Académique Documents
Professionnel Documents
Culture Documents
desea investigar la relación existente entre la antigüedad de sus agentes de ventas y el número
ello se seleccionaron a 15 trabajadores aleatoriamente registrándose el movimiento de sus ventas (nuevos soles) durante el tie
La información recolectada se presenta a continuación:
Ventas - Y
(NUEVOS 275 296 317 376 162 150 367
SOLES)
a. Determinar el mejor modelo No lineal que permita estimar las ventas en términos del tiempo que lleva trabajando en la
Rpta. Modelo cuadrático, R2 = 90.2%
b. Estime las ventas cuando el número de meses laborando en la empresa es de 50.
Rpta. Y = 276.37 nuevos soles.
111 40 51 9 12 6 56 19
60 80 100 120
Ventas - Y
Meses - X x^2 (NUEVOS
SOLES)
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
131413.016 65706.5078 55.3554233 0.00
14243.9177 1186.99314
145656.933
Mes 1 2 3 4
Publicidad (nuevos soles) - X 390 490 760 680
Ventas (nuevos soles) - Y 1100 1700 2600 2400
Determinar el mejor modelo No lineal que permita estimar la venta mensual en función de los gastos de publicidad. U
Estime la venta mensual cuando el gasto de publicidad asciende a 1000 nuevos soles.
500
0
200 400 600 800 1000
RANKINg
1
2
3
ón que relaciona las ventas con los gastos de publicidad correspondientes a cada mes. Para el presente estudio se selecciona una muestra
5 6 7 8 9 10
590 910 340 320 1410 1490
2300 2900 400 700 3500 3600
MODELO R^2
Polinomial 0.9742 97.4% de la variabilidad de las ventas depende la publicidad
Potencial 0.79
Exponencial 0.6231
studio se selecciona una muestra
Publicidad (nuevos soles) - X x^2 Ventas (nuevos soles) - Y
390 152100 1100
490 240100 1700
760 577600 2600
680 462400 2400
590 348100 2300
910 828100 2900
340 115600 400
320 102400 700
1410 1988100 3500
1490 2220100 3600
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98701593
Coeficiente de determinación R^2 0.97420045
R^2 ajustado 0.96682915
Error típico 203.499281
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 10946116.3 5473058.15 132.1613 0.00
Residuos 7 289883.703 41411.9576
Total 9 11236000
Tiempo
23 24 27 30
(X)
Ventas (Y)
1400 1400 1540 1800
- dolares
a. Determinar el mejor modelo No lineal que permita estimar las ventas en términos del tiempo que lleva trabajando en la
b. Estime las ventas (en dólares) cuando el tiempo de venta es de 40 horas. Rpta. 2381.5
Ventas
Tiempo
ln x (Y- )- ln y
(X)
dolares
23 3.1354942159 1400 7.24422752 Resumen
24 3.1780538303 1400 7.24422752
27 3.295836866 1540 7.3395377 Estadísticas de la regresión
30 3.4011973817 1800 7.49554194 Coeficiente de correlación múltiple
33 3.4965075615 1950 7.57558465 Coeficiente de determinación R^2
36 3.5835189385 2240 7.71423114 R^2 ajustado
42 3.7376696183 2520 7.83201418 Error típico
45 3.8066624898 2800 7.9373747 Observaciones
45 3.8066624898 2600 7.86326672
50 3.9120230054 2880 7.96554557 ANÁLISIS DE VARIANZA
Grados de liberta
Regresión
Residuos
y = 58.579x1.0044 Total
R² = 0.9876
58.5788963 b0 Intercepción
b1 ln x
cado a la venta de un artículo por semana y las ventas logradas (en dólares). Al elegir una muestra de
33 36 42 45 45 50
ue lleva trabajando en la empresa. Use un nivel de significación del 5% e indique cuál es el mejor modelo valido Rpta. Mode
regresión
0.99380516
0.98764869
0.98610478
0.03314715
10
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 0.702865 0.702865 639.704527 0.00
8 0.00878987 0.00109873
9 0.71165487
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
4.0703745 0.14078011 28.9129935 2.2161E-09 3.74573498 4.39501402 3.74573498 4.39501402
1.00436109 0.03971003 25.2923808 0.00 0.9127896 1.09593257 0.9127896 1.09593257
valido Rpta. Modelo Potencia
perior 95.0%
4.- El administrador de la empresa busca incrementar las utilidades, para ello necesita reducir algunos gastos generales. Por
que pide al analista estadístico determinar un modelo que le permita estimar los gastos generales (nuevos soles) en términos
nivel de producción (miles de unidades), para lo cual se toma una muestra de 10 días de trabajo obteniéndose la siguiente
información:
Gastos - Y
NUEVOS 179.4 161.5 137.6 120.9 99.3 96.9 94.9
SOLES
Producción
27.5 23 20.5 19 16 12.5 10.5
-X
a. Determinar el mejor modelo No lineal que permita estimar los gastos generales en función del nivel de producción. Use u
b. Estime los gastos generales a un nivel de producción de 23 mil unidades. Rpta. Y = 150.3 nuevos soles.
