You are on page 1of 7

2.

En un proyecto de clases, un equipo de estudiantes de mercadotecnia


trata de hacer un modelo que explique el alquilesr que pagan los estudiantes
por una vivienda cerca de la universidad. El alquiles resta en dlares SQFT
pies cuadrados del apartamento o casa y DIST. Distancia en millas desde la
casa a la escuela.

RENTA
Y

SQFT
X1

DIST. X2

220

900

3.2

810000

10.24

2880

198000

704

48400

165.32

250

1100

2.2

1210000

4.84

2420

275000

550

62500

280.07

310

1250

1.0

1562500

1250

387500

310

96100

391.85

420

1300

0.5

1690625

0.25

650

546000

210

196400

437.825

350

1275

1.5

2250000

2.25

1912.5

446250

525

122500

370.475

510

1500

0.5

1664100

0.25

750

765000

255

260100

492.725

400

1290

1.5

1876900

2.25

1935

516000

600

160000

374.795

450

1370

0.5

1960000

0.25

685

616500

225

202500

454.985

500

1400

0.5

2402500

0.25

700

700000

250

250000

463.625

10

550

1550

0.3

2402500

0.09

465

852500

165

302500

518.255

11

450

1200

0.5

14400000

0.25

600

540000

225

202500

406.025

12

320

1275

1.5

1625625

2.25

1912.5

408000

480

102400

370.475

4730

1510

13.7

20117250

24.17

16160

6250750 4499

= 89 + 0.2881 57.152
=89+0.288 (900)-57.15(3.2)=165.32
=89+0.288 (1100)-57.15(2.2)=280.07
=89+0.288 (1250)-57.15(1.0)=391.85

OBS.

1985900

1.
2.
3.

= + 1 1 + 2 2
1 = 1 + 1 12 + 2 1 2
2 = 2 + 1 1 2 + 222

1. 12bo+15410b1+13.7b2=4730
2. 15410bo+20117250b1+16160b2= 6250750
3. 13.7bo+16160b1+24.17b2=4499

Ecuacin 4
-184920bo-237468100b1-211117b2=72889300
-184920+241407000b1+193920b2= 75009000
3938900b1-17197b2=2119700
Ecuacin 5
-164.4bo-211117b1-187.69b2=- 64801
164.4bo +193920b1+290.04b2= 53988
-17197b1+102.35b2= -10813
b2 Ecuacin 4 y 5
-6.77x1010b1-295736809b2=-3.64x1010
-6.77x1010b1+403146415b2= -4.25 x1010
107409606b2= -6138844800
b2= -57.15
b1 Sustituir en la ecuacin 5
-17197b1+102.35(-57.15)= -10813
b1=0.288
b2 Sustituir en la ecuacin 1
12bo+15410(0.2886)+13.7(-57.15)= 4730
bo= 89
ERROR TIPICO DE LA ESTIMACION

( )2
1

220165.32 2 + 250280.07 2 + 310391.85 2 + 420437.825 2 ..

Se= =

= 46.083

1221

COEFICIENTE DE DETERMINACION
2 =

( )2
( )2

2
=

165.32 394.17 2 + 280.07 394.17 2 + 391.85 394.17 2 + 437.825 394.17


220 394.17 2 + 250 394.17 2 + 310 394.17 2 + 420 394.17 2

2 = 0.8438 = 84.38%
R= 0.9185= 91.85%

ANOVA
HO= b1=b2=0
HA= b1b2; o por lo menos 1 es diferente
FUENTE
SUMA DE
G.L. CUADRADOS
DE
CUADRADOS
MEDIOS
VARIACION
102514.7051
2
51257.35
Regresin
19112.8127
9
2123.64
Residuos
121491.6668
11
Totales

Conclusin:
Con el 95% de confianza rechazamos Ho y
decimos que si hay relacin entre las variables o
por lo menos una variable es diferente entre los
pies cuadrados del apartamento y la distancia en
millas desde la casa a la escuela.

F
CALCULADA
24.13

F
TABLA
2.201

PRUEBA DE LOS COEFICIENTES DE REGRESIN PARCIAL INDIVIDUALES


Para b1
12

1,2 =

12
1,2 =

1 2 /

2 /
22

2 2 /

16160 15410 13.7 /12


20117250 15410 2 /12 24.17 13.7 2 /12)

1,2 = 0.85649
1 =

2 (1 1,22 )

1
46.083

900 1284.17

+ 1100 1284.17

+ 1250 1284.17

+ 1300 1284.17

1 = 0.1558
=

0.288
= .
0.1558

= .

