Calcular la regresión lineal simple con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica

de los re
APLICAR LA METODOLOGÍA GENERAL
HIPOTESIS En la medida que los ingresos suben el gasto en vacaciones se incrementa, por lo tanto existe una cor
DATOS (En bs.)
xi yi
Ingresos anuales (en mil Gasto anual en vacaciones (En miles)
11-Jan-00 22-Aug-01
14-Jan-00 26-Sep-02
17-Jan-00 14-Apr-03 18-May-27
Gasto anual en vacaciones (En miles)
20-Jan-00 8-Feb-04 21-Aug-24
24-Jan-00 22-Jun-05 25-Nov-21
f(x) = 146.2791633146x - 1549.0144810941
6-Feb-00 18-Mar-08 1-Mar-19 R² = 0.9467093989
4-Jun-16
18-Feb-00 8-Sep-13
8-Sep-13
5-Mar-00 21-Aug-24
13-Dec-10
18-Mar-08
MODAx #VALUE! 22-Jun-05
MODAy #VALUE! 26-Sep-02
MEDIA GEOx 25-Jan-00 30-Dec-99
30-Dec-99 9-Ja n-00 19-Jan-00 29-Ja n-00 8-Feb-00 18-Feb-00 28
MEDIA GEOy 24-Jul-05
Covarinzaxy 13-Jun-24
Desviaciónx 16-Jan-00
Desviacióny 3-Apr-07
Rxy 30-Dec-99
R2 30-Dec-99

EXPLICACION DE LA ESTADISTICA DESCRIPTIVA

De la estadistica descriptiva, se puede deducir

que no existe moda ni en las abcisas ni en las
ordenadas, es decir que ningun ingreso o gasto
se repitio mediante el proceso, pero las
desviaciones fueron totalmente muy elevadas
en los gastos, esto hizo que el valor del gasto se
aumentara mucho mas en manera
considerable, en comparacion con los ingresos.
EXPLICACION DE LA REGRESION
Los resultados anteriores nos inducen a pensar
por un lado, que existe una recta que
minimiza las distancias que hay entre ésta y los
puntos del diagrama de dispersión y
por otro, que la diferencia entre los puntos
registrados y la recta nos ofrece una medida
de la “bondad” de la recta de regresión como
instrumento de predicción estadística.
ar una explicación logica de los resultados.

menta, por lo tanto existe una correlación positiva

al en vacaciones (En miles)

2791633146x - 1549.0144810941
7093989

00 29-Ja n-00 8-Feb-00 18-Feb-00 28-Feb-00 10-Ma r-00

Calcular la regresión lineal MULTIPLE con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica de lo
APLICAR LA METODOLOGÍA GENERAL
HIPOTESIS
DATOS (En bs.)
xi yi
Años de antigüedad Salario
10 18900
15 25300
25 39000
8 14000
6 12000
20 35200
21 35900
18 32000
11 19300
15 26000
30 45000
28 42000
10 18300
23 38000
22 37200

ESTADISTICA DESCRIPTIVA
Años de antigüedad Salario

Media 17.466666667 Media 29206.6667

Error típico 1.9293884219 Error típico 2773.11011
Mediana 18 Mediana 32000
Moda 10 Moda #N/A
Desviación estándar 7.4724892264 Desviación e 10740.2093
Varianza de la muestra 55.838095238 Varianza de l 115352095
Curtosis -1.121558854 Curtosis -1.3894581
Coeficiente de asimetría 0.0788224781 Coeficiente d -0.2240448
Rango 24 Rango 33000
Mínimo 6 Mínimo 12000
Máximo 30 Máximo 45000
Suma 262 Suma 438100
Cuenta 15 Cuenta 15
Nivel de confianza(95,0%) 4.1381266031 Nivel de conf 5947.72965
EXPLICACIÓN DE LA ESTADISTICA DESCRIPTIVA

En el presente ejercicio, se pudo observar que la media

de los años de antigüedad tiene 17, en comparacion,
que el salario general, tiene una media de 29207,
dejando claro que estos dos parametros serian la
medicion de probabilidad, tomando en cuenta que solo
se tomo un error del 5%, se puede deducir que la
pendiente de aumento fue positiva, con respecto al
aumento de probabilidad normal

