Академический Документы
Профессиональный Документы
Культура Документы
Estadísticas de la regresión
Coeficiente d 0.92455094
Coeficiente 0.85479445
R^2 ajustado 0.84027389
Error típico 15.2104471
Observacione 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 13619.5397 13619.5397 58.86789 1.6948E-05
Residuos 10 2313.57701 231.357701
Total 11 15933.1167
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 25.8863924 10.1991523 2.53809255 0.02945934 3.161265 48.6115199 3.161265
Variable X 1 0.07607332 0.00991501 7.6725413 1.6948E-05 0.0539813 0.09816534 0.0539813
Superior 95.0%
48.6115199
0.09816534
La empresa EL TATA MOVIL SAC. ha trabajado hasta ahora con la hipótesis de que las ventas de un período
dependen linealmente de los gastos de publicidad efectuados en el período anterior. En este momento, le
solicitan a usted la realización de un análisis que ponga de manifiesto si la hipótesis, hasta ahora mantenida, se
puede seguir sosteniendo en función de los datos que le suministran.
313
VENTAS PUBLICIDAD
i Yi Xi-1 YiXi-1 X2i-1
∑▒�=
1 64.1 887.8 56908.0 788188.8 1139.0
2 94.3 982.1 92612.0 964520.4
∑▒�=
3 67.4 610.1 41120.7 372222.0 11052.1
4 105.4 806.0 84952.4 649636.0
∑▒� �=
5 135.7 1072.6 145551.8 1150470.8 1223617.6
6 148.7 1603.3 238410.7 2570570.9
∑▒�^𝟐
7 90.3 979.6 88457.9 959616.2 = 12494688.7
8 95.7 994.5 95173.7 989030.3
9 66.9 600.2 40153.4 360240.0 ��𝟑�.�=�𝟐 〖 �〗 _�+ 〖���
10 163.8 1861.2 304864.6 3464065.4 �� .� � 〗 _�
11 56.5 404.2 22837.3 163377.6 �𝟐𝟐𝟑𝟔��.𝟔=���𝟓𝟐.� �_�+�𝟐𝟒�𝟒𝟔𝟖𝟖.� �_�
12 50.2 250.5 12575.1 62750.3
1139.0 11052.1 1223617.6 12494688.7
VENTAS PUBLICIDAD
i Yi Xi-1 Yi*Xi-1 X2i-1 � (�_𝐢 (�_𝐢
̂_ 〖−� 〖− ¯� LI
1 64.1 887.8 56908.0 788188.8 𝐢 92.41 ̂ 〗 _𝐢
801.62
) 〗 _𝐢949.67
) 47.54
2 94.3 982.1 92612.0 964520.4 99.52 ^𝟐 27.28 ^𝟐 0.38 54.65
3 67.4 610.1 41120.7 372222.0 71.48 16.61 757.17 26.61
4 105.4 806.0 84952.4 649636.0 86.25 366.90 109.90 41.38
5 135.7 1072.6 145551.8 1150470.8 106.35 861.65 1663.28 61.48
6 148.7 1603.3 238410.7 2570570.9 146.36 5.48 2892.65 101.49
7 90.3 979.6 88457.9 959616.2 99.33 81.62 21.31 54.47
8 95.7 994.5 95173.7 989030.3 100.46 22.64 0.61 55.59
9 66.9 600.2 40153.4 360240.0 70.73 14.66 784.93 25.86
10 163.8 1861.2 304864.6 3464065.4 165.80 4.02 4744.91 120.94
11 56.5 404.2 22837.3 163377.6 55.95 0.30 1475.84 11.08
12 50.2 250.5 12575.1 62750.3 44.36 34.07 1999.58 -0.51
1139.0 11052.1 1223617.6 12494688.7 2236.83 15400.24
94.92
250.00
R2 = 85.48% 0.85475326
200.00
�_�^𝟐=( ∑▒�_
5.- VARIANZA DE LOS ERRORES ( �_�^
). 𝐢^𝟐 )/(𝒏−�)
𝟐
150.00
�_�^𝟐=(𝟐𝟐𝟑𝟔.𝟖𝟑)/
( �𝟐 −𝟐)=𝟐𝟐𝟑.𝟔𝟖 223.683414
100.00
�_�=�𝟒.�𝟔 14.9560494
50.00
0.00
0.0 200.0 400.0 60
-50.00
0.00
0.0 200.0 400.0 60
-50.00
200 Regresión
IC de 90%
IP de 90%
S 14.9560
150 R-cuad. 85.5%
R-cuad.(ajustado) 84.0%
100
Y
50
0
500 1000 1500 2000
X
b0 = 25.476
b1 = 0.075
〖� _� : 𝐁〗 1.6972E-05
_�=�
〖� _𝐚 : 𝐁〗
_�≠�
α= 0.05
tc = 7.67
tT = -2.228
14.96
Ejemplo: Estimar o pronosticar la venta en forma puntual e intervalica para un X = 1603.3, si el nivel de
confianza es del 99% y una desviacion estandar con respecto al promedio de Y.
