ESTADSTICA II

TALLER EXAMEN FINAL

2016 01
PROBLEMA 1
El gerente de ventas de un centro comercial quiere conocer si las ventas anuales (en miles de
dlares) es afectada por el nmero de trabajadores (en cientos de empleados), el nmero de
acciones (en miles de acciones) ofrecidas por cada empresa y el valor del inventario al principio
del ao (en miles de dlares). Se selecciona una muestra de 16 empresas hoteleras, los datos
recolectados fueron procesados en el software del MINITAB y se obtuvieron los siguientes
resultados:

Datos: n = 16 y k = 3
Sean:
Ventas anuales: Y
Nmero de trabajadores: X1
Nmero de acciones: X2
Valor del inventario al principio del ao: X3
a) Complete la tabla del Anlisis de Varianza
F. VARIACIN
Regresin
Error
Total

G.L.
k=3
n k 1 = 12
n 1 = 15

SC
1385.1
559.4
1944.5

CM
461.7
46.6
-

Fc
9.91

b) Verifique los supuestos de la no multicolinealidad y la no autocorrelacin de los errores. Use

un = 0.05.
NO MULTICOLINEALIDAD
VIF(X1) = 1.789
VIF(X2) = 1.697 < 10, NO EXISTEN SERIOS PROBLEMAS DE MULTICOLINEALIDAD.
VIF(X3) = 1.741
NO AUTOCORRELACIN DE LOS ERRORES
H0: NO EXISTE AUTOCORRELACIN EN LOS ERRORES

H1: EXISTE AUTOCORRELACIN EN LOS ERRORES

= 0.05
Estadstico de prueba: d = 1.846
Valores crticos: n = 16 y k = 3 dL = 0.857; dU = 1.728
Decisin y conclusin: COMO d = 1.846 NO PERTENECE <0.857; 1.728>, SE RECHAZA H0 Y
SE ACEPTA H1. AL 5% DE SIGNIFICANCIA, EXISTE AUTOCORRELACIN EN LOS ERRORES.
Asumiendo que se cumplan los supuestos, se pide:
c) Determine la ecuacin de regresin lineal mltiple.
Modelo estimado: Y = b0 + b1X1 + b2X2 + b3X3
Y = 733 + 3.11X1 + 7.9X2 + 0.354X3
Interprete el coeficiente de regresin de la variable nmero de acciones ofrecidas por cada
empresa.
-Por cada mil acciones ofrecidas, entonces las ventas promedio anuales aumentar en 7.9 miles
de dlares, manteniendo constantes a las otras variables independientes.
d) El modelo de regresin lineal mltiple es significativo? Use un = 0.05.
Prueba Global
H0: El modelo de regresin lineal no es significativo.
H1: El modelo de regresin lineal es significativo.
= 0.05
Estadstico de prueba: Fc = 9.91
Valor crtico: F(3,12,0.05) = 3.49
Decisin y conclusin: Como Fc = 9.91 > Ft = 3.49, se rechaza H0 y se acepta H1. Al 5% de
significativo, e.e.e. para afirmar que el modelo de regresin lineal es significativo.
e) Qu variables son significativas en el modelo? Use un = 0.05.
Prueba Individual
Para X1
Para X2
Para X3
H0: X1 no es significativa
H0: X2 no es significativa
H0: X3 no es significativa
H1: X1 es significativa
H1: X2 es significativa
H1: X3 es significativa
= 0.05
Estadstico de prueba:
TcX1 = 2.42
TcX2 = 0.722
TcX3 = 3
Valor crtico: Tn-k-1; 1- /2 = T(12;0.975) = <-2.179; 2.179>: No rechazo H0.
Decisin y conclusin: Como TcX1 y TcX3 no pertenece <-2.179; 2.179>, se rechaza H0 y se
acepta H1. Al 5% de significancia, X1 y X3 se quedan en el modelo de regresin.
Como TcX2 pertenece <-2.179; 2.179>, no se rechaza H0. Al 5% de significancia, X2 no se
queda en el modelo de regresin.
Y = b0 + b1X1 + b3X3: Nuevo modelo de regresin
f) Suponiendo que el modelo con las tres variables es significativo, se desea saber la venta anual
estimada cuando el nmero de trabajadores fue de 12000 empleados, el nmero de acciones es
de 24000 acciones y el valor del inventario inicial es de 15000 dlares.

