Resumen

Estadísticas de
la regresión
Coeficiente de
correlación 0.959902593
múltiple
Coeficiente de
determinación 92% 8%
R^2
R^2 ajustado 0.919775758
Error típico 5.850998525
Observaciones 50

ANÁLISIS DE
562.7879448
VARIANZA
Promedio de
Grados de Suma de
los F Valor P
libertad cuadrados
cuadrados

Regresión 1 19266.58591 19266.58591 562.7879448 3.66869E-28

Residuos 48 1643.24082 34.23418374

Total 49 20909.82673

Superior
Coeficientes Error típico Estadístico t Valor P Inferior 95%
95%
Intercepto (a) 63.04825325 2.462543342 25.60290094 1.22771E-29 58.09697801 67.99952848
b 0.713522276 0.030077043 23.72315208 3.66869E-28 0.653048327 0.773996224

-2.01

Análisis de los
residuales

Pronóstico Yi (Ingresos
Residuos ei
Observación Y (Ingresos) -
(yi-ygorro)
ygorro observados)
1 81.88524132 -1.63524132 80.25
2 84.45392151 2.546078489 87
3 88.73505516 1.764944835 90.5
4 90.44750863 1.552491374 92
 5 93.01618882 -0.989188818 92.027
6 94.08647223 -2.059472231 92.027
7 97.29732247 -7.797322471 89.5
8 97.29732247 -0.929322471 96.368
9 97.93949252 -1.571492519 96.368
10 98.1535492 1.096450799 99.25
11 98.1535492 1.096450799 99.25
12 98.36760588 3.932394116 102.3
13 102.4346829 -6.184682854 96.25
14 103.0055007 -0.849500675 102.156
15 103.3622618 -5.162261813 98.2
16 104.6466019 0.053398092 104.7
17 105.2174197 -4.217419729 101
18 108.0001566 17.9998434 126
19 108.0001566 5.999843397 114
20 111.567768 8.432232019 120
21 113.5656304 -3.065630352 110.5
22 113.5656304 -3.065630352 110.5
23 116.7764806 -0.873980592 115.9025
24 116.9905373 0.759462725 117.75
25 117.2759462 -1.373446185 115.9025
26 117.846764 -10.34676401 107.5
27 119.416513 -0.620013012 118.7965
28 119.4878652 -3.585365239 115.9025
29 120.986262 -2.189762018 118.7965
30 122.2706021 23.72939789 146
31 124.6252256 -5.828725623 118.7965
32 126.4090313 -2.909031312 123.5
33 127.265258 -1.233758042 126.0315
34 128.6923026 -4.692302593 124
35 128.7636548 -4.179154821 124.5845
36 131.5463917 -0.450391695 131.096
37 132.6880273 -1.592027336 131.096
38 132.9734362 -0.430436246 132.543
39 133.3301974 -0.787197384 132.543
40 133.4015496 -2.305549612 131.096
41 136.041582 6.958417969 143
42 137.2545699 3.745430101 141
43 137.4686266 -1.268626582 136.2
44 137.5399788 4.46002119 142
45 137.9680922 -0.360592175 137.6075
46 146.1022461 5.397753884 151.5
47 151.2396065 1.7603935 153
48 155.5207402 -10.02074015 145.5
49 158.9456471 -1.195647075 157.75
50 161.5143273 2.485672733 164
 X (Gastos) Gráfico de los residuales
30
25

Residuos
20
15
10
5
0
-5 20 40 60 80 100 120 140 160
-10
X (Gastos)
-15

4.042652129

Inferior Superior
95,0% 95,0%
58.09697801 67.99952848
0.653048327 0.773996224

X (Gastos) Curva de regresión ajustada

180
Y (Ingresos)

160
140
120
100
80 Y (Ingresos)
Pronóstico Y (Ingresos)
60
40
 160

Y (Ingre
140
120
100
80 Y (Ingresos)
Pronóstico Y (Ingresos)
60
40
20
0
20 40 60 80 100 120 140 160
X (Gastos)
residuales

