En un estudio de agricultura relacionado con la siembra de algodón, en cierto estado del norte de México, la precipitación anu
son como sigue:
a) Calcular los valores de intercepción y la pendiente
b) Calcular la ecuación de estimación de la recta
c) Calcular los coeficienes de determinación y el de correlación y explicarlos
d) Calcule los residuales
d) Predecir el rendimiento de la cosecha de algodón si la precipitación es de 30 centímetros
e) Hacer una tabla de ánalisis de varianza y explicar el resultado, plantear las hipótesis correspondientes y decir si la precipitac
RENDIMIEN
TO DE LA
PRECIPITACI
COSECHA
ÓN EN Cm X
EN Lb/Acre
Y RENDIMIENTO DE LA COSECHA EN Lb/Acre Y
1200
7.12 1037
63.54 380 1000
47.38 416 800
45.92 427 f(x) = − 9.60882975268259 x + 880.397431504118
600
8.68 619
400
50.86 388
44.46 321 200
0
0 10 20 30 40 50 60 70
Resumen Y=880.8-9.608X+E
EC. ESTIMACIÓN DE LA RECTA
Estadísticas de la regresión 592.133
Coeficiente
de 0.836 SI EXISTE RELACIÓN LINEAL NEGATIVA ENTRE LAS VARIABLES
correlación
múltiple
Coeficiente
de 0.699 EXPLICA DE MANERA ADECUADA PERO NO TAN EFICAZ EL MODELO DE REGRESIÓN
determinaci
ón R^2
R^2 ajustado 0.639
Error típico 149.777
Observacione 7 Ho: LA PRECIPITACIÓN NO INFLUYE EN EL RENDIMIENTO DE LA COSECHA
H1: LA PRECIPITACIÓN SI NFLUYE EN EL RENDIMIENT DE LA COSECHA
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F F TABLAS
Regresión 1 260628.169 260628.169 11.618 0.019 6.61
Residuos 5 112165.546 22433.109
Total 6 372793.714
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 880.397 121.861 7.225 0.001 567.144 1193.651 567.144
PRECIPITACI -9.609 2.819 -3.409 0.019 -16.855 -2.362 -16.855
Análisis de los residuales
Y EST e= Y EST - Y
Pronóstico
Observación
RENDIMIENTO DE LA COSECHA
Residuos
EN Lb/Acre Y 811.982564 225.017
1 811.983 225.017
2 269.852 110.148
3 425.131 -9.131
4 439.160 -12.160
5 796.993 -177.993
6 391.692 -3.692
7 453.189 -132.189
de México, la precipitación anual y el renidmiento de la cosecha de algodón
ondientes y decir si la precipitación influye en el rendimiento de la cosecha.
RENDIMIENTO ESPERADO ESTIMADO
DE LA COSECHA
DE REGRESIÓN
TO DE LA COSECHA
DE LA COSECHA
SI Fo > F TABLA Ho SE RECHAZA
H1 SE ACEPTA, LA PRECIPITACIÓN SI INFLUYE
EN EL RENDIMIENTO DE LA COSECHA
Superior 95.0%
1193.651
-2.362
El Servicio Interno de Contribuciones (IRS, Internal Revenue Service) de Estados Unidos está tratando de estimar la cantidad m
impuestos no pagados descubiertos por su departamento de auditorías. En el pasado, el IRS estimaba esta cantidad con base e
esperado de horas de trabajo de auditorías de campo. En los últimos años, sin embargo, las horas de trabajo de auditorías de
han convertido en un pronosticador errático de los impuestos no pagados reales. Como resultado, la dependencia está buscan
factor para mejorar la ecuación de estimación. El departamento de auditorías tiene un registro del número de horas que usa s
computadoras para detectar impuestos no pagados. ¿Podríamos combinar esta información con los datos referentes a las hor
de auditorías de campo y obtener una ecuación de estimación más precisa para los impuestos no pagados descubiertos cada m
tabla 13-1 se presentan esos datos para los últimos 10 meses.