Gastos - Y
Producció
NUEVOS
n-X
SOLES
27.5 179.4
Gastos -
23 161.5
20.5 137.6 200
19 120.9 180
f(x)
f(x)==0.1277750639x^2
55.7214885117 +
16 99.3 R² = 0.9576938367
12.5 96.9
160 R²
f(x)= =0.9466540478
18.2154193383
10.5 94.9 140 R² = 0.9063158878
10.5 80.9 120
8 80
14.5 109.9 100
80
60
40
20
0
5 10 15 20
r algunos gastos generales. Por lo
les (nuevos soles) en términos del
o obteniéndose la siguiente
80.9 80 109.9
10.5 8 14.5
n del nivel de producción. Use un nivel de significación de 0.04 Rpta. Modelo Exponencial R2 = 94.7%
uevos soles.
10 15 20 25 30
R^2
0.9577
0.9467 valido 94.67
0.9063
Gastos - Y
Producció
X^2 NUEVOS
n-X
SOLES
27.5 756.25 179.4
23 529 161.5
20.5 420.25 137.6
19 361 120.9
16 256 99.3
12.5 156.25 96.9
10.5 110.25 94.9
10.5 110.25 80.9
8 64 80
14.5 210.25 109.9
Estadísticas de la regresión
Coeficiente de correlación múltip 0.97861833
Coeficiente de determinación R^ 0.95769384
R^2 ajustado 0.94560636
Error típico 7.86471052
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 9801.3653 4900.68265 79.2302627 1.5574E-05
Residuos 7 432.975701 61.8536716
Total 9 10234.341
y = 55.721e0.0431x
R² = 0.9467
55.7214885
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.97296148
Coeficiente de determinación R^2 0.94665405
R^2 ajustado 0.9399858
Error típico 0.067655
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.64979989 0.64979989 141.964518 0.00
Residuos 8 0.03661759 0.0045772
Total 9 0.68641749
Costos
(nuevos 5 5.6 6.1 6.9
soles)-X
Utilidad
(nuevos 13.1 15.8 20.5 28.8
soles)-Y
Costos Utilidad
(nuevos LNX (nuevos LNY
soles)-X soles)-Y
5 1.6094379124 13.1 2.57261223 Resumen
5.6 1.7227665977 15.8 2.76000994
6.1 1.8082887712 20.5 3.02042489 Estadísticas de la regresión
6.9 1.9315214116 28.8 3.36037539 Coeficiente de correlación múltiple
7.2 1.974081026 35.4 3.56671182 Coeficiente de determinación R^2
8.6 2.1517622033 42.5 3.74950408 R^2 ajustado
9.5 2.2512917986 52.5 3.96081317 Error típico
8.9 2.1860512767 40.5 3.70130197 Observaciones
ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total
0.44126521 Intercepción
LNX
y = 0.4413x2.1258
R² = 0.963
7.2 8.6 9.5 8.9
a regresión
0.98134388
0.96303581
0.95687511
0.1042104
8
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 1.69759723 1.69759723 156.319266 0.00
6 0.06515885 0.01085981
7 1.76275608
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
-0.8181092 0.33432898 -2.4470185 0.04999276 -1.6361827 -3.566E-05 -1.6361827 -3.566E-05
2.1257563 0.17002282 12.5027703 0.00 1.70972544 2.54178716 1.70972544 2.54178716
perior 95.0%
6.-
La empresa en su política de incentivos para fomentar el mejor desempeño de su personal, ha encargado al gerente de venta
mejores vendedores, pero sospecha que los vendedores con mayores ventas son los vendedores más antiguos. Para contrasta
se seleccionó una muestra de diez vendedores y se registró su tiempo de antigüedad en la empresa junto con el monto de ven
obtenido los últimos diez meses:
Experienci 66 55 49 45 34 38 30
a-X
Ventas
(Nuevos 430.6 387.6 330.4 290.2 263.9 238.2 232.6
Soles) - Y
a. Determinar el mejor modelo No lineal que permita estimar las ventas en términos de la experiencia del vendedor. Use un
b.- Estime el monto de ventas de un vendedor que lleva 40 meses trabajando en la empresa.
