El gerente del distrito de ventas de un fabricante de automóviles importante estudia

las ventas de automóviles. Específicamente, le gustaría determinar qué factores

influyen en el número de automóviles vendidos en una concesionaria. Para investigar
esto, selecciona al azar 12 concesionarias y obtiene el número de automóviles
vendidos el mes pasado, los minutos de publicidad en la radio el mes pasado, el
número de vendedores de tiempo completo de la concesionaria y si ésta se ubica en
la ciudad. La información es la siguiente:

Y X1 X2 X3
127 18 10 SI
138 15 15 NO
159 22 14 SI
144 23 12 SI
139 17 12 NO
128 16 12 SI
161 25 14 SI
180 26 17 SI
102 15 7 NO
163 24 16 SI
106 18 10 NO
149 25 11 SI

A) Formule una matriz de correlación. ¿Qué variable independiente tiene la correlación más
fuerte con la variable dependiente? ¿Habrá problemas con la multicolinealidad?
Correlaciones
Y X1 X2
X1 0.808
X2 0.872 0.537
X3 0.639 0.713 0.389
La correlación más alta (8.872) es entre las ventas y los automóviles vendidos el mes pasado. Existe
una relación entre la ciudad y la publicidad (.7113) podría ser un problema

B) Determine la ecuación de regresión. ¿Cuántos automóviles espera que venda una

concesionaria que emplea a 20 vendedores, compra 15 minutos de publicidad y se ubica en una
ciudad?

Ecuación de regresión
Y = 31.1 + 2.152 X1 + 5.014 X2 + 5.67 X3

Y = 31.1 + 2.152 (15) + 5.014 (20) + 5.67 (1) = 169.352

C) Realice una prueba global de hipótesis para determinar si alguno de los coeficientes de
regresión difiere de cero. Sea α = 0.05

H0: β1=β2=β3=0 y H1: No todas la β son 0

Sea α = 0.05

3) Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 3 5504.42 1834.81 34.93 0.000
X1 1 375.37 375.37 7.15 0.028
X2 1 1592.89 1592.89 30.32 0.001
X3 1 42.04 42.04 0.80 0.397
Error 8 420.24 52.53
Total 11 5924.67

F= 1834.81/52.43= 34.93

Como: F CALCULADA>4.07

Se rechaza H0. Al menos un coeficiente de regresión

D) Realice una prueba de hipótesis para los coeficientes de regresión individuales. ¿Consideraría
eliminar alguna de las variables independientes? Sea α = 0.05.

Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 31.1 13.4 2.32 0.049
X1 2.152 0.805 2.67 0.028 2.43
X2 5.014 0.911 5.51 0.001 1.40
X3 5.67 6.33 0.89 0.397 2.04

1) H0: β1=0 y H1: No todas la β son 0

 H0 Se rechaza t cuando t>2.306 o t<-2.306. por lo tanto, ventas y publicidad se conservan y ciudad
se elimina.

E) Si su conclusión en el inciso d) fue eliminar una o más variables independientes, realice de

nuevo el análisis sin estas variables.

Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 25.3 11.6 2.19 0.057
X1 2.619 0.606 4.32 0.002 1.40
X2 5.023 0.900 5.58 0.000 1.40

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 5462.4 2731.19 53.17 0.000
X1 1 960.3 960.26 18.69 0.002
X2 1 1599.0 1598.97 31.13 0.000
Error 9 462.3 51.37
Falta de ajuste 8 241.8 30.22 0.14 0.973
Error puro 1 220.5 220.50
Total 11 5924.7
Ecuación de regresión
Y = 25.3 + 2.619 X1 + 5.023 X2

F) Determine las varianzas residuales para la ecuación del inciso e). Utilice un diagrama de tallo y
hojas o bien un histograma para verificar que la distribución de las varianzas residuales sea
aproximadamente normal.

La suposición de normalidad es razonable por que el histograma tiene la forma de una grafica
normal

G) Trace las varianzas residuales calculadas en el inciso f) en un diagrama de dispersión con las
varianzas residuales en el eje Y y los valores Yˆ en el eje X. ¿Revela la gráfica alguna violación de las
suposiciones de regresión?