Donde: X1 = 12000/100 = 120

X2 = 24000/1000 = 24
X3 = 15000/1000 = 15
Y = 733 + 3.11(120) + 7.9(24) + 0.354(15) = 1301.11 miles de dlares
g) Qu porcentaje la variabilidad de la venta anual no es explicada por el nmero de empleados,
el nmero de acciones y el Inventario a principio del ao?
R2: Coeficiente de determinacin Porcentaje que mide la variacin explicada en Y
1 R2 = 1 (1385.1/1944.5) = 0.2877x100% = 28.77%
PROBLEMA 2
Un investigador recolect datos sobre el ingreso y el consumo de una determinada ciudad en un
perodo prolongado. El investigador quiere estimar el consumo, en miles de soles, en funcin del
ingreso, en miles de soles; para ello, seleccion una muestra de seis aos y los datos se registraron
en el siguiente cuadro:
Ao
1
2
3
4
5
6
Ingreso X
28.4 32.84 34.55 36.45 36.48 39.8
4
Consumo Y 19.1 20.33 21.67 23.0 26.65 25.44
Adems, se obtuvo el siguiente resultado:

Estadstico de Durbin-Watson =

1.40726

a) Verifique el supuesto de no autocorrelacin entre los errores.

H0: No existe autocorrelacin en los errores
H1: Existe autocorrelacin en los errores
= 0.05
Estadstico de prueba: d = 1.40726
Valores crticos: n = 6 y k = 1 dL = 0.61; dU = 1.40
Decisin y conclusin: Como d = 1.40726 no pertenece <0.61; 1.40>, se rechaza H0 y se acepta
H1. Al 5% de significancia, existe autocorrelacin en los errores.
Asumiendo que el supuesto se cumpla, se pide:
b) Determine el modelo de regresin lineal simple. Interprete el coeficiente de regresin.
Y = b0 + b1X = 0.1269 + 0.6494X
Por calculadora: b0 = 0.1269 y b1 = 0.6494
Interpretando: b1 = Por cada ingreso de mil soles, el consumo promedio aumentar en 0.6494
miles de soles.
c) Con un 5% de significancia, se puede afirmar que el modelo es significativo?
H0: El modelo de regresin lineal no es significativo.
H1: El modelo de regresin lineal es significativo.
= 0.05
Estadstico de prueba: Fc = 11.22
F. VARIACIN
G.L.
SC
CM
Fc

Regresin

Error

n2=4

Total

n1=5

31.577
5
11.260
4
42.837
9

31.5775

11.22

2.8151
-

SCT yi2 n y 3134.1239 6(22.6983) 2 42.8379

2

i 1

x
y

n
x
y
0.694(4782.5937 6(34.76)( 22.6983)) 31.5775

i i
i 1

SCR b1

Valor crtico: F(1,4,0.05) = 7.709

Decisin y conclusin: Como Fc = 11.2 > Ft = 7.709, se rechaza H0 y se acepta H1. Al 5% de
significativo, e.e.e. para afirmar que el modelo de regresin lineal es significativo.
d) Qu porcentaje de la variacin de la variable dependiente es explicada por el modelo de
regresin?
R2% = (SCR/SCE)x100% = (31.5775/42.8379)x100% = 73.71 %
e) Con un 95% de confianza, estime el consumo promedio si se tiene un ingreso de 38345 soles.

X 0 38345 / 1000 38.345

b0 b1 X 0 0.1269 0.6494(38.345) 25.0281

Tn 2;1 2 T4;0.975 2.776

Se 2.8151
n

SC ( X ) xi2 n x 7324.4346 6(34.76) 2 74.889

2

i 1

De:

IC y / x x0 b0 b1 x0 tn 2;1

Reemplazando:

2
x

x
0
1

n
SC ( x)

Se

1 38.345 34.76

6
74.889

IC ( y / x 38.345 ) 25.0281 2.776( 2.8151)

IC ( y / x 38.345 ) 22.3191;27.7371
FORMULARIO:
n

SP( x, y) xi yi nx y
i 1

SUMAS

SC ( x ) x i n x
2

i 1

b1

Regresin
Lineal
Simple

x y
i 1
n

i 1

xi2 n y

b0 y b1 x Y b0 b1 X
;

IC(Y/X=X0)

2
i

i 1

SCR
100%
SCT

i 1

i 1

b0 yi b1 xi yi
n2

IC y / x x0 b0 b1 x0 tn 2;1

Sumas de
cuadrados

r 2 R2

Coeficiente de
Determinacin

Se

nx y

i 1

Error Estndar de
la Estimacin

SC ( y ) y i n y
2

SCT y n y
i 1

2
i

nx y

SCR b1
;

2
x

x
0
1

n
SC ( x)

Se

CME

x y
i 1

SCE SCT SCR

ANOVA PARA REGRESIN LINEAL SIMPLE:

Fuente de
Variacin

Grados de
libertad

Suma de
Cuadrados

Regresin

SCR

Error

n2

SCE

Total

n1

SCT

Cuadrados
Medios

CMR
CME

SCR
1
SCE
n2

CMR
CME

ANOVA PARA REGRESIN LINEAL MLTIPLE:

Fuente de
Variacin
Regresin

Grados de
libertad
k

Suma de
Cuadrados
SCR

Error

nk1

SCE

Total

n1

SCT

Cuadrados Medios

CMR
CME

SCR
k
SCE
n k 1

CMR
CME