Ejercicio RegLinealSimple - 2023
Ejercicio RegLinealSimple - 2023
Ejercicio RegLinealSimple - 2023
En la empresa "Martina S.A." se ha determinado los siguientes datos, que tiene que ver con el volumen de ventas ( en millones de pesetas) y al
gasto en publicidad ( en miles de pesetas) de los últimos 6 años:
X Y
16 10
32 15
48 20
56 22
64 30
80 32
a) ¿Existe relación lineal entre las ventas de la empresa y sus gastos en publicidad? Razona la respuesta. (Diagrama de dispersión)
b) Obtener las rectas de regresión mínimo cuadrático.
c) ¿Qué volumen de ventas de la empresa se podría esperar en un año que se gaste de publicidad 60000 pesetas?
¿Y para un gasto en publicidad de 200000 pesetas?
d) Determine el grado o fuerza de la relación lineal, calculando el coeficiente de correlación r:
e) ¿Qué porcentaje de la variable Y es explicada por X? (R2)
f) Determine el error de regresión e interprete
Literal A
MARTINA S.A.
35
30
25
20
15
10
0
0 10 20 30 40 50 60 70 80 90
El diagrama de dispersión muestra una relación positiva entre los gastos en publicidad y el volumen de ventas.
Esto sugiere que a medida que aumentan los gastos en publicidad, también lo hacen las ventas.
Literal B
x y 𝑥𝑦 𝑥2 𝑦2
16 10 160 256 100
32 15 480 1024 225
48 20 960 2304 400
56 22 1232 3136 484
64 30 1920 4096 900
80 32 2560 6400 1024
∑ 296 129 7312 17216 3133
σ 𝑥𝑖
𝑥ҧ = 49,33333333 𝑥ҧ =
𝑛
σ 𝑦𝑖
𝑦ത = 21,5 𝑦ത =
𝑛
σ 𝑥𝑦 − 𝑛𝑥ҧ 𝑦ത
𝑏=
σ 𝑥 2 − 𝑛(𝑥)ҧ 2
ഥ − 𝒃ഥ
𝒂= 𝒚 𝒙
b= 0,362755102
a= 3,604081633
𝒀 = 𝒂 + 𝒃𝒙
𝑌=0,36+3,60𝑥
Literal C
Para un gasto en publicidad de 60000 pesetas (60 miles de ptas), el volumen de ventas esperado es:
Para un gasto en publicidad de 200000 pesetas (200 miles de ptas), el volumen de ventas esperado es:
r= 0,978050965
Esto indica una relación muy fuerte y positiva entre los gastos en publicidad y el volumen de ventas.
E
r2= 0,95658369
Esto significa que aproximadamente el 95.66% de la variabilidad en el volumen de ventas es explicada por los gastos en publicidad.
Sxy= 3,011644069
9,07
Este valor indica el promedio de los cuadrados de los errores (diferencias entre los valores observados y los valores predichos). Un error de 3.01 millones de ptas es relativamente bajo, lo que sugiere que el modelo de regresión ajusta bien los datos.