Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Resumen
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.8270006398
Coeficiente de
determinación R^2 0.6839300583
R^2 ajustado 0.6523230641
Error típico 0.308058436014987 (Syx)
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 10
Total 11
Coeficientes
Intercepción 1.45 (b₀)
Espacio en anaquel, X
(pies) 0.074 (bi)
Diagrama de dispersión
3.5
3
f(x) = 0.074x + 1.45
2.5
Ventas semanales
1.5
0.5
0
4 6 8 10 12 14 16 18 20
Espacio en anaquel
Ŷ= 1.45 + 0.074 Xi
Ŷ= 1.45 + 0.074 (8) = 2.042 (en cientos de dólares)
La media de ventas semanales pronosticadas para la venta de comida de ma
e) Suponga que las ventas de la tienda 12 son 2.6 . Resuelva los incisos
Espacio en anaquel, X
Tienda (pies)
1 5
2 5
3 5
4 10
5 10
6 10
7 15
8 15
9 15
10 20
11 20
12 20
Resumen
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.7827936877
Coeficiente de
determinación R^2 0.6127659574
R^2 ajustado 0.5740425532
Error típico 0.3115552385
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 10
Total 11
Coeficientes
Intercepción 1.53333333 (b₀)
Espacio en anaquel, X
(pies) 0.064 (b₁)
Al compara resultados podemos ver que de 204.2 dólares que era la estimaci
12. Por consiguiente podemos ver que casi no se modificó el pronóstico del r
r² = 0.683930058284763
El coeficiente de correlación significa que el 68.39% de las ventas semanales
i)¿Qué tan útil cree usted que es este modelo de regresión para predecir
Ventas semanales, Yi
N (cientos de dólares)
1 1.6
2 2.2
3 1.4
4 1.9
5 2.4
6 2.6
7 2.3
8 2.7
9 2.8
10 2.6
11 2.9
12 3.1
D=(∑_(𝑖=2)^�▒( (
𝑒𝑖 − (𝑒𝑖−1) )²)/
(∑_(𝑖=1)^�▒ 〖 (
〖�� ) 〗 ^2 〗 )
D=(∑_(𝑖=2)^�▒( (
𝑒𝑖 − (𝑒𝑖−1) )²)/
(∑_(𝑖=1)^�▒ 〖 (
〖�� ) 〗 ^2 〗 )
Autocorrelación Indecisión
positiva
0 dl
1.08 1.36
Datos:
n=12
p=1 Indecisión:
Dexp= 2.5086 Autocorrelación negativa:
α=0.05 Autocorrelación positiva:
No existe autocorrelación:
El durbin watson mide la autocorrelación (una relación entre los valores sepa
análisis de la regresión. Nos sirve para ver que se cumplan las suposiciones d
n=12
estadístico t : 4.65172730418922
α=0.05 /2 = 0.025
Debido a que la H₀ cae en la zona de rechazo, si dice que existe una relación
Estadístico F : 21.6385669125395
k=1
0
n=12
�_1±𝑡_(�−2) 𝑆_(�_1 )
b₁=0.074
𝑡_(�−2)= 2.2281
𝑆_(�_1 )
=0.0160886433375982
𝑆_(�_1 )
=0.0160886433375982
a) establezca un intervalo de confianza estimado de 95% de las ventas se
anaqueles de comida para mascotas
Promedio 𝑥
Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√ℎ𝑖≤ 𝜇_𝑥𝑦≤
1.7875 ≤ 𝜇_𝑥𝑦≤ 2.2946
Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√(ℎ𝑖+1)≤ 𝜇_𝑥𝑦≤
Ŷ𝑖 − 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√(ℎ𝑖+1)≤ 𝜇_𝑥𝑦≤
1.310138 ≤ 𝜇_𝑥𝑦≤ 2.773861
hi+1 = 1.137333
Ŷ= 2.042
𝑡_(�−2)= 2.2281
Syx = 0.308058436014987
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.8270006398
Coeficiente de determinación R^2 0.6839300583
R^2 ajustado 0.6523230641
Error típico 0.308058436
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 10
Total 11
Coeficientes
Intercepción 1.45
Espacio en anaquel, X (pies) 0.074
a cadena de supermercado desea determinar el efecto de espacio de anaqueles
cionó una muestra aleatoria de 12 tiendas del mismo tamaño con los siguiente
Ventas
semanales, Y
Espacio en (cientos de
Tienda anaquel, X (pies) dólares)
1 5 1.6
2 5 2.2
3 5 1.4
4 10 1.9
5 10 2.4
6 10 2.6
7 15 2.3
8 15 2.7
9 15 2.8
10 20 2.6
11 20 2.9
12 20 3.1
(r²)
14 16 18 20 22
naquel
Ŷ= b₀ + bi Xi
Ŷ= 1.45 + 0.074 Xi
₁ en este problema
dio (en cientos de dólares) de comida para mascotas con 8 pies de espacio en anaqueles p
ara la venta de comida de mascotas en 8 pies de anaquel es de 204.2 dólares.