120 140 160

ón ajustada

Y (Ingresos)
Pronóstico Y (Ingresos)
 Y (Ingresos)
Pronóstico Y (Ingresos)

60
 H & B es una empresa familiar que durante muchos años ha estado vendiendo a clientes minorist
Se anuncian extensamente en radio y televisión, haciendo hincapié en sus bajos precios y fáciles
Al propietario le gustaría estudiar la relación entre los ingresos mensuales por ventas (En unida
gastadas en publicidad (En unidades de 10,000).
La tabla siguiente resume información de ingresos por ventas y gastos de publicidad para un det
a Realice un diagrama de dispersión. Establezca la variable dependiente y la independiente.
b Determine los coeficientes de regresión a y b. Interprete el significado de cada uno de ellos.
c Realice el análisis de varianza y determine la validez del modelo. (Realice la prueba de hipótesis)
d Calcule el coeficiente de correlación y de determinación. Interprete el significado de cada uno d
e Realice el análisis residual. (Normalidad, Homocedasticidad, Independencia) Estableciendo en to
nula y alternativa, el valor del estadístico, el valor P y la conclusión.
f Plantee el modelo lineal encontrado. ¿Es válido este modelo? Explique.
g Halle intervalos de confianza del 95% para α y β
h ¿Puede considerarse que α = 0?
i Para un gasto de publicidad de 59,000 de pesos mensuales pronostique el ingreso promedio, el in
95% para los ingresos y el intervalo de confianza del 95% para los ingresos promedio.
j ¿Según su punto de vista, son apropiados los medios utilizados por esta empresa para dar a cono
basado en los resultados anteriores.
k ¿Considera usted, como profesional de su campo, que se debe seguir implementando este tipo de
en cuenta factores adicionales? Explique .

Observación X (Gastos) Y (Ingresos) X^2 Y^2 XY

1 26.4 80.25 696.96 6440.1 2118.60
2 30 87 900 7569.0 2610.00
3 36 90.5 1296 8190.3 3258.00
4 38.4 92 1474.56 8464.0 3532.80
5 42 92.027 1764 8469.0 3865.13
6 43.5 92.027 1892.25 8469.0 4003.17
7 48 89.5 2304 8010.3 4296.00
8 48 96.368 2304 9286.8 4625.66
9 48.9 96.368 2391.21 9286.8 4712.40
10 49.2 99.25 2420.64 9850.6 4883.10
11 49.2 99.25 2420.64 9850.6 4883.10
12 49.5 102.3 2450.25 10465.3 5063.85
13 55.2 96.25 3047.04 9264.1 5313.00
14 56 102.156 3136 10435.8 5720.74
 15 56.5 98.2 3192.25 9643.2 5548.30
16 58.3 104.7 3398.89 10962.1 6104.01
17 59.1 101 3492.81 10201.0 5969.10
18 63 126 3969 15876.0 7938.00
19 63 114 3969 12996.0 7182.00
20 68 120 4624 14400.0 8160.00
21 70.8 110.5 5012.64 12210.3 7823.40
22 70.8 110.5 5012.64 12210.3 7823.40
23 75.3 115.9025 5670.09 13433.4 8727.46
24 75.6 117.75 5715.36 13865.1 8901.90
25 76 115.9025 5776 13433.4 8808.59
26 76.8 107.5 5898.24 11556.3 8256.00
27 79 118.7965 6241 14112.6 9384.92
28 79.1 115.9025 6256.81 13433.4 9167.89
29 81.2 118.7965 6593.44 14112.6 9646.28
30 83 146 6889 21316.0 12118.00
31 86.3 118.7965 7447.69 14112.6 10252.14
32 88.8 123.5 7885.44 15252.3 10966.80
33 90 126.0315 8100 15883.9 11342.84
34 92 124 8464 15376.0 11408.00
35 92.1 124.5845 8482.41 15521.3 11474.23
36 96 131.096 9216 17186.2 12585.22
37 97.6 131.096 9525.76 17186.2 12794.97
38 98 132.543 9604 17567.6 12989.21
39 98.5 132.543 9702.25 17567.6 13055.49
40 98.6 131.096 9721.96 17186.2 12926.07
41 102.3 143 10465.29 20449.0 14628.90
42 104 141 10816 19881.0 14664.00
43 104.3 136.2 10878.49 18550.4 14205.66
44 104.4 142 10899.36 20164.0 14824.80
45 105 137.6075 11025 18935.8 14448.79
46 116.4 151.5 13548.96 22952.3 17634.60
47 123.6 153 15276.96 23409.0 18910.80
48 129.6 145.5 16796.16 21170.3 18856.80
49 134.4 157.75 18063.36 24885.1 21201.60
50 138 164 19044 26896.0 22632.00
Sumas 3855.7 5903.5405 335171.81 717945.635432 482247.703
Suma X Suma Y Suma X^2 suma Y^2 Suma XY
 180
160
140
120
100
80
60
40
20
0
20 40 60 80 100 120 140 160

