La inmobiliaria ha observado que al pasar los semestres han alquilado menos unidades. El gerente cree que se debe al aumento de la inseguridad y los costos de matrícula. Se muestran las variables de inseguridad, costo de matrícula y unidades alquiladas mensualmente. El análisis de regresión muestra una correlación del 85% entre las variables, explicando el 72.7% de la variabilidad. El análisis de varianza es significativo con un valor p de 0.01. La curva de regresión ajustada pred
100%(2)100% encontró este documento útil (2 votos)
769 vistas16 páginas
La inmobiliaria ha observado que al pasar los semestres han alquilado menos unidades. El gerente cree que se debe al aumento de la inseguridad y los costos de matrícula. Se muestran las variables de inseguridad, costo de matrícula y unidades alquiladas mensualmente. El análisis de regresión muestra una correlación del 85% entre las variables, explicando el 72.7% de la variabilidad. El análisis de varianza es significativo con un valor p de 0.01. La curva de regresión ajustada pred
La inmobiliaria ha observado que al pasar los semestres han alquilado menos unidades. El gerente cree que se debe al aumento de la inseguridad y los costos de matrícula. Se muestran las variables de inseguridad, costo de matrícula y unidades alquiladas mensualmente. El análisis de regresión muestra una correlación del 85% entre las variables, explicando el 72.7% de la variabilidad. El análisis de varianza es significativo con un valor p de 0.01. La curva de regresión ajustada pred
La inmobiliaria ha observado que al pasar los semestres han alquilado menos unidades. El gerente cree que se debe al aumento de la inseguridad y los costos de matrícula. Se muestran las variables de inseguridad, costo de matrícula y unidades alquiladas mensualmente. El análisis de regresión muestra una correlación del 85% entre las variables, explicando el 72.7% de la variabilidad. El análisis de varianza es significativo con un valor p de 0.01. La curva de regresión ajustada pred
Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
Descargar como xlsx, pdf o txt
Está en la página 1/ 16
Ejercicio clase Tablas de Anova:
1.una inmobiliaria especializada en apartamentos para universitarios, ha observado con preocupación que al pasar los s también piensa que se debe al aumento en los costos en las matriculas [costo medio del semestre] (z) que pagan los es
1: cuadro PROPORCIONA LOS COEFICIENTES DE AJUSTED DEL MODELO
Estadísticas de la regresión Coeficiente de correlación múltiple 0.85 Coeficiente de determinación R^2 0.726648851372028 R^2 ajustado 0.648548523192607 Error típico 14.812797406421 Observaciones 10 SOLUCION: 85.0% La relacion del coeficiente de correlacion multiple es debil el 72,7% de la variabilidad es explicada por nuestras variables. El resto de la variabilidad (27,3%) e 72.7% explicativas) que no son tenidos en cuenta en este ejemplo.
2: cuadro ANALISIS DE LA VARIANZA ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Regresión 2 4082.96723097429 Residuos 7 1535.93276902572 Total 9 5618.9 SOLUCION: En este caso, es de 0,01 ,significa que hay un riesgo 1,1% de error. Concluyendo que las variables explicativas originan una cantidad de informacion poco significativa al modelo.
3:cuadro CUADRO PARA PREVISIONES
Coeficientes Error típico
Intercepción 854.916617913224 57.4357114655731 Variable X 1 -961.29888813832 648.451539305958 Variable X 2 -4.23595852073605E-05 1.89756474564769E-05 SOLUCION: Y^=ax+bz+c Y^=-961,30X(0,09)+-4,23z(4500000)+854,92 y^= 86,517+19035000+854,92 y^=19035941
Vemos que el p-value asociado a la prueva de la inmobiliaria de los universitarios es aproximadamente de 0,18 y que valor 0. Eso corrobora el escaso impacto sobre modelo.
arios, ha observado con preocupación que al pasar los semestres han alquilado menos unidades habitacionales(Y). El gerente de la inmo atriculas [costo medio del semestre] (z) que pagan los estudiantes, haciendo que busquen alternativas de viviendas más económicas. En
100% -27.3% 72.7%
ultiple es debil nuestras variables. El resto de la variabilidad (27,3%) es debido a efectos (variables en este ejemplo.
