Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9222735443
Coeficiente de determinación R^2 0.8505884904
R^2 ajustado 0.8319120517
Error típico 9377.2839642113
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de Promedio
cuadradosde los cuadrados
F Valor crítico de F
Regresión 1 4004788364 4004788364 45.5433985 0.00014526
Residuos 8 703467636 87933454.5
Total 9 4708256000

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 76900 6405.90447 12.0045499 2.1377E-06 62127.9578
Año (X) 6967.2727272727 1032.40499 6.74858493 0.00014526 4586.54256

Resultados de datos de probabilidad

Percentil Ventas (Y)

5 75600
15 80400
25 95600
35 120600
45 121700
55 125000
65 128000
75 131800
85 134600
95 138900
 Gráfico de probabilidad normal
150000

Ventas (Y)
100000
50000
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
or crítico de F

Superior 95%Inferior 90.0%

Superior 90.0%
91672.0422 64987.9129 88812.0871
9348.00289 5047.46606 8887.07939
d normal

60 70 80 90 100
l
Problema 1: Regresión Lineal

SiderPerú S.A. produce fierro corrugado para la industria de la construcción. Durante más de u
gerente de planta, estima que el crecimiento en las ventas continuará y desea desarrollar un pr
las instalaciones para los siguientes tres años. Se han totalizado las cifras de ventas correspondi

Ventas en miles de unidades

Año Ventas

1 75,600
2 80,400
3 95,600
4 120,600
5 121,700
6 128,000
7 125,000
8 131,800
9 134,600
10 138,900

Se pide: (a). Realizar un pronóstico para los siguientes tres años; (b). Validar el modelo; (c). Esta
pronòstico, use t (student) = 1.86

Solución:

Año (X) Ventas (Y) x2 xy

1 75,600 1 75600
2 80,400 4 160800
3 95,600 9 286800
4 120,600 16 482400
5 121,700 25 608500
6 128,000 36 768000
7 125,000 49 875000
8 131,800 64 1054400
9 134,600 81 1211400
10 138,900 100 1389000
SUMA 55 1,152,200 385 6911900

A= 76,900.00
B= 6,967.27

y=a+b(x)
 y=76,900.00+6,967.27(x)

a) AÑO (X) VENTAS (Y) FÓRMULA RESULTADO

11 153,540.00 PRONÓSTICO 153540
12 160,507.27 PRONÓSTICO 245620.65379
13 167,474.55 PRONÓSTICO 261895.32194

b) R= 0.9222735443

C) SY= 9377.2839642113
a construcción. Durante más de un año, la planta de producción ha operado a casi plena capacidad. El
ntinuará y desea desarrollar un pronóstico a largo plazo que se usará para planear las necesidades de
do las cifras de ventas correspondientes a los últimos diez años:

os; (b). Validar el modelo; (c). Establecer rangos para niveles de confianza del 90% para cada

y2
5,715,360,000.00
6,464,160,000.00
9,139,360,000.00
14,544,360,000.00
14,810,890,000.00
16,384,000,000.00
15,625,000,000.00
17,371,240,000.00
18,117,160,000.00
19,293,210,000.00
137,464,740,000.00
si plena capacidad. El
ar las necesidades de

% para cada
Problema 2: Regresión Lineal

Autonorte Import S.A. distribuidora de autos desea conocer el nivel de demanda para los próximos 5
años y asi poder planificar en el mediano plazo sus operaciones referente a instalaciónes y distribución
de planta. Para lo cual cuenta con la siguiente información histórica de sus ventas:

Año Ventas (und)

1 780
2 820
3 890
4 850
5 920
6 1,050
7 960
8 1,100
9 1,150
10 1,040
11 1,250
12 1,320

a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de l
b. Determine el coeficiente de correlación para los datos e interprete su significado.
c. Calcule el error estándar del pronóstico.
d. Determine los límites de confianza superior e interior que se pueden estimar para el pronóstico del
año 13 si se utiliza un nivel de confianza del 90% (t de student = 1.86)
e. Grafique su modelo de pronóstico.

Año (X) Ventas (Y) x2 xy y2

1 780 1 780 608,400.00
2 820 4 1640 672,400.00
3 890 9 2670 792,100.00
4 850 16 3400 722,500.00
5 920 25 4600 846,400.00
6 1,050 36 6300 1,102,500.00
7 960 49 6720 921,600.00
8 1,100 64 8800 1,210,000.00
9 1,150 81 10350 1,322,500.00
10 1,040 100 10400 1,081,600.00
11 1,250 121 13750 1,562,500.00
12 1,320 144 15840 1,742,400.00
SUMA 78 12,130 650 85250 12,584,900.00

A= 719.70
B= 44.79

y=a+b(x)
 y=750.67+37.33(x)

a) AÑO (X) VENTAS (Y) FÓRMULA RESULTADO

13 1,301.97 PRONÓSTICO 1301.9697
14 1,346.76 PRONÓSTICO 2123.21731
15 1,391.55 PRONÓSTICO 2229.24481
16 1,436.34 PRONÓSTICO 2333.54362
17 1,481.13 PRONÓSTICO 2447.06663

b) R= 0.94171517

C) SY= 60.506506229
para los próximos 5
laciónes y distribución
s:

vendidas para cada uno de los cinco años siguientes.

para el pronóstico del