You are on page 1of 30

FACULTAD DE PRODUCCIN Y SERVICIOS

CURSO ESTADISTICA EN INGENIERA TEMA EJERCICIOS DE ESTADISTICA EN INGENIERA INGENIERO ING. CESAR CARRASCO ALUMNA - ARRATEA FRANCO JULY

13-49) la asociacin de atletismo de carolina esta interesada en organizar el primer triatln anual de tarheel, para atraer a atletas de alto nivel, la asociacin desea ofrecer premio en efectivo a los primeros lugares, estableciendo tiempos para los ganadores globales de la competencia, hombres y mujeres. Como el trayecto no se ha recorrido antes, la asociacin ha recogido 10 carreras de diferentes longitudes que considera comparables en clima y condiciones del recorrido.

Millas Triatln Bud light ironman Worldstoughest Muncie enduration Texas hill country Leons Q.E.M. Sacramento international Malibu Bud light endurance Wendys Mammoth/Snowcreek Nado 2.4 2.0 1.2 1.5 0.93 0.93 0.50 2.4 0.5 0.6 Ciclismo 112 100 55.3 48 24.8 24.8 18 112 20 25 Carrera 26.2 18.6 13.1 10 6.2 6.2 5.0 26.2 4.0 6.2

Tiempo de ganadores ( hr:min:seg) Hombres Mujeres 8:09:15 9:00:56 8:25:09 9:49:04 4:05:30 4:40:06 3:24:24 3:55:02 1:54:32 2:07:10 1:48:16 1:19:25 9:26:30 1:14:59 1:56:07 2:00:45 1:30:19 11:00:29 1:23:09 2:11:49

a) Determine la ecuacin de regresin para predecir los tiempos de hombres y mujeres ganadoras, en trminos de la longitud de cada etapa individual. (Convierta los tiempos en minutos para los clculos).

Resumen Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones 0.99424427 0.98852168 0.98278251 25.5301614 10

ANLISIS DE VARIANZA
Grados de libertad Regresin Residuos Total Coeficientes Intercepcin Nado Ciclismo Carrera -6.324235205 -21.7431201 6.347238143 -4.747116006 3 6 9 Suma de cuadrados 336795.3252 3910.734837 340706.06 Error tpico 20.47788735 50.02834362 1.455502159 5.888188504 Estadstico t -0.308832405 -0.43461603 4.360857937 -0.806209924 Probabilidad 0.767891464 0.679036753 0.00476605 0.450885194 Promedio de los cuadrados 112265.1084 651.7891395 F 172.2414529 Valor crtico de F 3.29387E-06

Resumen del modelo Modelo R R cuadrado R cuadrado corregida Error tp. de la estimacin

,994

.989

.983

25.53021

a. Variables predictoras: (Constante), Carrera, Nado, Ciclismo

ANOVA Modelo 1 Regresin Residual Total Suma de cuadrados 336795.220 3910.749 340705.969 gl

Media cuadrtica 3 6 9 112265.073 651.792

F 172.241

Sig. ,000
b

a. Variable dependiente: THombres b. Variables predictivas: (Constante), Carrera, Nado, Ciclismo

Coeficientes Modelo Coeficientes no estandarizados B 1 (Constante) Nado -7.338 -28.273 Error tp. 30.175 73.719

Coeficientes tipificados Beta

Sig.

-.243 -.094 -.384

.816 .715

Ciclismo Carrera

7.912 -7.996

2.145 8.677

1.381 -.306

3.689 -.922

.010 .392

a. Variable dependiente: TMujeres

ECUACIN DE REGRESIN PARA EL TIEMPODE MUJERES

=...+..

b) Prediga los tiempos de ganadores si el triatln de Tarheel comprende 1 milla de nado, 50 millas de recorrido en bicicleta y 12.5 millas de carrera.

PARA LOS HOMBRES PARA LAS MUJERES

230.065 MIN 259.94 MIN

=6.32421.743+6.3474.747
=7.33828..273+7.9127.996

c) Si la asociacin desea utilizar el lmite inferior de un intervalo de confianza aproximado del 90% para los tiempos de los primeros lugares para hombres y mujeres. cuales sern esos tiempos?