Ejemplo: Estimar o pronosticar la venta en forma puntual e intervalica para un X = 2000, si el nivel de
confianza es del 95% y una desviacion estandar con respecto al promedio de Y; asi como la estimacion con una
desviacion estandar respecto a Y estimado.
a) ESTIMACION PUNTUAL: 176.27 � ̂_ 𝐢=𝟐𝟓.𝟒�𝟔+�.��𝟓(𝟐���)=��𝟔.𝟐�
314
La empresa EL TATA MOVIL SAC. ha trabajado hasta ahora con la hipótesis de que las ventas de un período
dependen linealmente de los gastos de publicidad efectuados en el período anterior. En este momento, le
solicitan a usted la realización de un análisis que ponga de manifiesto si la hipótesis, hasta ahora mantenida, se
puede seguir sosteniendo en función de los datos que le suministran.
VENTAS PUBLICIDAD
DIAGRAMA DE DISPERSION
180.0
160.0
i Yi Xi DIAGRAMA DE DISPERSION
1 65.2 895.0 180.0
2 95.9 990.0 160.0
3 68.5 615.0
140.0
4 107.2 812.5
5 138.0 1081.3 120.0
6 151.2 1616.3 100.0
7 91.8 987.5 80.0
8 97.3 1002.5
60.0
9 68.0 605.0
10 166.6 1876.3 40.0
11 57.5 407.5 20.0
12 51.0 252.5 0.0
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0 1800.0 2000.0
1.- IDENTIFICACION DE VARIABLES INDEPENDIENTE Y DEPENDIENTE.
160.0
�
_
�_�^𝟐=(𝟐𝟑�𝟑.𝟓𝟖)/ �
(�𝟐−𝟐)=𝟐𝟑�.𝟑𝟔 ^
DIAGRAMA DE DISPERSION Y RRLSM
𝟐
180.0
231.36
�_�=√((𝟐𝟑�𝟑.𝟓𝟖)/
160.0 f(x) = 0.0760733203x + 25.8863924354
(�𝟐−𝟐))=�𝟓.𝟐� 140.0
120.0
15.21
100.0
80.0
60.0
40.0
20.0
0.0
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0 1800.0 2000.0
(�_𝐢 〖 − (�_𝐢−¯�) (�_𝐢−¯�)
Yi Xi Yi Xi X2i � ̂ (�_𝐢−� _ ̂
i _𝐢 𝐢) � ̂ 〗 _𝐢 ) ^𝟐 ^𝟐
^𝟐
1 65.2 895.0 58354.0 801025.0 93.97 -28.77 827.83 1118.90
2 95.9 990.0 94941.0 980100.0 101.20 -5.30 28.08 3788.40
3 68.5 615.0 42127.5 378225.0 72.67 -4.17 17.40 98250.90
4 107.2 812.5 87100.0 660156.3 87.70 19.50 380.41 13444.40
5 138 1081.3 149219.4 1169209.7 108.14 29.86 891.35 23363.12
