Sei sulla pagina 1di 12

PROYECCION DE DEMANDA POR EL METODO DE REGRESON

xi yi xi yi xi2 yi2
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1156
1 40 40 1 1600
SUMAS 28 156 603 170 4496
PROMEDIOS 4.6666667 26

b2= -3.18
b1= 40.83
r2= 90.28%

CALCULO DE LA ECUACION LINEAL

50

40
f(x) = - 3.1779661017x + 40.8305084746
30 R = 0.9028312789
20

10

0
0 1 2 3 4 5 6 7 8 9
yi Linear (yi) Linear (yi)
LINEAL

8 9
PROYECCION DE DEMANDA POR EL METODO DE REGRESON
xi yi xi yi xi2 yi2
2 14 28 4 196
3 20 60 9 400
5 32 160 25 1024
7 42 294 49 1764
8 44 352 64 1936
SUMAS 25 152 894 151 5320
PROMEDIOS 5 30.4

b2= 5.15
b1= 4.63
r2= 98.77%

50

40 f(x) = 5.1538461538x + 4.6307692308

R = 0.987722232
30

20

10

0
1 2 3 4 5 6 7 8 9
yi Linear (yi) Linear (yi)
NEAL

9
Sujetos Y nota X1 inteligenciaX2 motivacion
1 4 85 10
2 5 100 20
3 8 95 35
4 7 80 30
5 10 180 45
6 6 90 25
7 6 110 10
8 7 120 15
9 4 80 10
10 4 95 15
11 6 160 15
12 9 150 45
Medias 6.33 112.08 22.92
S 1.97 33.06 13.05

Resumen

Coeficiente de0.92159464
Coeficiente d 0.84933667
Error tpico 0.84513654
Observacione 12
FCRITICO 4.256494729
ANLISIS DE VARIANZA
F Valor crtico de F
Regresin 2 36.2383647 18.11918235 25.367919 0.000200002
Residuos 9 6.428301965 0.714255774
Total 11 42.66666667

Intercepcin 1.7374748 0.884816744 1.963654969 0.0811661 -0.264119739 3.739069331 -0.26411974
X1 inteligenci 0.01876312 0.00871416 2.153175954 0.0597272 -0.00094968 0.038475919 -0.00094968
X2 motivacion0.10877784 0.022442854 4.846881039 0.0009123 0.05800858 0.159547105 0.05800858

Y= 1,73-0,01x-0,10x
Superior 95,0%
3.7390693307
0.0384759186
0.1595471054
Gastos alimenticios Ingresos Tamao

1.29 8.90 3
1.25 6.20 4
0.78 4.70 3
0.52 1.80 6
0.47 2.90 3
0.46 1.60 4
0.44 2.30 3
0.43 2.10 3
0.43 3.50 2
0.38 1.40 4
0.35 2.40 2
0.35 1.20 4
0.32 0.90 5
0.31 1.10 4
0.29 1.00 5

Resumen

Coeficiente de correl0.9744946
Coeficiente de dete 0.9496397
Error tpico 0.0775123
Observaciones 15
FCRITICO 3.88529383
ANLISIS DE VARIANZA
Suma de Promedio
F Valor crtico de F
Regresin 2 1.359542152 0.6797711 113.14142 1.631E-008
Residuos 12 0.072097848 0.0060082
Total 14 1.43164

Intercepcin -0.160458 0.090389103 -1.775192 0.1012114 -0.357399 0.0364829
Ingresos 0.148727 0.009971317 14.915484 4.146E-009 0.12700139 0.17045266
Tamao 0.0769152 0.020106868 3.8253195 0.002416 0.03310609 0.1207243

Y=-0.16-0.14x-0.07x
Inferior 95,0% Superior 95,0%
-0.3573989806 0.0364828953
0.1270013894 0.1704526562
0.0331060923 0.1207242962
El Servicio Interno de Contribuciones (IRS) de EE.UU. est tratando de estimar la cantidad mensual de
impuestos no pagados descubiertos por su departamento de auditoras. En el pasado, el IRS estimaba esta
cantidad con base en el nmero esperado de horas de trabajo de auditoras de campo. En los ltimos aos,
sin embargo, las horas de trabajo de auditoras de campo se han convertido en un pronosticador errtico
de los impuestos no pagados reales. Como resultado, la dependencia est buscando otro factor para
mejorar la ecuacin de estimacin.
El departamento de auditoras tiene un registro del nmero de horas que usa sus computadoras para
detectar impuestos no pagados. Podramos combinar esta informacin con los datos referentes a las
horas de trabajo de auditoras de campo y obtener una ecuacin de estimacin ms precisa para los
Horas
X1 de X2 en Impuestos
Y
Horas
trabajo de reales no
Computa
Mes dora (dos
campo (dos descubierto
ceros
ceros s (Millones
Enero 45 omitidos)
16 29\$)
omitidos) de
Febrero 42 14 24
Marzo 44 15 27
Abril 45 13 25
Mayo 43 13 26
Junio 46 14 28
Julio 44 16 30
Agosto 45 16 28
Septiembre 44 15 28
Octubre 43 15 27

Resumen

Coeficiente de corre 0.8320925079
Coeficiente de dete 0.6923779417
Error tpico 1.1545687157
Observaciones 9

ANLISIS DE VARIANZA
Regresin 2 18.00182648 9.000913242 6.7522265357
Residuos 6 7.998173516 1.3330289193
Total 8 26

Intercepcin -14.5050228311 15.19207176 -0.9547758236 0.3765587325 22.6686376132 -51.67868328
45 0.5735159817 0.334662183 1.7137161315 0.1374121346 1.3924048436 -0.24537288
16 1.1178082192 0.362597332 3.0827811503 0.0215861074 2.0050519272 0.2305645112
modelo de regresion multilple
y= a+bx simple y= impuestos
y=a0+a1x simple x1= horas trabajo
y= a0 + a1 x1 +multiple

y= -14,50502283 + 0,573515982 x1 + 1,117808219 x2

mensual de
RS estimaba esta
los ltimos aos,
factor para

rentes a las
sa para los

Superior 95,0%
22.668637613
1.3924048436
2.0050519272

N y x2 x1
1 196.00 28.00 4.00
2 400.00 60.00 9.00
3 1024.00 160.00 25.00
4 1764.00 294.00 49.00
5 1936.00 352.00 64.00
6 5320.00 894.00 151.00

Resumen

Coeficiente d 0.9999973676
Coeficiente 0.9999947351
Error tpico 5.5483037898
Observacione 6

ANLISIS DE VARIANZA
Regresin 2 17540824.982 8770412.4912 284904.66155 1.20805E-008
Residuos 3 92.35102483 30.783674943
Total 5 17540917.333

Intercepcin 1.1798208594 3.3083753689 0.3566163835 0.7449864246 -9.34890611 11.708547829
x2 11.8399513725 0.1895229303 62.472395049 9.03662E-006 11.236804823 12.443097922
x1 -34.890437017 1.1082514512 -31.48241943 7.04192E-005 -38.41738775 -31.363486281

modelo de regresion multilple

y= a+bx simple
y=a0+a1x simple
y= a0 + a1 x1multiple
+ a2 x2

y= 1,17982086 + -34,890437 x1 + 11,8399514 x2

Inferior 95,0% Superior 95,0%
-9.3489061099 11.7085478287
11.2368048232 12.4430979218
-38.417387754 -31.363486281