MODELOS DE

REGRESIONES Y MEDIAS
MVILES

INTEGRANTES:
- CAMILA LINCE
- KIARA GARCIA
- ANDREA GUILLEN
- WENDY LARICO

A. REGRESION LINEAL GASTO CONSUMO

FAMILIAR -REMUNERACION MINIMA VITAL
1. DIAGRAMA DE DISPERSION
DIAGRAMA DE DISPERSION ENTRE CONSUMORMV
Segn el diagrama de dispersin se espera una
relacin con pendiente positiva entre ambas
variables y de acuerdo a la distribucin de
puntos podemos asumir que el modelo de
regresin lineal simple es apropiado para este
conjunto de datos por la dispersin de los
puntos respecto a la lnea recta.
y: consumo familiar
x: Remuneracin Mnima Vital (RMV)
b: Coeficiente de regresin.
a: Intercepto.

3. QUE SIGNIFICA B Y R2?

b: Por cada unidad monetaria (soles) que se incremente en el RMV
aumentara en 205,546 soles .

, entonces el gasto en el consumo familiar

r2: las variaciones en el gasto consumo familiar pueden ser explicadas en un 82% por las variaciones del rmv. Esto
indica que el 18% de las variaciones en el gasto familiar son atribuyen a otras variables.

4.

Ho: = 0.
H1: 0

Como podemos observar en el cuadro resumen de coeficientes del SPSS, tenemos para un nivel de significancia de
0.00 ; y nosotros estamos trabajando con un nivel de significancia de 0.05 (margen de error del 5%) con lo cual
podemos concluir que rechazamos la Ho.
valor-p = 0.000
P < 0.05 =

rechazamos Ho: = 0 siendo igual a cero, este coeficiente toma valores entre
82281,838 y 114171,713con un nivel de confianza del 95%.
Ho: = 0
H1: 0
Sig.= 0,000 = valor-p
P < 0.05 =
rechazamos la Ho: = 0, siendo diferente de cero este coeficiente toma valores entre 168,312y
242,780 con un nivel de confianza del 95%.

5. ANOVA
Como observamos en la tabla ANOVA podemos
determinar que el valor de significancia (valor-p) es
0,000 con lo cual concluimos que este valor es
menor a 0.05, en consecuencia rechazamos la Ho.
0,00 < 0.05
La variable rmv (remuneracin mnima vital) SI
explica el gasto en el consumo familiar. en los datos
tomados.
Por consiguiente, y de acuerdo al grfico que se
dispone, los datos se ajustan a un modelo de

6. PRUEBA DE NORMALIDAD

Los valores residuales no sigue una distribucin normal, porque

todos los valores no estn muy cercanos a la lnea de tendencia
como observamos en el grfico.
Prueba de Normalidad de Kolmogorov Smirnov
Ho: Los datos de las muestras provienen de una distribucin
normal.

Prueba de normalidad

CONCLUSIONES:

SEGN EL ANLISIS REALIZADO, A UN NIVEL DE

CONFIANZA DEL 95%, SE DEMUESTRA QUE LA VARIABLE
REMUNERACIN MNIMA VITAL SI EXPLICA EL GASTO
CONSUMO FAMILIAR. SEGN LOS DATOS RECOGIDOS DE
LAS FAMILIAS ENCUESTADAS DE FUENTES DEL INEI.

B. REGRESION LINEAL DE
GASTO CONSUMO FAMILIAR
1. DIAGRAMA
PBI DE DISPERSION

DIAGRAMA DE DISPERSION ENTRE

GASTO-PBI

Segn el diagrama de dispersin se espera una relacin directa

positiva entre ambas variables y podemos asumir que efectivamente
el modelo es apropiado para este conjunto de datos es el de regresin
lineal simple.
Por consiguiente, el modelo propuesto es:
y: Gasto consumo familiar
x: Producto Bruto Interno (PBI)
b: Coeficiente de regresin.
a: Intercepto.