Resumen Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones 0.994244273 0.988521675 0.982782513 25.53016137 10

ANLISIS DE VARIANZA Grados de libertad Regresin Residuos Total Coeficientes Intercepcin Nado Ciclismo Carrera -6.324235205 -21.7431201 6.347238143 -4.747116006 3 6 9 Suma de cuadrados 336795.3252 3910.734837 340706.06 Error tpico 20.47788735 50.02834362 1.455502159 5.888188504 Estadstico t -0.308832405 -0.43461603 4.360857937 -0.806209924 Probabilidad 0.767891464 0.679036753 0.00476605 0.450885194 Inferior 95% -56.43182046 -144.158067 2.78575266 -19.15499424 Superior 95% 43.78335 100.671827 9.90872363 9.66076223 Inferior 90.0% -46.1164621 -118.9572109 3.518935049 -16.1889278 Promedio de los cuadrados 112265.1084 651.7891395 F 172.2414529 Valor crtico de F 3.29387E-06

Superio

33.46

75.47

9.175

6.694

La tabla MR 13-1 contiene informacin financiera acerca de las 28 compaas mas grandes de Carolina del Norte con acciones en la bolsa. Las variables de la tabla son:

NOMBRE PRECIO

Nombre de la compaa Precio de cierre de una accin en la bolsa de valores DIV Dividiendo pagados por accin en 1992 GPA Ganancias por accin de 1992 VENTAS Porcentaje de cambio en las ventas totales en 1992 INGRESOS Porcentaje de cambio en los ingresos netos de 1992 ACTIVOS Porcentaje de cambio en activos de 1992 PREANTE Precio de cierre de una accin en 1992 NY 1 si las acciones se negocian en la bolsa de valores de Nueva York, 0 en otro caso. BANCO 1 si la compaa es un banco o institucin de crdito, 0 en otro caso. Utilice esta informacin para resolver los ejercicios 13-50 a 13-53

13-50) Use las variable DIV,GPA, VENTAS, INGRESOS, ACTIVOS y PREANTES como variables explicativas de una regresin para explicar la variacin en PRECIO. Que fraccin de la variacin explica ese modelo?. NOMBRE DukePower FirstUnion Wachovia Carolina Power& Light Nucor Food Lion Jefferson- Pilot Unifi FamilyDollarStores BB&T Financial Lance Cato Piedmont Natural Gas SouthernNational FirstCitizensBaneshares PRECIO 39.50 47.50 36.50 33.00 91.25 7.00 55.00 33.88 18.50 34.13 23.63 30.50 22.00 21.88 53.00 DIV 1.76 1.28 1.00 1.58 0.28 0.11 1.30 0.40 0.25 0.91 0.92 0.08 0.91 0.50 0.53 GP A 2.21 3.72 2.48 2.36 1.83 0.37 3.99 1.04 1.00 2.75 1.25 1.03 1.40 1.73 5.45 VENT AS 3.8 1.4 -15.7 3.0 10.5 11.8 2.5 13.4 17.1 -3.3 2.6 24.5 11.7 6.0 -7.5 INGRES OS -14.6 69.7 88.7 4.0 22.4 -13.2 15.7 6.9 38.3 26.4 3.8 94.7 71.8 48.0 77.4 ACTIV OS 3.2 11.4 0.6 2.6 26.1 24.9 6.3 64.7 19.7 7.4 4.4 54.2 8.7 23.3 -1.0 PREAN TE 35.00 30.00 29.00 27.00 44.75 18.25 37.75 22.38 17.25 22.00 21.75 14.50 16.75 13.88 27.50 N Y 1 1 1 1 1 0 1 1 1 0 0 0 1 1 0 BANCO S 0 1 1 0 0 0 0 0 0 1 0 0 0 1 1

Ruddick UnitedDominion Industries Centura Banks Guilford Mills CC13 Financial United Carolina Bancshares CoastalHealthcareGroup PublicService of NC OakwoodHornes NC Natural Gas Bank of Granite PCA international Ingles Markets

21.38 13.13 23.88 26.13 40.50 22.50 21.00 17.25 20.25 26.63 30.00 16.25 6.25

0.39 1.30 0.20 0.61 0.63 0.57 1.14 0.66 0.00 0.75 0.06 0.98 0.38 0.28 0.22 1.66 1.73 3.10 2.01 0.85 1.09 0.90 1.79 1.65 0.89 0.31

6.2 26.7 -6.6 16.3 -9.0 -9.6 30.4 24.4 42.4 18.9 -9.7 8.0 2.1

14.9 -12.6 182.3 56.2 18.0 21.7 43.0 58.9 58.0 38.3 13.3 5.6 -48.8

8.8 16.4 10.1 9.1 7.1 7.1 51.7 8.1 25.3 23.0 7.9 51.4 2.0

15.25 9.13 12.75 22.25 28.63 15.88 27.75 11.88 10.63 16.38 19.63 14.88 6.13

1 1 1 1 0 0 0 0 1 1 0 0 0

0 0 1 0 1 1 0 0 0 0 1 0 0

ECUACION DE REGRESION
Resumen Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones

0.89685249 0.8043444 0.7484428 8.57726718 28

ANLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crtico de F Regresin 6 6351.36283 1058.56047 14.3885753 1.76388E06 Residuos Total 21 27 1544.95976 7896.32259 73.5695123

Coeficientes

Error tpico

Estadstico t

Probabilidad

Inferior 95%

Superior 95%

Intercepcin

-5.78919832

5.62648435

-1.0289193

0.31522358

17.490113 08

5.91171643

DIV

-7.71336925

4.96005238

-1.55509835

0.1348652

18.028362 84

2.60162434

GPA

3.82309366

2.31992345

1.64793958

0.11424725

1.0014512 54

8.64763858

VENTAS

0.03514872

0.15628576

0.2249003

0.82423083

0.2898653 23

0.36016275

INGRESOS

0.03957979

0.04036759

0.98048426

0.33800875

0.0443692 12

0.12352878

ACTIVOS

-0.01804623

0.12923161

-0.13964255

0.89027304

0.2867980 86

0.25070562

PREANTE

1.53265287

0.25514806

6.0069157

5.8187E-06

1.0020434 36

2.0632623

Resumen del modelo Modelo 1 R ,897


a

R cuadrado .804

R cuadrado corregida .748

Error tp. de la estimacin 8.57727

a. Variables predictoras: (Constante), PREANTE, INGRESOS, ACTIVOS, VENTAS, DIV, GPA

=5.797.71+3.82+0.35+0.400.18+1.53
LA FRACCIN QUE EXPLICA ESTE MODELO ES 80.4% DEL PRECIO

Coeficientes Modelo Coeficientes no estandarizados B 1 (Constante) DIV GPA VENTAS INGRESOS ACTIVOS PREANTE a. Variable dependiente: PRECIO -5.789 -7.713 3.823 .035 .040 -.018 1.533 Error tp. 5.626 4.960 2.320 .156 .040 .129 .255

Coeficientes tipificados Beta

Sig.

-1.029 -.214 .261 .028 .103 -.019 .817 -1.555 1.648 .225 .980 -.140 6.007

.315 .135 .114 .824 .338 .890 .000

13-51) Tres de las variables independientes utilizadas en el modelo del ejercicio 13-50 son no significativas, incluso para x= 0.30. Elimine estas variables y correa otra regresin utilizando solamente las tres restantes. Cuanto menos de la variacin en PREC 10 se explica con este mtodo?

SELECCIONAMOS VARIABLES

PARA ESTA SELECCIN DE VARIABLES nos fijaremos en el Recuadro Precio-Div Resumen Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones 0.32700006 0.10692904 0.07258016 16.4690577 28 bajo

ANLISIS DE VARIANZA

Grados de libertad Suma de cuadrados Promedio de los cuadrados Regresin Residuos Total 1 26 27 Coeficientes 22.1118939 844.346195 7051.97639 7896.32259 Error tpico 5.32222495 844.346195 271.229861

F 3.11302816

Valor crtico de F 0.089415678

Intercepcin

Estadstico t Probabilidad 4.15463346 0.00031204

Inferior 95% 11.1719038

DIV

11.8033742

6.68982337

1.76437756

0.08941568

-1.947754674

PrecioGPA Resumen del modelo Modelo R R cuadrado


a

Precio Preante
Resumen del modelo Error tp. de la estimacin 13.34881 Modelo R R cuadrado
a

R cuadrado corregida .391

R cuadrado corregida .723

Error tp. de la estimacin 8.99615

,643

.413

,856

.734

a. Variables predictoras: (Constante), GPA

a. Variables predictoras: (Constante), PREANTE

Precio-Ventas
Resumen del modelo Modelo R R cuadrado
a

R cuadrado corregida .043

Error tp. de la estimacin 16.72987

,280

.078

a. Variables predictoras: (Constante), VENTAS

Precio - Ingresos
Resumen del modelo R cuadrado corregida -.022 Error tp. de la estimacin 17.29176

Precio - Div
Resumen del modelo R Error tp. R cuadrado de la cuadrado corregida estimacin
a

