Tablas de probabilidades conjuntas

Visito Competidores
Si
No
Total
23 o menos
207
201
Edad
24 - 26
299
379
27 - 30
185
268
31 - 35
66
193
36 o mas
51
169
808
1210

Edad

a)
b)
c)
d)
e)
f)
g)
h)

2018
408
678
453
259
220
2018

Visito Competidores
Si
No
23 o menos
0.10
24 - 26
0.15
27 - 30
0.09
31 - 35
0.03
36 o mas
0.03
0.40

0.10
0.19
0.13
0.10
0.08
0.60

0.20
0.34
0.22
0.13
0.11
1.00

P(A)
P(B)
P
P(dyC)
P(C/B)
P(gy h)
P(I y J)

0.40
0.11
0.6

0.37
0.27
0.3

0.2
0.46
0.4
0.1
0.15
0.03
0.18

P (A y B)

P(A)
0.4

Total

P(B)
1
0.136

0.4

Calcular una tabla de distribucin porcentual total

Tabal cruzada

0.2
Opciones
Personal propio
Empresa Externa
Combinacion

Alta

0.5
Media

0.3
Baja

650
900
800

650
600
650

600
300
500

130
180
160

325
300
325

180
90
150

635 Alta
Personal propio
Media
Baja

0.2
0.5
0.3

650
650
600

570 Alta
1 Empresa Externa Media
Baja

0.2
0.5
0.3

900
600
300

635 Alta
Media
Baja

0.2
0.5
0.3

800
650
500

Combinacion

635
570
635

130
325
180

180
300
90

160
325
150

media
Desviacion

80
10

X-media
Desviacion

-20
10

-2

0.0228

60-80

-20
10

-2

0.0228

10

-0.5

0.3085

10

-5
10

75-80

0.2857

90-80
10

x-80

10
10

1.64
10

0.1587

60

(1.64*10)
-16.4

16.5

9.522
10 estudiantes

80

96.5

63.6
16.4
10
16.5

1.64

GYE
P(A/B)

UIO
P(A/B)

P(AyB)
P(B)

0.306
0.828

0.370

P(AyB)
P(B)

0.287
0.79

0.36

Regresion lineal
Y=B0 +B1X+E
Si es factible pronosticar el ingreso recabado en las salas de cine a partir de la publicidad televisiva
Ingreso=B0 + B1*Gasto TV
Analisis - Regresion -Lineal
Dependiente = Y
Independiente =X
Resumen del modelo

Modelo
1

R cuadrado
,808a

R cuadrado
ajustado

.653

Error estndar de
la estimacin

.595

1.215

a. Predictores: (Constante), PublicidadTV

R cuadrado

65.30%

La varible Gastod de Publicidad en TV permite explicar el 65.3% de la variabilidad de los datos de ingr

ANOVAa
Modelo
1

Suma de cuadrados
Regresin
Residuo
Total

gl

Media cuadrtica

16.640

16.640

8.860

1.477

25.500

F
11.269

a. Variable dependiente: Ingreso

b. Predictores: (Constante), PublicidadTV

Residuo es el error
si el p es menor a alfa 0.05
Coeficientesa

Coeficientes no estandarizados
Modelo
1

B
(Constante)
PublicidadTV

a. Variable dependiente: Ingreso

Error estndar
88.638

1.582

1.604

.478

Coeficientes
estandarizados
Beta

t
56.016
.808

3.357

Y=

88.638+ 1.604 * GAstoTv

Por cada $1000 de publicidad televisiva mis ingresos se incrementan $1604

Si el B1 fuera negativo se leeria, por cada $1000 de publicidad televisiva mis ingresos d

r de la publicidad televisiva

riabilidad de los datos de ingresos

Sig.
,015b

Ho

B1=0

Ha

B1<>0

Sig.
.000
.015

0.015 <

rementan $1604
idad televisiva mis ingresos disminuyen $1604

0.05 V

Se rechaza

Resumen del modelo

Modelo
1

R cuadrado
,021a

R cuadrado
ajustado

.000

Error estndar de
la estimacin

-.166

2.061

a. Predictores: (Constante), Publicidad_Prensa

ANOVAa
Modelo
1

Suma de
cuadrados
Regresin

gl

Media cuadrtica

.011

.011

Residuo

25.489

4.248

Total

25.500

F
.003

a. Variable dependiente: Ingreso

b. Predictores: (Constante), Publicidad_Prensa
Coeficientesa

Coeficientes no estandarizados
Modelo
1

B
(Constante)
Publicidad_Prens
a

a. Variable dependiente: Ingreso

Error estndar
93.856

2.237

-.043

.855

Coeficientes
estandarizados
Beta

t
41.948
-.021

-.050

Sig.
,962b

Sig.
.000
.962