Resumen

Estadísticas de la regresión
Coeficiente d 0.80880965
Coeficiente d 0.65417305
R^2 ajustado 0.61094468
Error típico 10.0895235
Observacione 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1540.51212 1540.51212 15.1329573 0.00460851
Residuos 8 814.387879 101.798485
Total 9 2354.9

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 38.3333333 6.89245672 5.5616357 0.00053365 22.4392996 54.227367 22.4392996
Variable X 1 4.32121212 1.11081998 3.89011019 0.00460851 1.75965665 6.88276759 1.75965665

Análisis de los residuales

Observación
Pronóstico para YResiduos
Residuos estándares
1 42.6545455 -8.65454545 -0.90980824
2 46.9757576 9.02424242 0.9486726
3 51.2969697 -3.2969697 -0.34659362
4 55.6181818 7.38181818 0.77601291
5 59.9393939 5.06060606 0.53199572
6 64.2606061 -14.2606061 -1.49914482
7 68.5818182 9.41818182 0.99008544
8 72.9030303 1.0969697 0.11531883
9 77.2242424 -14.2242424 -1.49532209
10 81.5454545 8.45454545 0.88878326
Superior 95,0%
54.227367
6.88276759
8. Los siguientes datos son un registro de las ventas semanales de neumáticos (en miles de unidades) de cierta
compañía.
a) Grafique los datos. ¿Qué componentes puede identificar?
b) Calcule el pronóstico para los periodos 11, 12 Y 13 utilizando Regresión lineal simple.

Semana Venta XY X^2

1 34 34 1
2 56 112 4
3 48 144 9
4 63 252 16 100
5 65 325 25 90
6 50 300 36 80
f(x) = 4.321212
7 78 546 49
70
8 74 592 64
60
9 63 567 81
50
10 90 900 100
40
5.5 62.1 PROMEDIO
30
3772 385 SUMA
20
10 n
10

Intercepción 38.3333333 a 38.3333333 0

0 2
Variable X 1 4.32121212 b 4.32121212

PERIODO 11 85.8666667 FUNCION Y=38,33 + 4,32X

PERIODO 12 90.1878788
PERIODO 13 94.5090909
dades) de cierta

Venta
100
90
80
f(x) = 4.32121212121212 x + 38.3333333333333
70
60
50
40
30
20
10
0
0 2 4 6 8 10 12
9. Los siguientes datos representan la demanda de escritorios. Utilizando promedios móviles ponderados con N =
4, calcule el pronóstico para los meses 13 y 14.

Mes Venta
1 50 n a
2 90 1 10%
3 150 2 15%
4 215 3 35%
5 310 4 40%
6 350 100%
7 300
8 280
9 360
10 300
11 380
12 400
13 374 374
14 376.6
onderados con N =
10. La demanda para cirugía de trasplante de corazón en el Washington General Hospital ha crecido
constantemente en los años pasados, como se aprecia en el siguiente cuadro:
El director de los servicios médicos predijo hace seis años que la demanda en el año 1 sería de 45 cirugías.
a) Desarrolle los pronósticos para los años 2 a 6. Use el suavizamiento exponencial doble,
primero con una constante de suavización de 0.6 y posteriormente con una de 0.9.
b) Elija el mejor pronóstico con base en el cálculo del MDA.
c) Grafique los pronósticos y ajuste la línea al comportamiento de la tendencia.

Año Cirugias 0.6 0.9 MAD 0,6 MAD0,9

1 45 45 45 0.00 0.00
2 50 45.00 45.00 5.00 5.00
3 52 48.00 49.50 4.00 2.50
4 56 50.40 51.75 5.60 4.25
5 58 53.76 55.58 4.24 2.43
6 56.30 57.76
PROMEDIO 3.77 2.84
MEJOR
PRONOSTICO
 gráfico pronosticos
70.00

60.00

50.00

40.00

30.00

20.00

10.00

0.00
1 2 3 4 5

Column D Column E
Resumen

Estadísticas de la regresión
Coeficiente d 0.8008902
Coeficiente d 0.64142511
R^2 ajustado 0.60158345
Error típico 1.89933692
Observacione 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 58.0781278 58.0781278 16.099359 0.00305281
Residuos 9 32.4673267 3.60748075
Total 10 90.5454545

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 0.38811881 2.06856767 0.18762684 0.85533111 -4.29130636 5.06754399 -4.29130636
Variable X 1 0.02811881 0.00700798 4.01240066 0.00305281 0.01226567 0.04397196 0.01226567

