Академический Документы
Профессиональный Документы
Культура Документы
Bill Thous
Año GNP New HousingCoeficiente de Correlación
1960 507 1296 0.010070616 Resumen
1965 691 1510
1970 993 1469 Estadísticas de la regresión
1973 1326 2057 Coeficiente de correlac 0.01007062
1974 1434 1353 Coeficiente de determi 0.00010142
1975 1549 1171 R^2 ajustado -0.0768139
1976 1718 1548 Error típico 345.504529
1977 1910 2002 Observaciones 15
1978 2164 2036
1979 2418 1760 ANÁLISIS DE VARIANZA
1980 2632 1313 Grados de libertad
1981 2958 1100 Regresión 1
1982 3069 1072 Residuos 13
1983 3305 1712 Total 14
1984 3663 1756
Coeficientes
Intercepción 1536.66813
GNP 0.0034604
El coeficiente de correlacion es bajo por tano no
hay relación entre los datos de la regresión. La
probabilidad al ser mayor de 0.05 (0.97>0.05)
comprueba que los datos no guardan relación. NO
Depende de la cantidad de nuevos hogares (en
miles) en EU del Producto nacional Bruto (GNP).
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
157.400809 157.400809 0.00131856 0.97158528
1551853.93 119373.379
1552011.33
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total
Intercepción
P
Dispersión
4
sticas de la regresión 3.5
3
0.84423634
2.5
0.712735 2
0.69761579 1.5
0.6320867 1
0.5
21
0
0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
1 18.8344206312 18.8344206312 47.1410191646 1.4999E-06
19 7.5911382133 0.3995335902
20 26.4255588445
Nuevo Modelo
6
5
sticas de la regresión 4
0.92788351 3
0.86096782 2
0.851699 1
0.17431606 0
0.1 0.12 0.14 0.16 0.18 0.2 0.22 0.24 0.26 0.28
17
D Model o
DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
1 2.8225239434 2.8225239434 92.8886884908 8.1001E-08
15 0.455791333 0.0303860889
16 3.2783152764
Superior 95.0%
-0.44716043
11.31985333
1. En promedio, ¿Qué demanda se tendrá si el precio es de $0.15 (15 centavos)?
2. ¿Qué precio, en promedio, producirá una demanda de 200 unidades?
SOLUCION
Demanda
D= 1
a*P+b
= 1
9.2698045*0.15+(-0.810634)
= 1.72462395
Precio
D= 1 Despejamos P
a*P+b
P= ((1/200)-(-0.810634))/9.2698045
P= 0.0879882767
5 (15 centavos)?
dades?
Ejercicio5
Size of Home and Electrici ln(x) ln(y) Modelo Resumen
1290 1182 7.1623975 7.0749632 1224.41844
1350 1172 7.20785987 7.06646697 1264.90949 Estadísticas de la regresión
1470 1264 7.29301768 7.14203657 1344.3931 Coeficiente d 0.93864691
1600 1493 7.37775891 7.3085428 1428.44534 Coeficiente 0.88105803
1710 1571 7.44424865 7.35946764 1498.05744 R^2 ajustado 0.86619028
1840 1711 7.51752085 7.44483327 1578.70606 Error típico 0.07352731
1980 1804 7.59085212 7.4977617 1663.76676 Observacione 10
2230 1840 7.70975686 7.51752085 1811.53916
2400 1956 7.78322402 7.57865685 1909.33057 ANÁLISIS DE VARIANZA
2930 1954 7.9827577 7.57763383 2202.39735 Grados de libertad
Regresión 1
Modelo Potencial Residuos 8
Total 9
2500
Coeficientes
2000
Intercepción 1.98454144
ln(x) 0.71563744
1500
k 7.27571024
1000
500
0
1200 1400 1600 1800 2000 2200 2400 2600 2800 3000 3200
Modelo Lineal
2500
2000
1500
1000
500
0
1200 1400 1600 1800 2000 2200 2400 2600 2800 3000 3200
Col umn C Col umn F
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
0.32037362 0.32037362 59.2596877 5.7542E-05
0.04325013 0.00540627
0.36362375
Intercepción
G.M
a regresión
0.67062136
0.44973301
0.38094964
0.0881463
10
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 0.05080184 0.05080184 6.53839711 0.03380288
8 0.06215816 0.00776977
9 0.11296
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
0.0248188 0.03342809 0.74245345 0.47904282 -0.0522665 0.10190412 -0.0522665 0.10190412
0.5128391 0.20056054 2.55702896 0.03380288 0.05034567 0.97533252 0.05034567 0.97533252
perior 95.0%
1. Un experto le dijo que ese fenómeno no se comportaba en forma exponencial. Teniendo en cuenta esto. Descr
pasos del modelado
El fenomeno se comporta como un modelo Hiperbola, de acuerdo a esto debemos tomar la variable (Y) y se saca
luego corremos la regresión de (1/Y) vs (X). Por ultimo se grafica Modelo vs X,Y.
Es una funcionn que muestra la relación entre el promedio de una variable y la otra que lo explica.
4. La siguiente gráfica representa las ventas semanales de cierta compañía. Describa los pasos del modelado.
Es un modelo Exponencial, el cual se debe hayar el LN(x) y LN(y) para posterior a ello realizar la regresión, con est
encontrar la constante K mediante la EXP de la Intercepción que da la regresión con la cual se realiza el modelado
Y=KX^alpha y finalmente graficar como resultado de lo obtenido.
5. Describa un fenómeno de su interés o relacionado con la empresa en la que trabaja, que pudiera analizarse c
regresión. Descríbalo en detalle. ¿Cómo recogería los datos?
Los datos que tomaria para realizar la regresión seria, ingresos por pensiones registrados en el año 2017, mes po
Los datos serian tomados del informe financerio a 31 de diciembre de 2017, se verifica con los informes mes a m
para mirar el comportamiento de los pagos, la eficencia de los administrativos en los cobros de las pensiones , ta
se realizo una encuesta e otros colegios con el fin de realizar comparaciones y mirar en que mes los pagos se veia
disminuio, y de acuerdo a est situacion tomar medidas de cobros de cartera
l. Teniendo en cuenta esto. Describa los
n:
D.
Y = B1 + B2 * X1 + B3 * X2
Y = (-906.56) + 10.98 * 21 + 63.79 * 0.3
Y = (-656.843)
E.
Se necesita Distribucion T student
Grados de libertad = T ( 32 - 3 ) = 29
F.
Ho = B1 = 0 La variable independiente no explica la dependiente.
Ho = B2 = 0 La variable independiente no explica la dependiente.
4
Se elige el R^2 mas alto 0.78 ya que nos indica que tan alejado esta el dato
real con respecto al promedio, por tanto el explica los rendimientos de la
inversión.
Modelo Teorico
S = B1 + B2 * (E)+ B3 * (R) + ei
S = Salario
E = Experiencia
R = Puntaje
Modelo Estimado
S = 20.11 + 0.89E + 0.14R