“Año del buen servicio al ciudadano”

Universidad Nacional Mayor de San Marcos

Facultad de Ciencias Administrativa
Escuela de Administración

PRÁCTICA CALIFICADA: PRUEBA DE HIPÓTESIS

Ciudad Universitaria, Lima - Perú

 .
RESOLUCIÓN DE LA FILA “A”

1) El siguiente cuadro contiene información relacionado entre los gastos por la entrega
de mercaderías (en soles) y la distancia del recorrido del vehículo (km) de la
Corporación PIO XII, el Gerente desea encontrar una relación para hacer sus
pronósticos siendo las sumatorias:
∑ x =1500 , ∑ y =9020 , ∑ x2 =215408 , ∑ y 2 =7636400 , ∑ (x− x́)( y − ý)=135650 , ∑ x . y=12631
Distancia Gastos X^2 Y^2 X*Y Z(X-Ẋ)^2 Z(Y-Ȳ)^2 Z(X-Ẋ)*(Y-Ȳ)
X Y
80 400 6400 160000 32000 2025 123669.444 15825
4
88 450 7744 202500 39600 1369 91002.7777 11161.66667
8
90 500 8100 250000 45000 1225 63336.1111 8808.333333
1
95 550 9025 302500 52250 900 40669.4444 6050
4
100 600 10000 360000 60000 625 23002.7777 3791.666667
8
110 670 12100 448900 73700 225 6669.44444 1225
4
115 700 13225 490000 80500 100 2669.44444 516.6666667
4
117 800 13689 640000 93600 64 2336.11111 -
1 386.6666667
120 900 14400 810000 108000 25 22002.7777 -
8 741.6666667
135 1100 18225 121000 148500 100 121336.111 3483.333333
0 1
200 1150 40000 132250 230000 5625 158669.444 29875
0 4
250 1200 62500 144000 300000 15625 201002.777 56041.66667
0 8
Total:150 9020 21540 763640 126315 27908 856366.666 135650
0 8 0 0 7

Hallando media aritmética:

1500
 x́= =125
12
9020
 ý= =751.666667
12
Hallando desviación estándar:

∑ ( x −x́)2 =
 Sy=
√ n−1 √ 27908
12−1
=50.369543

∑ ( x −x́)2
 Sy=
√ n−1
=
856366.6667
√ 12−1
=279.018844

Hallando r:

r=
∑ ( x− x́ ) ( y− ý ) = 135650
=0.877456
( n−1 ) S y S x ( 11 )∗( 279.018844 )∗( 50.369543 )

Hallando a y b:

 Muestra: y¿ a+ bx
2
 Condición: ∑ ( y − ý ) =minimo

F : ∑ ( y−a−bx )2=minimo

Derivando:

dF
=2 ∑ ( y −a−bx )(−1 )=0
da
dF
=2 ∑ ( y −a−bx )(−x )=0
−2 ∑ ( y−a−bx ) ( 1 )=0 db

∑ ( y −a−bx )( 1 )=0 −2 ∑ ( y−a−bx ) ( x ) =0

∑ y−na−b ∑ x=0 ∑ ( yx−ax−b x 2 ) =0

∑ y=na+b ∑ x ∑ yx−xa−b ∑ x2 =0

∑ yx=xa+b ∑ x 2
Ecuaciones Normales:

 ∑ y=na+b ∑ x
 ∑ yx=a ∑ x +b ∑ x 2

Determinantes:
 n ∑ x = 12
 ∆=
|∑ x ||
∑ x2 1500
1500 =334836
|
215408

∑ y ∑ x = 9020
 ∆ a=
| ||
∑ xy ∑ x 2 1263150
1500 =48255160
215408 |
∆ a 48255160
a^ = = =144.090292
∆ 334836

n ∑ y = 12 9020 =1627800
 ∆ b=
|∑ x ||
∑ xy 1500 1263150 |
^ ∆ b = 1627800 =4.860611
b=
∆ 334836

Ecuación:

y¿ a+ bx= y=144.090292+4.860611 x

a) Identifique quien es variable independiente y dependiente.

 Variable Independiente: Distancia = X

 Variable Dependiente: Gastos = y

b) Probar la existencia de B con un nivel de significancia de 5% e interprete el

coeficiente de la regresión.

PRUEBA DE HIPÓTESIS DE LA EXISTENCIA DE B1

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 : β 1=0 La pendiente de la ecuación de regresión entre la población es cero

H 1 : β 1≠0 La pendiente de la ecuación de regresión es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α=5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 para

determinar los puntos críticos

n=12

Grados de libertad=10

α= 5% utilizamos la tabla de distribución t (n−k) – student

t=-2.228 t=+2.228

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.228 ó t0 < -2.228

 4° ¨Paso: Cálculo del estadístico t0

b−0
t=
sb
Hallando sb :

Sy.x 140.365516
sb = = =0.840226
2
√ ∑ ( x− x́) √27908

( 4.860611 ) −0
t=
0.840226

t=5.784885
 5° Paso: Conclusiones y recomendaciones

Rechazamos H0 y aceptamos la hipótesis alternativa, por lo tanto, la pendiente de la

ecuación de regresión es diferente de cero; recomendamos hacer la prueba de la
confiabilidad del modelo.

c) Probar la existencia de p (coeficiente de correlación) con un nivel de

significación de 5%.

PRUEBA DE LA IMPORTANCIA DEL COEFICIENTE DE CORRELACIÓN:

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 : p1 =0 La correlación entre la población es cero.