n 50
a 63.048253246 SCT 20909.8
b 0.7135222755 SCE 1643.2
Sxx 37843.4 SCR 19266.6
Syy 20909.8 S^2
Sxy 27002.1 DW

Tabla ANOVA

Suma de Grados de Cuadrados

Fuente fcal
cuadrados libertad medios

Regresión 19266.6 1 19266.6 562.7879448

Error 1643.2 48 34.2
Total 20909.8

Coeficiente de correlación
Cov(X,Y) 540.0 r 0.9599026
V(X) 756.9 r^2 92%
V(Y) 418.19653459
r 0.9599025926 0.95990259

NORMALIDAD
Ho: los residuos o errores se ajustan a una distribución normal con media µ= 0 y varianza
H1: los residuos o errores no se ajustan a una distribución normal con media µ= 0 y varianza
n
# de clase
e eordenados ez A R/C
-1.60 -10.3 -1.76 P
2.50 -10.0 -1.71
1.80 -7.8 -1.33 s^2
1.60 -6.2 -1.06 Clase Límites
-1.00 -5.8 -0.99 1 -10.3
-2.10 -5.2 -0.89 2 -5.4
-7.80 -4.7 -0.8 3 -0.5
-0.90 -4.2 -0.72 4 4.4
-1.60 -4.2 -0.72 5 9.3
1.10 -3.6 -0.62 6 14.2
1.10 -3.1 -0.53 7 19.1
3.90 -3.1 -0.53
-6.20 -2.9 -0.5
-0.80 -2.3 -0.39
-5.20 -2.2 -0.38 1
0.10 -2.1 -0.36 2
-4.20 -1.6 -0.27 3
18.00 -1.6 -0.27 4
6.00 -1.6 -0.27
8.40 -1.4 -0.24 α
-3.10 -1.3 -0.22 Valor P
-3.10 -1.2 -0.21 Pto crítico
-0.90 -1.2 -0.21 Decisión: Como valor P es ME
0.80 -1.0 -0.17 Es posible considerar que los
-1.40 -0.9 -0.15
-10.30 -0.9 -0.15 Observación :
-0.60 -0.8 -0.14 S^2 calculada de los residuos
-3.60 -0.8 -0.14 S^2 estimada de los residuos
-2.20 -0.6 -0.1 es sobreestimada
23.70 -0.5 -0.09
-5.80 -0.4 -0.07
-2.90 -0.4 -0.07
-1.20 0.1 0.02
-4.70 0.8 0.14
-4.20 1.1 0.19
-0.50 1.1 0.19
-1.60 1.6 0.27
-0.40 1.8 0.31
-0.80 1.8 0.31
-2.30 2.5 0.43
7.00 2.5 0.43
3.70 3.7 0.63
-1.30 3.9 0.67
4.50 4.5 0.77
-0.40 5.4 0.92
5.40 6.0 1.03
1.80 7.0 1.2
-10.00 8.4 1.44
-1.20 18.0 3.08
2.50 23.7 4.05

