Ejercicios de análisis de regresión múltiple
Upcoming SlideShare
Loading in...5
×
 

Ejercicios de análisis de regresión múltiple

on

  • 2,829 reproducciones

Ejercicios de Análisis de Regresión Múltiple

Ejercicios de Análisis de Regresión Múltiple

Estadísticas

reproducciones

reproducciones totales
2,829
reproducciones en SlideShare
2,829
reproducciones incrustadas
0

Actions

Me gusta
0
Descargas
22
Comentarios
0

0 insertados 0

No embeds

Accesibilidad

Categorias

Detalles de carga

Uploaded via as Microsoft PowerPoint

Derechos de uso

© Todos los derechos reservados

Report content

Marcada como inapropiada Marcar como inapropiada
Marcar como inapropiada

Seleccione la razón para marcar esta presentación como inapropiada.

Cancelar
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Tu mensaje aparecerá aquí
    Processing...
Publicar comentario
Edite su comentario

Ejercicios de análisis de regresión múltiple Ejercicios de análisis de regresión múltiple Presentation Transcript

  • 1© Martín Soto-Córdova, 2013Curso: PRONOSTICO DE NEGOCIOSTema: Análisis de Regresión Múltiple (2)Lima, 30-04-13Facultad de Administración y Negocios (FAyN)
  • 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© 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© 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© 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© 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
  • 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