Promedio de los cuadrados F Valor crítico de F
2041.48361548714 9.304043508 0.01067881741375 1.1 219.418967003674 d de informacion poco significativa al modelo.
Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%
de los universitarios es aproximadamente de 0,18 y que el intervalo de confianza de 572,04% asociado roza el r 0. Eso corrobora el escaso impacto sobre modelo. bitacionales(Y). El gerente de la inmobiliaria afirma que se debe al aumento de la inseguridad del sector (x), pero s de viviendas más económicas. En la tabla se muestran el comportamiento mensual de las variables Superior 95,0% 990.7304941522 572.0453476872 2.51069096E-06 Resumen
Estadísticas de la regresión Coeficiente de correlación múltiple 0.85243701 Coeficiente de determinación R^2 0.72664885 R^2 ajustado 0.64854852 Error típico 14.8127974 Observaciones 10
ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadradosF Valor crítico de F Regresión 2 4082.96723 2041.48362 9.30404351 0.01067882 Residuos 7 1535.93277 219.418967 Total 9 5618.9
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
00,000 Y= categoria X=Encuestados Z= Categoria 1 5 Teniendo en cuenta que el valor pos 1 1 1 Teniendo en cuenta que el valor pos 2 1 1 3 1 1 4 1 1 5 1 1 6 1 0 7 1 0
1:Cuadro PROPORCIONA LOS COEFICIENTES DE AJUSTES DEL MODELO Estadísticas de la regresión Coeficiente de correlación múltiple 0.804134613350987 SOLUCION: Coeficiente de determinación R^2 0.646632476389141 0.0% R^2 ajustado 0.469948714583712 Error típico 0.355250175234127 64.6% Observaciones 7
2: Cuadro ANALISIS DE LA VARIANZA ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Regresión 2 0.92376068 0.46188034 3.659829685431 Residuos 4 0.50481075 0.12620269 Total 6 1.42857143
3:cuadro CUADRO PARA PREVISIONES Coeficientes Error típico Estadístico t Probabilidad Intercepción 1.42857142857143 0.3002412 4.75807931 0.008917771719 Variable X 1 -0.178571428571429 0.06713597 -2.6598472 0.056399343669 Variable X 2 0 0 65535 #NUM!
Vemos que el p-value asociado a la prueba de la empresa YOPAL AUTOS LT
aproximadamente de 0,056 y que el intervalo de confianza de 95% asociado roza el impacto sobre modelo. Análisis de los residuales
Observación Pronóstico para Y Residuos
1 1.25 -0.25 2 1.07142857142857 -0.07142857 3 0.892857142857143 0.10714286 4 0.714285714285714 0.28571429 5 0.535714285714286 0.46428571 6 0.357142857142857 -0.35714286 7 0.178571428571429 -0.17857143 ndo en cuenta que el valor positivo hace referencia al SI, y este se identifica con el valor de 1 ndo en cuenta que el valor positivo hace referencia al NO, y este se identifica con el valor de 0
La relacion del coeficiente de correlacion multiple es fuerte y directa
el 64.6% de la variabilidad es explicada por nuestras variables. El resto de la variabilidad (35,4%) es debido a efectos (variables explicativas) que no son tenidos en cuenta en este ejemplo.
Valor crítico de F 0.12486861 SOLUCION: En este caso hay un 0,12.Significa que existe un riesgo del 12,4% de error Concluyendo que las variables explicativas originan una cantidad de informacion muy significativa a
anza de 95% asociado roza el valor 0. Eso corrobora el escaso o sobre modelo. rmacion muy significativa al modelo. Resumen
Estadísticas de la regresión Coeficiente de correlación múltiple 0.80413461 Coeficiente de determinación R^2 0.64663248 R^2 ajustado 0.46994871 Error típico 0.35525018 Observaciones 7
ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadradosF Regresión 2 0.92376068 0.46188034 3.65982969 Residuos 4 0.50481075 0.12620269 Total 6 1.42857143
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 1.42857143 0.3002412 4.75807931 0.00891777 Variable X 1 -0.17857143 0.06713597 -2.6598472 0.05639934 Variable X 2 0 0 65535 #NUM!