Análisis de los residuales

Observación
Pronóstico para YResiduos
Residuos estándares
1 6.01188119 2.98811881 1.65834389
2 6.57425743 -0.57425743 -0.31870095
3 11.6356436 0.36435644 0.20221026
4 9.66732673 -2.66732673 -1.48031095
5 6.29306931 -1.29306931 -0.71762662
6 11.3544554 -1.35445545 -0.75169465
7 8.26138614 -0.26138614 -0.14506388
8 4.32475248 -0.32475248 -0.18023088
9 8.26138614 -1.26138614 -0.70004311
10 8.54257426 1.45742574 0.80884102
11 11.0732673 2.92673267 1.62427586
Superior 95,0%
5.06754399
0.04397196
11. Una empresa de manufacturas basa las predicciones de sus ventas anuales en los resultados oficiales de la
demanda total en la industria. A continuación, se dan los datos de demanda total y las ventas efectuadas por la
empresa en los últimos 11 años.
Si la demanda total industrial es de 300000 toneladas, ¿Qué volumen de ventas se predeciría usando la recta de
regresión calculada?

TOTAL
(MILES DE VENTAS (MILES
Tm) DE Tm) XY X^2 VEN
200 9 1800 40000 16
220 6 1320 48400
14
400 12 4800 160000
330 7 2310 108900 12
f(x) = 0.02811881188
210 5 1050 44100 10 R² = 0.641425106366
390 10 3900 152100
8
280 8 2240 78400
140 4 560 19600 6

280 7 1960 78400 4

290 10 2900 84100
2
380 14 5320 144400
PROMEDIO 283.636364 8.36363636364 0
100 150 200
SUMA 28160 958400
N 11

Intercepción 0.38811881 A 0.38811881

Variable X 1 0.02811881 B 0.02811881
TONELADAS
FUNCION Y=0,38811881+0,02811881X 300000
RESULTADO 8436.03168316833 TONELADAS
ficiales de la
tuadas por la

do la recta de

VENTAS (MILES DE Tm)

f(x) = 0.028118811881188 x + 0.388118811881185

R² = 0.641425106366058

00 150 200 250 300 350 400 450

Resumen

Estadísticas de la regresión
Coeficiente d 0.91783623
Coeficiente d 0.84242334
R^2 ajustado 0.77939268
Error típico 24.0310891
Observacione 15

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 4 30873.4676 7718.36689 13.3652938 0.00050638
Residuos 10 5774.93245 577.493245
Total 14 36648.4

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -126.505323 32.2810662 -3.91887065 0.00287162 -198.43202 -54.578625 -198.43202
Variable X 1 0.17629336 0.04009485 4.39690737 0.00134152 0.08695646 0.26563027 0.08695646
Variable X 2 -1.56294762 2.0120529 -0.77679251 0.45526292 -6.04608086 2.92018561 -6.04608086
Variable X 3 1.5745378 0.44567437 3.53293327 0.00542023 0.58151343 2.56756218 0.58151343
Variable X 4 1.62928525 0.62871703 2.59144446 0.02688325 0.22841642 3.03015408 0.22841642

Análisis de los residuales

Observación
Pronóstico para YResiduos
Residuos estándares
1 102.349647 -1.34964711 -0.06645242
2 36.0866686 23.9133314 1.17741793
3 7.62399475 2.37600525 0.1169871
4 54.9614004 -27.9614004 -1.37673224
5 79.4761707 9.52382932 0.46892368
6 53.7668822 6.23311776 0.3068993
7 17.7231622 -1.7231622 -0.08484314
8 144.48466 39.5153395 1.9456122
9 46.3432171 -12.3432171 -0.60774155
10 0.38722239 16.6127776 0.81796141
11 99.8746903 -21.8746903 -1.0770416
12 135.421102 5.57889774 0.27468754
13 35.2872459 -24.2872459 -1.19582832
14 134.462244 -30.4622443 -1.499866
15 59.7516913 16.2483087 0.8000161
Superior 95,0%
-54.578625
0.26563027
2.92018561
2.56756218
3.03015408
12. Analizar la relación existente entre el grado de estrés de los trabajadores Y a partir del tamaño de la empresa
en que trabajan X1, el número de año que llevan en el puesto de trabajo actual X2 , salario anual percibido X3 y
la edad del trabajador X4.