H 1 : p 1≠0 La correlación entre la población es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y

determinar los puntos críticos

n=12 grados de libertad=10

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.228 t=+2.228

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.228 ó t0 < -2.228

 4° ¨Paso: Cálculo del estadístico t0

r √ n−2 (0.877456) √ 12−2

t= 2
=
√1−r √ 1−(0.877456)2

t=5.784884

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto la correlación

entre la población es diferente de cero; recomendamos hacer la prueba de la
linealidad del modelo.

d) Construir la tabla de análisis de varianza y realizar la prueba de la existencia

del modelo global con un nivel de significación del 5%

Ecuación:

y¿ a+ bx= y=144.090292+4.860611 x

∑ Y 2−a ∑ y−b ∑ xy =
 S y . x .=
√ n−k √ 7636400−144.090292∗( 9020 )−4.860611∗(1263150)
12−2

S y . x .=140.365399

2
 SCE=∑ Y −a ∑ y−b ∑ xy =¿197024.453
2 2
 SCT =∑ Y −n ( ý ) =¿ 856366.6667 ¿
2
 SCR=a ∑ y +b ∑ xy −n ( ý ) =659342.2137

TABLA ANOVA

  Suma de cuadrados Grados de Promedio de los F

libertad cuadrados
SCR 659342.2137 1 659342.2137 33.464994
 SCE 197024.453 10 19702.4453
SCT 856366.6667 11    

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=12 ; grados de libertad=10

α= 5%

F=+4.96

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > 4.96

 4° ¨Paso: Cálculo del estadístico t0

SCMR
F= =¿ 33.464994
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto el modelo es
confiable; recomendamos hacer el pronóstico.

e) Pronosticar para el escenario normal x p=350 ; x p=450; x p=650 nivel de

significación 5%.

xp
^y =144.090292+ 4.860611 x
x p=350 1845.304142
x p=450 2331.365242
x p=650 3303.488436

2) Los siguientes datos son de inversión neta y la tasa de interés de una Corporación
financiera, que desea estimar sus ganancias, por experiencia el Gerente manifiesta se
ajusta a un modelo Exponencial con esta información.

Tasa de Inversión X^2 Y^2 ∑log y ∑logy^2 ∑x*log y

interés X Y
12.5 2.5 156.25 6.25 0.39794001 0.15835625 4.97425011
10 3 100 9 0.47712125 0.22764469 4.77121255
7 4 49 16 0.60205999 0.36247623 4.21441994
4.5 5 20.25 25 0.69897 0.48855907 3.14536502
4 5.5 16 30.25 0.74036269 0.54813691 2.96145076
3 6 9 36 0.77815125 0.60551937 2.33445375
3.5 7 12.25 49 0.84509804 0.7141907 2.95784314
Total:44. 33 362.75 171.5 4.53970324 3.10488322 25.3589953
5

a) Identifique quien es la variable independiente y la dependiente

 Variable Independiente: Tasa de interés = X
 Variable Dependiente: Inversión = Y

b) Construir el modelo correspondiente:

Modelo Exponencial

 Muestra: y=a∗bx
 Linealizando:
log y=log(¿ a∗b x ) ¿
log ^y =log a^ + x log b^

 Condición: ∑ ( log y −log ^y )2=minimo

F : ∑ (log y−log a−xlog b)2=minimo

Derivando:

dF dF
=2 ∑ ( log y−log a−xlogb )(−1 ) =0 =2 ∑ ( log y−log a−xlogb )(−x )=0
d log a d log b

−2 ∑ ( log y−loga−xlog b ) (1 )=0 −2 ∑ ( log y−loga−xlog b ) ( x ) =0

∑ ( log y −log a−xlogb )( 1 )=0 ∑ ( x∗log y−x∗log a−x 2 log b )=0

∑ log y −n∗log a−¿ log b ∑ x=0 ¿ ∑ x∗log y−loga ∑ x−¿ log b ∑ x 2=0 ¿
∑ log y =n∗log a+¿ log b ∑ x ¿ ∑ x∗log y=loga ∑ x +¿ log b ∑ x 2 ¿

Ecuaciones Normales:

 ∑ log y =n∗log a+¿ logb ∑ x ¿

 ∑ x∗log y=loga ∑ x +¿ log b ∑ x 2 ¿

Determinantes:

n ∑x = 7
 ∆=
|∑ x ||
∑ x2 44.5
44.5
362.75 |
=559

log y ∑ x = 4.53970324
 ∆ a=
|∑∑ x∗log y ||
∑ x 2 25.3589953
44.5
62.75 |
=518.301986
 ∆ a 518.301986
log a^ = = =0.927195
∆ 559

n ∑ log y = 7 4.53970324 =−24.503819

 ∆ b=
|∑ x ||
∑ x∗log y 44.5 25.3589953 |
^ ∆ b −24.503819
log b= = =−0.043835
∆ 559

Ecuación:

log ^y =log a^ + x log b^

log ^y =0.927195−0.043835 x

c) Construir la tabla del análisis de varianza y realizar la prueba de hipótesis de la

confiabilidad del modelo a un nivel de significancia del 5%.

 log ^y =0.927195−0.043835 x

∑ log Y 2−loga ∑ logy−logb ∑ xlogy =

S y . x .=
√ n−k √ 3.10488322−¿ 0.927195 ( 4.53970324 ) +0.043835∗(25.35
7−2

S y . x .=0.038222

2
 SCE=∑ log Y −loga ∑ logy−logb ∑ xlogy=¿0.007305
 SCT=∑ log y 2−n ( log ý )2=3.10488322−7 ( 0.648529 )2=0.160754
2
 SCR=loga ∑ logy +logb ∑ xlogy−n ( log ý ) =0.153449
TABLA ANOVA

  Suma de cuadrados Grados de Promedio de los F

libertad cuadrados
SCR 0.153449 1 0.153449 105.030116
SCE 0.007305 5 0.001461
SCT 0.160754 6  0.026792  
 PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=7 ; grados de libertad=5

α= 5%

F=+6.61

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > 6.61

 4° ¨Paso: Cálculo del estadístico F0

SCMR
F= =¿ 105.030116
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto el modelo es

confiable; recomendamos hacer el pronóstico.
d) Interprete el coeficiente de determinación.