HORAS DE
HORAS DE
TRABAJO EN IMPUESTOS NO X1Y X2Y X1X2
TRABAJO EN
COMPUTADO PAGADOS
CAMPO X1
RA
ENERO 45 16 29 1305 464 720
FEBRERO 42 14 24 1008 336 588
MARZO 44 15 27 1188 405 660
ABRIL 45 13 25 1125 325 585
MAYO 43 13 26 1118 338 559
JUNIO 46 14 28 1288 392 644
JULIO 44 16 30 1320 480 704
AGOSTO 45 16 28 1260 448 720
SEPTIEMBRE 44 15 28 1232 420 660
OCTUBRE 43 15 27 1161 405 645
441 147 272 12005 4013 6485
TI a
272 10
12005 441
4013 147
a #NAME?
B1 #NAME?
B2 #NAME?
Y=-13.820+0.564x1+1.099x2+e EC. ESTIMACIÓN DE LA RE
50 HRS DE TRABAJO EN CAMPO
20 HRS DE TRABAJO EN COMPUTADORA
36.353
CANTIDAD DE IMPUESTOS ESTIMADOS ENCONTRADOS
Resumen
Estadísticas de la regresión
Coeficiente d 0.85377
Coeficiente 0.72892322
R^2 ajustado 0.65147271
Error típico 1.07063884
Observacione 10
ANÁLISIS DE VARIANZA
Promedio de Valor
Grados de libertad
Suma de cuadrados F
los cuadrados crítico de F
Regresión 2 21.5761 10.7881 9.4115 0.0104
Residuos 7 8.0239 1.1463
Total 9 29.6000
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%Superior 95%Inferior 95.0%
Intercepción -13.8196 13.3233 -1.0373 0.3341 -45.3242 17.6850 -45.3242
Variable X 1 0.5637 0.3033 1.8586 0.1054 -0.1535 1.2808 -0.1535
Variable X 2 1.0995 0.3131 3.5111 0.0098 0.3590 1.8399 0.3590
ANALISIS DE LOS RESIDUALES
Pronóstico
Observación para Y Residuos
1 29.1366 -0.1366
2 25.2467 -1.2467
3 27.4735 -0.4735
4 25.8382 -0.8382
5 24.7109 1.2891
6 27.5013 0.4987
7 28.5729 1.4271
8 29.1366 -1.1366
9 27.4735 0.5265
10 26.9098 0.0902
de estimar la cantidad mensual de
esta cantidad con base en el número IMPUESTOS NO PAGADOS
trabajo de auditorías de campo se
dependencia está buscando otro 35
mero de horas que usa sus
atos referentes a las horas de trabajo 30
ados descubiertos cada mes? En la
25
20
X12 X22 Y2 15
10
2025 256 5841
1764 196 576
1936 225 0729
41.5 42 42.5 43 43.5 44 44.5 45 45.5 46 46.5
2025 169 625
1849 169 676
2116 196 784
1936 256 900 IMPUESTOS N
2025 256 784 35
1936 225 784
1849 225 729 30
19461 2173 7428 25
20
B1 B2
15
441 147 154.859 -3.314 -0.585
19461 6485 -3.314 0.080 -0.015 10
6485 2173 -0.585 -0.015 0.086
5
0
12.5 13 13.5 14 14
C. ESTIMACIÓN DE LA RECTA
Superior 95.0%
17.6850
1.2808
1.8399
45.5 46 46.5
IMPUESTOS NO PAGADOS
13 13.5 14 14.5 15 15.5 16 16.5