Modelo 1

R ,124
a

R cuadrado .015

Modelo 1

R ,327

.107

.073

16.46906

a. Variables predictoras: (Constante), INGRESOS

a. Variables predictoras: (Constante), DIV

Precio -activos
Resumen del modelo Modelo R R cuadrado
a

R cuadrado corregida -.030

Error tp. de la estimacin 17.35507

,091

.008

a. Variables predictoras: (Constante), ACTIVOS

OBSERVACION: LAS VARIABLES A UTILIZAR SON : GPA, PREANTE,DIV CONSTRUIMOS UN NUEVO MODELO PARA ESTE CASO USANDO ESTAS TRES VARIABLES

Resumen del modelo

Modelo 1

R ,891
a

R cuadrado .795

R cuadrado corregida .769

Error tp. de la estimacin 8.21966

a. Variables predictoras: (Constante), DIV, PREANTE, GPA

Coeficientes Modelo Coeficientes no estandarizados B 1 (Constante) PREANTE GPA DIV -4.009 1.472 4.501 -8.278 Error tp. 3.993 .221 1.845 4.172

Coeficientes tipificados Beta

Sig.

-1.004 .785 .307 -.229 6.655 2.439 -1.984

.325 .000 .023 .059

a. Variable dependiente: PRECIO

=4.009+1.472+4.5018.278

ANOVA Modelo Suma de cuadrados 6274.815 1621.508 7896.323 gl

Media cuadrtica 3 24 27 2091.605 67.563

Sig.

Regresin Residual Total

30.958

,000

a. Variable dependiente: PRECIO b. Variables predictoras: (Constante), DIV, PREANTE, GPA

Resumen del modelo Modelo 1 R a ,904 R cuadrado .817 R cuadrado corregida .740 Error tp. de la estimacin 8.71322

a. Variables predictoras: (Constante), BANCO, PREANTE, NY, ACTIVOS, INGRESOS, DIV, GPA, VENTAS

13-52) ahora agregue las variables NY y BANCO como variables explicativas. Para X=0.10 existe evidencia de que, si los dems factores permanecen igual, estar en la lista de la bolsa de valores de nueva york tiene un efecto significativo sobre PRECIO? Para x= 0.10 los precios de las acciones de bancos e instituciones de crdito difieren significativamente de los precios de otras compaas del grupo? AGREGANDO NY BANCO

Coeficientes Modelo B 1 (Constante) DIV GPA VENTAS INGRESOS -5.850 -9.644 4.381 -.032 .024 Coeficientes no estandarizados Error tp. 6.577 5.423 2.637 .225 .047 Coeficientes tipificados Beta

Sig.

Intervalo de confianza de 90,0% para B Lmite inferior Lmite superior 5.522 -.267 8.941 .356 .106

-.889 -.267 .299 -.026 .064 -1.778 1.661 -.145 .515

.385 .091 .113 .887 .612

-17.222 -19.020 -.179 -.421 -.057

ACTIVOS PREANTE NY BANCO

.002 1.461 4.547 -.183

.133 .279 3.937 6.706

.002 .779 .134 -.005

.018 5.238 1.155 -.027

.986 .000 .262 .978

-.227 .978 -2.259 -11.779

.232 1.943 11.354 11.413

a. Variable dependiente: PRECIO

Resumen

Estadsticas de la regresin Coeficiente de correlacin 0.904058722 mltiple Coeficiente de 0.817322173 determinacin R^2 R^2 ajustado 0.740405193 Error tpico 8.713217581 Observaciones
ANLISIS DE VARIANZA

28

Grados de libertad Regresin 8

Suma de cuadrados 6453.83953

Promedio de los cuadrados 806.729942

Valor crtico de F

10.6260 305

1.41826E05

Residuos Total

19 27

1442.48305 7896.32259

75.9201606

Coeficientes

Error tpico

Estadstico t

Probabili dad

Inferior 95%

Superior 95%

Inferior 90.0% 17.22159 44

Superior 90.0% 5.5221221 6

Intercepcin

-5.84973612

6.57662512

-0.88947386

0.38487 223

19.6147706 9

7.915298 45

DIV

-9.64361239

5.42279511

-1.77834718

0.09135 406

20.9936530 1

1.706428 23

19.02034 54

0.2668794 2 8.9410587 7

GPA

4.38098859

2.63720065

1.66122687

0.11307 997

1.13873580 5

9.900712 99

0.179081 58

VENTAS

-0.03248829

0.22480104

-0.1445202

0.88661 168

0.50300227 8

0.438025 7

0.421199 15

0.3562225 7

INGRESOS

0.0243253

0.04720526

0.51530905

0.61228 082

0.07447644

0.123127 04

0.057298

0.1059494 6

3 ACTIVOS 0.00234592 0.13267062 0.01768226 0.98607 67 0.27533688 7 PREANTE 1.46054552 0.27884933 5.2377587 4.6875E05 NY 4.54729361 3.93651222 1.15515801 0.26234 712 0.87690715 9 3.69192116 3 BANCOS -0.18336779 6.70628024 -0.0273427 0.97847 155 14.2197736 5 13.85303 81 2.044183 88 12.78650 84 0.280028 72

