Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.949
Coeficiente de determinacin R^2 90.0%
R^2 ajustado 0.88805392
Error tpico 0.480023
Observaciones 10

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresin 1 16.6816213 16.6816213 72.3958507
Residuos 8 1.84337872 0.23042234
Total 9 18.525

Coeficie
ntes Error tpico Estadstico t Probabilidad
Intercepcin 0.11813 0.35514771 0.33261956 0.74796986
Distancia (Km) - x 0.00359 0.00042136 8.50857513 2.7948E-05

Anlisis de los residuales

Observacin Pronstico Tiempo de entrega

Residuos
(das)-
Residuos
Y estndares
1 3.07586334 0.42413666 0.93717302
2 0.88893255 0.11106745 0.24541481
3 3.95422079 0.04577921 0.10115381
4 2.08995192 -0.0899519 -0.1987579
5 1.83899265 -0.8389926 -1.8538395
6 3.41645093 -0.4164509 -0.9201906
7 4.95805788 -0.4580579 -1.0121254
8 1.28329712 0.21670288 0.47882702
9 2.52016781 0.47983219 1.06023795
10 4.474065 0.525935 1.1621068
 Distancia (Km) - x Grfico de los re
1

0.5

Residuos
0
0.0 200.0 400.0 600.0 800.0 1000.0 120
-0.5

-1
Distancia (Km) - x
Valor crtico de F
2.7947736119704E-05

Distancia (Km) - x Curva de regres

6.0

Tiempo de entrega (das)- Y

5.0
Inferior 95% Superior 95%Inferior 99.0%
Superior 99.0% 4.0 Tie
Y
-0.7008430036 0.93710115 -1.073529 1.30978719 3.0
Pro
2.0 ent
0.0026134856 0.00455678 0.00217132 0.00499894
1.0
0.0
0.0 500.0 1000.0 1500.0
Distancia (Km) - x
Resultados de datos de probabilidad

Percentil Tiempo de entrega (das)- Y

5
15
1
1
Grfico de probabilidad no
Tiempo de entrega (das)- Y

25 1.5 6
35 2 4
45 3
2
55 3
65 3.5 0
0 10 20 30 40 50 60 70
75 4
85 4.5 Muestra percentil

95 5
 3.1

2.9

2.7
f(x) = 0.338902148x - 5.2658472554
2.5 R = 0.7242152748
Ahorro (Y)

2.3

2.1

1.9

1.7

1.5
20.0 20.5 21.0 21.5 22.0 22.5 23.0 23.5 24.0
Renta (X)

Regression Analysis

r 0.724 n 10
r 0.851 k 1
Std. Error 0.214 Dep. Var. Ahorro (Y)

ANOVA table
Source SS df MS F p-value
Regression 0.9625 1 0.9625 21.01 .0018
Residual 0.3665 8 0.0458
Total 1.3290 9

Regression output confidence interval

variables coefficients std. error t (df=8) p-value 95% lower 95% upper
Intercept -5.2658 1.6281 -3.234 .0120 -9.0202 -1.5115
Renta (X) 0.3389 0.0739 4.583 .0018 0.1684 0.5094

Predicted values for: Ahorro (Y)

95% Confidence Interval 95% Prediction Interval
Renta (X) Predicted lower upper lower upper Leverage
22.5 2.3595 2.1816 2.5373 1.8348 2.8841 0.130

Regression Analysis

r 0.724 n 10
 r 0.851 k 1
Std. Error 0.214 Dep. Var. Ahorro (Y)

ANOVA table
Source SS df MS F p-value
Regression 0.9625 1 0.9625 21.01 .0018
Residual 0.3665 8 0.0458
Total 1.3290 9

Regression output confidence interval

variables coefficients std. error t (df=8) p-value 95% lower 95% upper
Intercept -5.2658 1.6281 -3.234 .0120 -9.0202 -1.5115
Renta (X) 0.3389 0.0739 4.583 .0018 0.1684 0.5094

Predicted values for: Ahorro (Y)

