Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 32 vistas

    Técnicas Práctica

    Cargado por

    pengyuan gao
    El resumen analiza los datos de ventas y superficie de 14 tiendas para mujer. Muestra que existe una relación positiva fuerte entre las variables (R2=0.91) y que el modelo de regresión lineal es significativo para estimar las ventas en función de la superficie. Se estima que una tienda de 300m2 tendría ventas por $6,346 miles y que aumentar la superficie en 50m2 incrementaría las ventas en $907,5 miles.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Técnicas Práctica

    Cargado por

    pengyuan gao
    32 vistas8 páginas
    El resumen analiza los datos de ventas y superficie de 14 tiendas para mujer. Muestra que existe una relación positiva fuerte entre las variables (R2=0.91) y que el modelo de regresión lineal es significativo para estimar las ventas en función de la superficie. Se estima que una tienda de 300m2 tendría ventas por $6,346 miles y que aumentar la superficie en 50m2 incrementaría las ventas en $907,5 miles.

    Título original

    TÉCNICAS PRÁCTICA

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El resumen analiza los datos de ventas y superficie de 14 tiendas para mujer. Muestra que existe una relación positiva fuerte entre las variables (R2=0.91) y que el modelo de regresión lineal es significativo para estimar las ventas en función de la superficie. Se estima que una tienda de 300m2 tendría ventas por $6,346 miles y que aumentar la superficie en 50m2 incrementaría las ventas en $907,5 miles.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    32 vistas8 páginas

    Técnicas Práctica

    Cargado por

    pengyuan gao
    El resumen analiza los datos de ventas y superficie de 14 tiendas para mujer. Muestra que existe una relación positiva fuerte entre las variables (R2=0.91) y que el modelo de regresión lineal es significativo para estimar las ventas en función de la superficie. Se estima que una tienda de 300m2 tendría ventas por $6,346 miles y que aumentar la superficie en 50m2 incrementaría las ventas en $907,5 miles.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 8

    1.

    Los datos de la hoja “ropa” muestran, la superficie, en metros cuadrados, y el volumen de


    ventas, en miles de $, de 14 tiendas de una cadena de ropa para mujer. (ejemplo adaptado
    del libro: Berenson, Levine, Krehbiel (2001): Estadística para Administración. Editorial
    Prentice Hall). Se pide:
    a. Obtener el diagrama de dispersión considerando como variable independiente la
    superficie de la tienda, e indicar el carácter de la relación entre las dos variables
    H0 p=0 p-valor= <0,001
    H1 p=/0 p-valor= <0,05
    rechazo H0 p=/0
    b. Obtener la recta de regresión que explica las ventas como una función de la superficie de
    la tienda y concluir si ésta es significativa en la explicación de las ventas R^2 = 0,91 -> 91%
    El modelo sería una buena variable ya que la variable superficie explica un 91% la variable
    de ventas
    c. ¿Puede considerarse adecuado el modelo estimado en el apartado anterior para recoger
    la relación entre las dos variables? Es adecuado ya que explica un 91%
    d. Estimar el volumen de ventas de una tienda con 300 m2 de superficie.
    901,247*18,150*300= 6346,247 miles de dólares
    e.¿Cuánto se estima que variarán las ventas si incrementamos la superficie 50 m2 ?
    18,150*50= aumentarán 907,5 miles de dólares

    Ventas= Bo+B1*Superficie+u

    TEMA 1
    Definir analisis multivariable y saber aplicaciones (1 o 2)
    Conocer los tipos de variable
    Clasificación de las técnicas

    TEMA 2
    Saber que significa diapo 2
    Contraste de hipótesis (nula y alternativa)
    Errores y potencia
    Contraste de hipótesis tabla
    Escribir contraste, p valor y decisión.
    si es menor o mayor que 0,05
    H0 p=0 p-valor= <0,001
    H1 p=/0 p-valor= <0,05
    rechazo H0 p=/0

    R^2 = 0,91 -> 91%


    El modelo sería una buena variable ya que la variable superficie explica un 91% la variable
    de ventas
    2. Qué variable tiene más peso en el modelo de regresión
    Se utiliza los coeficientes estandarizados beta (son los coeficientes tipificados), en
    coeficientes a, se miran las cantidades, en este caso el que mayor peso tiene es viajero
    (tiene el número más grande)

    3. Comprobar la significatividad individual de cada una de las variables del modelo


    5. Comprobar si el modelo puede considerarse significativo en su conjunto
    Contrastes que tenemos que hacer en un modelo de regresión.
    1. H0: b0=b1=b2=b3=b4=0
    2. H1: existe algún b1
    Este contraste es para comprobar si el modelo es significativo, en su conjunto (si funciona o
    no, es decir si sirve para estimar pib o no)

    1º PASO (Pregunta 5. Comprobar si el modelo puede considerarse significativo en su


    conjunto) (Mirar en ANOVA)
    P-valor (sig): <0,001 se rechaza H0, el modelo es significativo
    2º PASO (Pregunta 3. Comprobar la significatividad individual de cada una de las
    variables del modelo) (Mirar en coeficientes a)

    Contrastes para cada variable


    Viajeros
    H0: B1=0
    H1: B1 no es igual a 0
    P-valor: 0,001<0,05 RECHAZO: es significativo porque influye en el modelo

    Establecimientos
    H0: B2=0
    H1: B2 no es igual a 0
    P-valor: 0,738 NO RECHAZO: no es significativo porque no influye en el modelo

    Plazas
    H0: B3=0
    H1: B3 no es igual a 0
    P-valor: 0,004 RECHAZO: no es significativo porque no influye en el modelo

    Personal
    H0: B4=0
    H1: B4 no es igual a 0
    P-valor: 0,963 NO RECHAZO: no es significativo porque no influye en el modelo

    4. Comentar el valor de coeficiente de determinación (Mirar R2 en Resumen del


    modelo)
    Porcentaje de PIB que queda explicado por las variables explicativas.
    R^2 aumenta cuando aumentan el número de variables, no me sirve para comparar.
    Siempre que haya que comparar usamos el R^2 ajustado.
    Nos dan un modelo significativo y no significativo (mirar tabla resumen de modelos)

    Problema multicolinealidad: se produce cuando hay relación entre las variables


    independientes del modelo, es decir alguna de las variables están muy relacionadas entre sí
    (aporta demasiada información) entonces hay que eliminarlo de alguna forma. Saber
    definición

    Situación ideal cuando VIF


    sea 1, si es mayor que 4 hay
    que quitarlo porque hay
    multicolinealidad.

    Miro la que tiene mayor VIF


    en coeficientes a
    Hay que quitar personal, establecimientos y tiene mayor multicolinealidad. es mas alta
    40,825 se mira si NO es significativo se quita.
    Pregunta examen: que variable eliminaría primero

    Modelo definitivo

    Pregunta 6,7,8
    PIB: 2342,85+0,283*VIAJEROS-0,619* PLAZAS

    También podría gustarte