SCR 0.153449
r 2= = =0.954558
SCT 0.160754

El 95% de la variación total de la variable dependiente se explica o contabiliza por la

variación de la variable independiente.

3) Una empresa de Investigación de Mercados ha realizado un estudio sobre el

comportamiento de los usuarios de una determinada marca de camisas. Cuando hay
alguna innovación en la presentación de la camisa, la demanda crece
geométricamente, este, el gerente de la empresa manifiesta que este es un modelo
parabólico de tipo: y=bx+ c x 2; El gerente está interesado en el modelo y quiere mayor
información de la bondad del modelo y llama a su asistente, si el elegido eres, cuál
sería el procedimiento en forma ordenada para demostrar la bondad del modelo.

 Muestra: y=bx+ c x 2
 Estimar : ^y = b^ x+ c^ x 2
2
 Condición: ∑ ( y − ý ) =minimo

F : ∑ ( y−bx −c x 2)2 =minimo

Derivando:

dF dF
=2 ∑ ( y−bx−c x 2 ) (−x )=0 =2 ∑ ( y−bx−c x 2 )(−x 2 ) =0
db dc

−2 ∑ ( y−bx−c x 2 ) ( x )=0 −2 ∑ ( y−bx−c x 2 ) ( x 2 )=0

∑ ( y−bx−c x 2 ) ( x )=0 ∑ ( y x 2−b x 3−c x 4 ) =0

∑ yx−b ∑ x 2−c ∑ x3 =0 ∑ y x 2−b ∑ x 3−c ∑ x 4 =0
∑ yx=b ∑ x 2+ c ∑ x 3 ∑ y x 2=b ∑ x 3 +c ∑ x 4

Ecuaciones Normales:
  ∑ yx=b ∑ x 2+ c ∑ x 3
 ∑ y x 2=b ∑ x 3 +c ∑ x 4

Determinantes:

x2 ∑ x3
∆= ∑
 |
∑ x3 ∑ x4 |
∑ yx ∑ x 3
 ∆ a=
|
∑ y x2 ∑ x4 |
∆a
a^ =
∆

x2 ∑ xy
∆ b= ∑
 |
∑ x3 ∑ y x2 |
^ ∆b
b=
∆

 y¿ bx +c x 2

∑ Y 2−b ∑ xy −c ∑ x2 y
 S y . x .=
√ n−k
 SCE=∑ Y 2−b ∑ yx−c ∑ x2 y
2 2
 SCT=∑ Y −n ( ý )

 SCR=b ∑ xy +c ∑ x 2 y−n ( ý )2

  Suma de cuadrados Grados de Promedio de F

libertad los cuadrados
SCR b ∑ xy +c ∑ x y −n ( ý ) 2 2 k-1 SCR/k-1 SCR / SCE
SCE ∑ Y 2−b ∑ yx−c ∑ x 2 y n-k SCE/ n-k
SCT ∑ Y 2−n ( ý )2 n-1  SCT/ n-1  
 PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=7 ; grados de libertad=5

F+

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > Fc

 4° ¨Paso: Cálculo del estadístico t0

SCMR
F=
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto el modelo es

confiable; recomendamos hacer el pronóstico.
 RESOLUCIÓN DE LA FILA “B”

1) Santa Isabel desea estimar sus ventas quiere estar seguro de sus niveles de
ingreso, desea encontrar una relación para ello eligió sus gastos en publicidad y sus
niveles de ventas mensuales en miles de soles, el cuadro es el siguiente y su sumatoria
es:

∑ x =2220 , ∑ y =10220 , ∑ x 2=438608 , ∑ y 2=9560400 , ∑ (x− x́ )( y− ý )=135650 , ∑ x . y=2026

Venta G. Pub X^2 Y^2 X*Y Z(X-Ẋ)^2 Z(Y-Ȳ)^2 Z(X-Ẋ)*(Y-Ȳ)

s y x
500 140 19600 250000 70000 2025 123669.444 15825
550 148 21904 302500 81400 1369 91002.7778 11161.6667
600 150 22500 360000 90000 1225 63336.1111 8808.33333
650 155 24025 422500 100750 900 40669.4444 6050
700 160 25600 490000 112000 625 23002.7778 3791.66667
770 170 28900 592900 130900 225 6669.44444 1225
800 175 30625 640000 140000 100 2669.44444 516.666667
900 177 31329 810000 159300 64 2336.11111 -386.666667
1000 180 32400 1000000 180000 25 22002.7778 -741.666667
1200 195 38025 1440000 234000 100 121336.111 3483.33333
1250 260 67600 1562500 325000 5625 158669.444 29875
1300 310 96100 1690000 403000 15625 201002.778 56041.6667
10220 2220 438608 9560400 2026350 27908 856366.667 135650

Hallando:

2220
 x́= =185
12
10220
 ý= =851.666667
12

Hallando:

∑ ( x− x́ )2 =
 Sx=
√ n−1
27908
√
12−1
=50.369543

∑ ( x −x́)2
 Sy=
√ n−1
=
856366.7
√12−1
=279.018849
Hallando r:

 r=
∑ ( x− x́ ) ( y− ý ) = 135650
=¿0.877456
( n−1 ) S y S x ( 11 )∗( 279.018849 )∗( 50.369543 )

Hallando a y b:

 Muestra: y¿ a+ bx
2
 Condición: ∑ ( y − ý ) =minimo

F : ∑ ( y−a−bx )2=minimo

Derivando:

dF dF
=2 ∑ ( y −a−bx )(−1 )=0 =2 ∑ ( y −a−bx )(−x )=0
da db

−2 ∑ ( y−a−bx ) ( 1 )=0 −2 ∑ ( y−a−bx ) ( x ) =0

∑ ( y −a−bx )( 1 )=0 ∑ ( yx−ax−b x 2 ) =0

∑ y−na−b ∑ x=0 ∑ yx−xa−b ∑ x2 =0
∑ y=na+b ∑ x ∑ yx=xa+b ∑ x 2

Ecuaciones Normales:

 ∑ y=na+b ∑ x
 ∑ yx=a ∑ x +b ∑ x 2
Determinantes:

n ∑ x = 12
 ∆=
|∑ x ||
∑ x2 2220
2220 =334896
438608 |
 ∑ y ∑ x = 10220
 ∆ a=
| ||
∑ xy ∑ x 2 2026350
2220 =−15923240
438608 |
∆ a −15923240
a^ = = =−47.546821
∆ 334896

n ∑ y = 12 10220 =1627800
 ∆ b=
|∑ x ||
∑ xy 2220 2026350 |
^ ∆ b = 1627800 =4.860611
b=
∆ 334836

Ecuación:

y¿ a+ bx= y=4.860611 x −47.546821

a. Identifique quien es variable independiente y dependiente.

 Variable Independiente: Gastos en Publicidad = X

 Variable Dependiente: Ventas = y

b. Probar la existencia de B con un nivel de significancia de 5% e interprete el

coeficiente de la regresión.

PRUEBA DE HIPÓTESIS DE LA EXISTENCIA DE B1

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 : β 1=0 La pendiente de la ecuación de regresión entre la población es cero

H 1 : β 1≠0 La pendiente de la ecuación de regresión es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α=5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos
n=12

Grados de libertad=10

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.228 t=+2.228

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.228 ó t0 < -2.228

 4° ¨Paso: Cálculo del estadístico t0

b−0
t=
sb
Hallando sb
Sy.x 140.3653994
sb = = =0.840225
2
√ ∑ ( x− x́) √ 27908

( 4.860611 ) −0
t=
0.840225

t=5.784892

 5° Paso: Conclusiones y recomendaciones

Rechazamos H0 y aceptamos la hipótesis alternativa, por lo tanto, la pendiente de la

ecuación de regresión es diferente de cero; recomendamos hacer la prueba de la
confiabilidad del modelo.
c. Probar la existencia de p (coeficiente de correlación) con un nivel de significación de
5%.

PRUEBA DE LA IMPORTANCIA DEL COEFICIENTE DE CORRELACIÓN:

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 : p1 =0 La correlación entre la población es cero.

H 1 : p 1≠0 La correlación entre la población es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos.

n=12 grados de libertad=10

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.228 t=+2.228

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.228 ó t0 < -2.228

 4° ¨Paso: Cálculo del estadístico t0

r √ n−2 (0.877456) √ 12−2

t= 2
=
√1−r √ 1−(0.877456)2
 t=5.784884

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto la correlación entre la

población es diferente de cero; recomendamos hacer la prueba de la linealidad del
modelo.

d. Con la tabla de análisis de varianza y realizar la prueba de la existencia del modelo

global con un nivel de significación del 5%

Ecuación:

y¿ a+ bx= y=4.860611 x −47.546821

∑ Y 2−a ∑ y−b ∑ xy =
S y . x .=
√ n−k √ 9560400+ 47.546821∗(10220 )−4.860611∗(2026350)
12−2

S y . x .=140.367165

 SCE=∑ Y 2−a ∑ y−b ∑ xy =¿197024.453

 SCT=∑ Y 2−n ( ý )2=¿ 856366.6667 ¿

 SCR=a ∑ y +b ∑ xy −n ( ý )2=659342.2137

TABLA ANOVA

  Suma de cuadrados Grados de Promedio de F

libertad los cuadrados
SCR 659342.2137 1 659342.2137 33.464994
SCE 197024.453 10 19702.4453
SCT 856366.6667 11    

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=12 ; grados de libertad=10

α= 5%

F=+4.96

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > 4.96

 4° ¨Paso: Cálculo del estadístico t0

SCMR
F= =¿ 33.464994
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H0 y aceptamos la H 1 por lo tanto el modelo es confiable;

recomendamos hacer el pronóstico.

e. Pronosticar para x p=350 ; x p=450; x p=650 nivel de significación 5%.

 xp y=4.860611 x−47.546821
x p=350 1653.667029
x p=450 2139.728129
x p=650 3111.850329

Consum Ingreso y^2 x^2 ∑logx ∑logx^2 ∑logy ∑logy^2 ∑logy*logx

o y x
3 4 9 16 0.6020599 0.3624762 0.4771212 0.2276446 0.28725562
9 3 5 9
7 8 49 64 0.9030899 0.8155715 0.8450980 0.7141907 0.76319958
9 2 4
10 12 100 144 1.0791812 1.1646321 1 1 1.07918125
5 6
14 16 196 256 1.2041199 1.4499049 1.1461280 1.3136094 1.38007567
8 3 4 7
15 20 225 400 1.30103 1.6926790 1.1760912 1.3831906 1.53013001
5 6 5
20 24 400 576 1.3802112 1.9049830 1.30103 1.6926790 1.79569623
4 7 5
21 28 441 784 1.4471580 2.0942663 1.3222192 1.7482638 1.91346027
3 7 9 6
24 32 576 102 1.5051499 2.2654764 1.3802112 1.9049830 2.07742492
4 8 6 4 7
114 144 199 326 9.4220004 11.749989 8.6478991 9.9845615 10.8264235
6 4 5 8 2

2) Los siguientes datos son de ingreso y el consumo de un grupo familiar que solicita
ayuda a una entidad estatal y este desea estimar recursos destinados a esta política
del Estado y el gerente por experiencia manifiesta que este tipo de relación se ajusta a
un modelo potencial, con esta información.

a) Identifique quien es la variable independiente y la dependiente

 Variable Independiente: Ingreso= X

 Variable Dependiente: Consumo = Y

b) Construir el modelo correspondiente:

 Modelo Potencial

 Muestra: y=a∗x b
 Linealizando:
log y=log(¿ a∗x b)¿
log ^y =log a^ +b log x

 Condición: ∑ ( log y −log ^y )2=minimo

F : ∑ (log y−log a−blog x)2=minimo

Derivando:

dF
=2 ∑ ( log y−log a−blog x ) (−1 )=0
d log a

−2 ∑ ( log y−loga−blog x ) ( 1 )=0

∑ ( log y −log a−blog x ) (1 )=0

∑ log y −n∗log a−¿ b ∑ logx=0 ¿
∑ log y =n∗log a+¿ b ∑ logx ¿

dF
=2 ∑ ( log y −log a−blog x )(−logx )=0
db

−2 ∑ ( log y−log a−blog x ) ( logx )=0

∑ ( log x∗log y−logx∗log a−b l(ogx )2 ) =0

∑ log x∗log y−loga ∑ logx −¿ b ∑ (logx)2=0¿
∑ logx∗log y=log a ∑ logx+¿ b ∑ (logx)2 ¿
Ecuaciones Normales:
  ∑ log y =n∗log a+¿ b ∑ logx ¿
 ∑ logx∗log y=log a ∑ logx+¿ b ∑ (logx )2 ¿
Determinantes:

n ∑ logx = 8
 ∆=
|∑ logx ||
∑ (logx)2 9.422001
9.422001
|
11.74999
=5.225817

∑ log y ∑ logx = 8.647899

 ∆ a=
|∑ log x∗log y ||
∑ (logx)2 10.826424
9.422001
|
11.74999
=−0.393851

∆ a −0.393851
log a^ = = =−0.075366
∆ 5.225817

n ∑ log y 8 8.647899 =5.130879

 ∆ logb=
| ∑ logx ∑ logx∗log y ||
=
9.422001 10.826424 |
∆ logb 5.130879
b= = =0.981833
∆ 5.225817

Ecuación:

log ^y =log a^ + x log b^

log ^y =0.981833 x−0.393851

c) Construir la tabla del análisis de varianza y realizar la prueba de hipótesis de la

confiabilidad del modelo a un nivel de significancia del 5%.

∑ log Y 2−loga ∑ logy−b ∑ logxlogy

S y . x .=
√ n−k

9.984562+0.075366 ( 8.647899 )−0.981833∗( 10.826424)

S y . x .=
√ 8−2

S y . x .=0.033114
  SCE=∑ logY 2−loga ∑ logy−b ∑ logxlogy=¿0.006579
2 2 2
 SCT =∑ log y −n ( log ý ) =9.984562−8 ( 1.080987 ) =0.636299
 SCR=loga ∑ logy+ b ∑ logxlogy−n ( log ý )2=0.629720

TABLA ANOVA

Suma de Grados de Promedio de los F

cuadrados libertad cuadrados
SCR 0.629720 1 0.629720 574.038286
SCE 0.006579 6 0.001097
SCT 0.636299 7  

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=8 ; grados de libertad=6

α= 5%

F=+5.99

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > 5.99

  4° ¨Paso: Cálculo del estadístico t0

SCMR
F= =¿ 574.038286
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H0 y aceptamos la H 1 por lo tanto el modelo es confiable;

recomendamos hacer el pronóstico.

d) Interprete el coeficiente de determinación.

2 SCR 0.629720
r= = =0.989661
SCT 0.636299

El 98% de la variación total de la variable dependiente se explica o contabiliza por la

variación de la variable independiente.

3) Una empresa de Investigación de Mercados ha realizado un estudio sobre el

comportamiento de los usuarios de una determinada marca de camisas. Cuando hay
alguna innovación en la presentación de la camisa, la demanda crece
geométricamente, este, el gerente de la empresa manifiesta que este es un modelo
parabólico de tipo: y=bx+ c x 2; el gerente esta interesado en el modelo y quiere mayor
información de la bondad del modelo y llama a su asistente estadístico; si el elegido
eres cual sería el procedimiento para convencer al gerente.

 Muestra: y=bx+ c x 2
 Estimar : ^y = b^ x+ c^ x 2
2
 Condición: ∑ ( y − ý ) =minimo

F : ∑ ( y−bx −c x 2)2 =minimo

Derivando:
dF dF
=2 ∑ ( y−bx−c x 2 ) (−x )=0 =2 ∑ ( y−bx−c x 2 )(−x 2 ) =0
db dc

−2 ∑ ( y−bx−c x 2 ) ( x )=0 −2 ∑ ( y−bx−c x 2 ) ( x 2 )=0

∑ ( y−bx−c x 2 ) ( x )=0 ∑ ( y x 2−b x 3−c x 4 ) =0

∑ yx−b ∑ x 2−c ∑ x3 =0 ∑ y x 2−b ∑ x 3−c ∑ x 4 =0
∑ yx=b ∑ x 2+ c ∑ x 3 ∑ y x 2=b ∑ x 3 +c ∑ x 4

Ecuaciones Normales:

 ∑ yx=b ∑ x 2+ c ∑ x 3

 ∑ y x 2=b ∑ x 3 +c ∑ x 4

Determinantes:

x2 ∑ x3
∆= ∑
|
∑ x3 ∑ x4 |
∑ yx ∑ x 3
∆ a=
|
∑ y x2 ∑ x4 |
∆a
a^ =
∆

x2 ∑ xy
∆ b= ∑
|
∑ x3 ∑ y x2 |
^ ∆b
b=
∆
  y¿ bx +c x 2

∑ Y 2−b ∑ xy −c ∑ x2 y
 S y . x .=
√ n−k
 SCE=∑ Y 2−b ∑ yx−c ∑ x2 y

 SCT=∑ Y 2−n ( ý )2

 SCR=b ∑ xy +c ∑ x 2 y−n ( ý )2

TABLA ANOVA

  Suma de cuadrados Grados de Promedio de F

libertad los cuadrados
SCR b ∑ xy +c ∑ x 2 y −n ( ý )2 k-1 SCR/k-1 SCR / SCE
SCE ∑ Y 2−b ∑ yx−c ∑ x 2 y n-k SCE/ n-k
SCT ∑ Y 2−n ( ý )2 n-1    

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=7 ; grados de libertad=5

F+
  3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > Fc

 4° ¨Paso: Cálculo del estadístico F0

SCMR
F=
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos(o aceptamos) la hipótesis nula H 0 y aceptamos(o rechazamos) la H 1

por lo tanto el modelo es confiable(o no es confiable); recomendamos(o no
recomendamos) hacer el pronóstico.

