Y X

consumo ingreso
2 3
3 4
3 5
4 6

Resumen

Estadísticas de la regresión
Coeficiente de corre 0.9486833
Coeficiente de dete 0.9
R^2 ajustado 0.85
Error típico 0.31622777
Observaciones 4

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1.8 1.8 18 0.0513167
Residuos 2 0.2 0.1
Total 3 2

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

B0 0.3 0.65574385 0.45749571 0.69220649 -2.5214381
B1 0.6 0.14142136 4.24264069 0.0513167 -0.008487

hipotesis nula el ingreso no influye en el consumo

hipotesis alterna

Coeficientes Error típico Estadístico t Probabilidad

B0 0.3 0.65574385 0.45749571 0.69220649
CONSUMO B1 0.6 0.14142136 4.24264069 0.0513167

si el eror cometido (sig o p-valor, probabilidad) ≤ 0.05 entonces acpeto a la hipotesis altera
si el eror cometido (sig o p-valor, probabilidad) ≥ 0.05 entonces acpeto a la hipotesis nula

INTERPRETACION ≤≤≥
Con un error cometido de 0.0513 es mayor 0.05, entonces acepto a la hipotesis nula, por tanto el ingreso n

Coeficiente de corr 0.9486833 SE USA EN EL CASO DSI HUBIERA INFLUENCIA

Coeficiente de det 0.9
R^2 ajustado 0.85
Error típico 0.31622777
Observaciones 4

COEFICIENTE DE CORRELACION

R=0.9486 X100= 94.86% Lo cual indica que existe una relacion o correlacion entre el ingreso y el consumo

COEFICIENTE DE DETERMINACION

R2=0.9 X100= 90% Lo cual indica que por cada varaiacion que se da en el ingreso el consumo tiende a vari

ANALISIS DE LA VARAINZA: Quiere decir si los datos se ajustan o no se ajustan al modelo

ANÁLISIS DE VARIANZA
Valor crítico
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF de F
Regresión 1 1.8 1.8 18 0.0513167
Residuos 2 0.2 0.1
Total 3 2

Al 5% de error

Hipotesis nula los datos (cosnumo e ingreso no se ajustan al modelo

hipotesis alterna los datos (cosnumo e ingreso se ajustan al modelo

INTERPRETACION
Con un error cometido de 0.0513 es mayor 0.05, entonces acepto a la hipotesis nula, por tanto los datos (
or crítico de F

Superior 95%Inferior 95.0%

Superior 95.0%
3.12143808 -2.5214381 3.12143808
1.20848698 -0.008487 1.20848698
<

a hipotesis altera
a hipotesis nula

otesis nula, por tanto el ingreso no influye en el consumo con un margen de error del 5%.
on entre el ingreso y el consumo que del 94.86% desmostrando que es bastante alto

ingreso el consumo tiende a variar en un 90%

se ajustan al modelo

otesis nula, por tanto los datos ( cosnumo e ingreso nose ajustan al modelo con un margen de error del 5%.
 El presidente de una fábrica de computadoras desea estudiar la relación que hay entre el tamaño del incremen
sueldos y rendimientos de un representante de ventas en el año siguiente. Muestreo a 10 representantes y det
tamaños de sus respectivos incrementos (dados en porcentaje de sus sueldos individuales) y el número de venta
por cada uno durante los 12 meses después del incremento.

x y
N° DE
INCREMENTO EN % VENTAS
7.2 55
6.5 39
7.4 58
5.7 36
6.8 41
8.9 70
7.7 53
10.6 74
11.3 66
8.2 73

Resumen

Estadísticas de la regresión
Coeficiente de correla 0.81105329
Coeficiente de determ 0.65780744
R^2 ajustado 0.61503337
Error típico 8.85827473
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1206.74775 1206.74775 15.3786498 0.0044087
Residuos 8 627.75225 78.4690312
Total 9 1834.5