INDEPENDENCIA

Ho: los residuos son independientes

Errores
H1: los residuos son dependientes estandarizados

e (ei-ei-1)^2 ei^2 ez
-1.64 2.67 -0.28
2.55 17.483435338 6.48 0.44
1.76 0.61016978398 3.12 0.30
1.55 0.04513647319 2.41 0.27
-0.99 6.46013819764 0.98 -0.17
-2.06 1.14550658472 4.24 -0.35
-7.80 32.9229253745 60.80 -1.33
-0.93 47.169424 0.86 -0.16
-1.57 0.4123823705 2.47 -0.27
1.10 7.11792154457 1.20 0.19
1.10 0 1.20 0.19
3.93 8.0425744992 15.46 0.67
-6.18 102.355246426 38.25 -1.06
-0.85 28.4641688894 0.72 -0.15
-5.16 18.5999086313 26.65 -0.88
0.05 27.203108235 0.00 0.01
-4.22 18.2398848551 17.79 -0.72
18.00 493.606780787 323.99 3.08
6.00 144 36.00 1.03
8.43 5.91651441053 71.10 1.44
-3.07 132.200839113 9.40 -0.52
-3.07 0 9.40 -0.52
-0.87 4.80332867133 0.76 -0.15
0.76 2.66813707098 0.58 0.13
-1.37 4.54930041923 1.89 -0.23
-10.35 80.5204327061 107.06 -1.77
-0.62 94.6096848967 0.38 -0.11
-3.59 8.79331383344 12.85 -0.61
-2.19 1.94770835164 4.80 -0.37
23.73 671.802850133 563.08 4.06
-5.83 873.682665385 33.97 -1.00
-2.91 8.52461487094 8.46 -0.50
-1.23 2.80654052711 1.52 -0.21
-4.69 11.9615304114 22.02 -0.80
-4.18 0.26332063637 17.47 -0.71
-0.45 13.9036744461 0.20 -0.08
-1.59 1.3033319364 2.53 -0.27
-0.43 1.34929385989 0.19 -0.07
-0.79 0.12727850941 0.62 -0.13
-2.31 2.30539348691 5.32 -0.39
6.96 85.8210953344 48.42 1.19
3.75 10.3232910423 14.03 0.64
-1.27 25.1407644169 1.61 -0.22
4.46 32.8174053008 19.89 0.76
-0.36 23.2383132178 0.13 -0.06
5.40 33.1585493368 29.14 0.92
1.76 13.2303905609 3.10 0.30
-10.02 138.795110152 100.42 -1.71
-1.20 77.8822678271 1.43 -0.20
2.49 13.5521155299 6.18 0.42
3331.87776838 1643.24 0.00
 DW 2.02762597462

HOMOCEDASTICIDAD

5
Ho: los residuos tienen varianza constante
H1: los residuos no tienen varianza constante

e ez y gorro 4

Residuos estandarizados
-1.64 -0.279 81.8852413196
2.55 0.435 84.4539215114
1.76 0.302 88.7350551645 3
1.55 0.265 90.4475086258
-0.99 -0.169 93.0161888176
-2.06 -0.352 94.0864722309 2
-7.80 -1.333 97.2973224707
-0.93 -0.159 97.2973224707
-1.57 -0.269 97.9394925186
1
1.10 0.187 98.1535492013
1.10 0.187 98.1535492013
3.93 0.672 98.367605884
0
-6.18 -1.057 102.434682854
70
-0.85 -0.145 103.005500675
-5.16 -0.882 103.362261813
0.05 0.009 104.646601908 -1