on 2.6 . Resuelva los incisos (a) y (d) con este valor y compare los resultados
Ventas semanales, Y
(cientos de dólares) (a) Gráfico de dispersió
1.6 3.5
2.2 3
1.4
f(x) = 0.064x + 1.5333333333
1.9 2.5
Ventas semanales
2.4 2
2.6
2.3 1.5
2.7
1
2.8
2.6 0.5
2.9
0
2.6 4 6 8 10 12 14
Espacio en anaque
4.2 dólares que era la estimación con los datos iniciales, cambió a 204.53 dólares con la modifica
se modificó el pronóstico del resultados entre ambos, debido a la relación lineal que existe entre
n de r² e interprete su significado.
39% de las ventas semanales de comida para mascotas, dependen del espacio que utilice en el
8436014987 (Syx), en cientos de dólares (30.80 dólares). Es decir es la medida de variación alre
n útil debido a que el 31.61% de las ventas no depende del espacio utilizado ene el anaquel, sino
vado debido a que las ventas entre las tiendas oscilan entre los 140 y 310 dólares, y con un erro
Residuos
0.21 0
0.41 -0.1 1.6 1.8 2 2.2 2.4
-0.26 -0.2
0.14 -0.3
-0.4
0.24
-0.5
-0.33
Espacio en anaquel, X (pies)
-0.03
0.17
Pronóstico Ventas
semanales, Ŷi (cientos de
dólares) ei= (Yi - Ŷi) (ei)² ei - (ei-1)
1.82 -0.22 0.0484
1.82 0.38 0.1444 -0.6
1.82 -0.42 0.1764 0.8
2.19 -0.29 0.0841 -0.13
2.19 0.21 0.0441 -0.5
2.19 0.41 0.1681 -0.2
2.56 -0.26 0.0676 0.67
2.56 0.14 0.0196 -0.4
2.56 0.24 0.0576 -0.1
2.93 -0.33 0.1089 0.57
2.93 -0.03 0.0009 -0.3
2.93 0.17 0.0289 -0.2
Σ 0.949 Σ
du 2 4-du 4-dl 4
2.5086
n Watson
vaciones (variables independientes del modelo)
n-Watson? Explique.
elación entre los valores separados el uno del otro por un intervalo de tiempo dado) en los residu
se cumplan las suposiciones de la regresión y que el modelo de regresión obtenido sea válido.