2. HALLAR Y = A + BX
Y
R2

3. QUE SIGNIFICA B Y R2?

b: Por cada unidad Monetaria que se incrementa en
el PBI ,entonces
el gasto consumo familiar
aumentara en 0.558 soles.
r2: las variaciones en el gasto consumo familiar
pueden ser explicadas en un 99.4% por las
variaciones del pbi . Esto indica que menos de un
0.6% de las variaciones en el gasto consumo familiar
son atribuibles a otras variables diferentes del pbi

4. HO: = 0
H1: 0

Como podemos observar en el cuadro resumen de coeficientes del SPSS, tenemos para una significancia de 0.00; y nosotros estamos
trabajando con un nivel de significancia de 0.05 (margen de error del 5%) con lo cual podemos concluir que rechazamos la Ho.
valor-p = 0.00
P < 0.05 =

rechazamos Ho: = 0 siendo diferente a cero, este coeficiente toma valores entre 16559,429 y
25859,182 con un nivel de confianza del 95%.
Ho: = 0
H1: 0
Sig.= 0,000 = valor-p
P < 0.05 =
rechazamos la Ho: = 0, siendo diferente de cero este coeficiente toma valores entre 0,542y 0.575 con un nivel
de confianza del 95%.

5. ANOVA HO: LA VARIABLE PBI NO

EXPLICA EL CONSUMO
H1: LA VARIABLE PBI EXPLICA
EL CONSUMO

Como observamos en la tabla ANOVA podemos determinar que el

valor de significancia es de 0,00 con lo cual concluimos que este
valor es menor a 0.05, en consecuencia rechazamos la Ho. 0,00<
0.05
La variable pbi si explica el consumo de los datos tomados.
Por consiguiente, y de acuerdo al grfico que se dispone, los datos
se ajustan a un modelo de regresin lineal simple.

6. VERIFICAR SI LOS
RESIDUALES SIGUEN UNA
DISTRIBUCIN NORMAL

Los valores residuales no siguen una distribucin normal, porque

todos los valores no estn muy cercanos a la lnea de tendencia
como observamos en el grfico.

PRUEBA DE NORMALIDAD DE KOLMOGOROV

SMIRNOV
HO: LOS DATOS DE LAS MUESTRAS PROVIENEN
DE UNA DISTRIBUCIN NORMAL.
H1: LOS DATOS DE LAS MUESTRAS NO
PROVIENEN DE UNA DISTRIBUCIN NORMAL

Dado que los valores del valor p para las variables Gasto consumo familiar y el
PBI no son mayores a 0.05, se demuestran que los datos de las variables
analizadas no provienen de una distribucin normal.
CONCLUSIONES:
SEGN EL ANLISIS REALIZADO, A UN NIVEL DE CONFIANZA DEL 95%, SE
DEMUESTRA QUE LA VARIABLE PBI SI EXPLICA EL GASTO CONSUMO FAMILIAR.,
SEGN LOS DATOS RECOGIDOS DE LAS FAMILIAS ENCUESTADAS DE FUENTES
DEL INEI.

C. REGRESIN
LINEAL
MULTIPLE DE CONSUMO, PBI
Y
RMV DE DISPERSION
1. DIAGRAMA
Segn el diagrama de dispersin se espera una
relacin directa entre las variables consumo,
PBI y la rmv
podemos asumir que
efectivamente el modelo de regresin lineal
mltiples es apropiado para este conjunto de
datos.
Por consiguiente, el modelo propuesto es:
y = a + b1x1 + b2x2
y: Gasto Consumo familiar
x1: PBI
x2: remuneracin mnima vital
a: Intercepto.
b1 y b2: Coeficientes de regresin

DIAGRAMA DE DISPERSIN ENTRE EL

CONSUMO, RMV E PBI

2. HALLAR Y = A + B1X1 +
B2X2 Y R2

3. QUE SIGNIFICA B1 ,B2 Y

R2?
b1: Por cada unidad monetaria que se incremente en el pbi y el rmv
permanece constante, el gasto consumo familiar aumentara en
promedio 0,614 soles
b2: Por cada unidad que se incremente en la rmv y pbi permanece
constante, el gasto consumo familiar disminuir
en promedio
-24,557 soles.
r2: las variaciones en el gasto consumo familiar
pueden ser
explicadas en un 99.6% por las variaciones del rmv y el pbi Esto
indica que menos de un 0.4% de las variaciones en el gasto
consumo familiar son atribuibles a otras variables diferentes del
ingreso mensual de las familias y el pbi .

