Se realiza una contraste de hiptesis, tal como se realiz con el ejemplo anterior, y se consulta una tabla de un manual de estadstica, observar que el valor t crtico, de dos colas, con 8 grados de libertad y alfa = 0,05 es 2,306. Este valor crtico puede encontrarse tambin utilizando la funcin DISTR.T.INV de Excel. DISTR.T.INV (0,05.8) = 2,306. Puesto que el valor absoluto de t1 = 14,45, es superior a 2,306; el rea es una variable importante para estimar el valor tasado del terreno. El significado estadstico de cada una de las dems variables independientes puede probarse de forma similar, con los valores de t i obtenidos para cada una de las variables independientes. Si el valor absoluto de t es suficientemente alto, puede deducirse que el coeficiente de la pendiente es til para calcular el valor tasado del terreno en el ejemplo. En este caso con un nivel de significacin de = 0,05, todos los valores tienen un valor absoluto superior a 2,306; por tanto, todas las variables utilizadas en la ecuacin de regresin son tiles (individualmente significativas en la explicacin de la variable dependiente) para predecir el valor tasado del terreno. Utilizacin del Estadstico R2 y F En el ejemplo, el coeficiente de determinacin, o r2, es 0,9894 (consultar las estadsticas de regresin en el resultado de ESTIMACION.LINEAL), que indicara una relacin marcada entre las variables independientes y el precio de venta. Puede utilizarse el estadstico F para determinar si estos resultados, con un valor r 2 tan alto, se produjeron por azar. Suponga por un momento que en realidad no existe relacin entre las variables, pero que ha extrado una muestra peculiar de 12 terrenos vendidos que hace que el anlisis estadstico demuestre una relacin marcada. F (estadstico) y df (Grados de Libertad) en la salida ESTIMACION.LINEAL se pueden utilizar para determinar la probabilidad de que se produzca por azar un valor F ms elevado. F se puede comparar con los valores crticos de las tablas de distribucin F. En el contraste de hiptesis, para verificar si el grupo de variables independientes explican el fenmeno en forma conjunta se utiliz el estadstico F, con los siguientes parmetros: Grados de Libertad 1 = k = 3 (G.L. para el numerador) 2 = n - (k+ 1) = 8 (G.L. para el denominador) Donde k = Nmero de variables independientes en el anlisis de regresin (3) y n = Nmero de observaciones considerados (12) Intervalo de confianza del 95 %, dado por ( 1 - ) = 0,05 F = 250,1882 (consultar las estadsticas de regresin en el resultado de ESTIMACION.LINEAL) Realizando el contraste de hiptesis, tal como se efectu en el ejemplo anterior, y se consulta una tabla de un manual de estadstica, observar que el valor crtico de F es 4,07 (en la tabla), puesto que F = 250,1882 es mucho ms elevado que 4,07, es extremadamente improbable que un valor F tan elevado se produzca por azar. (Con Alfa = 0,05, la hiptesis de que no hay relacin entre las variables independientes y la variable dependiente hay que rechazarla cuando F sobrepasa el nivel crtico, 4,07). Con DISTR.F(F, 1,2) de Excel se puede obtener la probabilidad de que se produzca al azar un valor F superior, o se la probabilidad de que un valor F tan elevado se produzca por azar. DISTR.F(250,1882. 3. 8) = 3,03145E-8, una probabilidad extremadamente pequea. Recuerde que es vital utilizar los valores correctos de 1 y 2 calculados anteriormente. Con lo cual se concluye que las variables independientes en conjunto son significativas para explicar el comportamiento de la variable dependiente. Con lo cual el terreno se puede tasar de la siguiente forma: Y = 52.331,3996 + 49,9363 x rea 7.341,0634 x Distancia + 2.277,1421 x Local Y = 52.331,3996 + 49,9363 x 330 7.341,0634 x 7 + 2.277,1421 x 6 BIBLIOGRAFA Damodar Gujarati. Econometra Bsica. Ed. en espaol, Mc GRAW- HILL LATINOAMERICANA, Bogot, Colombia.1998. Stumps Marco Aurelio. Metodologa para la Tasacin de Inmuebles. 1 a Ed. en espaol, Miguel Camacaro Ediciones, Caracas, Venezuela.2006.