95% Confidence Interval 95% Prediction Interval
Renta (X) Predicted lower upper lower upper Leverage
22.5 2.3595 2.1816 2.5373 1.8348 2.8841 0.130
 1. Suponga que un analista toma una muestra aleatoria de 10 embarques enviados por camin de una com
el tiempo en das, y a partir del momento en que el embarque estuvo listo para s

Embarque Tiempo de entrega

Distancia (Km) - x
muestreado (das)- Y
1 825.0 3.5
2 215.0 1.0
3 1070.0 4.0
4 550.0 2.0
5 480.0 1.0
6 920.0 3.0
7 1350.0 4.5
8 325.0 1.5
9 670.0 3.0
10 1215.0 5.0

a) Construya la grfica de dispersin para los datos e indique el tipo de relacin que observa.

Diagrama de dispersin
6.0
5.0
f(x) = 0.0035851324x + 0.118129074
Tiempo de entrega (das)

4.0 R = 0.900492377
3.0
Tiempo de entrega (das)- Y
2.0 Linear (Tiempo de entrega
1.0 (das)- Y)

0.0
0 0 0 0 0 .0 .0 .0 .0
0. 0. 0. 0. 0. 00 200 400 600
20 40 60 80 10 1 1 1

Distancia (Km)

b) Cul es el grado de relacin que existe entre el tiempo de entrega y la distancia?

Coeficiente de correlacin ( r ) n xi yi x y
i i
r
n x i2 x n y y
2 2 2
i i i
 n xi yi x y i i
r
n x i2 x n y y
2 2 2
i i i

Distancia (Km) - x Tiempo de

entrega (das)- Y

Distancia (Km) - x 1
Tiempo de entrega (das)- 0.949 1
Y

Existe un alto grado de relacin o asociacin entre la distancia y el tiempo de entrega.

c) En qu porcentaje explica la variable independiente a la dependiente?

Coeficiente de determinacin ( r 2 ) 90.05%

La distancia explica en un 90% el tiempo de entrega

d) Utilizando la ecuacin de regresin, estime el tiempo de entrega, desde el momento en que el

embarque est disponible para un viaje de 1000 Kilmetros.

y 0 1 x Bo:
B1:

y = 0.0036x + 0.1181 Nota: Para realizar una estimacin o pronsti

reemplazar en la ecuacin el valor de X, para
Un viaje de 1000 Kilmetros --> X valor de Y.

y = 0.0036(1000) + 0.1181= 3.72

Se estima que hay tiempo de entrega de 3.72 das para una distancia de 1000 km

e) Al 99% de confianza Se puede concluir que el modelo encontrado estadsticamente sirve para realizar pr

Ho: B1 = 0 (Modelo no es siginificativo) a 0.01

Ha: B1 0 (Modelo es siginificativo)

ANLISIS DE VARIANZA
 Suma de Promedio de los
Grados de libertad cuadrados cuadrados
Regresin 1 16.682 16.682
Residuos 8 1.843 0.230
Total 9 18.525

Si p-value <= 0.01, SE RECHAZAR Ho

Decisin: Como p-value = 0.00 < 0.01, SE RECHAZA Ho

Conclusin: Al 99% de confiabilidad, hay evidencia estadstica que prueba

que el modelo y = 0.0036x + 0.1181 es significativo para realizar
estimaciones de Y.

f) Cul es el mximo error de estimacin al realizar un pronstico?

S yx
y 2
i bo yi b1 xi yi
n2
Error tpico (Syx) = 0.480
ues enviados por camin de una compaa y registra la distancia en kilmetros y
n que el embarque estuvo listo para su transportacin.

a) Construya la grfica de dispersin para los datos e indique el tipo de relacin que observa.
b) Cul es el grado de relacin que existe entre el tiempo de entrega y la distancia?
c) En qu porcentaje explica la variable independiente a la dependiente?
d) Utilizando la ecuacin de regresin, estime el tiempo de entrega, desde el momento en que el embarque e
disponible para un viaje de 1000 Kilmetros.
e) Al 99% de confianza Se puede concluir que el modelo encontrado estadsticamente sirve para realizar pr
f) Cul es el mximo error de estimacin al realizar un pronstico?

Variable independiente (X): Distancia

Variable dependiente (Y): Tiempo de entrega

relacin que observa.

