Professional Documents
Culture Documents
Docente:
Mag. Juan Blas Pérez
Alumno:
Cespedes Aleman, Jhosua Anthony
Asignatura:
Estadística Aplicada a la Economía
Tema:
Laboratorio 3era unidad
Ciclo:
V
Tumbes – Perú
2018
9.- Los datos siguientes corresponden a los 10 recién graduados.
0
0 1 2 3 4 5
b) Calcule e interprete el modelo de regresión ¿Qué le dice este modelo sobre la relación
entre GPA y las ofertas de trabajo?
y a bx
_ _
_ _
a y b x = 2,8 – 1,272(2,397) = - 0,248
c) Si Steve tiene un GPA de 3,22 ¿Cuántas ofertas laborales pronostica usted que el
recibirá?
30
25
20
15
10
0
0 5 10 15 20 25 30 35 40
b) Calcule e interprete el modelo de regresión ¿Qué dice este modelo sobre la relación
entre el consumo y el ingreso? ¿Qué proporción de cada dólar adicional que se gana se
invierte en consumo?
y a bx
_ _
x y i i n( x )( y )
3337,82 12(19, 075)(12, 425)
b = =0,558
_
5250,83 12(19, 075)2
x 2
i n( x ) 2
_ _
a y b x = 12,425 – 0,558(19,075) = 1,778
y 1, 778 0,558 x
El modelo de regresión lineal explica que si el ingreso aumenta un dólar, el incremento en
dólares en el consumo será de 0,56.
y 1, 778 0,558(27,500)
y 17,123
Según el modelo de regresión lineal si el consumidor gana US$27,500 su consumo será de
17,123
11).-
350
300
250
200
150
100
50
0
0 5 10 15 20
b) Calcule e interprete el modelo de regresión ¿Qué dice este modelo sobre la relación
entre las tasas de interés y las ventas de vivienda?
y a bx
_ _
_ _
a y b x = 196,8 + 27,440(11,78) = 520,042
UNIDADES COSTO
12,3 6,2
8,3 5,3
6,5 4,1
4,8 4,4
14,6 5,2
14,6 4,8
14,6 5,9
6,5 4,2
0
0 5 10 15 20
b) Calcule e interprete el modelo de regresión ¿Qué dice el contador sobre la relación entre
producción y costos?
y a bx
_ _
_ _
a y b x = 4,675 – 0,0306(10,275) = 4,360
y 4,360 0, 0306 x
El modelo de regresión lineal indica que por cada unidad más producida, el costo aumentara
en 0,306.
y 4,360 0, 0306(750)
y 27,31
Producir 750 unidades costara 27,31 mil
13.-
MILLAS AUSENCIAS
5 2
6 2
2 4
0 5
9 4
12 2
16 5
5 2
7 3
0 1
8 4
0
0 5 10 15 20
y a bx
_ _
_ _
a y b x = 3,091 – 0,0697(6,364) = 2,647
y 2, 647 0, 0697 x
Mediante el modelo de regresión lineal se muestra que al aumenta de una milla, será en 0,0697
la perdida de clases
c) ¿A cuántas clases faltaría usted si viviera a 3,2 millas del campus, según el modelo?
y 2, 647 0, 0697(3, 2)
y 2,87
Si viviera a 3,2 millas del campus faltaría a 3 clases.
41)
Costo de la
Valores de la tierra casa
7 67
6,9 63
5,5 60
3,7 54
5,9 58
3,8 36
8,9 76
9,6 87
9,9 89
10 92
n 10
x 7,12 y 68, 2
x 71, 2 y 682
x2
5069, 44 y2
465124
x 2 5, 2236 y 2 285,16
x 2, 28551 y 16,8867
sx 2 5,84 s y 2 316,844
sx 2, 409 s y 17,8001
xy 5225, 2
a 17,85458
b 7, 070985527
r 0,95701
Yˆ a bx
Yˆ 17,85458 7, 070985 x
ANÁLISIS DE VARIANZA
H0 : 0
H1 : 0
ANÁLISIS DE
VARIANZA
Origen de las Grados de Suma de Promedio de los Valor crítico
variaciones libertad cuadrados cuadrados F para F
Regresión 1 2611,7409 2611,741 87,11 5,32
Error 8 239,855 29,982
Total 9 2851,596
SCT 9(316,844)
SCT 2851,596
SCE 239,855
SE RECHAZA H 0
- Podemos concluir con un nivel de significación del 5% que el valor de la pendiente es significativo, por lo
que el modelo es válido.