El propietario de Showtime Movie Theaters, Inc. Desea estimar el ingreso bruto semanal en función de los gastos de
publicidad por televisión y en periódicos. A continuación se presentan en miles de dólares losmdatos históricos de
ocho semanas:
Obtenga un análisis de Regresión completo y explique los resultados, existe relación entre los ingresos brutos semanales y los
GASTOS DE GASTOS DE PUBLICIDAD POR TV / INGRESO
GASTOS DE INGRESO
PUBLICIDAD
PUBLICIDAD EN BRUTO BRUTO SEMANAL
POR TV SEMANAL
PERIÓDICOS
97
96
5 1.5 96 95
2 2 90 94
93
4 1.5 95 92
2.5 2.5 92 91
3 3.3 95 90
89
3.5 2.3 94
88
2.5 4.2 94 87
1.5 2 2.5 3 3.5 4 4.5 5 5.5
3 2.5 94
Resumen
Estadísticas de la regresión
Coeficiente
de 0.959 El coeficiente indica relación lineal positiva muy fuerte entre las variables
correlación
múltiple
Coeficiente
de 0.919 El coeficiente explica de manera bastante eficiente el modelo
determinaci
ón R^2
R^2 ajustado 0.887
Error típico 0.643 EC. DE LA RECTA
Observacione 8 Y= 83.230+2.290X1+1.301X2+E Ho: LOS GASTOS DE PUBLICIDAD
H1: LOS GASTOS DE PUBLICIDAD
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
Fo Valor crítico de FF TABLAS CRITERIO DE ACEPTACIÓN
Regresión 2 23.435 11.718 28.378 0.002 5.786
Residuos 5 2.065 0.413
Total 7 25.500
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 83.230 1.574 52.882 0.000 79.184 87.276 79.184
GASTOS DE
PUBLICIDAD 2.290 0.304 7.532 0.001 1.509 3.072 1.509
POR TV
GASTOS DE
PUBLICIDAD 1.301 0.321 4.057 0.010 0.477 2.125 0.477
EN
PERIÓDICOS
Análisis de los residuales PRUEBA DE INDIVIDUALES:
Observación
Pronóstico INGRESO BRUTO Residuos
SEMANAL
1 96.632 -0.632 X1: Ho: LOS GASTOS DE PUBLICIDAD POR TV NO INFLUYEN EN
2 90.412 -0.412 H1: LOS GASTOS DE PUBLICIDAD POR TV SI INFLUYEN EN E
3 94.342 0.658
4 92.208 -0.208 alfa= 0.05/2 0.025
5 94.394 0.606 grados de libertad del error
6 94.238 -0.238 t0.025,5= 2.5706
7 94.420 -0.420 7.532 >2.5706, POR LO TANTO LA Ho SE RECHAZA, LOS GA
8 93.353 0.647 SI INFLUYEN EN EL INGRESO BRUTO
X2: Ho: LOS GASTOS DE PUBLICIDAD EN PERIÓDICOS NO INFLU
H1: LOS GASTOS DE PUBLICIDAD EN PERIÓDICOS SI INFLUY
4.057 >2.5706, POR LO TANTO LA Ho SE RECHAZA, LOS GA
SI INFLUYEN EN EL INGRESO BRUTO
nción de los gastos de
mdatos históricos de
ngresos brutos semanales y los gastos en publicidad?