EXPLICACIÓN DE LA REGRESIÓN

Este ejemplo nos coloca en el centro de la discusión

acerca de cómo predecir un
evento, en este caso el número de copas ingeridas (Y)
en términos del número de
anuncios vistos por una persona. Surge la necesidad de
encontrar un modelo teórico
para realizar predicciones estadísticas, que nos permita
a la vez comparar nuestras
observaciones empíricas con respecto a dicho modelo.
Para que sea útil, el modelo en
cuestión, deberá poseer ciertas características entre las
cuales se deben contar su
sencillez en el manejo y su eficacia para hacer
predicciones estadísticas. El comentario
anterior nos pone en evidencia un punto medular en el
análisis, que consiste en colocar
nuestras observaciones empíricas a la luz de un modelo
estadístico teórico al que
llamaremos CURVA DE REGRESIÓN o CURVA DE
PREDICCIÓN o también CURVA
DE MEJOR AJUSTE.
ticos y realizar una explicación logica de los resultados.
Gráfico de p
Resumen
50000
40000 f(x) = 355.178
Estadísticas de la regresión R² = 0.972110
30000
Coeficiente de correlación múltiple 0.9905374

Salario
20000
Coeficiente de determinación R^2 0.98116434
10000
R^2 ajustado 0.97971544
Error típico 1529.66213 0
0 20
Observaciones 15

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1584511072 1584511072 677.180193 0.00
Residuos 13 30418261.1 2339866.24
Total 14 1614929333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 4339.38257 1034.0033 4.19668154 0.00104601 2105.55425
Años de antigüedad 1423.69947 54.7099352 26.0226861 0.00 1305.50584

Resultados de datos de probabilidad

Percentil Salario
3.3333333333 12000
10 14000
16.6666666667 18300
23.3333333333 18900
30 19300
36.6666666667 25300
43.3333333333 26000
50 32000
56.6666666667 35200
63.3333333333 35900
70 37200
76.6666666667 38000
83.3333333333 39000
90 42000
96.6666666667 45000
 Gráfico de probabilidad normal
50000
40000 f(x) = 355.1785714286x + 11447.7380952381
R² = 0.9721102053
30000
Salario

20000
10000
0
0 20 40 60 80 100 120
Muestra percentil

or crítico de F

Superior 95%
6573.21089
1541.8931
Calcular la regresión lineal simple con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica de los re
APLICAR LA METODOLOGÍA GENERAL
HIPOTESIS En la medida que los ingresos suben el gasto en vacaciones se incrementa, por lo tanto existe una co
DATOS (En bs.)
xi yi
Ingresos anuales (en milesGasto anual en vacaciones (En miles)
11-Jan-00 22-Aug-01
14-Jan-00 26-Sep-02
17-Jan-00 14-Apr-03 Gasto anual en vacaciones (En miles)
18-May-27
20-Jan-00 8-Feb-04 21-Aug-24
24-Jan-00 22-Jun-05 25-Nov-21
f(x) = 146.2791633146x - 1549.0144810941
6-Feb-00 18-Mar-08 1-Mar-19 R² = 0.9467093989
4-Jun-16
18-Feb-00 8-Sep-13
8-Sep-13
5-Mar-00 21-Aug-24
13-Dec-10
18-Mar-08
MODAx #VALUE! 22-Jun-05
MODAy #VALUE! 26-Sep-02
MEDIA GEOx 25-Jan-00 30-Dec-99
30-Dec-99 9-Ja n-00 19-Jan-00 29-Ja n-00 8-Feb-00 18-Feb-00 28-Fe
MEDIA GEOy 24-Jul-05
Covarinzaxy 13-Jun-24
Desviaciónx 16-Jan-00
Desviacióny 3-Apr-07
Rxy 30-Dec-99
R2 30-Dec-99
EXPLICACIÓN DE LA ESTADISTICA DESCRIPTIVA COMPARATIVA

Observando la comparacion de ambas estadisticas descriptivas,

se puede apreciar que en ambos casos el aumento tanto de
probabilidad, como de gasto, son positivos y van de mayor en
mayor, por tanto se puede deducir que ambos ejercicios
constan de una pendiente positiva para las abcisas, vale decir
entonces, que tanto los ingresos como los años de antiguedad
son mas elevados cada vez.