4. H0= 0
H10
Como podemos observar en el cuadro resumen de coeficientes del SPSS, tenemos
para una significancia de 0.00; y nosotros estamos trabajando con un nivel de
significancia de 0.05 (mrgen de error del 5%) con lo cual podemos concluir que
rechazamos la Ho.
valor-p = 0.000
P < 0.05 =

rechazamos Ho: = 0 siendo diferente a cero,

este coeficiente toma valores entre 9340,363 y 20367,057 con un nivel de
confianza del 95%.
H o: 1 = 2 = 0
H1: Al menos un j 0
RMV
Para 1. El valor-p es 0.002.

PBI
Para 2. El valor-p es 0.000.
Valor - p < 0.05
rechazamos Ho: 2 = 0
siendo diferente de cero, este coeficiente toma valores
entre 0.578y 0.651con un nivel de confianza del 95%.

5. ANOVA
HO: LAS VARIABLES RMV Y PBI NO
EXPLICAN EL CONSUMO FAMILIAR
H1: LAS VARIABLES RMV Y PBI
EXPLICAN EL CONSUMO FAMILIAR

Como observamos en la tabla ANOVA podemos determinar que el valor

de significancia es de 0,000 con lo cual concluimos que este valor es
menor a 0.05, en consecuencia rechazamos la Ho. 0,000 < 0.05
Las variables rmv y pbi
tomados.

si explica el consumo familiar de los datos

Por consiguiente, y de acuerdo al grfico que se dispone, los datos se

6.
VERIFICAR
SI
LOS
RESIDUALES SIGUEN UNA
DISTRIBUCIN NORMAL

Los valores residuales no sigue una distribucin normal, porque todos los valores no
estn muy cercanos a la lnea de tendencia como observamos en el grfico.
Prueba de Normalidad de Kolmogorov Smirnov
Ho: Los datos de las muestras provienen de una distribucin normal.
H1: Los datos de las muestras no provienen de una distribucin normal.

Dado que los valores del valor p para las variables gasto y pbi son menores a 0.05,
se demuestran que los datos de las variables analizadas que la variable gasto del
consumo familiar y el pbi no siguen una distribucin normal , pero dado los valores
del valor-p para la variable remuneracin mnima vital es mayor 0.05 se demuestra
que esta variable si sigue una distribucin normal .

7. CONCLUSIONES
Segn el anlisis realizado, a un nivel de
confianza del 95%, se demuestra que la variable
PBI Y RMV si explica el consumo familiar , segn
los datos recogidos de las familias encuestadas
segn fuente del INEI y BCRP

REGRESION LOGISTICA
Tcnica estadstica multivariable que nos permite estimar la relacin
existente entre una variable dependiente y una variables independientes.
Es til para modelar la probabilidad en un evento ocurrido como funcin
de otros factores, este tipo de anlisis de regresin lo utilizamos para
predecir el resultado de una variable categrica.
DEPENDIENTE:
Y= Estado de animo
INDEPENDIENTE:
X1: Sexo
X2: Edad
X3: Estado civil

En el primer cuadro, tenemos

el parmetro estimado
0=0.232 , el error estndar
ET=0.067, y la significancia
estadstica con la prueba de
Wald, que e sun estadstico
que sigue con chi-cuadrado
con 1 gl, y la estimacin de
OR=1,261

VARIABLES EN LA ECUACIN

OR<1 es un factor protector

OR=1 es un factor que no es
protector ni de riesgo
OR>1 es un factor de riesgo

VARIABLES EN LA ECUACIN

EL RIESGO DE QUE UNA PERSONA SEA INFELIZ

ES DE 0.8 VECES MS, CUANDO ES VIUDO;
RESPECTO A UNA PERSONA CASADA.