cio de anaqueles con comida para mascotas para predecir las ventas semanales. Utilice la
obtuvo al resolver este problema
Región de rechazo
si dice que existe una relación lineal entre el espacio de anaquel y las ventas
21.6385
3.62
región de rechazo
región de No rechazo
�_1−𝑡_(�−2) β₁ ≤〖 �〗 _1+𝑡_(�−2)
𝑆_(�_1 )≤ 𝑆_(�_1 )
0.0383504 ≤ β₁≤ 0.1096496
mado de 95% de las ventas semanales promedio para todas las tiendas que tienen 8 pies c
esta promedio Y
〖 𝑆〗 _𝑋𝑌 √ℎ𝑖
ℎ𝑖=1/�+ 〖 (𝑥_𝑖− 𝑥 ) 〗
^2/
(∑24_(𝑖=1)^�▒ 〖 (𝑥_𝑖−𝑥
)² 〗 )
Espacio en anaquel,
X (pies) (𝑥_𝑖 − 𝑥 ) (𝑥_𝑖 − 𝑥 )²
5 -7.5 56.25
5 -7.5 56.25
5 -7.5 56.25
10 -2.5 6.25
10 -2.5 6.25
10 -2.5 6.25
15 2.5 6.25
15 2.5 6.25
15 2.5 6.25
20 7.5 56.25
20 7.5 56.25
20 7.5 56.25
∑▒
12.5 = 375
≤ 𝜇_𝑥𝑦≤ 2.2946
95% de las ventas semanales para una tienda individual que tiene 8 pies cuadrados de esp
esta Individual Y
Ŷ𝑖+ 𝑡_(�−2) 〖 𝑆〗 _𝑋𝑌
√(ℎ𝑖+1)
8 ≤ 𝜇_𝑥𝑦≤ 2.773861
p-value
Superior
Superior 95% Inferior 95.0% 95.0%
1.935355952 0.964644048 1.935355952
ón b ₀ y b ₁ en este problema.
+ 1.5333333333
10 12 14 16 18 20 22
Espacio en anaquel
Superior
Superior 95% Inferior 95.0% 95.0%
2.02419861 1.042468057 2.02419861
manales.
el, X (pies) Gráfico de los residuales
(ei - (ei-1) )²
0.36
0.64
0.0169
0.25
0.04
0.4489
0.16
0.01
0.3249
0.09
0.04
2.3807
o dado) en los residuos (errores de predicción) de un
btenido sea válido.
Región de rechazo
que tienen 8 pies cuadrados de espacio en los
0 dl du 2 4-du
Autocorrelación
negativa
4-dl 4
9.4 Suponga que el gerente de una cadena de servicios de entrega de paquetería des
número de clientes que realizan compras. Se selec
Resumen
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.9549132001
Coeficiente de
determinación R^2 0.9118592197
R^2 ajustado 0.9069625097
Error típico 0.5014952145
Observaciones 20
ANÁLISIS DE VARIANZA
Suma de
cuadrado
Grados de libertad s
Regresión 1 46.83354
Residuos 18 4.526954
Total 19 51.3605
Error
Coeficientes típico
Intercepción (b₀ )2.4230443959271 0.480965
Clientes (bi) 0.00872933817147358 0.00064
14
12
10
0
300 400 500 600 700 800 900 1000
b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encon
d) pronostique las ventas semanales promedio (en miles de dólares) para las tiendas
Tienda
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Resumen
Estadísticas de la
regresión
Coeficiente de
correlación múltiple 0.8953108369
Coeficiente de
determinación R^2 0.8015814948
R^2 ajustado 0.789909818
Error típico 0.9367572431
Observaciones 19
ANÁLISIS DE VARIANZA
Suma de
cuadrado
Grados de libertad s
Regresión 1 60.26547
Residuos 17 14.91774
Total 18 75.18321
Error
Coeficientes típico
Intercepción (b₀) 1.66232666665967 0.915452
Clientes (bi)0.0100068414036185 0.001208
16
a)
14
12
10
8
Column F
0
300 400 500 600 700 800 900 1000 1100
f) que otros factores además del número de clientes pueden afectar las ventas?
Coeficiente de
determinación R^2 0.801581494750721
m=ΔY/ΔX
m= 0.074/1
significa que cada pie utilizado en el anaquel representa el 0.074 de las ventas semana
9.34 En el problema 9.4 un gerente deseaba predecir ls ventas semanaleas de una cadena de tie
a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre el n
9.43 en el problema 9.4, un gerente deseaba predecir las ventas semanale s de una cadena de ti
b) establezca un intervalo de predicción de 95% de las ventas semanales para una tie
Column H
= b₀ + bi Xi
= 2.4230 + 0.00872 Xi
roblema
d) Ŷ= b₀ + bi Xi
Ŷ= 1.66232 + 0.01000Xi
Ŷ= 1.66232 + 0.01000(600) =
Column F
1000 1100
e r² e interprete su significado.
e regresión para predecir las ventas?