www.monografias.com

Shao Stephen, Estadstica para Economistas y Administradores de Empresas. Ed. Herrero Hermanos. Mxico.1970. Microsof Excel. Ayuda de la Funcin ESTIMACION.LINEAL de Regresin Lineal Mltiple. http://www.monografias.com/trabajos30/regresion-multiple/regresion-multiple.shtml Torino H . Resumen del libro de Estadsticas de Berenson y Levine Direccin: http:// www.mografias.com/trabajos13 /beren/beren.shtml) El Rincn del Vago, SL C Toro 76,2 Salamanca (Espaa) Direccin: http:// htlm.rincondelvago.com/estadistica/html) Vommi : MJ Qu es un monografa? direccin: http://www.mografias.com/trabajos7/beren/beren.shtml) El Rincn Del Vago, SL C Toro 76,2 Salamanca (Espaa) Direccin: http://htlm.rincondelvago.com/estadistica/html) http://www.scielospphp?piol=s1135-5727200200020000&scrip[=sciarte Galdos Clculo y Estadstica III Edicin nica. Grupo La Republica. Lima Per;2005. Cannavos G. Probabilidad y Estadstica Aplicacin y mtodos. Ed. en espaol Mc GRAWHILL/INTERAMERICANA DE MEXICO.1995.

www.monografias.com

Valores de F para las probabilidades seleccionadas

www.monografias.com

Valores de F para las probabilidades seleccionadas

www.monografias.com

5% ( = 0,05) 14 1 2 3 4 5 245,36 19,42 8,71 5,87 4,64 3,96 3,53 3,24 2,86 2,64 2,48 2,37 2,22 2,13 2,04 1,95 1,89 1,79 1,74 1,69 16 246,46 19,43 8,69 5,84 4,60 3,92 3,49 3,20 2,83 2,60 2,44 2,33 2,18 2,09 1,99 1,90 1,85 1,75 1,69 1,64 20 248,01 19,45 8,66 5,80 4,56 3,87 3,44 3,15 2,77 2,54 2,39 2,28 2,12 2,03 1,93 1,84 1,78 1,68 1,62 1,57

1 (G.L. para el numerador)


24 249,05 19,45 8,64 5,77 4,53 3,84 3,41 3,12 2,74 2,51 2,35 2,24 2,08 1,98 1,89 1,79 1,74 1,63 1,57 1,52 30 250,10 19,46 8,62 5,75 4,50 3,81 3,38 3,08 2,70 2,47 2,31 2,19 2,04 1,94 1,84 1,74 1,69 1,57 1,52 1,46 40 251,14 19,47 8,59 5,72 4,46 3,77 3,34 3,04 2,66 2,43 2,27 2,15 1,99 1,89 1,79 1,69 1,63 1,52 1,46 1,40 50 251,77 19,48 8,58 5,70 4,44 3,75 3,32 3,02 2,64 2,40 2,24 2,12 1,97 1,86 1,76 1,66 1,60 1,48 1,41 1,35 100 253,04 19,49 8,55 5,66 4,41 3,71 3,27 2,97 2,59 2,35 2,19 2,07 1,91 1,80 1,70 1,59 1,52 1,39 1,32 1,24 200 253,68 19,49 8,54 5,65 4,39 3,69 3,25 2,95 2,56 2,32 2,16 2,04 1,88 1,77 1,66 1,55 1,48 1,34 1,26 1,17

254,00 19,50 8,53 5,63 4,36 3,67 3,23 2,93 2,54 2,30 2,13 2,01 1,84 1,73 1,62 1,51 1,44 1,28 1,19 1,00

2 (G.L. para el denominador)


1% ( = 0,01)

6 7 8 10 12 14 16 20 24 30 40 50 100 200

1 (G.L. para el numerador)


1 1 2 3 4 5 4.052,18 98,50 34,12 21,20 16,26 13,75 12,25 11,26 10,04 9,33 8,86 8,53 8,10 7,82 7,56 7,31 7,17 6,90 6,76 6,64 2 4.999,50 99,00 30,82 18,00 13,27 10,92 9,55 8,65 7,56 6,93 6,51 6,23 5,85 5,61 5,39 5,18 5,06 4,82 4,71 4,60 3 5.403,35 99,17 29,46 16,69 12,06 9,78 8,45 7,59 6,55 5,95 5,56 5,29 4,94 4,72 4,51 4,31 4,20 3,98 3,88 3,78 4 5.624,58 99,25 28,71 15,98 11,39 9,15 7,85 7,01 5,99 5,41 5,04 4,77 4,43 4,22 4,02 3,83 3,72 3,51 3,41 3,32 5 5.763,65 99,30 28,24 15,52 10,97 8,75 7,46 6,63 5,64 5,06 4,69 4,44 4,10 3,90 3,70 3,51 3,41 3,21 3,11 3,02 6 5.858,99 99,33 27,91 15,21 10,67 8,47 7,19 6,37 5,39 4,82 4,46 4,20 3,87 3,67 3,47 3,29 3,19 2,99 2,89 2,80 7 5.928,36 99,36 27,67 14,98 10,46 8,26 6,99 6,18 5,20 4,64 4,28 4,03 3,70 3,50 3,30 3,12 3,02 2,82 2,73 2,64 8 5.981,07 99,37 27,49 14,80 10,29 8,10 6,84 6,03 5,06 4,50 4,14 3,89 3,56 3,36 3,17 2,99 2,89 2,69 2,60 2,51 10 6.055,85 99,40 27,23 14,55 10,05 7,87 6,62 5,81 4,85 4,30 3,94 3,69 3,37 3,17 2,98 2,80 2,70 2,50 2,41 2,32 12 6.106,32 99,42 27,05 14,37 9,89 7,72 6,47 5,67 4,71 4,16 3,80 3,55 3,23 3,03 2,84 2,66 2,56 2,37 2,27 2,18

