Estadistica VF

Variables
Ao
Publicidad
Ventas S/.
2000
550
264000
2001
590
384000
2002
680
400200
2003
700
422400
2004
750
543000
2005
790
643000
2006
800
700200
2007
850
722600
2008
910
883000
2009
990
900305
2010
1080
1201500
2011
1080
1420300
2012
1100
1750045
2013
1200
1770700
n=
14
Xmed
862.14
X2 =
Ymed
857517.86
Y2 =
X.Y =
11605431450.00
Cov xy =
> Datos
> Coeficiente de Correlacin:

R=
0.95
Interpretacin: Las variables X (Publicidad) y Y (Ventas), presentan una relaci

> Funcin de la Recta:
B1 =
2337.26
B0 =
-1157532.26
Interpretacin: Ante un incremento de la variable X (Publicidad) en UM, har incrementar en 2337.26 UM a la
> Varianza Residual:

'=
21226429325.50
Interpretacin: Se puede confirmar que el modelo es bueno, porque la varianza residual es pequea respecto
> Coeficiente de Determinacin:
^'=
0.91
Interpretacin: El resultado significa que la variable Y (Ventas) se encuentra expliacada en 91% por la variabl
Programacin Lineal
Anlisis de Variables Publicidad - Vent
2000000
1800000
1600000
Ventas S/. 1400000

1200000
1000000
800000
600000
400000
200000
0
550
2000
590
2001
680
2002
700
2003
750
2004
790
2005
800
2006
850
2007
910
2008
Publicidad
10943100.00
VARx =
38359.69
13525591025050.00
VARy =
230776769327.55
89656493.88
bles X (Publicidad) y Y (Ventas), presentan una relacin fuerte y directa, de acuerdo al resultado obtenido de nuestro coeficien
Y = B0 - B1 x
blicidad) en UM, har incrementar en 2337.26 UM a la variable Y (Ventas).
eno, porque la varianza residual es pequea respecto al valor de la varianza observada.
Ventas) se encuentra expliacada en 91% por la variable X (Publicidad)
ogramacin Lineal
Variables Publicidad - Ventas
790
2005
800
2006
850
2007
910
2008
990
2009
1080
2010
Publicidad
Sx =
195.86
Sy =
480392.31
resultado obtenido de nuestro coeficiente de correlacin.
a.
1080
2011
1100
2012
1200
2013
Variables
Ao
Publicidad
Ventas S/.
2000
0.55
264
2001
0.59
384
2002
0.68
400.2
2003
0.7
422.4
2004
0.75
543
2005
0.79
643
2006
0.8
700.2
2007
0.85
722.6
2008
0.91
883
2009
0.99
900.305
2010
1.08
1201.5
2011
1.08
1420.3
2012
1.1
1750.05
2013
1.2
1770.7
n=
14
Xmed
0.86
X2 =
Ymed
857.52
Y2 =
X.Y =
11605.44
Cov xy =
> Datos
> Coeficiente de Correlacin:

R=
0.95
Interpretacin: Las variables X (Publicidad) y Y (Ventas), presentan una relaci

> Funcin de la Recta:
B1 =
2337.26
B0 =
-1157.53
Interpretacin: Ante un incremento de la variable X (Publicidad) en UM, har incrementar en 2337.26 UM a la
> Varianza Residual:

'=
297173.38
Interpretacin: Se puede confirmar que el modelo es bueno, porque la varianza residual es pequea respecto
> Coeficiente de Determinacin:
^'=
0.91
Interpretacin: El resultado significa que la variable Y (Ventas) se encuentra expliacada en 91% por la variabl
Programacin Lineal
Anlisis de Variables Publicidad - Vent
2000
1800
1600
Ventas S/.
1400
1200
1000
800
600
400
200
0
0.55
2000
0.59
2001
0.68
2002
0.7
2003
0.75
2004
0.79
2005
0.8
2006
0.85
2007
0.91
2008
Publicidad
10.94
VARx =
0.54
13525608.53
VARy =
3230883.70
1255.19
bles X (Publicidad) y Y (Ventas), presentan una relacin fuerte y directa, de acuerdo al resultado obtenido de nuestro coeficien
Y = B0 - B1 x
blicidad) en UM, har incrementar en 2337.26 UM a la variable Y (Ventas).
eno, porque la varianza residual es pequea respecto al valor de la varianza observada.
Ventas) se encuentra expliacada en 91% por la variable X (Publicidad)
ogramacin Lineal
Variables Publicidad - Ventas
0.79
2005
0.8
2006
0.85
2007
0.91
2008
0.99
2009
1.08
2010
1.1
2012
1.2
2013
Publicidad
Sx =
0.73
X =
12.07
Sy =
1797.47
Y=
12005.255
resultado obtenido de nuestro coeficiente de correlacin.
a.
1.08
2011
X
Publicidad
0.55
0.59
0.68
0.7
0.75
0.79
0.8
0.85
0.91
0.99
1.08
1.08
1.1
1.2
X2
0.3025
0.3481
0.4624
0.49
0.5625
0.6241
0.64
0.7225
0.8281
0.9801
1.1664
1.1664
1.21
1.44
10.9431
Y
Ventas S/.
264
384
400.2
422.4
543
643
700.2
722.6
883
900.305
1201.5
1420.3
1750.05
1770.7
Y2
XY
69696
145.2
147456
226.56
160160.04 272.136
178421.76
295.68
294849
407.25
413449
507.97
490280.04
560.16
522150.76
614.21
779689
803.53
810549.093025 891.302
1443602.25 1297.62
2017252.09 1533.924
3062675.0025 1925.055
3135378.49 2124.84
13525608.5255 11605.44
10.9431 10.4060643 0.537035714
13525608.5255
12005.255
10294724.83
3230884

Estadistica VF

Cargado por

Copyright:

Formatos disponibles

Estadistica VF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica VF

Cargado por

Copyright:

Formatos disponibles

Variables

> Coeficiente de Correlacin:

Interpretacin: Las variables X (Publicidad) y Y (Ventas), presentan una relaci

Interpretacin: Ante un incremento de la variable X (Publicidad) en UM, har incrementar en 2337.26 UM a la

> Varianza Residual:

> Coeficiente de Determinacin:

Ventas S/. 1400000

blicidad) en UM, har incrementar en 2337.26 UM a la variable Y (Ventas).

eno, porque la varianza residual es pequea respecto al valor de la varianza observada.

Ventas) se encuentra expliacada en 91% por la variable X (Publicidad)

resultado obtenido de nuestro coeficiente de correlacin.

> Coeficiente de Correlacin:

Interpretacin: Las variables X (Publicidad) y Y (Ventas), presentan una relaci

Interpretacin: Ante un incremento de la variable X (Publicidad) en UM, har incrementar en 2337.26 UM a la

> Varianza Residual:

> Coeficiente de Determinacin:

blicidad) en UM, har incrementar en 2337.26 UM a la variable Y (Ventas).

eno, porque la varianza residual es pequea respecto al valor de la varianza observada.

Ventas) se encuentra expliacada en 91% por la variable X (Publicidad)

resultado obtenido de nuestro coeficiente de correlacin.

10.9431 10.4060643 0.537035714

También podría gustarte