Académique Documents
Professionnel Documents
Culture Documents
16
En que se diferencian los modelos causales y las series de tiempo para pronosticar comport
futuros de una variable relevante para evaluar un proyecto?
En las series de tiempo se considera que el valor que asume la variable dependiente se explica por el
mientras en los modelos causales se confia en la posibilidad de que el comportamiento de la variable
podr explicar los valores de la variable dependiente.
2.17
Comente la siguiente afirmacion: "Un criterio adecuado para lograr un buen ajuste de curva
minimizacion de las desviaciones totales observados".
Si, esto se hace por el metodo de los minimos cuadrados, mediante la linea de ajuste, se supera los er
se eliminan los errores muy grandes.
2.18
X Y
a. 480 362 Grfico de di
880 750
1200
110 143
320 410
1000
960 758
950 1002
800
240 320
510 365 600
750 618
400
200
0
0 200 400 600 800
b.
Curva de regresi
1200
1000
800
Curva de regresi
1200
1000
800
600
Y
400
200
0
0 200 400 600 800 1000 1
c.
ECUACION Y=63,35+0,79x
El valor de la variable dependiente cuando la dependiente es 640, es: 568.95
d.
intervalo de confianza, con un nivel de confianza del 95%
t 2.11
lim inf 407.52 El intervalo es 407,52<u<695,59
lim sup 695.59
2.19
x y
100 200
210 166
290 458
405 400
515 506
585 442
714 622
Y
400 Linear (Pronstico para Y)
200
0
0 200 400 600 800 1000 1200
Variable X 1
mpo para pronosticar comportamientos
Grfico de dispersin
Y
Pronstico para Y
rva de regresin ajustada
Y
Pronstico para Y
Linear (Pronstico para Y)
Diagrama de dispersin
700
600
500
400
300
200
100
0
0 100 200 300 400 500 600 700 800
Y
stico para Y) 400
200 Y)
0
0 200 400 600 800 1000 1200
Variable X 1
Resumen
Estadsticas de la regresin
Coeficiente d 0.93863652
Coeficiente 0.88103852
R^2 ajustado 0.86404402
Error tpico 100.509239
Observacione 9
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crtico de F
Regresin 1 523719.25 523719.25 51.8425756 0.00017743
Residuos 7 70714.7496 10102.1071
Total 8 594434
Y=63,35+0,79x
Observacin
Pronstico para YResiduos
1 447.15143 -85.15143
2 766.98649 -16.98649
3 151.303999 -8.3039987
4 319.217405 90.7825945
5 830.953502 -72.953502
6 822.957626 179.042374
7 255.250393 64.7496066
8 471.139059 -106.13906
9 663.040095 -45.040095
Variable X 1 Curva de regresin ajustada
1200
1000
800
Y
600 Pronstico para Y
Y
Linear (Pronstico pa
400
200
0
Inferior 95,0%
Superior 95,0% 0 200 400 600 800 1000 1200
-107.80971 234.508422 Variable X 1
0.53699357 1.06218173
gresin ajustada
Y
Pronstico para Y
Linear (Pronstico para Y)
1200
Resumen
Estadsticas de la regresin
Coeficiente d 0.9386365207
Coeficiente 0.881038518
R^2 ajustado 0.8640440205
Error tpico 100.509238812
Observacione 9
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crtico de F
Regresin 1 523719.25 523719.25 51.842575603 0.0001774286
Residuos 7 70714.7496 10102.1071
Total 8 594434
Y
400
200
0
0 200 400 600 800 1000 120
Variable X 1
Y
400
200
0
0 200 400 600 800 1000 1200
Variable X 1
Curva de regresin ajustada
Y
Pronstico para Y
Linear (Pronstico para Y)
Y
Pronstico para Y
Polynomial (Pronstico para
Y)
13 191.041