6 151.2 1616.3 244384.6 2612425.7 148.84 2.36 5.55 473137.62
7 91.8 987.5 90652.5 975156.3 101.01 -9.21 84.80 3486.90
8 97.3 1002.5 97543.3 1005006.3 102.15 -4.85 23.52 5483.40
9 68 605.0 41140.0 366025.0 71.91 -3.91 15.29 104619.90
10 166.6 1876.3 312591.6 3520501.7 168.62 -2.02 4.09 898419.62
11 57.5 407.5 23431.3 166056.3 56.89 0.61 0.38 271388.90
12 51 252.5 12877.5 63756.3 45.09 5.91 34.87 456908.40
TOTAL 1158.2 11141.4 1254362.5 12697643.3 0.0 2313.6 2353410.5
MEDIA 96.5 928.5 231.4
b0 = 25.89 b1 = 0.0761
Ejemplo: Estimar o pronosticar la venta en forma puntual e intervalica para un X = 1002.5, si el nivel de
confianza es del 95% y una desviacion estandar con rspecto al promedio de Y.
Density
𝒈�)=𝟐.𝟐𝟑 0.09
4.45 0.08
0.07
92.23 0.06
112.07 )
�_(¯�_�
0.05
0.04
=�𝟓.𝟐�√(�/�𝟐+(𝟓𝟒𝟖𝟑.𝟒�)/ 0.95
0.03
(𝟐𝟑𝟓𝟑𝟒��.𝟓))=𝟒.𝟒𝟓 0.02
0.01
0.025 0.025
〖��〗 _𝟖=��𝟐.�𝟓−𝟐.𝟐𝟑(𝟒.𝟒𝟓)=� 0.00
93.43 102.2 110.9 Y8
𝟐.𝟐𝟑
〖��〗 _𝟖=��𝟐.�𝟓+𝟐.𝟐𝟑(𝟒.𝟒𝟓)=��
𝟐.��
Ejemplo: Estimar o pronosticar la venta en forma puntual e intervalica para un X = 2050, si el nivel de
confianza es del 95% y una desviacion estandar con respecto al promedio de Y; asi como la estimacion con una
desviacion estandar respecto a Y estimado.
a) ESTIMACION PUNTUAL: 181.84 � ̂_ 𝟐�𝟓�=𝟐𝟓.𝟖𝟖𝟔+�.��𝟔(𝟐�𝟓�.�)=�𝟖�.𝟖𝟒
los
errore 231.4
s
12697643.3
2353410.5
n 12
s2 b0= 104.02
α= 0.05
tc= 7.673
tt= ±2.23
decision:rechazamos la H nula.
tc=
tt= 4.96
312
La empresa EL TATA MOVIL SAC. ha trabajado hasta ahora con la hipótesis de que las ventas de un período
dependen linealmente de los gastos de publicidad efectuados en el período anterior. En este momento, le
solicitan a usted la realización de un análisis que ponga de manifiesto si la hipótesis, hasta ahora mantenida, se
puede seguir sosteniendo en función de los datos que le suministran.