RESOLUCIÓN DE LA FILA “C”

1) La empresa SOY Y LUNA desea hacer sus pronósticos entre los gastos de
publicidad y las ventas netas de la Empresa y ha procesado la información y ha
simulado tres modelos para medir el grado de confiabilidad del modelo y el resultado se
muestra en el siguiente cuadro.

  n Ecuación del Sy.x. Sb R^2

modelo
Modelo 1 10 y=100 + 2.25x 5.5 0.0056 0.95
Modelo 2 15 y=-90 +1.90x 4.5 0.986 0.92
Modelo 3 20 y= 120 + 3.25x 2.5 3.3 0.85

Con esta información a un nivel de significación del 5%.

a) Probar la existencia de la relación del modelo

 i) Modelo 1: y =100+ 2.25x

PRUEBA DE LA EXISTENCIA DE LA RELACION DEL MODELO:

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 : p1 =0 La relación del modelo es cero.

H 1 : p 1≠0 La relación del modelo es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos

n=10 grados de libertad=8

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.306 t=+2.306

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.306 ó t0 < -2.306

 4° ¨Paso: Cálculo del estadístico t0

r =√ R 2=√ 0.95=0.974679

r √ n−2 (0.974679) √10−2

t= 2
=
√1−r √ 1−(0.974679)2
 t=12.328703

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto la correlación entre la

población es diferente de cero; recomendamos hacer la prueba de la linealidad del
modelo.

ii) Modelo 2: y =-90 + 1.90x

PRUEBA DE LA EXISTENCIA DE LA RELACION DEL MODELO:

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 : p1 =0 La relación del modelo es cero.

H 1 : p 1≠0 La relación del modelo es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos

n=15 grados de libertad=13

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.160 t=+2.160
  3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.160 ó t0 < -2.160

 4° ¨Paso: Cálculo del estadístico t0

r =√ R 2=√ 0.92=0.959166

r √ n−2 (0.959166) √15−2

t= 2
=
√1−r √ 1−(0.959166)2

t=12.226971

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto la correlación entre la

población es diferente de cero; recomendamos hacer la prueba de la linealidad del
modelo

iii) Modelo 3: y =120 +3.25x

PRUEBA DE LA EXISTENCIA DE LA RELACION DEL MODELO:

 1° Paso: Formulación de Hipótesis Nula (H0) y Hipótesis Alternativa.

H 0 : p1 =0 La relación del modelo es cero.

H 1 : p 1≠0 La relación del modelo es diferente de cero.

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos

n=20 grados de libertad=18

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )
2

t=-2.101 t=+2.101

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.101 ó t0 < -2.101

 4° ¨Paso: Cálculo del estadístico t0

r =√ R 2=√ 0.85=0.921954

r √ n−2 (0.921954) √ 20−2

t= 2
=
√1−r √ 1−(0.921954)2

t=10.099472

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H 0 y aceptamos la H 1 por lo tanto la correlación entre la

población es diferente de cero; recomendamos hacer la prueba de la linealidad del
modelo

b) Probar la existencia de la linealidad

i) Modelo 1: y =100+ 2.25x

PRUEBA DE HIPÓTESIS DE LA EXISTENCIA DE B1

  1° Paso: Formulación de Hipótesis Nula (H0) y Hipótesis Alternativa.

H 0 : β 1=0

H 1 : β 1≠0

 2° Paso: Tamaño de muestra (n); nivel de significación α=5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos

n=10

Grados de libertad=8

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.306 t=+2.306

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.306 ó t0 < -2.306

 4° ¨Paso: Cálculo del estadístico t0

b−0
t=
sb

( 2.25 )−0
t=
0.0056

t=401.785714
  5° Paso: Conclusiones y recomendaciones

Rechazamos H0 y aceptamos la hipótesis alternativa, por lo tanto la pendiente de la

ecuación de regresión es diferente de cero; recomendamos hacer la prueba de la
confiabilidad del modelo.

ii) Modelo 2: y =-90+ 1.90x

PRUEBA DE HIPÓTESIS DE LA EXISTENCIA DE B1

 1° Paso: Formulación de Hipótesis Nula (H 0) e Hipótesis Alternativa.

H 0 : β 1=0

H 1 : β 1≠0

 2° Paso: Tamaño de muestra (n); nivel de significación α=5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos

n=15

Grados de libertad=13

α= 5% utilizamos la tabla de distribución t (n−k ,1− α )

2

t=-2.160 t=+2.160
  3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.160 ó t0 < -2.160

 4° ¨Paso: Cálculo del estadístico t0

b−0
t=
sb

( 1.90 )−0
t=
0.986

t=1.926978

 5° Paso: Conclusiones y recomendaciones

Se acepta H0 por lo tanto, la pendiente de la ecuación de regresión es igual de cero; por lo

que no tiene caso utilizar la variable independiente como elemento de predicción.

iii) Modelo 2: y =120 + 3.25x

PRUEBA DE HIPÓTESIS DE LA EXISTENCIA DE B1

 1° Paso: Formulación de Hipótesis Nula (H 0) e Hipótesis Alternativa.

