Sie sind auf Seite 1von 15

Universidad Nacional del Santa

Anlisis Multidimensional
Examen Unidad I
1. La factura mensual del gasto telefnico de una pequea empresa se ha incrementado
notablemente en los ltimos meses. Los estudios realizados por el administrador de la misma
argumentan que el mayor uso de Internet dentro de la misma es la principal causa del mayor gasto
en telfono, lo que ha hecho que se estudie la posibilidad de acogerse a alguno de los mltiples
bonos o tarifas especiales que ofrecen las compaas, lo que hasta la fecha todava no se llev a
cabo. Las ltimas cifras mensuales no hacen sino confirmar esta relacin:

Mes

Enero

Febrer
o
100

Marzo

Abril

Cuanta
de
la
factura
55
118
120
Telefnica (S/.)
Tiempo de conexin (minutos)
200
500
700
800
De acuerdo con la informacin anterior, responda a las siguientes preguntas:

a) Obtenga la recta de regresin ajustada.

Mayo
142
1000

b) Interpretar la pendiente de la recta de regresin ajustada.


Coeficientesa
Modelo
Coeficientes no estandarizados
B
1

(Constante)
tiempo_ejecucion

Error tp.
39,559

7,715

,105

,011

Coeficientes

Intervalo de confianza de 95,0%

tipificados

para B

Beta

,984

Sig.

Lmite inferior

5,127

,014

15,006

64,112

9,502

,002

,070

,141

a. Variable dependiente: cuantia_factura

Y = a + bx
Donde:
a=39.559

Lmite superior

Expresa que La Cuanta de la factura Telefnica es 39.559 cuando el


Tiempo de conexin es 0.

b=0.105
Expresa el aumento de La Cuanta de la factura Telefnica por cada
variacin o aumento unitartio del Tiempo de conexcion.

c)Cul es el coeficiente de determinacin? y cul el coeficiente de correlacin simple?


Interpretar c/u.
Resumen del modelob
Modelo
R
dim

R cuadrado
a

,984

,968

R cuadrado

Error tp. de la

corregida

estimacin

,957

6,764

ensi

on0

a. Variables predictoras: (Constante), tiempo_ejecucion


b. Variable dependiente: cuantia_factura

Coeficiente de Determinacin:
R cuadrado = 0.958 = 95.8%

El 95.8% de la variacin de La Cuanta de la factura Telefnica se debe al


modelo lineal de la ecuacin, el porcentaje restante lo representa el
Residuo.

Coeficiente de Correlacion:
R = 0.984

Entre la variable Cuanta de la factura Telefnica y Tiempo de Conexin


existe un grado de asociacin muy alto.

d)Analizar los residuos utilizando un estudio inferencial de los mismos se verifican las
hiptesis del modelo (homocedasticidad, normalidad)?

Estadsticos sobre los residuosa


Desviacin
Mnimo
Valor pronosticado

Mximo

Media

tpica

60,63

144,94

107,00

32,135

-1,443

1,180

,000

1,000

3,097

5,741

4,151

1,157

75,15

148,50

110,13

28,937

-5,634

7,753

,000

5,858

-,833

1,146

,000

,866

-1,575

1,326

-,157

1,182

-20,154

10,374

-3,128

11,938

-3,096

1,683

-,372

1,796

Dist. de Mahalanobis

,039

2,082

,800

,894

Distancia de Cook

,080

3,198

,782

1,354

Valor de influencia centrado

,010

,520

,200

,224

Valor pronosticado tip.


Error tpico de valor
pronosticado
Valor pronosticado corregido
Residual
Residuo tp.
Residuo estud.
Residuo eliminado
Residuo eliminado estud.

a. Variable dependiente: cuantia_factura


Prueba de Kolmogorov-Smirnov para una muestra
Unstandardized
Residual
N

Parmetros normales

a,b

Media
Desviacin tpica

Diferencias ms extremas

,0000000
5,85762989

Absoluta

,292

Positiva

,292

Negativa

-,188

Z de Kolmogorov-Smirnov

,653

Sig. asintt. (bilateral)

,788

a. La distribucin de contraste es la Normal.


b. Se han calculado a partir de los datos.