581494750721 . significa que el 80.15% de las ventas semanales es debido al número de clientes que real
entas semanaleas de una cadena de tiendas de envio de paquetes con base en el número de clintes. Utilice la salida de la computado
ndiente de la población β1
s ventas semanale s de una cadena de tiendas de envío de paquetes con base en el número de clinetes. Utilice la salida de computdora
5% de las ventas semanales promedio para todas las tiendas que tienen 600 clientes
ventas semanales para una tienda individual que tiene 600 clientes.
en este problema.
Superior
Inferior 95.0% 95.0%
-0.2691083886 3.593762
0.0074592235 0.012554
7.66232
do al número de clientes que realizan compras.
n 600 clientes
Una compañía que fabrica partes de máquinaria quiere desarrollar un modelo para es
de diversos tamaños. Se selecciona una muestra aleatoria de 14 corridas de prod
9.5
Resumen
Estadísticas de
la regresión
Coeficiente de
correlación
múltiple 0.9938739628
Coeficiente de
determinación
R^2 0.987785454
R^2 ajustado 0.9867675751
Error típico 4.7100449902
Observaciones 14
ANÁLISIS DE
VARIANZA
Suma de
cuadrado Promedio de los
Grados de libertad s cuadrados
Regresión 1 21528.64 21528.6428571429
Residuos 12 266.2143 22.1845238095
Total 13 21794.86
180
160
140
120
100
Colu
80
60
40
20
0
10 20 30 40 50 60 70 80 90
b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encon
b₀ = Ordenada de origen Ŷ= b₀ + bi Xi
bi = pendiente de la ecuación Ŷ=
b₀ = Ordenada de origen
bi = pendiente de la ecuación
f) Suponga que las horas-trabajador para el lote de tamaño 60 son 117 y 119. resuel
i)¿Qué tan úti cree usted que es este modelo de regresión para predecir l
9.35 En el problema 9.5, una compañía desea predecir las horas-trabajo requeridas para la
a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre el t
9.44 En el prolema 9.5, unna compañía deseaba predecir las horas-trabajo requerida
Column G
70 80 90
b₁ en este problema
60 son 117 y 119. resuelva los incisos (a) y (d) con estos valores y compare los resultados.
nterprete su significado.
ras-trabajo requeridas para la produccion según el tamaño de lotre. Utilice la salida de computadora que obtuvo para resolver ese pro
e la población β1
cir las horas-trabajo requeridas para la producción según el tamaño de lote. Utilice la salida de computadora que obtuvo para resolver
a) y (b).
das de producción de lotes
0 y 80) y se obtiene los
Superior 95.0%
20.0635623347
2.0978501241
o 100? Explique
Pelicula
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Resumen
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.8530886948
Coeficiente de
determinación R^2 0.7277603212
R^2 ajustado 0.7180374755
Error típico 47.8667884987
Observaciones 30
ANÁLISIS DE VARIANZA
Suma de Promedio de los
Grados de libertad cuadrados cuadrados
Regresión 1 171499.777994 171499.7779937
Residuos 28 64154.4243529 2291.229441177
Total 29 235654.202347
350
300
250
200
Column G
150
100
50
0
0 10 20 30 40 50 60 70
e)Pronostique el número promeio de unidades de video que se venderán para una pelíc
f)¿ Qué otros factores además de la ganacia en taquilla pueden ser útiles para predecir
i)¿Qué tan úti cree usted que es este modelo de regresión para predecir las
9.36 En el problema 9.6 una compañía deseaba predecir las ventas de videos con base en las ganancias bruta
a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre las gan
9.45 En el problema 9.6, un acompañia deseaba predecir la venta de vidos con base en la ganac
Column G
50 60 70
deo que se venderán para una película que tuvo una ganacia en taquilla de 20 millones de dólares
illa pueden ser útiles para predecir las unidades que se venderán?