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

Intercepción 4.30401597 13.6015788 0.31643503 0.75977139 -27.061281 35.669313
INCREMENTO EN % 6.50012254 1.65753398 3.92156216 0.0044087 2.67784233 10.3224028

hipotesis nula el incremeneto en % no influye en el numeo de ventas

hipotesis alterna el incremeneto en % influye en el numeo de ventas

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 4.30401597 13.6015788 0.31643503 0.75977139
INCREMENTO EN % 6.50012254 1.65753398 3.92156216 0.0044087

si el eror cometido (sig o p-valor, probabilidad) ≤ 0.05 entonces acpeto a la hipotesis altera
si el eror cometido (sig o p-valor, probabilidad) ≥ 0.05 entonces acpeto a la hipotesis nula

INTERPRETACION ≤≤≥
Con un error cometido de 0.0044087 es menor a 0.05, entonces acepto a la hipotesis alterna, por tanto el increm

Estadísticas de la regresió
Coeficiente d
Coeficiente
R^2 ajustado
Error típico
Observacione

COEFICIENTE DE CORRELACION

R=0.81105329 X100= 81.105% Lo cual indica que existe una relacion o correlacion entre el incremento de porcen

COEFICIENTE DE DETERMINACION

R2=0.65780744 X100= 68.78% Lo cual indica que por cada varaiacion que se da en el incremento de porcentaje,

ANALISIS DE LA VARAINZA: Quiere decir si los datos se ajustan o no se ajustan al modelo

Al 5% de error
Hipotesis nula los datos (numero de ventas e incremento de % no se ajustan al modelo
hipotesis alterna los datos (numero de ventas e incremento de % se ajustan al modelo

INTERPRETACION
Con un error cometido de 0.0044087 es menor 0.05, entonces acepto a la hipotesis alterna, por tanto los datos (
 el tamaño del incremento anual de
10 representantes y determino los
es) y el número de ventas realizadas
ento.
 Inferior 95.0%
Superior 95.0%
-27.061281 35.669313
2.67784233 10.3224028

erna, por tanto el incremeneto en % influye en el numeo de ventas con un margen de error menor del 5%.

tadísticas de la regresión
0.81105329
0.65780744
0.61503337
8.85827473
10

el incremento de porcentaje y el numero de ventasque del 81.105% desmostrando que es bastante alto

remento de porcentaje, el numero de ventas tiende a variar en un 65.78%

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1206.74775 1206.74775 15.3786498 0.0044087
Residuos 8 627.75225 78.4690312
Total 9 1834.5
na, por tanto los datos ( numero de ventas e incremento de % se ajustanon un margen de error del 5%.
EJERCICIO 4
4.El propietario de una cadena de heladerías desea estudiar el efecto de la temperatura atmosférica (X) sobre las
ventas (Y) durante la temporada de verano. Seleccionó una muestra aleatoria de 12 días con los resultados
siguientes:

MODELO LINEAL

X Y
TEMPERATURA VENTAS 40
22.8 18
23.9 20.5 35
f(x) = 1.0466729399x - 4.33
24.1 21.8 30 R² = 0.9306908586
25.3 22.9
26.7 23.6 25
27.8 22.5
20
29.5 26.8
31.1 29 15
32.2 31.4
10
33.4 32.4
36.7 34 5
37.8 32.8
0
20 22 24 26 28 30 32

Resumen

Estadísticas de la regresión
Coeficiente de co 0.9647232031
Coeficiente de 0.9306908586
R^2 ajustado 0.9237599445
Error típico 1.508608133
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 305.610182 305.610182 134.281112 4.055E-07
Residuos 10 22.758985 2.2758985
Total 11 328.369167
 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
Intercepción -4.3330169826 2.67985995 -1.6168819 0.13697545 -10.304117 1.6380831
TEMPERATURA 1.0466729399 0.09032408 11.5879727 4.055E-07 0.84541836 1.24792752