Ventas
Experienci (Nuevos Ventas (Nuevos
a-X Soles) - Y 500
66 430.6 450
55 387.6 f(x) = 0.0485135085x^2 + 1.14
136.1719076077 exp( 0.
400
49 330.4 f(x)
R² = =0.9610430352
26.0106591456 x^0.653
0.9540587394
350
45 290.2 R² = 0.9181875298
34 263.9 300
38 238.2 250
30 232.6 200
25 227.6 150
23 194.8
100
19 192
50
0
10 20 30 40 50 60
ha encargado al gerente de ventas premiar a sus
ores más antiguos. Para contrastar esta sospecha,
mpresa junto con el monto de ventas (nuevos soles)
25 23 19
30 40 50 60 70
Ventas
Experienci
a-X X^2 (Nuevos y = 0.0485x2 + 1.1474x + 153.12
Soles) - Y
66 4356 430.6 R² = 0.961
55 3025 387.6
49 2401 330.4
45 2025 290.2 Resumen
34 1156 263.9
38 1444 238.2 Estadísticas de la regresión
30 900 232.6 Coeficiente de correlación múltiple
25 625 227.6 Coeficiente de determinación R^2
23 529 194.8 R^2 ajustado
19 361 192 Error típico
Observaciones
ANÁLISIS DE VARIANZA
Grados de liberta
Regresión
Residuos
Total
Intercepción
Experiencia - X
X^2
egresión
0.98032802
0.96104304
0.94991247
18.1035259
10
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
2 56595.5255 28297.7627 86.3427281 0.00
7 2294.16354 327.737649
9 58889.689
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
153.119507 46.4888306 3.29368379 0.01323524 43.1908912 263.048124 43.1908912 263.048124
1.14742366 2.43128529 0.47194119 0.65132611 -4.6016525 6.89649983 -4.6016525 6.89649983
0.04851351 0.02887105 1.68035115 0.13677744 -0.0197557 0.1167827 -0.0197557 0.1167827
perior 95.0%
Ventas
Experienci (Nuevos
a-X Soles) - Y ln(y)
66 430.6 6.06517958 y = 136.17e0.0177x
55 387.6 5.95997388 R² = 0.9541
49 330.4 5.80030404
45 290.2 5.67057034
34 263.9 5.57557024
38 238.2 5.47311066
30 232.6 5.44932024
25 227.6 5.4275897
23 194.8 5.27197339
19 192 5.25749537
136.171908 b0
b1
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9767593
Coeficiente de determinación R^2 0.95405874
R^2 ajustado 0.94831608
Error típico 0.06271362
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.65341019 0.65341019 166.135405 0.00
Residuos 8 0.03146398 0.003933
Total 9 0.68487417
y = 136.17e0.0177x
276.415206
or crítico de F
Tiempo
23 24 27 30
(X)
Ventas (Y) 1400 1400 1540 1800
Ventas
Tiempo (Y)-
(X) DOLARE
S ln x ln y
23 1400 3.13549422 7.24422752
24 1400 3.17805383 7.24422752
27 1540 3.29583687 7.3395377
30 1800 3.40119738 7.49554194
33 1950 3.49650756 7.57558465
36 2240 3.58351894 7.71423114
42 2520 3.73766962 7.83201418
45 2800 3.80666249 7.9373747
45 2600 3.80666249 7.86326672
50 2880 3.91202301 7.96554557
y = 58.579x1.0044
R² = 0.9876
58.5788963
33 36 42 45 45 50
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99380516
Coeficiente de determinación R^2 0.98764869
R^2 ajustado 0.98610478
Error típico 0.03314715
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0.702865 0.702865 639.704527 0.00
Residuos 8 0.00878987 0.00109873
Total 9 0.71165487