AD POR TV / INGRESO GASTOS DE PUBLICIDAD EN PERIÓDICOS /
INGRESO BRUTO SEMANAL
97
96
95
94
93
92
91
90
89
88
5 4 4.5 5 5.5 87
1 1.5 2 2.5 3 3.5 4 4.5
e entre las variables
o: LOS GASTOS DE PUBLICIDAD POR TV Y EN PERIÓDICOS NO INFLUYEN EN EL INGRESO BRUTO SEMANAL
1: LOS GASTOS DE PUBLICIDAD POR TV Y EN PERIÓDICOS SI INFLUYEN EN EL INGRESO BRUTO SEMANAL
CRITERIO DE ACEPTACIÓN
SI Fo> F TABLAS, LA Ho SE RECHAZA
SI Fo < F TABLAS , LA Ho SE ACEPTA
POR LO TANTO LA Ho SE RECHAZA, LOS GASTOS DE PUBLICIDAD EN TV Y PERIÓDICOS
SI INFLUYEN EN EL INGRESO BRUTO SEMANAL
Superior 95.0%
87.276 X1=4.5 X2=5
CUALES SERÍAN LOS INGRESOS BRUTOS ESTIMADOS
3.072 CON ESTOS VALORES X1 y X2 (Intervalos de
confianza)
2.125
100.041 88.356 111.726
valor estimado limte inf limite sup
IDAD POR TV NO INFLUYEN EN EL INGRESO BRUTO
IDAD POR TV SI INFLUYEN EN EL INGRESO BRUTO
CRITERIO DE ACEPTACIÓN:
SI to > t TABLAS , LA Ho SE RECHAZA
SI to < t TABLAS , LA Ho SE ACEPTA
TO LA Ho SE RECHAZA, LOS GASTOS DE PUBLICIDAD POR TV
IDAD EN PERIÓDICOS NO INFLUYEN EN EL INGRESO BRUTO
IDAD EN PERIÓDICOS SI INFLUYEN EN EL INGRESO BRUTO
TO LA Ho SE RECHAZA, LOS GASTO DE PUBLICIDAD EN PERIÓDICO
AÑO
EMBARQUE
AÑO
S
CODIFICAD XY X2
O
1988 98 -7 -686 49
1989 105 -5 -525 25
1990 116 -3 -348 9
1991 119 -1 -119 1
1992 135 1 135 1
1993 156 3 468 9
1994 177 5 885 25
1995 208 7 1456 49
139.25 1266 168
1991.5
PENDIENTE: 7.536 Y=139.25+7.536X+e EC. ESTIMACIÓN DE LA RECTA
INTERSECCIÓ 139.25
AÑO 1996
AÑO CODIFICADO 1996-1191.5 4.5 9
PERIODOS DE MEDIO AÑO CODIFICADOS
ÓN DE LA RECTA
207.071 EMBARQUES ESPERADOS PARA
CODIFICADOS ELAÑO 1996
OCUPACIÓN
TOTAL % PROM INDICES AÑO
PROM PROM PROM REAL VS ESTACIONA SIN CODIFICAD Y % RESIDUAL
AÑO OCUPACIÓN MOVIL CENTR VARIACION XY X2 ESTIMADA TENDENCIA CICLICO
MOVIL MOVIL LES (Y) O (X)
1991 220 129.875 169.394 -19.000 -3218.477 361.000 168.706 100.408 0.408
II 203 114.094 177.923 -17.000 -3024.688 289.000 170.607 104.288 4.288
III 193 700.000 175.000 176.875 109.117 111.608 172.926 -15.000 -2593.891 225.000 172.507 100.243 0.243
IV 84 715.000 178.750 179.375 46.829 44.422 189.095 -13.000 -2458.234 169.000 174.408 108.421 8.421
1992 235 720.000 180.000 181.625 129.387 129.875 180.943 -11.000 -1990.374 121.000 176.308 102.629 2.629
II 208 733.000 183.250 182.250 114.129 114.094 182.305 -9.000 -1640.747 81.000 178.209 102.299 2.299
III 206 725.000 181.250 181.375 113.577 111.608 184.574 -7.000 -1292.018 49.000 180.110 102.479 2.479
IV 76 726.000 181.500 181.250 41.931 44.422 171.086 -5.000 -855.429 25.000 182.010 93.998 -6.002
1993 236 724.000 181.000 181.375 130.117 129.875 181.713 -3.000 -545.139 9.000 183.911 98.805 -1.195
II 206 727.000 181.750 181.375 113.577 114.094 180.552 -1.000 -180.552 1.000 185.811 97.170 -2.830
III 209 724.000 181.000 181.625 115.072 111.608 187.262 1.000 187.262 1.000 187.712 99.760 -0.240