EXPLICACIÓN DE LA REGRESIÓN DE FORMA COMPARATIVA

La regresion lineal de ambos ejericicios, las variables de las

abcisas, depende entre un 55 a 60% del cambio que sufre la
ordenada, ya que ambas variables son ositivas, el aumento de la
ordenada, tambien se hace en forma positiva.
s y realizar una explicación logica de los resultados. Calcular la regresión lineal MULTIPLE c
APLICAR LA METODOLOGÍA GENERAL
es se incrementa, por lo tanto existe una correlación positiva HIPOTESIS
DATOS
xi
Años de antigüedad
10
15
nual en vacaciones (En miles) 25
8
6
6.2791633146x - 1549.0144810941
67093989 20
21
18
11
15
30
28
n-00 29-Jan-00 8-Feb-00 18-Feb-00 28-Feb-00 10-Ma r-00
10
23
22

ESTADISTICA DESCRIPTIVA
Años de antigüedad

Media
Error típico

Mediana
Moda

Desviación estándar
Varianza de la muestra
Curtosis
Coeficiente de asimetrí
Rango
Mínimo
 Máximo
Suma
Cuenta
Nivel de confianza(95,0

A DESCRIPTIVA COMPARATIVA

e ambas estadisticas descriptivas,

mbos casos el aumento tanto de
son positivos y van de mayor en
deducir que ambos ejercicios
sitiva para las abcisas, vale decir
os como los años de antiguedad
vados cada vez.

IÓN DE FORMA COMPARATIVA

ejericicios, las variables de las

5 a 60% del cambio que sufre la
les son ositivas, el aumento de la
hace en forma positiva.
regresión lineal MULTIPLE con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica de los resultados.
METODOLOGÍA GENERAL
Resumen
(En bs.)
yi Estadísticas de la regresión
Salario Coeficiente de correlación múltiple
18900 Coeficiente de determinación R^2
25300 R^2 ajustado
39000 Error típico
14000 Observaciones
12000
35200 ANÁLISIS DE VARIANZA
35900 Grados de libertad
32000 Regresión
19300 Residuos
26000 Total
45000
42000
18300 Intercepción
38000 Años de antigüedad
37200

A DESCRIPTIVA
os de antigüedad Salario Resultados de datos de probabilidad

17.4666667 Media 29206.6667 Percentil

1.92938842 Error típico 2773.11011 3.3333333333

18 Mediana 32000 10
10 Moda #N/A 16.6666666667

7.47248923 Desviación e 10740.2093 23.3333333333

55.8380952 Varianza de l 115352095 30
-1.1215589 Curtosis -1.3894581 36.6666666667
0.07882248 Coeficiente d -0.2240448 43.3333333333
24 Rango 33000 50
6 Mínimo 12000 56.6666666667
 30 Máximo 45000 63.3333333333
262 Suma 438100 70
15 Cuenta 15 76.6666666667
4.1381266 Nivel de conf 5947.72965 83.3333333333
90
96.6666666667
gica de los resultados.
Gráfico de probabilidad normal
50000
40000 f(x) = 355.1785714286x + 11447.7380952381
la regresión R² = 0.9721102053
30000
0.9905374

Salario
20000
0.98116434
10000
0.97971544
1529.66213 0
0 20 40 60 80 100
15
Muestra percentil

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 1584511072 1584511072 677.180193 0.00
13 30418261.1 2339866.24
14 1614929333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

4339.38257 1034.0033 4.19668154 0.00104601 2105.55425 6573.21089
1423.69947 54.7099352 26.0226861 0.00 1305.50584 1541.8931

Salario
12000

14000
18300

18900
19300
25300
26000
32000
35200
35900
37200
38000
39000
42000
45000
bilidad normal

+ 11447.7380952381

60 80 100 120
ra percentil
Calcular la regresión lineal simple con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica de los re
ar una explicación logica de los resultados.
Calcular la regresión lineal MULTIPLE con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica de lo
alizar una explicación logica de los resultados.
Calcular la regresión lineal MULTIPLE con los siguientes datos, elaborar sus estadisticos y realizar una explicación logica d
alizar una explicación logica de los resultados.