Conclusin:
Con el 95% de confianza aceptamos Ho y
decimos que no existe relacin entre la variable
renta (y) y SQFT (x1)

Para b2
1,2 = 0.1455
1 =

2 (1 1,22 )

1 =
1 = 30.57

46.083
3.2 1.14

+ 2.2 1.14

+ 1 1.14

+ 0.5 1.14

1 (0.85649 2 )

1 (0.85649 2 )

57.15
30.57

= 1.86

tt = 4.303

Conclusin:
Con el 95% de confianza aceptamos ho y decimos que
no existe relacin entre la variable renta (Y) y la DIST.
En millas desde la casa a la escuela(x2).

ANALISIS Y RESULTADOS FINALES


Con el 95% de confianza rechazamos Ho y decimos que si hay relacin
entre las variables o por lo menos una variable es diferente entre los pies
cuadrados del apartamento y la distancia en millas desde la casa a la
escuela.
b1: Con el 95% de confianza aceptamos Ho y decimos que no existe
relacin entre la variable renta (y) y SQFT (x1)
El valor de P es de 0.096 y el nivel de significancia es de 0.05 por lo tanto
aceptamos Ho.
b2: Con el 95% de confianza aceptamos ho y decimos que no existe
relacin entre la variable renta (Y) y la DIST. En millas desde la casa a la
escuela(x2).
El valor de P es de 0.094 y el nivel de significancia es de 0.05 por lo tanto
aceptamos Ho.
Debido a que se genero una multicolinealidad entre las variables x1 y x2 se
puede generar una tercera variable x3 o rechazar la variable x2 ya que es la
que presenta mayor grado de dispersin.
Las variables de SQFT(x1) y DIST (x2) es de
2 = 0.8438 = 84.38% podemos decir que las variables tienen un alto poder
explicativo.
Las variables de SQFT(x1) y DIST (x2) tienen una fuerte relacin que es de
R= 0.9185= 91.85%

La variacin de las observaciones reales en torno a la lnea de regresin es


de se= 46.083
El modelo de regresin mltiple se interpreta de la siguiente manera:
= 89 + 0.2881 57.152

EXCEL
Estadsticas de la regresin
Coeficiente de correlacin
mltiple
0.91843845
Coeficiente de determinacin
R^2
0.84352918
R^2 ajustado
0.80875788
Error tpico
45.9587992
Observaciones
12

ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresin
2
102481.766
51240.8828
Residuos
9
19009.901
2112.21122
Total
11
121491.667

Coeficientes Error tpico

Estadstico
t
Probabilidad

Inferior
95%

F
Valor crtico de F
24.2593554
0.00023711

Superior
95%

Inferior
95.0%

Superior
95.0%

Intercepcin 88.7859332 230.469907 0.38523873 0.70900719 432.573216 610.145082 432.573216 610.145082


Variable X 1 0.28861603 0.15541097 1.85711497 0.09625464 -0.062948 0.64018006 -0.062948 0.64018006
Variable X 2 -57.153592 30.4877386 -1.8746419 0.09360311 126.121648 11.814464 126.121648 11.814464

Anlisis de los residuales

Observacin
1
2
3
4
5
6
7
8
9

Pronstico para
Y
Residuos
165.648865 54.3511349
280.525663 -30.525663
392.402378 82.4023779
435.409975 15.4099753
371.040983 21.0409826
493.133181 16.8668188
375.370223 24.629777
455.613097 -5.6130974
464.271578 35.7284217

10
11

518.994701 31.0052989
406.548372 43.4516276
371.040983 51.0409826

12

MINITAB
Anlisis de regresin: RENTA Y vs. SQFT X1, DIST. X2
La ecuacin de regresin es
RENTA Y = 89 + 0.289 SQFT X1 - 57.2 DIST. X2

Predictor
Constante
SQFT X1
DIST. X2

Coef
88.8
0.2886
-57.15

S = 45.9588

Coef.
de EE
230.5
0.1554
30.49

T
0.39
1.86
-1.87

R-cuad. = 84.4%

P
0.709
0.096
0.094
R-cuad.(ajustado) = 80.9%

Anlisis de varianza
Fuente
Regresin
Error residual
Total
Fuente
SQFT X1
DIST. X2

GL
1
1

GL
2
9
11

SC
102482
19010
121492

SC sec.
95059
7423

MC
51241
2112

F
24.26

P
0.000