86 0.227059 21 0.978377 99 2.259458 84 11.77941 7 11.412681 4 1.9427130 5 11.354046 1 0.2317510 4

=5.859.64+4.380.03+0.024+0.002+1.46+4.550.18
CONCLUSIN: Agregando las variable NY y Banco si influyen significativamente en el precio. Los precios aumentan si se trata de bancos o instituciones, en otros casos el precio seria menor. 13-53) Use el modelo del ejercicio 13-51. a) puede usted llegar a la conclusin, al nivel x= 0.05, de que un aumento en los dividendos conduce a una disminucin significativa en el precio de las acciones? Establezca y pruebe las hiptesis adecuadas.

USANDO EL MODELO DEL EJERCICIO 13-51

=4.009+1.472+4.5018.278

Si aumentamos los Dividendos los precios disminuirn Veamos: El coeficiente que acompaa a D es negativo, es decir cuando aumentemos los dividendo el precio disminuir.

b) Si lo dems se deja igual, el incremento de S1 en la ganancia por accin lleva aun aumento en el precio de las acciones en una cantidad significativamente mayor que S2? Establezca y pruebe las hiptesis adecuadas para x=0.05.

=4.009+1.472+4.5018.278
Precio Precio normal Si aumentamos 1 ala GPA 42.88893 47.38993 El precio aumenta

c) Encuentre un intervalo de confianza del 98% para el cambio en el precio de la accin para el 4/1/93 por cada $1 de aumento en el precio por accin el 12/31/91.

el intervalo de prediccin:

0.921 - 2.023 Coeficientes


a

Modelo

Coeficientes no estandarizados B Error tp. 3.993 .221 4.172 1.845

Coeficientes tipificados Beta

Sig.

Intervalo de confianza de 98,0% para B Lmite Lmite inferior superior -13.961 .921 -18.677 -.098 5.943 2.023 2.120 9.099

(Constante) PREANTE DIV GPA

-4.009 1.472 -8.278 4.501

-1.004 .785 -.229 .307 6.655 -1.984 2.439

.325 .000 .059 .023

a. Variable dependiente: PRECIO

d) El National Bank tiene DIV= 1.51, GPA =4.52 y PREANTE = 40.63. Qu precio de accin predice el modelo para el 4/1/93. cual es la comparacin entre la prediccin y el precio por accin verdadero de $54.88 que tuvo el National Bank ese dia?.

=4.009+1.472+4.5018.278

PRECIO PREDECIDO PRECIO VERDADERO

63.643 1 54.88

CONCLUCION EL PRECIO PREDECIDO ES MAYOR

13-55) La cooperativa NationalCranberry, una organizacin formada por cultivadores de arndanos que se dedica a procesar y comercializar su producto, est tratando de establecer una relacin entre el precio promedio por barril recibido en cualquier ao dado, y el nmero total de barriles vendidos el ao anterior( dividido en ventas del producto fresco y del producto para procesar).

a) Calcule la ecuacin de mnimos cuadrados para predecir el precio a partir de las siguientes cifras: Ventas (en cientos de barriles) Fresco Para proceso 844 256 965 335 470 672 Precios del ao anterior Ventas (en cientos de barriles) Fresco Para proceso 320 60 528 860 340 761 Precios del ao anterior

15.50 17.15 11.71

9.79 10.90 15.88

Coeficientes

Modelo

Coeficientes no estandarizados B 1 (Constante) fresco proceso 8,100 ,008 ,002 Error tp. 4,209 ,005 ,004

Coeficientes tipificados Beta

Sig.

1,924 ,695 ,169 1,564 ,381

,150 ,216 ,729

a. Variable dependiente: precios

b) Prediga el precio por barril para el siguiente ao si las ventas de este son 980 (fresco) y 360 (para proceso).

El siguiente ao tendremos un precio de 16,47151089 cuando las ventas tengan en fresco 980 y en proceso 360.