de r² e interprete su significado.
ntas de videos con base en las ganancias brutas en taquilla de las películas. Utilice la salida del programa de computadora que obtuvo para
a de una relacion lineal entre las ganacias de taquilla y las ventas de videos?
endiente de la población β1
redecir la venta de vidos con base en la ganacia bruta en taquilla de la preliculas. Utilice la salida de computadora que obtuvo al resolver es
95% de las ventas promedio de videos para todas las peliculas con ganancias en taquilla sde 10 millones de
as vebtas de videos de una pelicula individual con ganancias en taquilla de 10 millones de dólares
millones de dólares
ma de computadora que obtuvo para resolver este probblema.
millones de dólares
9.7 Una compañía de biene raices residenciales en una ciudad grande desea pod
tamaño de los mismos definidos por los pies cuadrados de espacio. Se sele
Resumen
Estadísticas de la
regresión
Coeficiente de
correlación
múltiple 0.8500607956
Coeficiente de
determinación R^2 0.7226033562
R^2 ajustado 0.7105426326
Error típico 155.3010020154
Observaciones 25
ANÁLISIS DE
VARIANZA
Suma de Promedio de
Grados de libertad cuadrados los cuadrados
Regresión 1 1445024.21178 1445024.21178
Residuos 23 554723.228221 24118.401227
Total 24 1999747.44
2000
1500
Column H
1000
500
0
600 800 1000 1200 1400 1600 1800 2000 2200 2400
500
0
600 800 1000 1200 1400 1600 1800 2000 2200 2400
e)Pronostique la renta mensual promedio para un departamento que tiene 1,000 pies
g) Sus amigos Jim y Jennifer piensan firmar un contrato por un apartamento en esta ár
otro con 1,200 pies cuadrados por una renta mensual de 1,425 dólares. ¿Qué les recom
i)¿Qué tan úti cree usted que es este modelo de regresión para predecir las
a) Para 0.05 de nivel de significancia ¿Existe evidencia de una relacion lineal entre el tam
1 950 850
2 1600 1450
3 1200 1085
4 1500 1232
5 950 718
6 1700 1485
7 1650 1136
8 935 726
9 875 700
10 1150 956
11 1400 1100
12 1650 1285
13 2300 1985
14 1800 1369
15 1400 1175
16 1450 1225
17 1100 1245
18 1700 1259
19 1200 1150
20 1150 896
21 1600 1361
22 1650 1040
23 1200 755
24 800 1000
25 1750 1200
F Valor crítico de F
59.9137645228 7.518333003E-08
un apartamento en esta área residencial. Imtentan decidirentre dos apartamentos, uno con 1,000 pies cuad
25 dólares. ¿Qué les recomendaría? ¿ Por qué?
interprete su significado.
enes raices deseaba predecir la renta mensual de departamentos según su tamaño. Utilice la salida de comp
de la población β1
nes raices deseaba predecir la renta mensual de departamentos con base a ssu tamaño. Utilice la salid deocm
la renta mensual preommdio para todos los departamentos con 1,000 pies cuadrdaos de espacio.
a) y (b).
departamentos, basada en el
generada revela lo siguiente:
Superior
95.0%
454.2211
0.8597171
tos, uno con 1,000 pies cuadrdaos por una renta mensual de 1,250 dolares y
drdaos de espacio.
El dueño de una casa unifamiliar en un suburibio del noreste de Estados Unidos desea desarrollar un mo
9.28 ventiladores, calefaccion, aparatos, etc) según la temperatura exterior (en grados Farenheit). Dispone de da
24 meses.
1 126
2 132
3 114
4 87
5 67
6 50
7 39
8 45
9 39
10 43
11 61
12 92
13 123
14 121
15 138
16 99
17 64
18 52
19 49
20 41
21 44
22 53
23 59
24 118
b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encon
j) Con base a los incisos (g) a (i), ¿existe una razón para dudar de la validez del mode
desea desarrollar un modelo para predecir el consumo de energía eléctrica en su "casa eléctrica" (luz,
renheit). Dispone de datos de los recibos mesnuales y la infomración de temperatura para un periodo de
24 meses.