OBS X1 TAMAÑO X2 AÑOS PUESTOS X3 SALARIO ANUAL X4 EDAD

1 812 15 30 38
2 334 8 20 52
3 377 5 20 27
4 303 10 54 36
5 505 13 52 34
6 401 4 27 45
7 177 6 26 50
8 598 9 52 60
9 412 16 34 44
10 127 2 28 39
11 601 8 42 41
12 297 11 84 58
13 205 4 31 51
14 603 5 38 63
15 484 8 41 30

Una vez hallada la relación pedida entre las variables, evaluar la capacidad predictiva del modelo y hallar
predicciones del grado de estrés de los trabajadores para los valores siguientes de las variables independientes:

PREDICCION X1 X2 X3 X4
1 302 9 44 42
2 351 8 65 62
3 381 9 52 53

PRONOSTICO GRADO
PREDICCION DE ESTRÉS
1 50.3783881269683
2 126.230709443341
3 94.8240039836119
 artir del tamaño de la empresa
2 , salario anual percibido X3 y

Y GRADO DE ESTRÉS
101 Coeficientes
60 Intercepción -126.505323 A
10 Variable X 1 0.17629336 B1
27 Variable X 2 -1.56294762 B2
89 Variable X 3 1.5745378 B3
60 Variable X 4 1.62928525 B4
16
184 FUNCION Y=A+B1X1+B2X2+B3X3+B4X4
34
17
78
141
11
104
76

tiva del modelo y hallar

las variables independientes:
Resumen

Estadísticas de la regresión
Coeficiente d 0.99954207
Coeficiente d 0.99908436
R^2 ajustado 0.99895355
Error típico 0.21992987
Observacione 17

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 738.878126 369.439063 7637.90701 5.39611E-22
Residuos 14 0.67716809 0.04836915
Total 16 739.555294

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción -0.01402223 0.24979509 -0.05613492 0.9560276 -0.54977941 0.52173496 -0.54977941
Variable X 1 0.02974917 0.00024799 119.963213 1.71624E-22 0.0292173 0.03028105 0.0292173
Variable X 2 -0.34986921 0.04656141 -7.51414495 2.81777E-06 -0.4497335 -0.25000491 -0.4497335

Análisis de los residuales

Observación
Pronóstico para YResiduos
Residuos estándares
1 8.06039405 -0.06039405 -0.29356612
2 8.45605805 -0.25605805 -1.24465843
3 8.43782883 0.06217117 0.30220439
4 9.48240451 -0.28240451 -1.37272445
5 9.97469003 0.22530997 1.0951968
6 11.1670463 0.23295367 1.13235161
7 12.4591257 0.34087435 1.65693728
8 13.8404525 -0.24045249 -1.16880222
9 14.8548993 -0.25489928 -1.23902581
10 16.221937 0.17806296 0.86553639
11 17.515314 0.28468604 1.38381462
12 18.6765762 -0.07657616 -0.37222481
13 20.0194349 -0.01943487 -0.09446989
14 21.8647222 0.03527777 0.17147976
15 25.1380964 -0.23809645 -1.15734986
16 27.2879964 0.0120036 0.05834765
17 29.0430237 0.05697633 0.27695309
Superior 95,0%
0.52173496
0.03028105
-0.25000491
13. La novak corporation desea desarrollar un modelo de pronóstico para la proyección de la venta futura. Ya
que la corporación tiene tiendas a lo largo de una extensa región se eligen los ingresos personales disponibles
(x1) como variable explicativa posible. A continuación, se presentan los siguientes datos anuales desde 2000 a
2016:00:00
a) Calcular las ventas para las siguientes variables

PREDICCION X1 X2 RTA PRONOSTICO VENTAS

1 506 6.6 12.7299223539784
2 783 4.3 21.7751423399641
3 689 3.8 19.1536547177858

AÑO VENTAS(MILLONES) INGRESO PERSONAL(MILLONES) TASA DE DESEMPLEO(%)

2000 8 336.1 5.5
2001 8.2 349.4 5.5
2002 8.5 362.9 6.7
2003 9.2 383.9 5.5
2004 10.2 402.8 5.7
2005 11.4 437 5.2
2006 12.8 472.2 4.5
2007 13.6 510.4 3.8
2008 14.6 544.5 3.8
2009 16.4 588.1 3.6
2010 17.8 630.4 3.5
2011 18.6 685.9 4.9
2012 20 742.8 5.9
2013 21.9 801.3 5.6
2014 24.9 903.1 4.9
2015 27.3 983.6 5.6
2016 29.1 1076.7 8.5
e la venta futura. Ya
rsonales disponibles
nuales desde 2000 a

Coeficientes
Intercepción -0.01402223 A
Variable X 1 0.02974917 B1
Variable X 2 -0.34986921 B2

FUNCION Y=A+B1X1+B2X2