13-56) Los telfonos celulares fueron introducidos en Europa en 1980, y desde entonces, su crecimiento en popularidad ha sido algo fenomenal. El nmero de suscriptores en los aos siguientes est contenido en la siguiente tabla: 1981 1982 1983 3,510 34,520 80,180 1984 1985 1986 143,300 288,420 507,930 1987 1988 1989 877,850 1,471.200 2,342,080

Utilizando el nmero de aos desde la introduccin de telfonos celulares como la variable independiente (es decir 1981 = 1, etc.) encuentre la ecuacin lineal de mnimos cuadrados que relaciona a estas dos variables. Observe los residuos siguen un patrn notorio? Encuentre la ecuacin cuadrtica de mnimos cuadrados cual parece ser un mejor ajuste?
a

Coeficientes Modelo Coeficientes no estandarizados B 1 (Constante) aos -663,248 260,405 Error tp.

Coeficientes tipificados Beta

Sig.

281,201 49,971 ,892

-2,359 5,211

,050 ,001

a. Variable dependiente: numero_celulares

13-57) mientras se encontraba de comprar, buscando una nueva bolsa para dormir, Fred Montana sinti curiosidad acerca de que caractersticas de una bola para dormir son mas importantes para determinar su precio. Fred tomo seis bolsas para dormir de Gore-Tex y realizo un anlisis de regresin lineal para averiguarlo. Relleno (Onzas) 14.0 18.0 24.0 Peso Total (libras) 2.00 2.25 3.13 Grueso del aislante (pulg) 5.5 6.5 6.5 Condiciones detemp (F) 20 10 10 Precio (dlares) 255 285 329

Swarllow Snow Bunting Puffin

a) Haga una regresin del precio sobre el relleno de plumas, peso total, grueso del aislante y condiciones de temperatura. Utilizando los valores prob, determine cuales de estas variables son significativas al nivel x=o.o1.

Resumen Estadsticas de la regresin Coeficiente de0,99998017 correlacin mltiple Coeficiente de0,99996034 determinacin R^2 R^2 ajustado 0,99980168 Error tpico 1,40788257 Observaciones 6 ANLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Regresin 4 49972,0179 12493,0045 6302,8073 Residuos 1 1,98213334 1,98213334 Total 5 49974

Valor crtico de F 0,009446695

Coeficientes Intercepcin 373,039158 (onzas) 0,03050519 (libras) 50,4939988 (pulgadas) -24,7215886 f -4,17160798

Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 0,01% Superior 0,01% 51,9179104 7,1851728 0,08803636 -286,640441 1032,71876 373,031003 373,047313 1,11836044 0,02727671 0,98263941 -14,1796115 14,2406219 0,03032952 0,03068086 7,30263996 6,91448559 0,09143647 -42,2948397 143,282837 50,4928517 50,4951459 8,21922767 -3,00777514 0,20433894 -129,156778 79,7136009 -24,7228797 -24,7202976 0,3894393 -10,711831 0,05925971 -9,11990346 0,77668749 -4,17166916 -4,17154681

b) Qu sucede con la regresin como un todo? Use el valor prob de ANOVA, de nuevo para x=0.01, para determinar si la regresin como un todo es significativo.

La regresin como un todo si es significativa


c) Qu problema podra surgir si se usan todas estas variables juntas? Las respuestas a los inicios a) y b) parecen indicar que este problema podra estar presente?

si se utilizaran todas las variables nuestro valor de r^2 sera ms significativo

13-58) Home Depot es una cadena en crecimiento de centro de descuento en materiales para mejoras las casas. La tabla proporciona informacin de los reportes anuales, que son los datos tpicos que usan los analistas financieros para predecir el ingreso futuro de la compaa. a) Desarrolle la ecuacin de regresin mltiple que describa el ingreso total como funcin del numero de tiendas y el tamao promedio de la tienda. Que factor parece ser mas importantes para determinar el crecimientos en los ingresos? Como consultor, recomendara una estrategia de expansin enfocada a una dispersin geogrfica amplia ( aumentando el numero de tiendas) o la construccin de un nmero menor de tiendas muy grandes (que aumenta el tamao de las tiendas)?

