Scribd
Cargar
30 vistas3 páginas

Análisis de Regresión en Ventas Retail

Este documento presenta un modelo de regresión lineal múltiple para predecir las ventas promedio diarias (Y) en tiendas minoristas basado en el número de empleados (X1), el tamaño de la tienda (X2) y su ubicación (X3). Se resuelven las ecuaciones normales para encontrar los coeficientes de la regresión, β0=-4.688, β1=0.133, β2=0.4682, β3=-0.0587. Un análisis de varianza muestra que al menos uno de los coeficientes es

Cargado por

Jessenia R.Morales
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
30 vistas3 páginas

Análisis de Regresión en Ventas Retail

Este documento presenta un modelo de regresión lineal múltiple para predecir las ventas promedio diarias (Y) en tiendas minoristas basado en el número de empleados (X1), el tamaño de la tienda (X2) y su ubicación (X3). Se resuelven las ecuaciones normales para encontrar los coeficientes de la regresión, β0=-4.688, β1=0.133, β2=0.4682, β3=-0.0587. Un análisis de varianza muestra que al menos uno de los coeficientes es

Cargado por

Jessenia R.Morales
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

13. Una compañía grande maneja una cadena de tiendas al menudeo.

Como una forma


de medir eficiencia de las distintas tiendas, la gerencia respectiva, estudia la relación
existente entre:
Y : Ventas promedias diarios en cientos dólares
X 1 : Números de empleados por tiendas
X 2 : Tamaño de cada tienda por metros cuadros
X 3 : Ubicación: Lima=1, Provincias= 0
n=¿ 13 número de tiendas
Si se tiene la siguiente información:

∑ X 1=84 ; ∑ X 2=272 ;∑ X 3 =8 ;∑ Y =77


∑ X 21=564 ; ∑ X 1 X 2=1791; ∑ X 1 X 3=52 ∑ X 1 Y =516 ;
∑ X 22=5750 ∑ X 2 X 3=169 ∑ X 2 Y =1643;
∑ X 23=8 ∑ X 3 Y =48 ∑ Y 2=475 ;
Suponga que el modelo de regresión que se plantea es:
Y^ =b0 +b1 X 1 +b 2 X 2 +b 3 X 3

a) Halle las ecuaciones normales del modelo

13 b0 +84 b1 +272 b2 +8=77


n b 0+ ∑ X 1 b1+ ∑ X 2 b2 + ∑ b 3 X 3=∑ Y

∑ X 1 b 0 +∑ X 21 b1 + ∑ X 1 X 2 b2 +∑ X 1 X 3 b3 =∑ X 1 Y 84 b0 +564 b1 +1791 b2 +52 b3=516

∑ X 2 b 0 +∑ X 1 X 2 b1 + ∑ X 22 b2 + ∑ X 2 X 3 b3 =∑ X 2 Y 272 b0 +1791 b1 +5750 b2 +169 b3=1643


∑ X 3 b0 + ∑ X 1 X 3 b1 + ∑ X 2 X 3 b2 + ∑ X 23 b 3=∑ X 3 Y
8 b 0+52 b1 +169 b3 + 8b 3=49
b) Determina la ecuación de
regresión muestral por el
método de mínimos cuadros.

13 b0 +84 b1 +272 b2 +8=77 b 0=−4688

84 b0 +564 b1 +1791 b2 +52 b3=516 b 1=0.133

272 b0 +1791 b1 +5750 b2 +169 b3=1643 b 2=0.4682

8 b 0+52 b1 +169 b3 + 8b 3=49 b 3=−0.0587


c) Elabore un cuadro de análisis de varianza y determine la validez la regresión
poblacional.
ANVA
1 hipótesis
H 0=β 1=β 2=β 3 =0
H 1 : Al menosuno de la β i es distinto a cero
2
2 ∑ Y 2−n ( Ý )
→S y =
n−1
475−13 (5923 )2
→ S 2y =
12
2
→ S y =1.5779

SCT ¿ 12 (1.5779 )
¿ 18.9348

SCR¿ b1 ( S X 1 Y ) +b2 ( SX 2 Y )

S X 1 Y =516−13 ( 6.4615 )( 5.923 ) =18.47096

S X 2 Y =1643−13 ( 20.923 )( 5923 )=31.9499

∴ Reemplaza
SCR=0.133 ( 18.47096 ) +0.4682 (31.9499 )
SCE=SCT−SCR
¿ 18.43−1741
¿ 1.52

→ TABLA DE VARIACIÓN
Fuente de Suma de G1 Medios F
Variación Cuadrados De cuadrados
Regresión 17.41 3 58 343
Residual 1.52 9 0.169
Total 18.93 12
d) Determine r o R, R2y R2ajustado. Interprete

R=√ 0.919=0.958
SCR 17.41
R 2= = =0.919
SCR 18.93
MCE 0.169
R2 Ajustado=1− =1− =0.970862≈ 0.97
MCT 5.8

e) Error estándar de la estimación


S= √ MCE
S= √0.169
S=0.4110 ≈ 0.41
f) Pruebas de significación
0.133
¿ T 1col = =0.46
0.1288
0.468
¿ T 2col = =2.69
0.174
−0.0587
¿ T 3 col= =−0.237
0.247

Significancia
Para β1 :0.654

Para β2 :0.025

Para β3 :0.817

g) Y^ =−4.688+0.468 X 2

También podría gustarte