1© Martín Soto-Córdova, 2013Curso: PRONOSTICO DE NEGOCIOSTema: Análisis de Regresión Múltiple (2)Lima, 30-04-13Facultad de...
2© Martín Soto-Córdova, 2013Ejercicios Se realiza un estudio dirigido al gasto familiar. Se desea conocer la relaciónque ...
3© Martín Soto-Córdova, 20135000 | 10000 | 6 | 5006000 | 45000 | 9 | 20002000 | 11000 | 5 | 10003000 | 12000 | 6 | 5001500...
4© Martín Soto-Córdova, 2013 CASO: REPUESTOS PARA AUTOMOVILESLa empresa importadora SUPER REPUESTOS distribuye toda una g...
5© Martín Soto-Córdova, 2013Cantidad deVentasanuales(miles)37.702 | 1739 | 9.27 | 85.4 | 3.5 |35.000 | 1500 | 10.56 | 83.1...
6© Martín Soto-Córdova, 2013 Al aplicar las ecuaciones normales a los datos obtenemos los siguientescoeficientes de regre...
6© Martín Soto-Córdova, 2013 Al aplicar las ecuaciones normales a los datos obtenemos los siguientescoeficientes de regre...
Próxima SlideShare
Cargando en...5
×

Ejercicios de análisis de regresión múltiple

8,548

Published on

Ejercicios de Análisis de Regresión Múltiple

Published in: Negocios
0 comentarios
2 Me gusta
Estadísticas
Notas
  • Sea el primero en comentar

Sin descargas
reproducciones
reproducciones totales
8,548
En SlideShare
0
De insertados
0
Número de insertados
0
Acciones
Compartido
0
Descargas
131
Comentarios
0
Me gusta
2
Insertados 0
No embeds

No notes for slide

Ejercicios de análisis de regresión múltiple

  1. 1. 1© Martín Soto-Córdova, 2013Curso: PRONOSTICO DE NEGOCIOSTema: Análisis de Regresión Múltiple (2)Lima, 30-04-13Facultad de Administración y Negocios (FAyN)
  2. 2. 2© Martín Soto-Córdova, 2013Ejercicios Se realiza un estudio dirigido al gasto familiar. Se desea conocer la relaciónque afecte el gasto de alimentación mensual de una familia con el ingresomensual, los componentes de la familia y el ahorro familiar conseguido. Y: Gasto mensual (nivel de influencia). X1: Ingreso X2: Número de integrantes X3: Monto de ahorro Se tiene:Gasto en alimentos | Ingreso mensual | Integrantes de familia | Ahorro mensual |5000 | 10000 | 6 | 500 |6000 | 45000 | 9 | 2000 |2000 | 11000 | 5 | 1000 |3000 | 12000 | 6 | 500 |1500 | 10500 | 3 | 1000 |5000 | 10000 | 6 | 2000 |6000 | 24000 | 6 | 2000 |3000 | 6000 | 3 | 1800 |6000 | 45000 | 6 | 1500 |5000 | 45500 | 5 | 3000 |
  3. 3. 3© Martín Soto-Córdova, 20135000 | 10000 | 6 | 5006000 | 45000 | 9 | 20002000 | 11000 | 5 | 10003000 | 12000 | 6 | 5001500 | 10500 | 3 | 10005000 | 10000 | 6 | 20006000 | 24000 | 6 | 20003000 | 6000 | 3 | 18006000 | 45000 | 6 | 15005000 | 45500 | 5 | 3000Y X1 X2 X3La ecuación de regresión: Y = - 20 + 0.0169 X1 + 444 X2 + 0.890 X3R2= 59.8%R2(ajustado) = 39.7%
  4. 4. 4© Martín Soto-Córdova, 2013 CASO: REPUESTOS PARA AUTOMOVILESLa empresa importadora SUPER REPUESTOS distribuye toda una gama derepuestos automovilísticos dentro del mercado peruano desde hace más 20años.Uno de los principales productos que comercializa son las llantas de caucho, lascuales representan la mayor cantidad de ingresos para esta empresa. Por estarazón, el gerente de ventas esta estudiando el comportamiento de las ventasde este producto (periodo de varios años), de manera específica, le gustaríadeterminar que factores afectan las ventas de llantas.Para poder realizar esta investigación tomo en cuenta la variable número detiendas al menudeo que le compran, el tamaño del parque automotor (enmillones de unidades), el ingreso personal total de la población (en miles demillones de dólares) y la antigüedad promedio de los automóviles (en años).
  5. 5. 5© Martín Soto-Córdova, 2013Cantidad deVentasanuales(miles)37.702 | 1739 | 9.27 | 85.4 | 3.5 |35.000 | 1500 | 10.56 | 83.1 | 4 |35.700 | 1400 | 11.23 | 81.45 | 4.2 |34.678 | 1356 | 10.9 | 80.66 | 4 |38.076 | 1700 | 11.12 | 86.09 | 3.5 |38.196 | 1709 | 12.2 | 86.34 | 3.5 |36.023 | 1390 | 11.01 | 82.44 | 4.3 |37.900 | 1689 | 10.34 | 85.55 | 4 |37.239 | 1500 | 10.02 | 84.99 | 4.2 |38.008 | 1623 | 11 | 86.12 | 4.0 |38.500 | 1780 | 11.22 | 87.8 | 3.5 |38.234 | 1700 | 10.11 | 86.97 | 3.2 |37.011 | 1620 | 10.01 | 84.9 | 4 |36.001 | 1200 | 9.2 | 82.55 | 4 |35.487 | 1300 | 10.2 | 80.456 | 4.2 |40.788 | 1450 | 12.3 | 90.34 | 3.5 |40.980 | 1500 | 12.4 | 92.98 | 3 |38.023 | 1600 | 12.11 | 87.32 | 3.5 |42.122 | 1690 | 11.98 | 93.12 | 3 |41.900 | 1600 | 12.2 | 92.1 | 3.5 |Número deautomóvilesregistrados(millones)Número de tiendasal menudeoIngresoPersonal(mmdd)Antigüedadpromedio de losautomóviles(años)
  6. 6. 6© Martín Soto-Córdova, 2013 Al aplicar las ecuaciones normales a los datos obtenemos los siguientescoeficientes de regresión::bo = -16.7455b1 = - 0.000006b2 = -0.02768b3 = 0,6139b4 = 0.5952Y = -16.7455 - 0.000006 X1 - 0.02768 X2 + 0,6139 X3 + 0.5952 X4
  7. 7. 6© Martín Soto-Córdova, 2013 Al aplicar las ecuaciones normales a los datos obtenemos los siguientescoeficientes de regresión::bo = -16.7455b1 = - 0.000006b2 = -0.02768b3 = 0,6139b4 = 0.5952Y = -16.7455 - 0.000006 X1 - 0.02768 X2 + 0,6139 X3 + 0.5952 X4
  1. ¿Le ha llamado la atención una diapositiva en particular?

    Recortar diapositivas es una manera útil de recopilar información importante para consultarla más tarde.

×