Resumen del modelo Modelo 1 R ,996


a

R cuadrado ,991

R cuadrado corregida ,990

Error tp. de la estimacin 39,172,152

a. Variables predictivas: (Constante), tiendas

Resumen del modelo Modelo 1 R ,948


a

R cuadrado ,898

R cuadrado corregida ,887

Error tp. de la estimacin 132,244,879

a. Variables predictores: (Constante), tamao de tienda

Interpretacin: El factor ms importante para determinar el incremento en los ingresos Es usando la variable predictiva del nmero de tiendas Como consultora yo recomendara la construccin de un mayor nmero de tiendas

b) Desarrolle una columna de ingreso promedio por empleado. Encuentre la recta de regresin que mejor describa esa variable como funcin del ao (con 1984 codificado como 1, 1985 como 2, etc.) y el tamao promedio de la tienda. Son ms productivos los empleados en tiendas ms grandes o es la recta de tendencia (el factor de regresin AO) un factor ms importante? Como analista, calificara la tendencia a poner tiendas mas grandes como una estrategia exitosa, o juzgara que la inflacin y otros factores son mas importantes. Tamao promedio De tienda (miles de pies2) Ingreso Numero

Ao

Numero De tiendas

Total de (millones de dlares) empleados

1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994

31 50 60 75 96 118 145 174 214 264 340

77 80 80 82 86 88 92 95 98 100 103

433 701 1,001 1,454 2,000 2,758 3,815 5,136 7,148 9,239 12,477

4,000 5,400 6,600 9,100 13,000 17,500 21,500 28,000 38,900 50,600 67,300

Resumen del modelo Modelo 1 R ,948


a

R cuadrado ,898

R cuadrado corregida ,887

Error tp. de la estimacin 31,393,763

a. Variables predictoras: (Constante), tamaodtienda

Resumen del modelo Modelo 1 R ,967


a

R cuadrado ,934

R cuadrado corregida ,927

Error tp. de la estimacin 25,152,322

a. Variables predictoras: (Constante), periodo

9-6) Se pidi a nueve distribuidores de componentes de computadora en una rea metropolitana importante que proporcionaran sus precios de dos impresoras a color de inyeccin de tinta. Los resultados de la encuesta se dan en la tabla ( con precios en dlares). Para x=0.05, es razonable asegurar que en promedio la impresora Apson es menos costosa que la Okaydata? Distribuidor Precio de Apson Precio de Okaydata 1 $250 $270 2 319 325 3 285 269 4 260 275 5 305 289 6 295 285 7 289 295 8 309 325 9 275 300

Anlisis de varianza de un factor

RESUMEN
Grupos Precio de Apson Precio de Okaydata Cuenta 9 9 Suma Promedio Varianza 2587 287.444444 518.027778 2633 292.555556 451.027778

ANLISIS DE VARIANZA Origen de las variaciones Entre grupos Dentro de los grupos Total Suma de cuadrados 117.555556 7752.44444 Grados de libertad 1 16 Promedio de los cuadrados 117.555556 484.527778 F Probab ilidad 0.6290 1175 Valor crtico para F 4.4939984 8

0.2426 1882

7870

17

El precio de la impresora Okaydata es mayor ala Apson

APLICACIONES: 9.7) Los datos de la tabla correponden a una muestra aleatoria de nueve empresas tomadas de la seccin Digest of EarningsReports( Resumen de informes de ingresos) del The Wall Street Journal del 6 de febrero de 1992. a) Encuentre el cambio medio en los ingresos por accin, entre 1991 y 1992. b) Encuentre la desviacin estndar del cambio y la desviacin estndar del error de la media. c) Fueron diferentes los ingresos medios por accin en 1991 y 1992? Pruebe con un nivel x=0.02 Empresa Ingreso de 1991 Ingreso de 1992 1 1.38 2.48 2 1.26 1.50 3 3.64 4.59 4 3.50 3.06 5 2.47 2.11 6 3.21 2.80 7 1.05 1.59 8 1.93 0.92 9 2.72 0.47

9-15) Jeff Richardson, el encargado de recepcin de un distribuidor de productos qumicos, se enfrenta con el problema continuo de recibir tubo de ensayo, platos Petri y matraces rotos. Jeff determino algunas precauciones adicionales de empaque que se pueden tomar para prevenir la rotura de las piezas y ha pedido al director de adquisiciones que informe a los proveedores de las nuevas medidas. En la tabla se da los datos de 8 proveedores en trminos del numero promedio de piezas rotas por envio. Indican los datos, para x=0.05, que las nuevas medidas han disminuido el numero promedio de piezas rotas?

