Introduccin

a la estadstica para las finanzas

Ing. Blanca Morales

Consulte la siguiente gua de respuestas a las preguntas hechas en la tarea y compare las respuestas dadas por usted a manera de auto retroalimentacin para su aprendizaje. Este ejercicio es solo de retroalimentacin, NO SE ENVA NI SE PUEDE ENTREGAR COMO SOLUCIN A SU TAREA.
Tarea 6 Captulo 12 Problema 35, pgina 549 Un corredor de una empresa de inversin local ha estudiado la relacin entre el incremento en el precio del oro (X) y las peticiones de sus clientes de liquidar las acciones (Y). Del conjunto de datos basado en 15 observaciones se encontr que la pendiente de la muestra era 2.9 Si el error estndar del coeficiente de la pendiente de regresin es 0.18 existe una razn para pensar (a 0.05 de nivel de significancia) que la pendiente cambi de su valor anterior de 3.2? Respuesta: Datos de los que se disponen: ! = 15, !! = 2.9, !!! = 0.18, ! = 0.05, !! !"#$ !! = 3.2 Hiptesis: !! !! = 3.2 !! !! 3.2

RESPUESTAS DEL EQUIPO DOCENTE A LOS EJERCICIOS DE TAREA DE LOS CAPITULO 12

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Estadstico de prueba: != Valor crtico: !"#$% !"!!"# !!, !!!.!", !!!!!"!!!!" = 2.160 Regla de decisin: Se debe de rechazar !! si: ! > !"#$% !"!"#$ ! Donde ! es el valor absoluto del estadstico de prueba y como ! = 1.67 = 1.67 entonces: ! > !"#$% !"!"#$ ! 1.67 < 2.160 No se rechaza la hiptesis nula, por lo que con un 95% de confianza se tiene evidencia estadstica de que el valor de la pendiente no ha cambiado su valor sigue siendo de 3.2 y que la diferencia entre 2.9 y 3.2 se debe a un error en el muestreo. !! !! !"#$ !! 2.9 3.2 = = 1.67 !!! 0.18

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Captulo 12 Problema 39, pgina 550 La compaa local de telfonos siempre ha supuesto que el nmero promedio de llamadas diarias aumenta en 1.5 por cada persona adicional en una casa. Se ha sugerido que la gente es ms platicadora que lo que esto refleja. Se tom una muestra de 64 casas y se calcul que la pendiente de regresin de Y (Nmero promedio de llamadas diarias) sobre X(Tamao de la casa) era 1.8 con un error estndar del coeficiente de la pendiente de regresin de 0.2 Pruebe si se hacen significativamente ms llamadas por persona adicional de lo que la compaa de telfonos supone; use = 0.05. Establezca las hiptesis y la conclusin explcitas. Respuesta: Datos de los que se disponen: ! = 64, !! = 1.8, !!! = 0.2, ! = 0.05, !! !"#$ !! = 1.5 Hiptesis: !! !! = 1.5 !! !! > 1.5 Estadstico de prueba: !=

!! !! !"#$ !! 1.8 1.5 = = 1.50 !!! 0.2

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Valor crtico: !"#$% !"!"#$ !!, !

!! !.!" !!.!"#, !!!!!"!!!!" !

= 2.297

Regla de decisin: Se debe de rechazar !! si: ! > !"#$% !"!"#$ ! Donde ! es el valor absoluto del estadstico de prueba y como ! = 1.5 = 1.5 entonces: ! > !"#$% !"!"#$ ! 1.5 < 2.297 No se rechaza la hiptesis nula, por lo que con un 95% de confianza se tiene evidencia estadstica de que el nmero promedio de llamadas diarias incrementa en 1.5 por cada persona adicional en una casa, el valor de la pendiente no ha cambiado su valor sigue siendo de 1.5 y que la diferencia entre 1.8 y 1.5 se debe a un error en el muestreo.

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Captulo 12 Problema 73, pgina 562 Los costos de los viajes de negocios varan mucho entre las ciudades ms importantes de Estados Unidos, como se muestra en la siguiente tabla. Un interventor corporativo intenta establecer tasas de viticos que tomen en cuenta esta variacin. Debe el interventor considerar los costos tanto de renta de autos como de hoteles, o los costos de hoteles proporcionan suficiente informacin para calcular las tasas? (Sugerencia: ajuste una regresin usando los costos de la renta de autos para explicar los costos de los hoteles. Despus observe r2).

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Respuesta: La regresin se realiz en el anlisis de datos del Excel, los resultados y el anlisis COMPLETO, fueron intercalados lo cual se muestra a continuacin (Nota: Se pone en letras negritas la respuesta a la pregunta de este ejercicio): La primera tabla muestra los estadsticos que resumen todo:

Revisando la R mltiple, la R2, la R2 ajustada vemos que sus valores son ms cercanos a 0 que a 1, lo cual nos indica respectivamente que: R Mltiple, la relacin existente entre la renta de autos y el costo del hotel es de 29.38% lo cul indicara que es una relacin pobre. La R2 o bien r2 es de 8.63% , esto quiere decir que: 1. Que la fuerza de la relacin lineal entre el costo de la renta de autos y el costo de la renta de hotel es bastante pobre ya que solo es de 8.63%. 2. La ecuacin capto el 8,63% de la variacin o el comportamiento de Y, es decir solo se logr explicar del 100 porciento solo el 8.63% y esto es muy poco. Sobre la R2 ajustada o corregida es lo mismo que solo la R2, se logr explicar de Y el 3.55% pero ajustado por los grados de libertad, otra vez, esto indicara que se logr captar muy poco.