Significancia=0.788

Como la significancia es mayor a 0.05 entonces el modelo se rige


NORMALMENTE

e) Tabla ANOVA. Qu conclusiones se obtienen de esta tabla? Estos contrastes tienen


alguna relacin conlos contrastes individuales de la t?

ANOVAb
Modelo

Suma de

Media

cuadrados
1

Regresin

cuadrtica

4130,753

4130,753

137,247

45,749

4268,000

Residual
Total

gl

Sig.

90,291

,002a

a. Variables predictoras: (Constante), tiempo_ejecucion


b. Variable dependiente: cuantia_factura

Ho: B=0 (SI B=0 SE ACEPTA Ho)


H1: B<>0(SI B<>0 SE RECHAZA Ho)
FIJAR ALFA=0.05

COMO P=0.002<0.05
Se rechaza la Ho, entonces la ecuacin del modelo de regresin lineal es
altamente significativo.
Los coeficientes a y b tienen efecto significativo sobre el modelo de regresin
lineal.

2. Los datos presentados en la tabla son relativos a diferentes variables de coches. Sepide,
N
1
2
3
4
5
6
7
8
9

Bankcan
10400
10317
10580
10559
10504
10946
10995
10806
10830

Trsbill
8,59
8,70
9,04
8,97
8,94
8,99
9,02
9,12
8,97

CPI
61,2
61,5
61,7
62,0
62,5
62,8
63,0
63,3
63,6

Usspot
1,0164
,9994
,9892
,9844
,9800
,9788
,9686
,9794
,9766

Usforw
1,0192
1,0027
,9926
,9887
,9834
,9815
,9718
,9827
,9799

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

11002
11759
11843
11362
11176
11687
12049
11830
12132
12348
12024
12107
12503
12303
13416
12471

9,07
8,88
8,41
8,08
7,67
7,61
7,55
7,26
7,07
7,12
7,16
7,09
7,19
7,25
7,18
7,14

64,0
64,2
64,5
65,0
65,6
66,3
66,7
67,2
67,7
68,3
68,6
69,0
69,6
70,1
70,6
70,8

,9714
,9722
1,0344
1,0092
1,0236
1,0481
1,0523
1,0454
1,0537
1,0578
1,0735
1,0735
1,0774
1,1036
1,1085
1,0915

,9747
,9755
1,0386
1,0119
1,0262
1,0511
1,0547
1,0475
1,0552
1,0590
1,0750
1,0750
1,0777
1,1039
1,1093
1,0914

Bankcan: activos del Banco de Canad.


Trsbill: intereses de las Letras del Tesoro a 90 das.
CPI: ndice de precios al consumo.
Usspot: razn de cambio Canad/USA.
Usforw: razn de cambio a un mes Canad/USA.
Ajustando un modelo de regresin lineal mltiple de la variable de inters Trsbill
frente a las otras cuatro variables. Se pide:

1. Ajustar un modelo de regresin.


Y = B0 + B1*X1 + B2*X2 + B3*X3 + B4*X4
B0=28.421, B1=0, B2=-0.172, B3=47.708, B4=-58.889

2. Cul es el coeficiente de determinacin? y cul el coeficiente de correlacin


mltiple?
Resumen del modelob
Modelo
R
dime

,948a

R cuadrado
,899

R cuadrado

Error tp. de la

corregida

estimacin

,878

,29095

nsion

a. Variables predictoras: (Constante), razn de cambio a un mes


Canad/USA, activos del Banco de Canad, de precios al consumo, razn
de cambio Canad/USA
b. Variable dependiente: intereses de las Letras del Tesoro a 90 das

Coeficiente de Determinacin:
R cuadrado = 0.899 = 89.9%

El 89.9% del modelo de regresin lineal mltiple explica el Trsbill(intereses de las


Letras del Tesoro a 90 das).