MEDIAS MVILES EMPRESA

MIANO
AO

TRIM I

TRIM II

TRIM III

TRIM IV

2010

11,54

9,13

9,59

8,84

2011

9,08

9,64

11,88

10,69

2012

14,69

10,99

11,58

11,7

2013

14,5

10,45

16,34

13,03

2014

12,79

10

15,09

***

TENDEN
CIA

VENTA DE JOYAS
18
16
14
f(x) = 0.23x + 9.33

12

TIEMPO

JOYAS Y

y =9,3314 + 0,2329

11,54

9,5643

9,13

9,7972

9,59

10,0301

8,84

10,263

9,08

10,4959

9,64

10,7288

11,88

10,9617

10,69

11,1946

14,69

11,4275

10

10,99

11,6604

11

11,58

11,8933

12

11,7

12,1262

12

13

14,5

12,3591

10

14

10,45

12,592

15

16,34

12,8249

16

13,03

13,0578

17

12,79

13,2907

18

10

13,5236

19

15,09

13,7565

10

9 10 11 12 13 14 15 16 17 18 19

VENTA DE JOYAS
18
16
14

9 10 11 12 13 14 15 16 17 18 19

ESTACIONALIDAD
VENTA DE
JOYAS

MM4
Descentrada

MM4
Centrada

% de JOYAS
Respecto a
MM4

Serie
desestacional
izada Y/S

1
2

11,54

***

***

***

10,652

9,13

9,775

***

***

10,310

9,59

9,16

9,468

101,294

8,951

8,84

9,2875

9,224

95,840

9,211

9,08

9,86

9,574

94,843

8,381

9,64

10,3225

10,091

95,528

10,886

11,88

11,725

11,024

107,767

11,089

8
9

10,69

12,0625

11,894

89,879

11,139

14,69

11,9875

12,025

122,162

13,560

10

10,99

12,24

12,114

90,723

12,410

11

11,58

12,1925

12,216

94,792

10,809

12

11,70

12,0575

12,125

96,495

12,191

13

14,50

13,2475

12,653

114,602

13,384

14

10,45

13,58

13,414

77,905

11,800

15
16

16,34

13,1525

13,366

122,248

15,252

13,03

13,04

13,096

99,494

13,577

17

12,79

12,7275

12,884

99,272

11,806

18

10,00

***

***

***

11,292

19

15,09

***

***

***

14,085

TIEMPO

Ao

TRIM I

TRIM II

TRIM III

TRIM IV

2010

***

***

101,294

95,840

18.00

2011

94,843

95,528

107,767

89,879

16.00

2012

122,162

90,723

94,792

96,495

14.00

ESTACIONALIDAD

12.00

2013

114,602

77,905

122,248

99,494

2014

99,272

***

***

***

8.00

SUMA

430,879

264,157

426,101

381,708

6.00

Indice de
estacionalida 107,720
d
IEC

108,336

10.00

4.00

88,052

106,525

95,427

2.00
0.00

88,556

107,135

95,973

VENTA DE JOYAS

10 11 12 13 14 15 16 17 18 19
Serie desestacionalizada Y/S

DESESTACIONALIDAD
TIEMPO

JOYAS Y

IEC/100 : S
(ESTACIONAL
IDAD)

Y:T

T*S

1
2

11,54

9,56

1,08

10,36

9,13

9,80

0,89

8,68

9,59

10,03

1,07

10,75

8,84

10,26

0,95

9,79

9,08

10,50

1,08

11,37

9,64

10,73

0,89

9,50

11,88

10,96

1,07

11,74

8
9

10,69

11,19

0,95

10,68

14,69

11,43

1,08

12,38

10

10,99

11,66

0,89

10,33

11

11,58

11,89

1,07

12,74

12

11,70

12,13

0,95

11,57

13

14,50

12,36

1,08

13,39

14

10,45

12,59

0,89

11,15

15
16

16,34

12,82

1,07

13,74

13,03

13,06

0,95

12,46

17

12,79

13,29

1,08

14,40

18

10,00

13,52

0,89

11,98

19

15,09

13,76

1,07

14,74

18.00
16.00
14.00
12.00
10.00
8.00
6.00
4.00
2.00
0.00

10 11 12 13 14 15 16 17 18 19

ESTACIONES

T*S

CICLO
TIEMPO

JOYAS
Y

Y:T

IEC/100 : S
(ESTACION
ALIDAD)