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Respecto a !! , es decir el Error estndar, es de 31.1667, este valor siempre indica la dispersin o variabilidad a travs de la lnea de regresin y para saber si es alto o no, es necesario tener otro valor para compararlo. Cmo no se tiene, no podemos decir si es alto o no. La siguiente tabla es la de ANOVA:

En esta parte se puede realizar la prueba de hiptesis con la F, las hiptesis seran: !! !! = 0 !! !! 0 Usando el estadstico de prueba el cual tiene un valor de ! = 1.700332 versus el valor crtico, el cual saldra de la tabla ! de la siguiente manera; los grados de libertad provienen de la tabla ANOVA los cuales son 1 y 18: ! = 1 Donde ! es el nmero de variables independientes es decir el nmero de !! y ya como regla general, en regresin simple ! siempre es 1, el 18 sale de: ! ! 1 = 20 1 1 = 18 De lo cual, ! es el numero de observaciones o datos de las variables, como regla general, en regresin simple siempre es ! 2, por lo que tomando estos valores y usando un nivel de confianza del 95% (ya que es el ms utilizado), esto es buscando en la tabla ! con 1, 18 y con un ! = 0.05 el valor crtico sera de 4.414

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Ahora bien la regla de decisin sera, se rechaza la hiptesis nula si el estadstico de prueba es mayor al valor crtico, es decir: ! > !!, !!!.!",!,!" Tomando los valores se tendra que 1.700332 < 4.414 No se rechaz la hiptesis nula por lo tanto !! = 0, esto indicara que cualquier valor que se le de a la variable independiente, la variable dependiente no cambiara, ya que la ! no est afectando a la !. La siguiente tabla es la de los COEFICIENTES:

En la tabla anterior muestra la ecuacin o funcin de regresin, la cual es: ! = 81.1694741 0.87909414 ! En esta parte tambin se puede realizar la prueba de hiptesis pero con la t, las hiptesis seran las mismas, es decir: !! !! = 0 !! !! 0 Usando el estadstico de prueba el cual tiene un valor de ! = 1.302968 versus el valor crtico, el cual saldra de la tabla ! sabiendo que los grados de libertad provienen de la tabla ANOVA el cual es 18 como ya se indic, proviene de: ! ! 1 = 20 1 1 = 18 De lo cual, ! es el numero de observaciones o datos de las variables y ! es el nmero de variables independientes es decir el nmero de !! y ya como regla general, en regresin

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

simple ! siempre es 1, adems que en esta parte siempre es ! 2, por lo que tomando estos valores y usando un nivel de confianza del 95% (ya que es el ms utilizado), esto es buscando en la tabla ! con 18 y con un ! = 0.05 el valor crtico sera de 2.101 Ahora bien la regla de decisin sera, se rechaza la hiptesis nula si el estadstico de prueba en valor absoluto es mayor al valor crtico, es decir: ! > !!, !!!.!", !" Tomando los valores se tendra que 1.302968 < 2.101 No se rechaz la hiptesis nula por lo tanto !! = 0, esto indicara que cualquier valor que se le de a la variable independiente, la variable dependiente no cambiara, ya que la ! no est afectando a la !. La siguiente es la grfica de normalidad:

Normal Probability Plot

250 200 150 Y 100 50 0 0 20 40 60 Sample Percentile 80 100 120

A la grfica anterior se le traza una lnea recta en la cual se tenga comparativamente referencia, es decir:

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Normal Probability Plot

210 190 170 Y 150 130 110 90 70 0 20 40 60 Sample Percentile 80 100 120

Como los valores que se encuentran en los crculos rojos se encuentran muy alejados de la lnea recta se puede concluir que los errores no siguen una distribucin normal, por lo que realizar el anlisis de regresin no tendra sentido. La siguiente es la grfica de dispersin:

Renta autos/da Line Fit Plot

250 200 Y 150 100 50 0 0 20 40 Renta autos/da 60 80 Y Predicted Y

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

10

Introduccin a la estadstica para las finanzas

Ing. Blanca Morales

Se puede ver en la grfica anterior que los puntos en azul son los datos reales, los cuales son los originales que se dieron a las variables, los puntos en rojo muestran los valores estimados o pronosticados que se obtienen sustituyendo los valores de la X en la ecuacin. La grfica anterior muestra que la relacin entre la variable X y la variable dependiente Y no es lineal, por lo que quizs un ajuste o transformacin matemtica sera mejor en este caso. La siguiente es la grfica de los residuales (en la muestra se denominan residuales y en la poblacin son llamados errores)

Renta autos/da Residual Plot

100 80 60 Residuals 40 20 0 -20 -40 -60 Renta autos/da 0 10 20 30 40 50 60 70 80

Se puede ver que existen valores muy alejados, esto dara como resultado que el supuesto en los errores de varianzas homogneas (denominado tambin homoscedasticidad) no se cumpla dando como resultado heteroscedasticidad el cual es el termino para indicar que las varianzas no son homogneas.

Levin y Rubin con la colaboracin y revisin tcnica de Bohon y Ramos. (2010). Estadstica para administracin y economa.

11