Coeficiente de Correlacion:
R = 0.949
El grado de asociacin entre el Trsbill(intereses de las Letras del Tesoro a 90 das) y
las dems variables independientes: Bankcan(activos del Banco de Canad),
CPI(ndice de precios al consumo), Usspot(razn de cambio Canad/USA. ) y
Usforw(razn de cambio a un mes Canad/USA); es muy alta(postiva).

3.
a). Tabla ANOVA. Qu conclusiones se obtienen de esta tabla? estos contrastes
tienen alguna relacin con los contrastes individuales de la t?

ANOVAb
Modelo

Suma de
cuadrados

Regresin
Residual
Total

Media
gl

cuadrtica

15,004

3,751

1,693

20

,085

16,697

24

Sig.

44,312

a. Variables predictoras: (Constante), razn de cambio a un mes Canad/USA, activos del


Banco de Canad, de precios al consumo, razn de cambio Canad/USA
b. Variable dependiente: intereses de las Letras del Tesoro a 90 das

Ho: B=0 (SI B=0 SE ACEPTA Ho)


H1: B<>0(SI B<>0 SE RECHAZA Ho)
FIJAR ALFA=0.05

,000a

COMO P=0.000<0.05
Se rechaza la Ho, entonces la ecuacin del modelo de regresin lineal mltiple
es muy significativo.
Los coeficientes B1, B2, B3, B4 tienen efecto significativo sobre el modelo de
regresin lineal multiple.

b).estos contrastes tienen alguna relacin con los contrastes individuales de la t?


Si ya que en t vemos el desenvolvimiento de las variables individualmente con
respecto a los datos, mientras que aqu vemos la relacin de todas juntas.

4. Son todas las variables significativas (contraste individual de la t)?

Coeficientesa
Modelo

Coeficientes
Coeficientes no estandarizados
B

(Constante)
activos del Banco de Canad
de precios al consumo
razn de cambio Canad/USA
razn de cambio a un mes

Error tp.
28,421

3,862

,000

,000

-,172

tipificados
Beta

Intervalo de confianz
t

Sig.
7,359

,000

20,364

,214

,971

,343

,000

,087

-,635

-1,970

,063

-,353

47,708

116,708

2,610

,409

,687

-195,741

-58,889

117,329

-3,149

-,502

,621

-303,633

Canad/USA
a. Variable dependiente: intereses de las Letras del Tesoro a 90 das

20,364 <= B0 <= 36.477


La constante es significativa.

0.000 <= B1 <= 0.001

-3.53 <= B2 <= 0.10

-195.741 <= B3 <= 291.157

Lmite inferior

La variable Bankcan(activos del Banco de Canad) es significativa.

La variable CPI(ndice de precios al consumo) no es significativa.

La variable Usspot(razn de cambio Canad/USA. ) no es significativa.

-303.633 <= B3 <= 185.856


La variable Usspot Usforw(razn de cambio a un mes Canad/USA) no es
significativa.

En conclusin, No todas las variables son significativas.


5. Analizar los residuos utilizando un estudio inferencial de los mismosse verifican
las hiptesis del modelo (homocedasticidad, normalidad)?

Estadsticos sobre los residuosa


Desviacin
Mnimo

Mximo

Media

tpica

Valor pronosticado

6,7475

9,0161

8,0828

,79068

25

Valor pronosticado tip.

-1,689

1,180

,000

1,000

25

,067

,209

,125

,037

25

6,5731

9,0154

8,0613

,82005

25

-,53877

,50248

,00000

,26560

25

Residuo tp.

-1,852

1,727

,000

,913

25

Residuo estud.

-1,924

1,959

,032

1,015

25

-,58167

,64654

,02155

,33377

25

-2,077

2,124

,033

1,055

25

Dist. de Mahalanobis

,294

11,420

3,840

2,978

25

Distancia de Cook

,000

,357

,056

,094

25

Valor de influencia centrado

,012

,476

,160

,124

25

Error tpico de valor


pronosticado
Valor pronosticado corregido
Residual

Residuo eliminado
Residuo eliminado estud.

a. Variable dependiente: intereses de las Letras del Tesoro a 90 das

Prueba de Kolmogorov-Smirnov para una muestra


Unstandardized
Residual
N

25

Parmetros normales

a,b

Media
Desviacin tpica

Diferencias ms extremas

,0000000
,26559601

Absoluta

,092

Positiva

,073

Negativa

-,092

Z de Kolmogorov-Smirnov

,461

Sig. asintt. (bilateral)

,984

a. La distribucin de contraste es la Normal.


b. Se han calculado a partir de los datos.