Temperatura promedio(°F)
30
25
29
42
48
61
69
78
72
62
45
36
27
33
28
39
47
63
69
73
70
64
53
27
Costo de
Mes distribucion (miles
de dolares
1 52.95
2 71.66
3 85.58
4 63.69
5 72.81
6 68.44
7 52.46
8 70.77
9 82.03
10 74.39
11 70.84
12 54.08
13 62.98
14 72.3
15 58.99
16 79.38
17 94.44
18 59.74
19 90.5
20 93.24
21 69.33
22 53.71
23 89.18
24 66.8
b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encontra
d) Pronsotique los costos de distribución del almacen para un mes en que el numero de
j) Con base a los incisos (g) a (i), ¿existe una razón para dudar de la validez del modelo?
ras personales, sofware y hardwe, tiene un alamacxen centralizado para la distribución de los
so de distribución desde el almacen y está interesado en estudair los factores que afectan los
argo por envio independientemente dle monto de la orden. Se recolectan datos durante los
ibucición y el número de órdenes recibidas. Los resultados son los siguientes:
Numero de
ordenes
4015
3806
5309
4262
4296
4097
3213
4809
5237
4732
4413
2921
3977
4428
3964
4582
5582
3450
5079
5735
4269
3708
5387
4161
Temperatura alta
Dia por dia (°F)
1 63
2 70
3 73
4 75
5 80
6 82
7 85
8 88
9 90
10 91
11 92
12 75
13 98
14 100
15 92
16 87
17 84
18 88
19 80
20 82
21 76
b) Suponga una relación lineal y utilice el método de mínimos cuadrados para encontra
d) Pronsotique las ventas por expedio para un día en que la temperatura es 83°F
j) Con base a los incisos (g) a (i), ¿existe una razón para dudar de la validez del modelo?
k) Suponga que el monto de las ventas del día 21 fue 1.75. Resuelva los incisos (a) a (j) y
ar el efecto del clima en las ventas durante la temporada de verano. Se selecciona una
de 21 días con los siguinetes resultados.
Ventas por
expenio(miles de
dolares
1.52
1.68
1.8
2.05
2.36
2.25
2.68
2.9
3.14
3.06
3.24
1.92
3.4
3.28
3.17
2.83
2.58
2.86
2.26
2.14
1.98
peratura es 83°F
ignificancia, ¿exsite evidencia de una autocorrelacion positiva entre los resiudales?
lva los incisos (a) a (j) y compare las diferencias en los resultados .
9.3 Parte 2
Yﻨ Ŷﻨ
Pronóstico Ventas
Tienda Ventas semanales Y semanales Y (cientos eﻨ
(cientos de dolares) de dolares)
1 1.6 1.82 -0.22
2 2.2 1.82 0.38
3 1.4 1.82 -0.42
4 1.9 2.19 -0.29
5 2.4 2.19 0.21
6 2.6 2.19 0.41
7 2.3 2.56 -0.26
8 2.7 2.56 0.14
9 2.8 2.56 0.24
10 2.6 2.93 -0.33
11 2.9 2.93 -0.03
12 3.1 2.93 0.17
ei² ei - ei-1 (e ﻨ- ei-1)²
0.0484
0.1444 0.6 0.36 D= 2.50864067
0.1764 -0.8 0.64
0.0841 0.13 0.0169
0.0441 0.5 0.25
0.1681 0.2 0.04
0.0676 -0.67 0.4489
0.0196 0.4 0.16
0.0576 0.1 0.01
0.1089 -0.57 0.3249
0.0009 0.3 0.09
0.0289 0.2 0.04
0.949 2.3807
En el problema 9.3, el gerente de mercadotécnia usó el espacio de anaqueles de comida para mascotas para predeci
Resumen
Estadísticas de la
regresión
Coeficiente de
correlación
múltiple 0.82700064
Coeficiente de
determinación
R^2 0.68393006
R^2 ajustado 0.65232306
Error típico 0.30805844
Observaciones 12
ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de los
libertad cuadrados cuadrados F Valor crítico de F
Regresión 1 2.0535 2.0535 21.63856691 0.0009056558
Residuos 10 0.949 0.0949
Total 11 3.0025
Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% 95%
Intercepción 1.45 0.21783021 6.65656066 5.662778E-05 0.964644048 1.93535595
Espacio en
anaquel x (pies) 0.074 0.01590807 4.6517273 0.000905656 0.0385546129 0.10944539
b) establezca una estimación del intervalo de confinza de 95% para la pendiente de la poblacion B1
MCR 2.0535
= = 21.6385669125
MCE 0.0949
F experimental
b1-(tn-2)sb1 b1+(tn-2)sb1
0.03855523 0.109444769
nivel de
confianza
0.05
a dos colas 0.05/2= 0.025 busco en la tabla N-2 2.2281
da para mascotas para predecir las ventas semanales. Utilice la salida de computadora que obtuvu al resolver el problema.