H 0 : β 1=0

H 1 : β 1≠0

 2° Paso: Tamaño de muestra (n); nivel de significación α=5%

Uso de la distribución t (student) si n<30 y la distribución normal si n > = 30 y determinar

los puntos críticos

n=20

Grados de libertad=18
α= 5% utilizamos la tabla de distribución t (n−k ,1− α )
2

t=-2.101 t=+2.101

 3° Paso: Regla de Decisión:

Rechazar H0 sí y solo sí t0 > +2.101 ó t0 < -2.101

 4° Paso: Cálculo del estadístico t0

b−0
t=
sb

( 3.25 )−0
t=
3.3

t=0.984848

 5° Paso: Conclusiones y recomendaciones

Se acepta H0, por lo tanto, la pendiente de la ecuación de regresión es igual de cero;

por lo que no tiene caso utilizar la variable independiente como elemento de
predicción.

c) Construir la tabla ANOVA y probar la confiabilidad del modelo

Ecuación: modelo 1

y¿ a+ bx= y=100+2.25 x
 ∑ Y 2−a ∑ y−b ∑ xy =5.50
 S y . x .=
√ n−k

 SCE=∑ Y 2−a ∑ y−b ∑ xy =242

 SCT=∑ Y 2−n ( ý )2

 SCR=a ∑ y +b ∑ xy −n ( ý )2

TABLA ANOVA

  Suma de cuadrados Grados de Promedio de los F

libertad cuadrados
Regresión a ∑ y +b ∑ xy −n ( ý ) 2 k-1 SCR/k-1 SCR / SCE
(SCR)
Residuos ∑ Y 2−a ∑ y−b ∑ xy n-k SCE/ n-k
(SCE)
Total (SCT) ∑ Y 2−n ( ý )2 n-1    

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) e Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=10 ; grados de libertad=8

F+
  3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > Fc

 4° ¨Paso: Cálculo del estadístico t0

SCMR
F=
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H0 y aceptamos la H 1 por lo tanto el modelo es confiable;

recomendamos hacer el pronóstico.

d) Interprete el coeficiente de regresión de los modelos adecuados

El modelo adecuado es el modelo 1, cuya ecuación es Y = 100 + 2.25X, esta ecuación el

coeficiente de regresión b de valor 2.25, nos indica que cuando X aumenta, Y también lo
hace, es decir hay una relación directa entre las variables.

e) Interprete el coeficiente de determinación de los modelos adecuados

El coeficiente de determinación del modelo adecuado es 0.95, es decir el 95% de la

variación total de la variable dependiente se explica o contabiliza por la variación de la
variable independiente dada.

f) Qué modelo recomendarías a la Empresa SOL Y LUNA

Recomendaría el modelo 1, cuya ecuación es Y = 100 + 2.25X, ya que al realizar la

prueba de hipótesis se rechaza la hipótesis nula y se acepta la hipótesis alternativa,
demostrando que la pendiente de la ecuación de regresión es diferente de cero.
2) Los siguientes datos son de ingreso y consumo de un grupo familiar que solicita
ayuda a una entidad estatal y este desea estimar recursos destinados a esta política
del Estado y el gerente por experiencia manifiesta que este tipo de relación se ajusta a
un modelo potencial, con esta información:

y x y^2 x^2 ∑logx ∑(logx^2) ∑logy ∑logy^2 ∑(logy*logx)

3 4 9 16 0.60205999 0.36247623 0.47712125 0.22764469 0.28725562

7 8 49 64 0.90308999 0.81557152 0.84509804 0.7141907 0.76319958

10 12 100 144 1.07918125 1.16463216 1 1 1.07918125

14 16 196 256 1.20411998 1.44990493 1.14612804 1.31360947 1.38007567

15 20 225 400 1.30103 1.69267905 1.17609126 1.38319065 1.53013001

20 24 400 576 1.38021124 1.90498307 1.30103 1.69267905 1.79569623

21 28 441 784 1.44715803 2.09426637 1.32221929 1.74826386 1.91346027

24 32 576 102 1.50514998 2.26547646 1.38021124 1.90498307 2.07742492

4
11 144 199 326 9.42200045 11.7499898 8.64789912 9.9845615 10.8264235
4 6 4

a. Identifique quien es la variable independiente y la dependiente

 Variable Independiente: Ingreso= X

 Variable Dependiente: Consumo = Y

b. Construir el modelo correspondiente:

Modelo Potencial

 Muestra: y=a∗x b
 Linealizando:

log y=log (¿ a∗x b)¿

log ^y =log a^ +b log x
  Condición: ∑ ( log y −log ^y )2=minimo

F : ∑ (log y−log a−blog x)2=minimo

Derivando:

dF
=2 ∑ ( log y−log a−blog x ) (−1 )=0
d log a

−2 ∑ ( log y−log a−blog x ) ( 1 )=0

∑ ( log y −log a−blog x ) (1 )=0

∑ log y −n∗log a−¿ b ∑ logx=0 ¿
∑ log y =n∗log a+¿ b ∑ logx ¿

dF
=2 ∑ ( log y −log a−blog x )(−logx )=0
db

−2 ∑ ( log y−log a−blog x ) ( logx )=0

∑ ( log x∗log y−logx∗log a−b l(ogx )2 ) =0

∑ log x∗log y−loga ∑ logx −¿ b ∑ (logx)2=0¿
∑ logx∗log y=log a ∑ logx+¿ b ∑ (logx)2 ¿

Ecuaciones Normales:

 ∑ log y =n∗log a+¿ b ∑ logx ¿

 ∑ logx∗log y=log a ∑ logx+¿ b ∑ (logx )2 ¿

Determinantes:
 n ∑ logx = 8
 ∆=
|∑ logx ||
∑ (logx)2 9.422001
9.422001 =5.225817
11.74999 |

∑ log y ∑ logx = 8.647899

 ∆ a=
|∑ log x∗log y ||
∑ (logx)2 10.826424
9.422001 =−0.393851
|
11.74999

∆ a −0.393851
log a^ = = =−0.075366
∆ 5.225817

n ∑ log y 8 8.647899 =5.130879

 ∆ logb=
| ∑ logx ∑ logx∗log y| 9.422001
|
=
10.826424 |
∆ logb 5.130879
b= = =0.981833
∆ 5.225817

Ecuación:

log ^y =log a^ + x log b^

log ^y =0.981833 x−0.393851

c. Construir la tabla del análisis de varianza y realizar la prueba de hipótesis de la

confiabilidad del modelo a un nivel de significancia del 5%.