Segn el diagrama de dispersin se observa

una relacin positiva entre la distancia y el
tiempo de entrega.
po de entrega (das)- Y
ar (Tiempo de entrega
)- Y)

y la distancia?

i x y
i i

xi n y y
2 2
i i
2
 i x y
i i

xi n y y
2 2
i i
2

stancia y el tiempo de entrega.

Variable independiente (X): Distancia

Variable dependiente (Y): Tiempo de entrega

sde el momento en que el

0.1181
0.0036

ara realizar una estimacin o pronstico, se debe

zar en la ecuacin el valor de X, para poder calcular el
Y.

ra una distancia de 1000 km

estadsticamente sirve para realizar predicciones?

 Valor crtico de F
F (p-value)
72.396 0.00
bserva.

o en que el embarque est

e sirve para realizar predicciones?

2. En una muestra de familias se han analizado las variables ahorro anual y renta anual, medidas ambas en
miles de euros. Los datos obtenidos han sido los siguientes:

Renta (X) Ahorro (Y) A partir de tales datos, se pide:

20.5 1.9 a) Construya un diagrama de dispersin e indique que relacin observa
20.8 1.8 b) Qu porcentaje de la variable ahorro queda explicado por la variable renta a
21.2 2.0 c) Encuentre el mximo error de estimacin
21.7 2.1 d) Cul sera el ahorro anual para una renta de 22.5 miles de euros?
22.1 1.9
22.3 2.0 Variable independiente (X): Renta
22.2 2.2 Variable dependiente (Y): Ahorro
22.6 2.3
23.1 2.7
23.5 3.0

a) Construya un diagrama de dispersin e indique que relacin observa

3.1 Segn el diagrama de

Ahorro (Y)

relacin positiva en
2.9

2.7
f(x) = 0.338902148x - 5.2658472554
2.5 R = 0.7242152748
2.3

2.1

1.9

1.7

1.5
20.0 20.5 21.0 21.5 22.0 22.5 23.0 23.5 24.0
Renta (X)

b) Qu porcentaje de la variable ahorro queda explicado por la variable renta a travs del modelo lineal plantead

Coeficiente de determinacin ( r 2 ) 72.40%

La renta explica en un 72.4% el ahorro

c) Encuentre el mximo error de estimacin

Std. Error 0.214

d) Cul sera el ahorro anual para una renta de 22.5 miles de euros?

y = 0.339 x - 5.266 x = 22.5

y= 2.36

Para una renta de 22.5 miles de euros, se estima un

ahorro de 2.36 miles de euros
medidas ambas en

e relacin observa
icado por la variable renta a travs del modelo lineal planteado?

miles de euros?

Segn el diagrama de dipersin se observa una

relacin positiva entre la renta y el ahorro.

del modelo lineal planteado?

3.Un inversionista en bienes races recopila los siguientes datos de una muestra aleatoria de apartamento en el lado

a.Grafique los datos como un diagrama de dispersin en donde Y = renta y X = tamao

b.Determine la ecuacin de regresin que relacione la renta con el tamao.
c.Cul es el aumento estimado en la renta por pie cuadrado adicional de espacio?
d.Pronostique la renta mensual para un apartamento de 750 pies 2
e. Al 95% de confianza Se puede concluir que el modelo encontrado estadsticamente sirve par

Renta ($ por Tamao

mes) (pies2)
720 1000
595 900
915 1200
760 810
1000 1210
790 860
880 1135
845 960
650 800
748 960
685 650
755 970
815 1000
745 1000
715 1000
885 1180
 apartamento en el lado oeste de Collage Station, Texas.

enta y X = tamao

al de espacio?

stadsticamente sirve para realizar predicciones?

 n xi yi xi yi y 1 xi
1 0 i

n xi2 xi
2
n

n x i y i x i y i y bo y
2
i
r S yx
n x i2 x i n y i2 y i n
2 2

x y
SSR = b1SSxy SS xy xy
SSR n
Fc 2 SSE
Se S e2 SSE SS y SSR
n 2
y 2

SS y y 2
n
 y 0 1 x

y 2
i bo yi b1 xi yi
x
n2

x y
xy
n

y SSR

y 2

y2
n