Yi Xi YiXi X2i � ̂
i _𝐢 e e2
1 62.4 844.9 52721.76 713856.0 89.90 -27.50 756.10
2 91.9 934.6 85889.74 873477.2 96.80 -4.90 24.05
3 65.7 580.6 38145.42 337096.4 69.55 -3.85 14.79
4 102.7 767.0 78770.9 588289.0 83.90 18.80 353.48
5 132.3 1020.7 135038.61 1041828.5 103.43 28.87 833.25
6 144.9 1525.7 221073.93 2327760.5 142.32 2.58 6.66
7 88.0 932.2 82033.6 868996.8 96.62 -8.62 74.29
8 93.3 946.4 88299.12 895673.0 97.71 -4.41 19.47
9 65.2 571.1 37235.72 326155.2 68.81 -3.61 13.07
10 159.6 1771.2 282683.52 3137149.4 161.22 -1.62 2.63
11 55.1 384.7 21196.97 147994.1 54.46 0.64 0.41
12 48.9 238.4 11657.76 56834.6 43.20 5.70 32.53
TOTAL 1110.0 10517.5 1134747.1 11315110.6 2.07 2130.74
�_�^𝟐=(𝟐�𝟑�.�𝟒)/
DIAGRAMA DE DISPERSION Y RRLSM (�𝟐−𝟐)=𝟐�𝟑.��𝟒
180.0
�_�=√(𝟐�𝟑.��)=�𝟒.𝟓�
160.0 𝟔
f(x) = 0.0771966528x + 24.8403503224
140.0
14.596
120.0
100.0
80.0 b0 = 24.84
60.0
b1 = 0.08
40.0
20.0
0.0
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0 1800.0 2000.0
Ejemplo: Estimar o pronosticar la venta en forma puntual e intervalica para un X = 1020.7, si el nivel de
confianza es del 90% y una desviacion estandar con respecto al promedio de Y.
0.09
4.46 0.08
95.56 0.07
0.06
111.71
�_(¯�_� ) 0.05
=�𝟒.𝟓�√(�/�𝟐+(��𝟐�.�−𝟖�𝟔.𝟒𝟔)^𝟐/ 0.04
0.90
(𝟐��𝟔�𝟔�.�))=𝟒.𝟒𝟔 0.03
0.02
𝟓.𝟓𝟔 0.00
96.29 103.6 111.0 Y5
〖��〗 _𝟓=��𝟑.𝟔𝟒+�.𝟖�(𝟒.𝟒𝟔)=��
�.��
Gráfica de línea ajustada
y = 24.84 + 0.07720 x
200 Regresión
IC de 90%
IP de 90%
S 14.5955
150 R-cuad. 85.4%
R-cuad.(ajustado) 84.0%
100
y
50
0
S 14.5955
150 R-cuad. 85.4%
R-cuad.(ajustado) 84.0%
100
y
50
0
500 1000 1500 2000
x
𝟒�𝟒𝟔𝟖𝟖.� �_�
600.0 1800.0 2000.0
(�_𝐢−¯�)
LS ^𝟐
137.28 1102.79
144.39 3732.19
116.34 96663.99
131.11 13226.92
151.21 22980.03
191.23 465521.92
144.20 3432.98
145.33 5401.03
115.60 102917.99
210.67 883960.37
100.82 267090.85
89.23 449581.43
2315612.49
200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0 1800.0 2000.0
200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0 1800.0 2000.0
S 14.9560
R-cuad. 85.5%
150 R-cuad.(ajustado) 84.0%
Y
100
50
0
500 1000 1500 2000
X
2315612.49
12494688.7
𝟔𝟖𝟖.�))/�𝟐
100.58
9.6598E-05
〖 〖 〖
� � �
(�_𝐢−¯�) (� ̂_ 𝐢−¯� �_( �_(
^𝟐 )^𝟐 ¯�_ � _ ̂ � � � �
�) ) 〗 〗 〗
_¯ _¯ _
� � � ̂
〖 〖 〖
� � �
(�_𝐢−¯�) (� ̂_ 𝐢−¯� �_( �_(
^𝟐 )^𝟐 ¯�_ � _ ̂ � � � �
�) ) 〗 〗 〗
949.67 6.27 4.33 15.57 _¯ 78.69 _¯
106.14 _ 43.06
� � � ̂
0.38 21.22 4.36 15.58 85.70 113.34 50.14