Proveedor Antes Despus

1 16 14

2 12 13

3 18 12

4 7 6

5 14 9

6 19 15

7 6 8

8 17 15

Anlisis de varianza de un factor


RESUMEN Grupos Antes Despus Cuenta 8 8 Suma 109 92 Promedio 13.625 11.5 Varianza 24.2678571 11.7142857

ANLISIS DE VARIANZA Origen de las variaciones Entre grupos Dentro de los grupos Total Suma de cuadrados 18.0625 251.875 Grados de libertad 1 14 Promedio de los cuadrados 18.0625 17.9910714 F Proba bilidad 0.333 35641 Valor crtico para F 4.600109 94

1.003 97022

269.9375

15

El nmero de piezas rotas han disminuido 9-16) Additives-R-Us desarrollo un aditivo para mejorar la eficiencia del combustible en camiones de carga pesada. Probaron el aditivo seleccionado al azar en 18 camiones y agrupndolos en nueve pares. En cada par, ambos camiones llevaban el mismo tipo de carga en la misma carretera, pero solo se puso el nuevo aditivo a uno de ellos. Cada par sigui rutas distintas y llevo diferentes cargas. Indican los datos, al nivel x=0.01, que los camiones que usaron aditivo lograron una eficiencia en el uso de combustible significativamente mejor que los camiones con combustible normal? Par 1 Normal 5.7 Aditivo 6.0 2 6.1 6.2 3 5.9 5.8 4 6.2 6.6 5 6.4 6.7 6 5.1 5.3 7 5.9 5.7 8 6.0 6.1 9 5.5 5.9

Anlisis de varianza de un factor RESUMEN Grupos Normal Aditivo

Cuenta 9 9

Suma 52.8 54.3

Promedio 5.86666667 6.03333333

Varianza 0.1525 0.19

ANLISIS DE VARIANZA Origen de las variaciones Entre grupos Dentro de los grupos Total Suma de cuadrados 0.125 2.74 Grados de libertad 1 16 Promedio de los cuadrados 0.125 0.17125 F Proba bilidad 0.405 51774 Valor crtico para F 8.530965 29

0.729 92701

2.865

17

El aditivo aadido hace q la eficiencia aumente

9.17) El club deportivo AquariusHealth anuncia un riguroso programa de acondicionamiento fsico. El club asegura que despus de un mes de seguir el programa, un participante promedio ser capaz de hacer 8 lagartijas ms en 2 minutos que las que poda hacer al principio. La muestra aleatoria de 10 participantes en el programa, cuyos datos se dan en la tabla siguiente, apoya la afirmacin del club? Utilice un nivel de significancia de 0.025. Participante Antes Despus 1 38 45 2 11 24 3 34 41 4 25 39 5 17 30 6 38 44 7 12 30 8 27 39 9 32 40 10 29 41

Anlisis de varianza de un factor

RESUMEN Grupos Antes Despus Cuenta 10 10 Suma 263 373 Promedio 26.3 37.3 Varianza 100.011111 47.5666667

ANLISIS DE VARIANZA Origen de las variaciones Entre grupos Dentro de los grupos Total

Suma de cuadrados 605 1328.2

Grados de libertad 1 18

Promedio de los cuadrados 605 73.7888889

Proba bilidad 0.010 32942

8.199 06641

Valor crtico para F 5.978052 46

1933.2

19

Ho: Uantes=Udesp Hi : Uantes!=Udesp aceptamos , las medias son diferentes

Como se puede observar en los resultados el promedio de "lagartijas" ha aumentado

9-18) Donna Rose es supervisora de produccin de la lnea de ensamble de unidades de disco de Winchester Technologies, Recientemente, Winchester instal un sistema de audio para msica ambiental en sus instalaciones, con la idea de que la msica relajara a sus obreros y condujera a una mayor productividad. Donna duda de esta hiptesis, teme que la msica sea foco de distraccin y produzca una baja en la productividad. Muestreo la produccin semanal de los mismos seis trabajadores antes de tener msica ambiental y despus instalar el sistema. Sus datos se presentan a continuacin. A un nivel X=0.02 ha cambiado la produccin promedio?

EMPLEADO Semana sin msica Semana con msica

1 219 235

2 205 186

3 226 240

4 198 203

5 209 221

6 216 205

Anlisis de varianza de un factor

RESUMEN Grupos Semana sin msica Semana con msica

Cuenta 6 6

Suma 1273 1290

Promedio

Varianza

212.166667 102.966667 215 429.2

ANLISIS DE VARIANZA Origen de las variaciones Entre grupos Dentro de los grupos Total Suma de cuadrados 24.083333 3 2660.8333 3 2684.9166 7 Grados de libertad 1 10 Promedio de los cuadrados 24.0833333 266.083333 F 0.090 51049 Proba bilidad 0.769 6913 Valor crtico para F 7.638421 62

11

Los resultados mostrados dan fe de que la produccin aumento cuando escuchan msica.