• Author / Uploaded
• Dey Rico

• Categories
• Coeficiente de determinación
• Estadísticas
• Probabilidades y estadísticas
• Métodos matemáticos y cuantitativos (economía)
• Análisis de los datos

Citation preview

Resumen Estadísticas de la regresión Coeficiente de correlación múltiple Coeficiente de determinación R^2 R^2 ajustado Error típico Observaciones

0.9586634444 0.9190355997 0.8866498396 0.6425873026 8

ANÁLISIS DE VARIANZA Regresión Residuos Total

Intercepción Variable X 1 Variable X 2

Grados de libertad Suma de cuadradosPromedio de los cuadrados 2 23.4354077925 11.7177038962 5 2.0645922075 0.4129184415 7 25.5 Coeficientes 83.2300916901 2.2901836209 1.3009890983

Error típico 1.5738689517 0.3040645561 0.320701597

Estadístico t 52.8824789371 7.5318993132 4.0566966621

F 28.3777683879

Valor crítico de F 0.0018652423

Probabilidad 4.5717490935533E-08 0.0006532317 0.0097607978

Inferior 95% 79.1843327511 1.5085607963 0.4765993982

Superior 95% Inferior 95.0% Superior 95.0% 87.2758506291 79.1843327511 87.2758506291 3.0718064456 1.5085607963 3.0718064456 2.1253787983 0.4765993982 2.1253787983

El propietario de Showtime Movie Theaters, Inc. Desea estimar el ingreso bruto semanal (Wee Gross Revenue) en funcion de los gastos en publicidad por television (Television Advertising) en periodicos ( Newspaper Advertising). A continuacion se presentan los datos historicos de o semanas en miles de dolares ($ 1000s).

semanas

Weekly Gross Revenue ($1000s) Television Advertising ($1000s) 1 96 5 2 90 2 3 95 4 4 92 2.5 5 95 3 6 94 3.5 7 94 2.5 8 94 3

mar el ingreso bruto semanal (Weekly elevision (Television Advertising) y esentan los datos historicos de ocho

Libro: Estadistica para negocios y economia Autor: Anderson Sweeney Williams edicion 11a

Newspaper Advertising ($1000s) 1.5 2 1.5 2.5 3.3 2.3 4.2 2.5

X1: television X2: newspaper Y: weekly

¿

television x1

newspaper x2 5 2 4 2.5 3 3.5 2.5 3 25.5

1.5 2 1.5 2.5 3.3 2.3 4.2 2.5 19.8

X=

weenkly y 96 90 95 92 95 94 94 94 750 93.75

8 25.5 19.8

�_1^2

25 4 16 6.25 9 12.25 6.25 9 87.75

25.5 87.75 59.7

�_1�_2

7.5 4 6 6.25 9.9 8.05 10.5 7.5 59.7

19.8 59.7 54.82

�_2^2

�_(1 ) y 480 180 380 230 285 329 235 282 2401

2.25 4 2.25 6.25 10.89 5.29 17.64 6.25 54.82

X'=

�_2 y

144 180 142.5 230 313.5 216.2 394.8 235 1856

5.99891705 -1.0389142 -1.0353043 -1.0389142 0.22390682 0.13139845 -1.0353043 0.13139845 0.24907949 3*3

750 2401 1856

g= x'y

3*1

ŷ= 94.6810098 87.8104589 92.3908262 88.9555507 90.1006426 91.2457344 88.9555507 90.1006426

β0 β1 β2

83.2300917 2.29018362 1.3009891

modelo de regresion lineal ŷ = 83.2300917 + 2.29018362 X1 + 1.3009891 X2

SCR SCE 0.86677924 1.73973516 35.2781481 4.79409009 1.84735349 6.80778806 22.9867437 9.26867128 13.3178098 24.0037034 6.27134638 7.5859792 22.9867437 25.4464683 13.3178098 15.2049885 116.872734 94.851424

SCT 4 435600 1.5625 8464 9025 8836 7396 4692.25 474018.813

Tabla anova fuente de varibilidad regresion error total

suma de cuadados 116.872734126 94.851423992 474018.8125

grados de libertad 2 5 7