Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 152 vistas

    Practica Unidad 2 Regresion

    Cargado por

    Maria Toto
    Este documento presenta dos ejemplos de regresión lineal simple y uno de regresión múltiple. En el primer ejemplo, se analiza la relación entre gastos de publicidad y número de pasajeros para 15 meses. Se obtiene una ecuación de regresión lineal con un R2 de 0.937, lo que indica que los gastos de publicidad explican el 93.7% de la variación en pasajeros. En el segundo ejemplo, se examina la relación entre humedad ambiental y humedad en la materia prima para 12 días. La ecuación resultante tiene

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Practica Unidad 2 Regresion

    Cargado por

    Maria Toto
    152 vistas11 páginas
    Este documento presenta dos ejemplos de regresión lineal simple y uno de regresión múltiple. En el primer ejemplo, se analiza la relación entre gastos de publicidad y número de pasajeros para 15 meses. Se obtiene una ecuación de regresión lineal con un R2 de 0.937, lo que indica que los gastos de publicidad explican el 93.7% de la variación en pasajeros. En el segundo ejemplo, se examina la relación entre humedad ambiental y humedad en la materia prima para 12 días. La ecuación resultante tiene

    Descripción original:

    Economia

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta dos ejemplos de regresión lineal simple y uno de regresión múltiple. En el primer ejemplo, se analiza la relación entre gastos de publicidad y número de pasajeros para 15 meses. Se obtiene una ecuación de regresión lineal con un R2 de 0.937, lo que indica que los gastos de publicidad explican el 93.7% de la variación en pasajeros. En el segundo ejemplo, se examina la relación entre humedad ambiental y humedad en la materia prima para 12 días. La ecuación resultante tiene

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    152 vistas11 páginas

    Practica Unidad 2 Regresion

    Cargado por

    Maria Toto
    Este documento presenta dos ejemplos de regresión lineal simple y uno de regresión múltiple. En el primer ejemplo, se analiza la relación entre gastos de publicidad y número de pasajeros para 15 meses. Se obtiene una ecuación de regresión lineal con un R2 de 0.937, lo que indica que los gastos de publicidad explican el 93.7% de la variación en pasajeros. En el segundo ejemplo, se examina la relación entre humedad ambiental y humedad en la materia prima para 12 días. La ecuación resultante tiene

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 11

    INSTITUTO TECNOLÓGICO SUPERIOR DE SAN ANDRÉS TUXTLA

    LICENCIATURA EN ADMINISTRACIÓN
    ECONOMIA EMPRESARIAL
    UNIDAD 2

    REGRESION LINELA SIMPLE Y MULTIPLE

    ACTIVIDAD 3
    ALUMNA:
    MARÍA DEL CIELO CAGAL TOTO
    DOCENTE:
    EUGENIO CHAVEZ ORTIZ
    SAN ANDRÉS TUXTLA, VERACRUZ A 29 DE MARZO DE 2021
    Ejemplo 1. Se recolectaron los valores mensuales por los gastos de publicidad y
    el número de pasajeros para los n=15 meses mas recientes

    Observacion Publicidad Pasajeros ECUACIONES DEL MODELO DE


    (mes) (en US) en 1000`s REGRESIÓN
    Xi Yi
    1 10 15
    2 12 17
    3 8 13
    4 17 23
    5 10 16
    6 15 21
    7 10 14
    8 14 20
    9 19 24
    10 10 17
    11 11 16
    12 13 18
    13 16 23
    14 10 15
    15 12 16

    a) Gráfica de correlación

    b) Analice la correlación (¿es lineal/exponencial/polinomial?)

    c) Obtenga la mejor recta que se ajuste a los datos

    d) Obtenga el valor de R2

    e) Utilizar hoja de cálculo Excel

    RESPUESTAS

    a) Gráfica de
    correlación
    b) Analice la correlación (¿es lineal/exponencial/polinomial?)
    A simple vista el conjunto de datos sigue una línea recta por lo que es
    lineal

    c) Obtenga la mejor recta que se ajuste a los datos


    Donde:

    Publicidad Pasajeros Componentes de coeficiente b


    i Xi Yi (Y i - Y) 2
    1 10 15 7.071111111 6 8.21777778
    2 12 17 0.404444444 0 0.75111111
    3 8 13 21.73777778 20 23.6844444
    4 17 23 23.27111111 21 26.3511111
    5 10 16 4.604444444 6 3.48444444
    6 15 21 7.937777778 6 9.81777778
    7 10 14 9.537777778 6 14.9511111
    8 14 20 3.271111111 2 4.55111111
    9 19 24 40.07111111 43 37.6177778
    10 10 17 2.137777778 6 0.75111111
    11 11 16 2.737777778 2 3.48444444
    12 13 18 0.071111111 0 0.01777778
    13 16 23 18.13777778 12 26.3511111
    14 10 15 7.071111111 6 8.21777778
    15 12 16 0.871111111 0 3.48444444
    PROMEDIO 12 18
    148.9333333 138 171.733333
    SUMA

    b= 1.081316554
    a= 4.3862536302033

    La ecuación de la recta de mayor ajuste es:

    Y= 4.3862536302033 + 1.08131655 X
    d) Obtenga el valor de R2 (Coeficiente de correlación de Pearson)

    R= 0.968378371
    R2= 0.93775667

    DE ACUERDO CON LOS RESULTADOS LA CORRELACION ENTRE LOS


    PASAJEROS Y LOS GASTOS REALIZADOS DETERMINANTES LA
    RELACION ES DEL 96% DE ESTA MANERA LOS GASTOS EN PUBLICIDAD
    DETERMINAN EN UN 93%
    PRONOSTICOS DE VENTAS
    MESES Pasajeros(Y) ORDENADA AL PENDIENTE (bx)
    2014 ORIGEN (a) coef b PUBLICIDAD
    1 84.4036786 74
    2 86.5663117 76
    3 87.6476283 4.3862536302033 1.081316554 77
    4 89.8102614 79
    5 93.054211 82
    Ejemplo 2.

    Las materias primas que se utilizaron en la producción de una fibra sintética se


    almacenan en un sitio sin control de la humedad. En 12 días, las mediciones de la
    humedad relativa del lugar de almacenamiento y el contenido de humedad de una
    muestra de la materia prima (en porcentajes ambas) producen los siguientes
    resultados.

    Observacion Humedad Humedad en ECUACIONES DEL MODELO


    (mes) Ambienta% materia prima% DE REGRESIÓN
    Xi Yi
    1 46 12
    2 53 14
    3 37 11
    4 42 13
    5 34 10
    6 29 8
    7 60 17
    8 44 12
    9 41 10
    10 48 15
    11 33 9
    12 40 13

    a) Gráfica de correlación

    b) Analice la correlación (¿es lineal/exponencial/polinomial?)

    c) Obtenga la mejor recta que se ajuste a los datos

    d) Obtenga el valor de R2

    e) Utilizar hoja de cálculo Excel


    RESPUESTAS

    a) Gráfica de correlación

    b) Analice la correlación (¿es lineal/exponencial/polinomial?)

    ES UNA CORRELACION LINEAL

    c) Obtenga la mejor recta que se ajuste a los datos


    Donde:

    H. Medio Amb H. Mat. Prima Componentes de coeficiente b


    i Xi Yi (Xi (Y i - Y) 2
    1 46 12 0 14 0
    2 53 14 21.5 116 4
    3 37 11 5.25 28 1
    4 42 13 -0.25 0 1
    5 34 10 16.5 68 4
    6 29 8 53 176 16
    7 60 17 88.75 315 25
    8 44 12 0 3 0
    9 41 10 2.5 2 4
    10 48 15 17.25 33 9
    11 33 9 27.75 86 9
    12 40 13 -2.25 5 1
    PROMEDIO 42 12
    SUMA 230 844.25 74
    b= 0.272431152
    a= 0.4897838318034

    La ecuación de la recta de mayor ajuste es:

    Y= 0.4897838318034 + 0.27243 X

    d) Obtenga el valor de R2 (Coeficiente de correlación de Pearson)

    R= 0.920187737
    R2= 0.846745472

    DE ACUERDO CON LOS RESULTADOS LA CORRELACION ENTRE HUMEDAD


    AMBIENTE Y M. PRIMA REALIZADOS DETERMINAN LA RELACION ES DEL
    92% DE ESTA MANERA LA HUMEDAD AMBIENTA DETERMINAN EN UN
    84% EL VALOR DE LA HUMEDAD DE UNA MUESTRA DE MATERIA PRIMA
    EJERCICIO 2 DE REGRESION MULTIPLE:

    La empresa de lácteos LALA necesita saber las razones del comportamiento de


    las ventas de su producto leche en litro para implementar estrategias de mejora
    y realizar sus pronósticos de crecimiento en los próximos meses del año.
    precio por ventas o
    unidad gastos de publicidad demanda
    X1 X2 Yi
    10 50 110
    9.8 52 115
    9.5 54 120
    9 56 125
    8.9 58 129
    8.7 60 135
    8.7 62 136
    8.5 64 139
    8.2 66 141
    7.9 68 147
    7 70 160

    a) Correr la regresión múltiple


    b) Obtener la mejor recta que se ajuste a los datos
    c) Interpretar los coeficientes de correlación y de terminación
    d) Realizar sus propios pronósticos de venta con la ecuación resultante

    RESUMEN

    Y= A0 + a1x1 + a2x2

    Y= 183.6202853 + -11.103308 x1 + 0.765628938 x2

    R= 0.996178171
    R^ajustado= 0.990463684
    DE ACUERDO CON LOS RESULTADOS LA CORRELACION ENTRE EL PRECIO
    POR UNIDAD Y LOS GASTOS DE PUBLICIDAD Y VENTAS O DEMANDA ES
    ALTA EN UN 99%, DE TAL MANERA QUE SE PUEDE CONCLUIR QUE AMBAS
    VARIABLES EXPLICAN EN UN 99.04% EL CRECIMIENTO EN LOS
    PROXIMOS MESES DEL AÑO

    Estadísticas de la regresión
    Coeficiente de correlación múltiple 0.996178171
    Coeficiente de determinación R^2 0.992370947
    R^2 ajustado 0.990463684
    Error típico 1.427462986
    Observaciones 11

    ANÁLISIS DE VARIANZA
    Grados de libertad
    Suma de cuadrados
    Promedio de los cuadrados F Valor crítico de F
    Regresión 2 2120.426068 1060.213034 520.3115028 3.38752E-09
    Residuos 8 16.30120462 2.037650577
    Total 10 2136.727273

    Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
    Intercepción 183.6202853 33.42802736 5.493003918 0.000578501 106.535116 260.7054546 106.535116 260.7054546
    Variable X 1 -11.10330808 2.035271876 -5.455442196 0.000604789 -15.79665344 -6.409962713 -15.79665344 -6.409962713
    Variable X 2 0.765628938 0.265141128 2.887627969 0.020272805 0.1542124 1.377045476 0.1542124 1.377045476

    Análisis de los residuales

    Observación Pronóstico para Y Residuos


    1 110.8686514 -0.8686514
    2 114.6205709 0.379429109
    3 119.4828212 0.517178811
    4 126.5657331 -1.565733103
    5 129.2073218 -0.207321786
    6 132.9592413 2.040758724
    7 134.4904992 1.509500848
    8 138.2424186 0.757581358
    9 143.1046689 -2.10466894
    10 147.9669192 -0.966919239
    11 159.4911544 0.508845618
    Resultados de datos de probabilidad

    Percentil Y
    4.545454545 110
    13.63636364 115
    22.72727273 120
    31.81818182 125
    40.90909091 129
    50 135
    59.09090909 136
    68.18181818 139
    77.27272727 141
    86.36363636 147
    95.45454545 160
    A) ENCUENTRA EL PRECIO DE EQUILIBRIO EN EL MERCADO DE CAMISAS
    QUE ES PERFECTAMENTE COMPETITIVO SI LA OFERTA Y LA DEMANDA
    ESTAN DADAS POR: Dx=1000,000--10,000px y Ox=--500,000+14,000px

    B) GRAFICA LA DEMANDA Y OFERTA A LOS PRECIOS 40, 45, 50, 60, 65, 70,
    80, 95 Y 100 PESOS

    C) ENCUENTRA LAS ELASTICIDADES RESPECTIVAS

    -500000+14000=100,000-10000px -500000+14000(62.5)=1000,000-10000(62.5)
    14000px=1000,000+500000 375000=375000
    24000px=1500000
    Px=1500000/24000
    Px=$62.5

    OFERTA DE LAS DEMANDA DE


    PRECIO DE ELASTICIDAD ELASTICIDAD
    PUNTO CAMISAS (Ox=- LAS CAMISAS
    CAMISAS PRECIO PRECIO
    500000+14000px) (1000,000-10,000px)

    A 40 60000 600000
    6.263157895 0.739130435
    B 45 130000 550000
    C 50 200000 4.03030303 500000 0.904761905
    D 60 340000 2.851851852 400000 1.222222222
    E 65 410000 2.333333333 350000 1.666666667
    F 70 480000 2.123595506 300000 2.076923077
    G 80 620000 1.909090909 200000 3
    H 95 830000 1.689655172 50000 7
    I 100 900000 1.578034682 0 39

    También podría gustarte