La siguiente tabla muestra las cantidades vendidas (y) por 15 vendedores

de una compaa en un periodo dado. La tabla tambin muestra el nmero

de periodos (x) de experiencia que cada vendedor tiene.

Vendedores X=periodos de
Y=ventas
venta
1 3 2
2 4 3
3 4 4
4 5 3
5 5 4
6 6 3
7 6 4
8 7 4
9 7 5
10 7 6
11 8 5
12 9 6
13 9 7
14 10 7
15 10 8

1. Diagrama de dispersin.
9

5
y

1
2 3 4 5 6 7 8 9 10 11

Como se observa en el diagrama de dispersin, los puntos se

van localizando en los ejes coordenados, de manera que
observamos q los valores de la variable X aumentan y los
valores de la variable Y tambin aumentan, entonces existe
 una correlacin lineal positiva. Entonces poder decir a simple
vista que cuando aumenta el nmero de periodos de
experiencia tambin aumentara el nmero de ventas.

2. ECUACION DE LA RECTA

Dependent Variable: Y
Method: Least Squares
Date: 05/23/17 Time: 16:38
Sample: 1 15
Included observations: 15

Variable Coefficient Std. Error t-Statistic Prob.

C -0.042308 0.632756 -0.066863 0.9477

X 0.716346 0.090332 7.930124 0.0000

R-squared 0.828692 Mean dependent var 4.733333

Adjusted R-squared 0.815515 S.D. dependent var 1.751190
S.E. of regression 0.752166 Akaike info criterion 2.391848
Sum squared resid 7.354808 Schwarz criterion 2.486254
Log likelihood -15.93886 Hannan-Quinn criter. 2.390842
F-statistic 62.88687 Durbin-Watson stat 2.314779
Prob(F-statistic) 0.000002

Bueno la ecuacin de la regresin estima es lo siguiente:

Y^= -0.024+ 0.72*#de periodos de experiencia.

Interpretacin
Como el parmetro beta 1 es positivo, indica que, por cada incremento en
un ao de experiencia, nuestras ventas aumentaran en 0.72 unidades.
3. Coeficiente de determinacin R^2
Como se observa en el coeficiente de determinacin es = 0.83
Nos indica que 83% de la variacin de las ventas esta explicada por la
variacin de numero de periodos de experiencia.
el durbin- Watson es = 2.31
el valor de 2.31 de durbin- wastson es un valor muy elevado lo que
significa que el modelo presenta el problema de autocorrelacin, el valor de
durbin wastson debe oscilar entre 1.85 y 2.15. por lo tanto, es necesario
transformar los variables. Esta problema de autocorrelacin se puedo
solucionar utilizando el estadstico AR1 Y MA1.