IV 73 729.000 182.250 183.375 39.809 44.422 164.332 3.000 492.997 9.000 189.613 86.667 -13.333
1994 241 738.000 184.500 184.125 130.889 129.875 185.563 5.000 927.815 25.000 191.513 96.893 -3.107
II 215 735.000 183.750 186.125 115.514 114.094 188.440 7.000 1319.083 49.000 193.414 97.429 -2.571
III 206 754.000 188.500 188.250 109.429 111.608 184.574 9.000 1661.165 81.000 195.314 94.501 -5.499
IV 92 752.000 188.000 188.750 48.742 44.422 207.104 11.000 2278.143 121.000 197.215 105.014 5.014
1995 239 758.000 189.500 190.375 125.542 129.875 184.023 13.000 2392.299 169.000 199.116 92.420 -7.580 Chart Title
II 221 765.000 191.250 194.125 113.844 114.094 193.699 15.000 2905.489 225.000 201.016 96.360 -3.640
III 213 788.000 197.000 111.608 190.846 17.000 3244.380 289.000 202.917 94.051 -5.949
IV 115 44.422 258.880 19.000 4918.719 361.000 204.817 126.395 26.395 300.000
10.5 3735.234 2527.802 2660.000
Y MEDIA 186.762 250.000
INDICES ESTACIONALES
200.000
TRIMESTRE
AÑO I II III IV A Bo= 186.762 150.000
1991 109.117 46.829 B B1= 0.950
100.000
1992 129.387 114.129 113.577 41.931 EC. EST. DE LA RECTA= Y= 186.762 + 0.950X + e
1993 130.117 113.577 115.072 39.809 50.000
1994 130.889 115.514 109.429 48.742 Y=Bo+B1X
1995 125.542 113.844 CTE AJUSTE 0.000
1 2 3 4 5 6 SIN
OCUPACIÓN 7 VARIACION
8 9 10(Y)11 12 13 14 15 16 17 18 19 20
Y ESTIMADA
129.752 113.987 111.503 44.380 399.622 1.001
129.875 114.094 111.608 44.422 400.000
Chart Title
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
OCUPACIÓN Y ESTIMADA
Una cooperativa de comercialización de un grupo de agricultores quiere medir las variaciones en la cosecha de trigo de sus int
RESIDUAL
BUSHELS BUSHELS % DE
AÑO CICLICO
REALES (Y) ESTIMADOS TENDENCIA
RELATIVO
1988 7.5 7.6 98.684 -1.316
1989 7.8 7.8 100.000 0.000
1990 8.2 8 102.500 2.500
1991 8.2 8.2 100.000 0.000
1992 8.4 8.4 100.000 0.000
1993 8.5 8.6 98.837 -1.163
1994 8.7 8.8 98.864 -1.136
1995 9.1 9 101.111 1.111
Chart Title
GRAFICAR
10
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8
BUSHELS REALES (Y) BUSHELS ESTIMADOS
Chart Title
10
9
8.2 8.2 8.4
8 7.8
7.5
7
6
5
4
3
2
1
0
1 2 3 4 5
BUSHELS REALES (Y) B
n la cosecha de trigo de sus integrantes durante un periodo de 8 años.
Chart Title
9.1
8.4 8.5 8.7
8.2 8.2
3 4 5 6 7 8
BUSHELS REALES (Y) BUSHELS ESTIMADOS
Para pronosticar las ventas futuras a partir de un análisis de su patrón histórico de ventas, una empresa que se especializa en
Suprimir la estacionalidad en la serie de tiempo
Desarrollar la ecuación de tendencia
Obtener la variación cíclica alrededor de la linea de tiempo.
AÑO VENTAS
1982 16
II 21
III 9
IV 18
1983 15
II 20
III 10
IV 18
1984 17
II 24
III 13
IV 22
1985 17
II 25
III 11
IV 21
1986 18
II 26
III 14
IV 25
empresa que se especializa en producir equipo recreativo, ha reunido la siguiente información.