ESTIMACIONES COCNOCIENDO EL MODEL

X Y
TEMPERATURA VENTAS Resumen
22.8 18
23.9 20.5 Estadísticas de la regresión
24.1 21.8 Coeficiente d 0.97895932
25.3 22.9 Coeficiente 0.95836134
26.7 23.6 R^2 ajustado 0.95489145
27.8 22.5 Error típico 1.37716451
29.5 26.8 Observacione 14
31.1 29
32.2 31.4 ANÁLISIS DE VARIANZA
33.4 32.4 Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
36.7 34 Regresión 1 523.824072 523.824072
37.8 32.8 Residuos 12 22.758985 1.89658208
39 36.4872261 Total 13 546.583057
41 38.5805719
Coeficientes Error típico Estadístico t
Intercepción -4.3330153 1.97484227 -2.194107
TEMPERATUR1.04667288 0.0629802 16.6190772

MODELO NO LINEAL

y=B0 B1^x
y=B0 X^B1
Y=B0X^1/B1
Y=B0e 1/B1
�=𝐵0+𝐵1𝑋+𝐵2𝑋Þ^2" "
Y=B0+B1X+B2X^2 polinomico o cuadratico
Y=B0+B1X+B2X^2+B3X^3

X X2 Y
22.8 519.84 18 40
23.9 571.21 20.5
24.1 580.81 21.8 35

25.3 640.09 22.9 f(x) = - 0.0339342052x^2 + 3.092125

30 R² = 0.9481755164

25

20
 40

35
f(x) = - 0.0339342052x^2 + 3.092125
30 R² = 0.9481755164
26.7 712.89 23.6
27.8 772.84 22.5 25
29.5 870.25 26.8
31.1 967.21 29 20
32.2 1036.84 31.4
15
33.4 1115.56 32.4
36.7 1346.89 34 10
37.8 1428.84 32.8
39 1521 34.688 5
41 1681 35.4482
0
20 22 24 26 28 30 32

Resumen

Estadísticas de la regresión
Coeficiente de co 0.9737430444
Coeficiente de d 0.9481755164
R^2 ajustado 0.9366589645
Error típico 1.37507828
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 311.351604 155.675802 82.3315454 1.6421E-06
Residuos 9 17.0175625 1.89084028
Total 11 328.369167

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

Intercepción -34.3422974558 17.3939575 -1.9743809 0.07977785 -73.690163 5.0055682
X 3.0921256505 1.17671878 2.62775244 0.02745966 0.43020283 5.75404847
X2 -0.0339342052 0.01947401 -1.7425383 0.11538993 -0.0779875 0.01011906

EJERCICIO 1

El director general de una cadena de tiendas de autoservicio en expansión desea conocer el

comportamiento de las ventas en los diferentes establecimientos con base en la superficie de piso
en la que se exhiben los diferentes productos con el fin de contar con un modelo que le permita
llevar un control adecuado de la eficiencia con la que trabaja cada establecimiento. Para ello utiliza
el volumen de ventas mensuales (en millones de pesos) y la superficie de piso (en miles de metros
cuadrados). En forma aleatoria recopila el volumen de ventas del último mes en diez tiendas de la
cadena que correspondan más o menos entre 2,000 y 12,000 metros cuadrados de superficie de
piso.

6
x x2 y
5
f(x) = 0.3585132
4 R² = 0.90049237
 6

2.15 4.6225 1 5
9.2 84.64 3 f(x) = 0.3585132
6.7 44.89 3 4 R² = 0.90049237
13.5 182.25 4.5
5.5 30.25 2
3
12.15 147.6225 5
4.8 23.04 1
2
10.7 114.49 4
3.25 10.5625 1.5
1
8.25 68.0625 3.5

0
MODELO LINEAL 0 2 4 6
Resumen

Estadísticas de la regresión
Coeficiente de co 0.948942768
Coeficiente de d 0.900492377
R^2 ajustado 0.8880539241
Error típico 0.4800232697
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 16.6816213 16.6816213 72.3958507 2.7948E-05
Residuos 8 1.84337872 0.23042234
Total 9 18.525