∑ log Y 2−loga ∑ logy−b ∑ logxlogy

S y . x .=
√ n−k

9.984562+0.075366 ( 8.647899 )−0.981833∗( 10.826424)

S y . x .=
√ 8−2

S y . x .=0.033114

 SCE=∑ logY 2−loga ∑ logy−b ∑ logxlogy=¿0.006579

2 2 2
 SCT =∑ log y −n ( log ý ) =9.984562−8 ( 1.080987 ) =0.636299
  SCR=loga ∑ logy+ b ∑ logxlogy−n ( log ý )2=0.629720

TABLA ANOVA

  Suma de Grados de Promedio de los F

cuadrados libertad cuadrados
Regresión (SCR) 0.629720 1 0.629720 574.038286
Residuos (SCE) 0.006579 6 0.001097
Total (SCT) 0.636299 7    

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) y Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable

 2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n=8 ; grados de libertad=6

α= 5%

F=+5.99

 3° ¨Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > 5.99

 4° ¨Paso: Cálculo del estadístico t0

 SCMR
F= =¿ 574.038286
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos la hipótesis nula H0 y aceptamos la H 1 por lo tanto el modelo es confiable;

recomendamos hacer el pronóstico.

d. Interprete el coeficiente de determinación.

SCR 0.629720
r 2= = =0.989661
SCT 0.636299

El 98% de la variación total de la variable dependiente se explica o contabiliza por la

variación de la variable independiente.

3) Una empresa de Investigación de Mercados ha realizado un estudio sobre el

comportamiento de los usuarios de una determinada marca de leche enlatada. Cuando
hay alguna innovación en el producto, la demanda crece geométricamente, el gerente
de la empresa manifiesta que este es un modelo: y=a+b x 2. El gerente está interesado
en el modelo y quiere mayor información de la bondad del modelo y llama a su
asistente estadístico y dicho analista eres tú, cuál sería el procedimiento para
convencer al gerente. (Realizar el procedimiento en forma ordenada para demostrar la
bondad del modelo).

a) Construcción del modelo

 Muestra: y=a+b x 2
 Estimar : ^y = a^ + b^ x 2
2
 Condición: ∑ ( y − ý ) =minimo

F : ∑ ( y−a−b x 2)2 =minimo

 Derivando:

dF dF
=2 ∑ ( y−a−b x 2 ) (−1 ) =0 =2 ∑ ( y−a−b x 2 )(−x 2 ) =0
da db

−2 ∑ ( y−a−b x 2 ) ( 1 )=0 −2 ∑ ( y−a−b x 2 ) ( x 2 )=0

∑ ( y−a−b x 2 ) ( 1 ) =0 ∑ ( y x 2−a x 2−b x 4 )=0

∑ y−a∗n−b ∑ x 2=0 ∑ y x 2−a ∑ x 2−b ∑ x 4 =0
∑ y=a∗n+b ∑ x 2 ∑ y x 2=a ∑ x 2 +b ∑ x 4

Ecuaciones Normales:

 ∑ yx=a∗n+b ∑ x 2

 ∑ y x 2=a ∑ x 2 +b ∑ x 4

b) Análisis de la varianza del modelo

Ecuaciones Normales:

∑ yx=a∗n+b ∑ x 2

∑ y x 2=a ∑ x 2 +b ∑ x 4

Determinantes:

n ∑ x2
∆=
|∑ x2 |
∑ x4
 ∑ yx ∑ x 2
∆ a=
|
∑ y x2 ∑ x4 |
∆a
a^ =
∆

∑ x 2 ∑ xy
∆ b=
|
∑ x 4 ∑ y x2 |
^ ∆b
b=
∆

 y¿ a+ b x 2

∑ Y 2−a ∑ xy −b ∑ x 2 y
 S y . x .=
√ n−k
 SCE=∑ Y 2−a ∑ yx−b ∑ x 2 y

 SCT=∑ Y 2−n ( ý )2

 SCR=a ∑ xy +b ∑ x 2 y−n ( ý )2

TABLA ANOVA

  Suma de cuadrados Grados de Promedio de F

libertad los cuadrados
SCR 2
a ∑ xy +b ∑ x y−n ( ý ) 2 k-1 SCR/k-1 SCMR / SCME
SCE ∑ Y 2−a ∑ yx−b ∑ x 2 y n-k SCE/ n-k
SCT ∑ Y 2−n ( ý )2 n-1    

c) La prueba de la confiabilidad del modelo.

PRUEBA DE HIPÓTESIS DEL MODELO DE CONFIABILIDAD

 1° Paso: Formulación de Hipótesis Nula (H0) y Hipótesis Alternativa.

H 0 :El modelo no es confiable.

H 1 : El modelo si es confiable
  2° Paso: Tamaño de muestra (n); nivel de significación α= 5%

Uso de la distribución F(k−1 ;n−k)y determinar los puntos críticos

n ; grados de libertad=n-k

F+

 3° Paso: Regla de Decisión:

Rechazar H0 sí y solo sí F > Fc

 4° Paso: Cálculo del estadístico F0

SCMR
F=
SCME

 5° Paso: Conclusiones y recomendaciones

Rechazamos (o aceptamos) la hipótesis nula H 0 y aceptamos (o rechazamos) la H 1

por lo tanto el modelo es confiable (o no es confiable); recomendamos (o no
recomendamos) hacer el pronóstico.