T*S

CI = Y/TS

Ciclo, C =
MM3

TC

1
2
3
4
5
6
7

11,540
9,130
9,590
8,840
9,080
9,640
11,880

9,564
9,797
10,030
10,263
10,496
10,729
10,962

1,083
0,886
1,071
0,954
1,083
0,886
1,071

10,362
8,676
10,746
9,794
11,371
9,501
11,744

1,114
1,052
0,892
0,903
0,799
1,015
1,012

***
1,020
0,949
0,865
0,905
0,942
1,009

***
9,988
9,520
8,873
9,502
10,102
11,060

18.000

8
9

10,690

11,195

0,954

10,683

1,001

1,066

11,937

12.000

14,690

11,428

1,083

12,380

1,187

1,084

12,386

10.000

10

10,990

11,660

0,886

10,326

1,064

1,053

12,281

11

8.000

11,580

11,893

1,071

12,742

0,909

0,995

11,831

12

15
16
17
18

11,700
14,500
10,450
16,340
13,030
12,790
10,000

12,126
12,359
12,592
12,825
13,058
13,291
13,524

0,954
1,083
0,886
1,071
0,954
1,083
0,886

11,572
13,389
11,151
13,740
12,461
14,399
11,976

1,011
1,083
0,937
1,189
1,046
0,888
0,835

1,001
1,010
1,070
1,057
1,041
0,923
0,916

12,138
12,488
13,471
13,560
13,594
12,267
12,384

19

15,090

13,757

1,071

14,738

1,024

***

***

13
14

CICLO
16.000
14.000

6.000
4.000
2.000
0.000

9 10 11 12 13 14 15 16 17 18 19

ESTACIONES

TC

PREDICCIN
TIEMPO

JOYAS
Y

Y:T

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

11,54
9,13
9,59
8,84
9,08
9,64
11,88
10,69
14,69
10,99
11,58
11,70
14,50
10,45
16,34
13,03
12,79
10,00
15,09

9,56
9,80
10,03
10,26
10,50
10,73
10,96
11,19
11,43
11,66
11,89
12,13
12,36
12,59
12,82
13,06
13,29
13,52
13,76
13,99
14,22
14,46
14,69
14,92

IEC/100 : S
(ESTACIONALIDA
D)
1,08
0,89
1,07
0,95
1,08
0,89
1,07
0,95
1,08
0,89
1,07
0,95
1,08
0,89
1,07
0,95
1,08
0,89
1,07
0,95
1,08
0,89
1,07
0,95

T*S

10,36
8,68
10,75
9,79
11,37
9,50
11,74
10,68
12,38
10,33
12,74
11,57
13,39
11,15
13,74
12,46
14,40
11,98
14,74
13,26
15,41
12,80
15,74
14,14

PREDICCION
18.00
16.00
14.00
12.00
10.00
8.00
6.00
4.00
2.00
0.00

9 10 11 12 13 14 15 16 17 18 19
ESTACIONES

T*S

INTERPRETACIN
TRIM IV 2016: En la prediccin para el ltimo trimestre del ao presente
2016, observamos que la cantidad de joyas vendidas es de 13989 soles,
notando que ha sido menor que el trimestre anterior.
TRIM I 2017: Concluimos que la prediccin de venta de joyas para la
empresa Miano este primer trimestre sera de 14222 soles.
TRIM II 2017: La prediccin para el segundo trimestre aumenta con la
venta de joyas en 14455 soles que se generaran en la empresa Miano
TRIM III 2017: La prediccin para el tercer trimestre es de 14688 soles
en la venta de joyas en la empresa Miano.
TRIM IV 2017: El ltimo trimestre tiene un aumento de 14921 soles en
la venta de joyas de la empresa Miano este dinero no es mayor a los
otros trimestres de los aos anteriores pero si es aceptable.