2 (G.L. para el denominador)


1% ( = 0,01)

6 7 8 10 12 14 16 20 24 30 40 50 100 200

1 (G.L. para el numerador)


14 1 2 6.142,67 99,43 16 6.170,10 99,44 20 6.208,73 99,45 24 6.234,63 99,46 30 6.260,65 99,47 40 6.286,78 99,47 50 6.302,52 99,48 100 6.334,11 99,49 200 6.349,97 99,49

6.366,00 99,50

30 40 50 100 200

7,56 7,31 7,17 6,90 6,76 6,64

5,39 5,18 5,06 4,82 4,71 4,60

4,51 4,31 4,20 3,98 3,88 3,78

4,02 3,83 3,72

3,70 3,51 3,41

3,47 3,29 3,19

3,30 3,12 3,02 2,82 2,73 2,64

3,17 2,99 2,89 2,69 2,60 2,51

2,98 2,80 2,70 2,50 2,41 2,32

2,84 2,66 2,56 2,37 2,27 2,18

www.monografias.com2,99 3,51 3,21


3,41 3,32 3,11 3,02 2,89 2,80

Valores de F para las probabilidades seleccionadas

1% ( = 0,01) 14 1 2 3 4 5 6.142,67 99,43 26,92 14,25 9,77 7,60 6,36 5,56 4,60 4,05 3,70 3,45 3,13 2,93 2,74 2,56 2,46 2,27 2,17 2,07 16 6.170,10 99,44 26,83 14,15 9,68 7,52 6,28 5,48 4,52 3,97 3,62 3,37 3,05 2,85 2,66 2,48 2,38 2,19 2,09 1,99 20 6.208,73 99,45 26,69 14,02 9,55 7,40 6,16 5,36 4,41 3,86 3,51 3,26 2,94 2,74 2,55 2,37 2,27 2,07 1,97 1,87

1 (G.L. para el numerador)


24 6.234,63 99,46 26,60 13,93 9,47 7,31 6,07 5,28 4,33 3,78 3,43 3,18 2,86 2,66 2,47 2,29 2,18 1,98 1,89 1,79 30 6.260,65 99,47 26,50 13,84 9,38 7,23 5,99 5,20 4,25 3,70 3,35 3,10 2,78 2,58 2,39 2,20 2,10 1,89 1,79 1,69 40 6.286,78 99,47 26,41 13,75 9,29 7,14 5,91 5,12 4,17 3,62 3,27 3,02 2,69 2,49 2,30 2,11 2,01 1,80 1,69 1,59 50 6.302,52 99,48 26,35 13,69 9,24 7,09 5,86 5,07 4,12 3,57 3,22 2,97 2,64 2,44 2,25 2,06 1,95 1,74 1,63 1,52 100 6.334,11 99,49 26,24 13,58 9,13 6,99 5,75 4,96 4,01 3,47 3,11 2,86 2,54 2,33 2,13 1,94 1,82 1,60 1,48 1,36 200 6.349,97 99,49 26,18 13,52 9,08 6,93 5,70 4,91 3,96 3,41 3,06 2,81 2,48 2,27 2,07 1,87 1,76 1,52 1,39 1,25

6.366,00 99,50 26,12 13,46 9,02 6,88 5,65 4,86 3,91 3,36 3,00 2,75 2,42 2,21 2,01 1,81 1,68 1,43 1,28 1,00

2 (G.L. para el denominador)

6 7 8 10 12 14 16 20 24 30 40 50 100 200

Ing. Cruz Lezama Osan cruzlezamao@yahoo.com Ingeniero Industrial - Especialista en Finanzas Magster en Gerencia, Mencin Finanzas Especialista en Operaciones y Produccin - Diplomado en Formacin y Desarrollo Docente ASESORA TCNICA Y GERENCIAL ENTRENAMIENTO Y FORMACIN

Ciudad Guayana, Noviembre de 2007

www.monografias.com

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

También podría gustarte