757.17 549.50 5.29 15.86 54.71 88.24 21.19
109.90 75.19 4.46 15.61 72.10 100.39 36.77
1663.28 130.63 4.57 15.64 91.87 120.82 56.77
2892.65 2646.32 7.98 16.95 121.08 171.64 92.63
21.31 19.52 4.36 15.58 85.53 113.14 49.95
0.61 30.70 4.38 15.58 86.58 114.33 51.06
784.93 585.05 5.35 15.88 53.78 87.68 20.38
4744.91 5024.99 10.20 18.10 133.47 198.14 108.42
1475.84 1518.31 6.67 16.37 34.82 77.08 4.04
1999.58 2555.70 7.88 16.90 19.39 69.34 -9.22
15400.2 13163.4
〖 〖 〖
Gráfica de línea ajustada � � �
� ̂ Y = 25.48 + 0.07540 X � � �
250 _� 〗 Regresión 〗 〗
1 92.41 _¯ 82.77
IC de 99%
IP de 99%
_¯102.06 _ 57.72
� � � ̂
200
2 99.52 89.81
S 109.24
14.9560 64.81
R-cuad. 85.5%
= 2000, si el nivel de
a estimacion con una
.𝟐�
ventas de un período
En este momento, le
a ahora mantenida, se
0 1800.0 2000.0
∑▒�=
1158.2
∑▒�=
11141.4
∑▒� �=
1254362.5
∑▒�^𝟐 =
12697643.3
b0 = 25.886
b1 = 0.076
�𝟔�_𝐢 250.00
200.00
150.00
100.00
LSM
50.00
0.00
150.00
100.00
LSM
50.00
924354 0.00
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0 1600.0 1800.0 2000.0
〖 〖 〖
� � �
G r á f i c a d�
e l ̂ í n e a a ju s ta d a � � �
Y = 2 5_�
.8 9 + 0 .0 7 6 0 7 X
〗 〗 〗
R e g_¯ _¯103.78 _ 58.69
1 93.97 I C d�
84.16
r e sió n
200 e 95% � � ̂
2 101.20 91.32
I P d e 95%
111.08 65.90
S 1 5.2104
3 72.67R - c u a d . 60.6985.5% 84.66 36.72
150 R - c u a d .(a ju sta d o ) 84.0%
4 87.70 77.58 97.81 52.33
5 108.14 97.79 118.49 72.71
Y
100
1002.5, si el nivel de 6 148.84 130.77 166.92 110.43
7 101.01 91.14 110.88 65.71
50
8 102.15 92.23 112.07 66.84
9 71.91 59.80 84.03 35.92
0
5 0 010 1000 1500 168.62
2000 145.51 191.74 127.60
X
11 56.89 41.78 71.99 19.78
��)=�.�𝟓
0
500 1000 1500 2000
X
5, 4.45 )
0.025
110.9 Y8
= 2050, si el nivel de
a estimacion con una
f p
58.9 0.00001695 0.00001695
ventas de un período
En este momento, le
a ahora mantenida, se
EPENDIENTE.
ENTE: Publicidad (X)
1800.0 2000.0
.�𝟒)/
��𝟒
�)=�𝟒.𝟓�
〖 〖 〖
� � �
(�_𝐢−¯�) (� ̂_ 𝐢−¯� �_( �_(
^𝟐 )^𝟐 ¯�_ � _ ̂ � � � �
�) ) 〗 〗 〗
_¯ _¯ _
� � � ̂
〖 〖 〖
� � �
�_( �_(
¯�_ � _ ̂ � � � �
�) ) 〗 〗 〗
4.23 _¯ 82.42 _¯97.71 _
� � � ̂
4.25 89.29 104.69
5.16 60.32 79.00
4.36 76.17 91.93
4.46 95.57 111.70
7.78 128.53 156.71
4.25 89.11 104.50
4.27 90.17 105.63
5.22 59.48 78.37
9.95 143.55 179.59
6.51 42.76 66.31
7.69 29.33 57.16
〖 〖 〖
� � �
� ̂ � � �
_�
〗 〗 〗
1 90.06 _¯ 82.41 _¯97.72 _ 62.52
2 96.99 � 89.28 �
104.70 � 69.43
̂
1020.7, si el nivel de
3 69.66 60.31 79.02 41.60
4 84.05 76.16 91.94 56.44
5 103.63 95.56 111.71 75.98
6 142.62 128.51 156.73 112.64
7 96.80 89.10 104.51 69.25
8 97.90 90.16 105.64 70.34
9 68.93 59.47 78.38 40.83
63, 4.46)
10 161.57 143.53 179.61 129.55
11 54.54 42.75 66.33 25.58
12 43.24 29.31 57.18 13.34
0.05
111.0 Y5
〖
�
�
〗
_
� ̂
〖
�
�
〗
_141.77
� ̂
148.91
121.76
135.72
155.92
200.09
148.71
149.86
121.08
223.19
107.86
97.95
〖
�
�
〗
_127.11
� ̂
134.23
106.82
121.02
141.19
184.13
134.04
135.18
106.12
206.14
92.44
82.03
0 1800.0 2000.0
〖
�
�
〗
_129.28
� ̂
136.53
108.65
123.09
143.61
187.28
136.34
137.49
107.93
209.68
94.02
83.43
〖
�
�
〗
_129.25
� ̂
136.50
108.62
123.06
143.58
187.25
136.31
137.46
107.90
209.64
93.99
83.40
〖
�
�
〗
_
� ̂
〖
�
�
〗
_
� ̂
〖
�
�
〗
_117.60
�124.54
̂
97.72
111.66
131.29
172.60
124.36
125.46
97.02
193.59
83.50
73.14
RGRESION NO LINEAL
Y= aebx
ln= lna+bxlne
y,= b0 + b1X
Yi Xi � ̂ (�_𝐢−� _ ̂
i Ln XY¡ X2 _𝐢 𝐢)
1 65.2 895.0 4.2 3738.8 801025.0 93.97 -28.77
2 95.9 990.0 4.6 4517.7 980100.0 101.20 -5.30
3 68.5 615.0 4.2 2599.5 378225.0 72.67 -4.17
4 107.2 812.5 4.7 3798.2 660156.3 87.70 19.50
5 138 1081.3 4.9 5327.8 1169209.7 108.14 29.86
6 151.2 1616.3 5.0 8111.6 2612425.7 148.84 2.36
7 91.8 987.5 4.5 4463.1 975156.3 101.01 -9.21
8 97.3 1002.5 4.6 4589.2 1005006.3 102.15 -4.85
9 68 605.0 4.2 2552.8 366025.0 71.91 -3.91
10 166.6 1876.3 5.1 9598.4 3520501.7 168.62 -2.02
11 57.5 407.5 4.1 1651.1 166056.3 56.89 0.61
12 51 252.5 3.9 992.8 63756.3 45.09 5.91
TOTAL 1158.2 11141.4 54.0 51941.0 12697643.3 1158.20 0.00
MEDIA 96.5 928.5
b1= -0.4348539
〖 〖
(�_𝐢 〖 − �_( �_( � �
(�_𝐢−¯�) (�_𝐢−¯�) (� ̂_ 𝐢−¯�
� ̂ 〗 _𝐢 ) ^𝟐 ^𝟐 ¯�_ � _ ̂ � � �
)^𝟐 �) )
^𝟐 〗 〗
827.83 1118.90 980.73 6.48 4.40 15.83 _¯84.15 _ 58.66
28.08 3788.40 0.38 21.92 4.43 15.84 � 91.31 �65.87
̂
Estadísticas de la regresión
Coeficiente d 0.9243139
Coeficiente 0.85435619
R^2 ajustado 0.83979181
Error típico 14.5955372
Observacione 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 12496.4629 12496.4629 58.6606585 1.7209E-05
Residuos 10 2130.29707 213.029707
Total 11 14626.76
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 24.8403503 9.78731986 2.53801354 0.02946333 3.03284268 46.647858 3.03284268
Variable X 1 0.07719665 0.01007918 7.65902465 1.7209E-05 0.05473885 0.09965446 0.05473885
Superior 95.0%
46.647858
0.09965446