-4.22 -0.721 105.217419729

18.00 3.076 108.000156603
6.00 1.025 108.000156603 -2
8.43 1.441 111.567767981
-3.07 -0.524 113.565630352
-3.07 -0.524 113.565630352 -3
-0.87 -0.149 116.776480592
0.76 0.130 116.990537275
-1.37 -0.235 117.275946185
-10.35 -1.768 117.846764005
-0.62 -0.106 119.416513012
-3.59 -0.613 119.487865239
-2.19 -0.374 120.986262018
 23.73 4.056 122.270602114
-5.83 -0.996 124.625225623
-2.91 -0.497 126.409031312
-1.23 -0.211 127.265258042
-4.69 -0.802 128.692302593
-4.18 -0.714 128.763654821
-0.45 -0.077 131.546391695
-1.59 -0.272 132.688027336
-0.43 -0.074 132.973436246
-0.79 -0.135 133.330197384
-2.31 -0.394 133.401549612
6.96 1.189 136.041582031
3.75 0.640 137.254569899
-1.27 -0.217 137.468626582
4.46 0.762 137.53997881
-0.36 -0.062 137.968092175
5.40 0.923 146.102246116
1.76 0.301 151.2396065
-10.02 -1.713 155.520740153
-1.20 -0.204 158.945647075
2.49 0.425 161.514327267

Halle intervalos de confianza del 95% para α y β

s^2 34.2
n 50
x barra 77.114
Sxx 37843.4

V(A) 6.0641197124 Intervalo de confianza del 95% para

desves(A) 2.4625433422 58.097 68.000
V(B) 0.0009046285
desves(B) 0.0300770434 Intervalo de confianza del 95% para
t48,0,05 2.0106347576 0.653048 0.773996
a 63.048253246
b 0.7135222755
el ingreso promedio, el intervalo de predicción del 99% para los ingresos y el intervalo de

xo 5 Ingreso promedio
V(Y) 39.623323914 yo_gorro 66.61586462
V(Ygorro) 5.3891401725
t48,0,05 2.0106347576 Intervalo de confianza del 95% para
61.9482722046 71.28345704

Intervalo de predicción del 95% para Y

53.959509905 79.27221934

Para un gasto de publicidad de 50,000 de pesos mensuales pronostique el ingreso promedio, el in

99% para los ingresos y el intervalo de confianza del 99% para los ingresos promedio.
diendo a clientes minoristas en cierta ciudad.
sus bajos precios y fáciles condiciones de crédito.
uales por ventas (En unidades de 100,000) y las cantidades

de publicidad para un determinado número de meses.

y la independiente.
do de cada uno de ellos.
ce la prueba de hipótesis)
l significado de cada uno de ellos.
encia) Estableciendo en todos los casos las hipótesis

e el ingreso promedio, el intervalo de predicción del

resos promedio.
a empresa para dar a conocer su producto? Explique

mplementando este tipo de publicad, o hay que tener

Ygorro e
81.89 -1.64
Ingresos en unidades de 100,000

84.45 2.55
88.74 1.76 Y (Ingresos) vs X (Gastos en Publicidad)
90.45 1.55 180

93.02 -0.99
94.09 -2.06 160
f(x) = 0.713522275514002 x + 63.0482532460133
97.30 -7.80
97.30 -0.93 140
97.94 -1.57
98.15 1.10 120
98.15 1.10
98.37 3.93 100
102.43 -6.18
103.01 -0.85
80

60

40
 120

100

80
103.36 -5.16
104.65 0.05
60
105.22 -4.22 70.8
108.00 18.00 113.5638 Ingreso promedio
40
108.00 6.00 y para x=70,8 110.5
111.57 8.43 e -3.0638
113.57 -3.07 20

113.57 -3.07
116.78 -0.87 0
20 40 60 80 100 120
116.99 0.76 Gastos de Publicidad (en unidades de 10,000)

