CORRELACION:

Estadísticos descriptivos

Desviación
Media estándar N

ventas 240,80 75,982 10

t_venta 3,40 1,174 10
calificacion 13,70 2,163 10

Correlaciones

ventas t_venta calificacion

ventas Correlación de Pearson 1 ,393 ,048

Sig. (bilateral) ,261 ,895

N 10 10 10
t_venta Correlación de Pearson ,393 1 ,096
Sig. (bilateral) ,261 ,791
N 10 10 10
calificacion Correlación de Pearson ,048 ,096 1

Sig. (bilateral) ,895 ,791

N 10 10 10

Tomando como referencias el valor de correlación de ventas observamos ventas

es una variable dependiente y está relacionada en una proporción alta con el
tiempo de ventas con un ,393 lo cual está más cercano al valor de uno en
comparación con el valor obtenido de clasificación o también nos quiere decir
que existe una mayor asociación ventas con tiempo de ventas.

Variables entradas/eliminadasa

Variables Variables
Modelo introducidas eliminadas Método

1 ventasb . Intro
2 rangob . Intro
3 calificacionb . Intro

a. Variable dependiente: t_venta

b. Todas las variables solicitadas introducidas.
 Resumen del modelod

R cuadrado Error estándar

Modelo R R cuadrado ajustado de la estimación Durbin-Watson

1 ,393a ,155 ,049 1,145

2 ,468b ,219 -,004 1,176
3 ,468c ,219 -,171 1,270 2,595

a. Predictores: (Constante), ventas

b. Predictores: (Constante), ventas, rango
c. Predictores: (Constante), ventas, rango, calificacion
d. Variable dependiente: t_venta

Teniendo el R como coeficiente de correlación podemos decir que este cuadro

explica mejor el modelo ya que r cuadrado nos dice de 219 mayor oasea quiere
decir con un 22%
Que explica mejor al modelo también observamos que r ajustado en el modelo 1
nos da una mayor valor con 049 eso quiere decir que no va ver un ajuste bueno
entre las variables dependientes e independientes.

ANOVAa

Suma de Media
Modelo cuadrados gl cuadrática F Sig.

1 Regresión 1,919 1 1,919 1,465 ,261b

Residuo 10,481 8 1,310

Total 12,400 9
2 Regresión 2,721 2 1,360 ,984 ,420c
Residuo 9,679 7 1,383
Total 12,400 9
3 Regresión 2,721 3 ,907 ,562 ,659d

Residuo 9,679 6 1,613

Total 12,400 9

a. Variable dependiente: t_venta

b. Predictores: (Constante), ventas
c. Predictores: (Constante), ventas, rango
d. Predictores: (Constante), ventas, rango, calificacion

Los valores obtenidos del cuadro en el primer modelo trabaja con 1 sola variable el 2 con dos y el
tercero con tres nos dice que la predicción para la variable dependiente del tiempo de ventas se
puede decir que el nivel de significancia es mayor a 0.5 con un f de 569 y sig. De 659 es quiere
decirque el modelo que estamos probando no mejora significativamente la variable dependiente.
 Coeficientesa

Coeficientes
Coeficientes no estandarizad 95.0% intervalo de confianza
estandarizados os para B

Error Límite
Modelo B estándar Beta t Sig. Límite inferior superior

1 (Constante) 1,936 1,262 1,534 ,164 -,974 4,847

ventas ,006 ,005 ,393 1,210 ,261 -,006 ,018

2 (Constante) 2,398 1,431 1,675 ,138 -,987 5,782
ventas ,006 ,005 ,416 1,240 ,255 -,006 ,019
rango -,099 ,130 -,255 -,761 ,471 -,406 ,208
3 (Constante) 2,432 3,362 ,723 ,497 -5,796 10,659

ventas ,006 ,006 ,416 1,145 ,296 -,007 ,020

rango -,099 ,148 -,257 -,671 ,527 -,462 ,263

calificacion -,002 ,207 -,004 -,011 ,991 -,508 ,504

a. Variable dependiente: t_venta

Con un nivel de confianza de 95% tenemos que el valor de B0 en el modelo tres con tres
variables tenemos que nos da el valor de 2.432 que nos dice que b1 es ventas con el valor de 006
b2 -099 tenemos que el nivel de significancia del modelo 3 en una mayor aceptación con
respecto a 0.5 es de ventas .

Variables excluidasa

Estadísticas de

Correlación colinealidad

Modelo En beta t Sig. parcial Tolerancia

1 rango -,255b -,761 ,471 -,277 ,992

calificacion ,077b ,223 ,830 ,084 ,998

2 calificacion -,004c -,011 ,991 -,005 ,896

a. Variable dependiente: t_venta

b. Predictores en el modelo: (Constante), ventas
c. Predictores en el modelo: (Constante), ventas, rango