Coeficiente de Determinación
H0 : 0
H1 : 0
0.1
s2
b
x 2 nx
2
5, 4756
b
5069, 44 10(7,12) 2
b 0, 0346
b
tcal
b
7, 070985527
tcal
0, 0346
tcal 204,3639
ttab 1,860
SE RECHAZA H 0
-Se Rechaza H0 lo que indica que si es significante
45)
n 12
x 1, 6 y 835
x 19, 2 y 1002
x2
368, 64 y2
1004004
x 2 0, 21042 y 2 141, 41667
x 0, 4587 y 11,89187
sx 2 0, 22955 s y 2 154, 27273
sx 0, 47911 s y 12, 42060
xy 1539, 2
a 121,5538894
b 24,16119963
r 0,9579212036
Yˆ a bx
Yˆ 121,5538894 (24,16119963) x
ANÁLISIS DE VARIANZA
H0 : 0
H1 : 0
ANÁLISIS DE
VARIANZA
Origen de las Grados de Suma de Promedio de los Valor crítico
variaciones libertad cuadrados cuadrados F para F
Regresión 1 1546,3168 1546,32 102,623 4,96
Error 10 150,6797 15,066797
Total 11 1696,99
SCE 150,6797
SE RECHAZA H 0
SCE 150,6797
S2 15, 06797
n2 10
Intervalo de confianza:
49)
n 12
x 15 y 367
x 225 y 134689
x2
1, 25 y2
30,583
x 2 0, 009167 y 2 70, 243056
x 0, 09574 y 8,39113
sx 2 0, 01 s y 2 76, 62879
sx 0,1 s y 8, 753787
xy 455,3
a 69, 7879
b 31,3636
r 0,3583
Yˆ a bx
Yˆ 69, 7879 (31,3636) x
ANÁLISIS DE VARIANZA
H0 : 0
H1 : 0
ANÁLISIS DE
VARIANZA
Origen de las Grados de Suma de Promedio de los Valor crítico
variaciones libertad cuadrados cuadrados F para F
Regresión 1 108,0476 108,0476 1,4703 4,96
Error 10 734,86909 73,486909
Total 11 842,91669
SCE 734,86909
SE ACEPTA H 0
52)
n8
x 118 y 5,3375
x 944 y 42, 7
x2
111414 y2
235,53
x 2 2, 75 y 2 0,95234
x 1, 6583 y 0,97588
sx 2 3,14286 s y 2 1, 08839
sx 1, 77281 s y 1, 04326
xy 5026,9
a 68, 09205
b 0,531818
r 0.90372
Yˆ a bx
Yˆ 68, 09205 (0,531818) x
ANÁLISIS DE VARIANZA
H0 : 0
H1 : 0
ANÁLISIS DE
VARIANZA
Origen de las Grados de Suma de Promedio de los Valor crítico
variaciones libertad cuadrados cuadrados F para F
Regresión 1 6,2223 6,2223 26,7352 5,987
Error 6 1,39643 0,232738
Total 7 7,61873
SCE 1,39643
SE RECHAZA H 0
- Podemos concluir con un nivel de significación del 5% que el valor de la pendiente es significativo, por lo
que el modelo es válido.
Coeficiente de Determinación
SCR 6, 2223
R2 0.8167
SCT 7, 61873
Interpretación:
y 2
a y b xy
S yx
n2
Interpretación:
54)
n 12
x 4, 75 y 1, 2583
x 57 y 15,1
x2
359, 76 y2
25, 25
x 2 7, 4175 y 2 0,5208
x 2, 7235 y 0, 72164
sx 2 8, 09181 s y 2 0,56811
sx 2,8446 s y 0, 75373
xy 92,88
a 0,1294
b 0, 23767
r 0,89698
Yˆ a bx
Yˆ 0,1294 0, 23767 x
ANÁLISIS DE VARIANZA
H0 : 0
H1 : 0
ANÁLISIS DE
VARIANZA
Origen de las Grados de Suma de Promedio de los Valor crítico
variaciones libertad cuadrados cuadrados F para F
Regresión 1 5,02836 5,02836 41,1874 4,965
Error 10 1,22085 0,122085
Total 11 6,24921
SCT 11(0,56811)
SCT 6,24921
SCE 1,22085
Interpretación del coeficiente de Regresión (b)
- Según el modelo encontrado, este nos dice que, por cada punto porcentual en el rendimiento, el riesgo
aumenta 0,23767, lo que indicaría una relación directa entre el rendimiento y el riesgo.