117.28 -1.37
117.85 -10.35
119.42 -0.62
119.49 -3.59
120.99 -2.19
122.27 23.73
124.63 -5.83
126.41 -2.91
127.27 -1.23
128.69 -4.69
128.76 -4.18
131.55 -0.45
132.69 -1.59
132.97 -0.43
133.33 -0.79
133.40 -2.31
136.04 6.96
137.25 3.75
137.47 -1.27
137.54 4.46
137.97 -0.36
146.10 5.40
151.24 1.76
155.52 -10.02
158.95 -1.20
161.51 2.49
 Interpretación de la pendiente: 0,713
Por cada peso adicional que se invierte en publicidad
los ingresos mensuales promedio aumentarán en 71300 pesos.
160 Interpretación del intercepto: 63,04825
Cuando no se invierte en publicidad los ingresos promedio
mensuales son 6'304.825

fcrit valor P

4.042652 3.669E-28

MEDIDA DE ASOCIACION LINEAL. HAY UNA FUERTE CORRELACION ENTRE LO INVERTIDO

EN PUBLICIDAD Y LOS INGRESOS MENSUALES

MEDIDA DE LA VARIABLIDAD EXPLICADA POR EL MODELO AJUSTADO. BUEN AJUSTE

dia µ= 0 y varianza σ^2 estimada con s^2 = 34,2
media µ= 0 y varianza σ^2 estimada con s^2 = 34,2
50
7
4.9
0.1

34.2
Límites Fronteras Fronteras Zi prob oi ei
-5.5 -5.45 -0.932 0.176 5 8.78
-0.6 -5.45 -0.55 -0.932 -0.094 0.287 24 14.34
4.3 -0.55 4.35 -0.094 0.744 0.309 14 15.45
9.2 4.35 9.25 0.744 1.582 0.172 5 8.58
14.1 9.25 14.15 1.582 2.420 0.049 0 2.45
19.0 14.15 19.05 2.420 3.257 0.007 1 0.36
23.9 19.05 3.257 0.00 1 0.03
1.000 50 50

oi ei (oi-ei)^2/ei
5 8.78 1.6296871
24 14.34 6.4995946
14 15.45 0.1361484
7 11.42 1.7119117
9.9773418
0.05
0.01876
7.814728
cisión: Como valor P es MENOR que alfa rechazar Ho, o el valor de la estadística es MAYOR que el punto crítico, rechaz
posible considerar que los residuos se ajustan a una distribución normal con los parámetros dados.

servación :
2 calculada de los residuos 33.505306 K-p-1
2 estimada de los residuos Gl=4-1, dado que no utilicé los residuos para estimar la varianza de los err
34.234
sobreestimada
rizados
Errores estandarizados

5.00

4.00

3.00

2.00

1.00

0.00
0 10 20 30 40 50 60
-1.00

-2.00
Orden
-3.00
2.00

1.00

0.00
0 10 20 30 40 50 60
-1.00

-2.00
Orden
-3.00
 Como DW está entre du=1,59 y 4-du = 2,41 entonces no se rechaza Ho,
se concluye que los residuos son independientes.

4
Residuos estandarizados

0
70 90 110 130 150

-1

-2

y gorro
-3

Chart Title
5.000

4.000

3.000
 Chart Title
5.000

4.000

3.000

2.000

1.000

0.000
70 80 90 100 110 120 130 140

-1.000

-2.000

-3.000

za del 95% para α

za del 95% para β

gresos y el intervalo de confianza del 99% para los ingresos promedio.

za del 95% para Y gorro

ón del 95% para Y

e el ingreso promedio, el intervalo de predicción del

resos promedio.
en Publicidad)
 100 120 140 160
nidades de 10,000)
N ENTRE LO INVERTIDO
ES

TADO. BUEN AJUSTE

 11.42

e el punto crítico, rechazar Ho

os.

mar la varianza de los errores+

150 170
130 140 150 160 170