Significancia = 0,984
Como es mayor a 0.05 entonces el modelo se rige NORMALEMENTE.

3. Con el objetivo de estudiar la relacin lineal entre el precio de los automviles y el


nmero de unidades vendidas, se procedi a recoger datos sobre tales magnitudes
durante el pasado mes en una determinada regin. Los resultados obtenidos fueron los
siguientes:
Precio miles euros
7,5
9,0
10,5
12,0
14,0
16,0
18,0
20,5
23,5
27,0

Cantidad vendida (unidades mensuales)


450
425
400
350
325
300
290
280
260
200

Hallar el modelo que mejor se ajusta a los datos expresando las interpretaciones
respectivas.

Compuesto
Resumen del modelo

R cuadrado
,980

,960

R cuadrado

Error tpico de la

corregida

estimacin

,955

La variable independiente esprecio miles euros.

,053

ANOVA
Suma de
cuadrados

gl

Media cuadrtica

Regresin

,528

,528

Residual

,022

,003

Total

,550

F
190,713

Sig.
,000

La variable independiente esprecio miles euros.

Crecimiento
Resumen del modelo

R cuadrado

Error tpico de la

corregida

estimacin

R cuadrado
,980

,960

,955

,053

La variable independiente esprecio miles euros.

ANOVA
Suma de
cuadrados

gl

Media cuadrtica

Regresin

,528

,528

Residual

,022

,003

Total

,550

La variable independiente esprecio miles euros.

Exponencial
Resumen del modelo

R cuadrado
,980

,960

R cuadrado

Error tpico de la

corregida

estimacin

,955

La variable independiente esprecio miles euros.

,053

F
190,713

Sig.
,000

ANOVA
Suma de
cuadrados

gl

Media cuadrtica

Regresin

,528

,528

Residual

,022

,003

Total

,550

Sig.

190,713

,000

La variable independiente esprecio miles euros.

Logstica
Resumen del modelo

R cuadrado

Error tpico de la

corregida

estimacin

R cuadrado
,980

,960

,955

,053

La variable independiente esprecio miles euros.

ANOVA
Suma de
cuadrados

gl

Media cuadrtica

Regresin

,528

,528

Residual

,022

,003

Total

,550

Sig.

190,713

,000

La variable independiente esprecio miles euros.


Coeficientes
Coeficientes
Coeficientes no estandarizados
B
precio miles euros
(Constante)

Error tpico
1,038

,003

,002

,000

estandarizados
Beta

t
2,664

La variable dependiente es ln(1 / Cantidad vendida (unidades mensuales)).

CONCLUSION:
Los modelos que mejor se ajustan a los datos expresando son:

Compuesto
Crecimiento
Exponencial
Logstica

Sig.

366,745

,000

21,652

,000

Los modelos mencionados anteriormente, presentan Error tpico de la estimacin de


0.53 lo que significa que la variabilidad de los datos, con respecto a su ecuacin de
regresin es muy baja.
Adems que sus Coeficientes de determinacin y correlacin son 0,960 y 0,980
respectivamente.
Ho: B=0 (SI B=0 SE ACEPTA Ho)
H1: B<>0(SI B<>0 SE RECHAZA Ho)
FIJAR ALFA=0.05

COMO P=0.000<0.05
Se rechaza la Ho, entonces la ecuacin del modelo de regresin no lineal de
cualquier modelo es muy significativo.
PERO:
Ante todos, el modelo Logstico pose el Error tpico ms bajo con respecto a sus
coeficientes no estandarizados, entonces podra acercarse mas al ajuste de datos.