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

Intercepción 0.118129074 0.35514771 0.33261956 0.74796986 -0.700843 0.93710115
x 0.3585132449 0.04213552 8.50857513 2.7948E-05 0.26134856 0.45567793

MODELO NO LINEAL
Resumen

Estadísticas de la regresión
Coeficiente de co 0.9494049102
Coeficiente de d 0.9013696836
R^2 ajustado 0.8731895932
Error típico 0.5108992928
Observaciones 10

ANÁLISIS DE VARIANZA
 Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 16.6978734 8.34893669 31.9860465 0.00030133 LAMBAD
Residuos 7 1.82712661 0.26101809
Total 9 18.525

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

Intercepción -0.0482409284 0.76643185 -0.0629422 0.9515721 -1.8605643 1.76408242
x 0.4126541329 0.22155917 1.86250081 0.10482589 -0.1112501 0.93655832
x2 -0.0034652755 0.01388731 -0.2495281 0.81011626 -0.0363036 0.02937301

5
f(x) = - 0.0034652755x^2 + 0.4126541329x - 0.0482409284
4
R² = 0.9013696836

0
0 2 4 6 8 10 12 14 16

EJERCICIO 2

Una compañía refresquera está estudiando el efecto de su última campaña publicitaria. A un grupo de personas a
quienes escogió al azar se les pregunto por teléfono cuantas latas del nuevo refresco habían comprado en la
semana anterior y cuantos anuncios de él habían leído o visto esa semana.
20
X Y X LOG Y
18
4 12 4 1.07918125
10 19 10 1.2787536 16
3 7 3 0.84509804 14 f(x) = 1.2102206736x + 3.396
0 6 0 0.77815125
12
R² = 0.662316146
1 3 1 0.47712125
4 5 4 0.69897 10

2 6 2 0.77815125 8
5 10 5 1 6
6 7 6 0.84509804
4
8 11 8 1.04139269
2
PASO 1 0
0 2 4
 4

0
0 2 4
Resumen

Estadísticas de la regresión
Coeficiente de co 0.8138280813
Coeficiente de d 0.662316146
R^2 ajustado 0.6201056642
Error típico 2.834938399
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 126.104994 126.104994 15.6907981 0.00417024
Residuos 8 64.2950058 8.03687573
Total 9 190.4

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

Intercepción 3.3960511034 1.59047445 2.13524405 0.06525794 -0.2715895 7.06369176
X 1.2102206736 0.30552169 3.9611612 0.00417024 0.50568639 1.91475496

PASO 2

Resumen

Estadísticas de la regresión
Coeficiente de co 0.7866523511
Coeficiente de d 0.6188219215
R^2 ajustado 0.5711746616
Error típico 0.1476182161
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.28301383 0.28301383 12.9875658 0.00694361
Residuos 8 0.1743291 0.02179114
Total 9 0.45734294

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

B0 0.6356612052 0.08281767 7.67542945 5.8763E-05 0.44468331 0.8266391
B0 0.0573326819 0.01590883 3.60382655 0.00694361 0.02064684 0.09401852

y=B0 B1^x
 Coeficientes
LOG (B0) 0.6356612052
LOG(B1) 0.0573326819

SACAR LOG DE BASE 10

LOG B0= 0.63566121

B0 10^0.63566121
B0 4.3217656168

LOG B1 0.0573326819
B1 10^0.05733268
B1 1.1411235858

POR TANTO EL MODELO SERIA DE LA SGTE MANERA

Y=4.32(1.14)^x

latas compradas=4.32(1.14)^N° de anuncios

EJERCCICO 5

Una cadena de tiendas de repostería ha tenido grandes fluctuaciones en sus ingresos (Y) durante los últimos
productos y técnicas de publicidad se han utilizado durante este tiempo, por lo cual es difícil determinar cuáles d
profunda en las ventas. El departamento de mercadotecnia ha estudiado varias relaciones y piensa que los gast
pueden ser significativos. Muestreó 10 meses y descubrió lo siguiente:

X Y LOG X LOG Y
25 34 1.39794001 1.53147892
16 14 1.20411998 1.14612804
43 55 1.63346846 1.74036269
34 32 1.53147892 1.50514998
10 26 1 1.41497335
21 29 1.32221929 1.462398
19 20 1.2787536 1.30103
13 20 1.11394335 1.30103
 23 30 1.36172784 1.47712125
38 39 1.5797836 1.59106461

MODELO LINEAL

Resumen

Estadísticas de la regresión
Coeficiente de co 0.8569251422
Coeficiente de d 0.7343206993
R^2 ajustado 0.7011107868
Error típico 6.3099416951
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 880.377086 880.377086 22.1114915 0.00153691
Residuos 8 318.522914 39.8153642
Total 9 1198.9

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

Intercepción 7.9856557377 5.06956519 1.57521512 0.15385527 -3.7047826 19.676094
X 0.9055514158 0.19257686 4.70228577 0.00153691 0.46146839 1.34963444

Resumen

Estadísticas de la regresión
Coeficiente de co 0.7514029632
Coeficiente de d 0.5646064132
R^2 ajustado 0.5101822148
Error típico 0.1172599018
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.14264377 0.14264377 10.3741797 0.01222273
Residuos 8 0.10999908 0.01374988
Total 9 0.25264285

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

LOG Y 0.6172867977 0.26028089 2.37161782 0.04513231 0.01707799 1.21749561
LOG X 0.6181628484 0.19192256 3.22089734 0.01222273 0.17558864 1.06073705
 Coeficientes
BO 0.6172867977
B1 0.6181628484

Y=B0X^1/B1
BO 0.6172867977 X
1.6176967001
tmosférica (X) sobre las
on los resultados

466729399x - 4.3330169826
06908586

28 30 32 34 36 38 40
 Inferior 95.0%
Superior 95.0%
-10.304117 1.6380831
0.84541836 1.24792752

F Valor crítico de F
276.193726 1.1973E-09

Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
0.04864834 -8.635827 -0.0302036 -8.635827 -0.0302036
1.1973E-09 0.9094508 1.18389496 0.9094508 1.18389496

342052x^2 + 3.0921256505x - 34.3422974558

164
342052x^2 + 3.0921256505x - 34.3422974558
164

28 30 32 34 36 38 40

Inferior 95.0%
Superior 95.0%
-73.690163 5.0055682
0.43020283 5.75404847
-0.0779875 0.01011906

f(x) = 0.3585132449x + 0.118129074

R² = 0.900492377
 f(x) = 0.3585132449x + 0.118129074
R² = 0.900492377

2 4 6 8 10 12 14 16

Inferior 95.0%
Superior 95.0%
-0.700843 0.93710115
0.26134856 0.45567793
 AMBAD

Inferior 95.0%
Superior 95.0%
-1.8605643 1.76408242
-0.1112501 0.93655832
-0.0363036 0.02937301

un grupo de personas a
abían comprado en la
mana.

02206736x + 3.3960511034
316146

4 6 8 10 12
4 6 8 10 12

Inferior 95.0%
Superior 95.0%
-0.2715895 7.06369176
0.50568639 1.91475496

Inferior 95.0%
Superior 95.0%
0.44468331 0.8266391
0.02064684 0.09401852
 s (Y) durante los últimos años. Abundantes baratas, nuevos
fícil determinar cuáles de estos factores tienen la influencia más
es y piensa que los gastos mensuales (X) destinados a carteles
descubrió lo siguiente:
Inferior 95.0%
Superior 95.0%
-3.7047826 19.676094
0.46146839 1.34963444

Inferior 95.0%
Superior 95.0%
0.01707799 1.21749561
0.17558864 1.06073705