2.2281 2.2281
bi 0.074
sbi 0.01590807
T = bi/sbi 4.6517273
nivel de
confianza
0.05
a dos colas 0.05/2= 0.025 busco en la tabla N-2 2.2281
Inferior Superior
95.0% 95.0%
0.96464405 1.93535595
0.03855461 0.10944539
4.5269541
(e ﻨ- ei-1)²
0.09976591
0.29558573
0.10150948
0.04368444
0.04534081
0.24906081
0.20928712
0.11843411
0.02839297
0.56384869
0.01327974
0.1797129
0.89718822
0.40074903
0.1505647
0.03512138
0.21486293
0.00826824
0.92985029
4.5845075
En el problema 9.4 un gerente deseaba predecir ls ventas semanaleas de una cadena de tiendas de envio de paquetes
resolver ese problema.
Estadísticas
de la
2 926 11.05 regresión
Coeficiente
de
correlación
3 506 6.84 múltiple 0.9549132
Coeficiente
de
determinaci
4 741 9.21 ón R^2 0.91185922
R^2
5 789 9.42 ajustado 0.90696251
6 889 10.08 Error típico 0.50149521
Observacion
7 874 9.45 es 20
8 510 6.73
9 529 7.24 ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de los
10 420 6.12 libertad cuadrados cuadrados
11 679 7.63 Regresión 1 46.8335409 46.8335409
12 872 9.43 Residuos 18 4.5269541 0.25149745
13 924 9.46 Total 19 51.360495
14 607 7.64
-2.1009
ndas de envio de paquetes con base en el número de clintes. Utilice la salida de la computadora que obtuvo al
solver ese problema.
Valor crítico
F de F
186.21875 6.20621E-11
13.64619912
bi 0.00872934
sbi 0.00063969 a dos colas
2.1009 t experimental 13.6461991
T = bi/sbi 13.6461991 busco en la tabla N-2 = (20-2)
nivel de
confianza
0.05
0.05/2= 0.025
n la tabla N-2 = (20-2) 2.1009
En el problema 9.5 un compañía deseaba predecir las horas-trabajo requeridas para la porduccion según el tamaño del lote
Tamaño de Horas-
lote Trabajador Estadísticas de la regresión
Coeficiente de
20 50 correlación múltiple 0.99387396
Coeficiente de
20 55 determinación R^2 0.98778545
30 73 R^2 ajustado 0.98676758
30 67 Error típico 4.71004499
40 87 Observaciones 14
40 95
50 108 ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de los
50 112 libertad cuadrados cuadrados
60 128 Regresión 1 21528.6429 21528.6429
60 135 Residuos 12 266.214286 22.1845238
70 148 Total 13 21794.8571
70 160
31.151809
-2.1788 2.1788
porduccion según el tamaño del lote. Utilice la salida de computadora que obtuvo al resolver ese problema.
F Valor crítico de F
970.4352026 7.5311589966E-13
nivel de
confianza
bi 1.96071429 0.05
sbi 0.06294062 a dos colas 0.05/2= 0.025
t experimental 31.151809
busco en la tabla N-2 =
T = bi/sbi 31.151809 (14-2) 2.1788