) se tiene datos de una determinada empresa, en los q se reflejan los precios (variable x1) de los 5 productos que se comercializan,

as como el coste de los factores que intervienen en la elaboracin de estos productos. Dichos datos se reflejan en la siguiente tabla Precios productos (100 soles) 14, 24, 25, 45, 47 Precio factores (100 soles) 15, 16, 15, 12, 10 Los datos se reflejan en la poltica de precios de esta empresa as condicionada por causas externas a la misma (precios de la competencia, impuestos, precios de promocin, etc.) a) A partir de estos datos se puede establecer una relacin de tipo lineal que explique el precio del producto en funcin del precio de los factores?cul es el modo lineal? Interpretar cada uno de los coeficientes del modelo. Ingresar los datos al programa:

Responder la primera pregunta: Que se debe de hacer para responder la primera pregunta (se puede establecer una relacin de tipo lineal que explique el precio del producto en funcin del precio de los factores? Cul es el modo lineal?) ANALIZAR/REGRESION/LINEAL/ESTADISTICO/SEALAR ESTIMACION Y AJUSTE DEL MODELO/continuar/aceptar

Tendramos que hacer dos pasos en el programa: ANALIZAR/REGRESION/LINEAL/ESTADISTICO/SEALAR ESTIMACION Y AJUSTE DEL MODELO/continuar/aceptar Cuando es estimacin: cuando el modelo si es lineal se va estimaciones donde se dice los coeficientes.
REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT PrecioProducto /METHOD=ENTER PrecioFactores.

Regresin

[Conjunto_de_datos0]

Variables introducidas/eliminadas Modelo Variables introducidas

di

Variables eliminadas
a

Mtodo Introducir

PrecioFactores

me

nsi

on

a. Todas las variables solicitadas introducidas. b. Variable dependiente: PrecioProducto

Resumen del modelo Modelo R

dimensi

R cuadrado R cuadrado ,894

a

Error tp. de la estimacin ,733 7,43063

corregida

,799

on0

Resumen del modelo Modelo R

dimensi

R cuadrado R cuadrado ,894

a

Error tp. de la estimacin ,733 7,43063

corregida

,799

on0

a.

Variables predictoras: (Constante), PrecioFactores

************************************************************************************************************

Coeficiente de correlacin: R=0,894 (mide el grado de asociacin) que digo: segn el coeficiente de correlacin me est indicando que el precio de producto mantiene una alta relacin con el precio de los factores. Coeficiente de determinacin: R2 = 0,799 = 79,9%, que nos dice este coeficiente: cuanto explica el modelo sobre la variable (x,y). la variacin del precio del producto(y) es explicado en un 79.9% por las variaciones del precio de los factores . otro: el 79.9% del modelo lineal explica al precio del producto.
Error tpico de estimacin:

Sy/x= (SIGMA)y/x= 7,431 La dispersin, la variabilidad o grado de separacin de los datos observados entre el precio del producto en el precio de los factores respecto de la lnea de regresin es 7,431. Finalmente digo: Si se puede establecer que hay una relacin de tipo lineal entre las variables evaluadas de acuerdo a los resultados obtenidos.

ANOVA Modelo Suma de cuadrados 1 Regresin Residual Total 660,357 165,643 826,000 gl

Media cuadrtica 1 3 4 660,357 55,214 F 11,960 Sig. ,041

a

a. Variables predictoras: (Constante), PrecioFactores b. Variable dependiente: PrecioProducto

Coeficientes Modelo

Coeficientes Coeficientes no estandarizados tipificados t Sig.

B 1 (Constante) PrecioFactores 100,619 -5,119

Error tp. 20,403 1,480

Beta 4,931 -,894 -3,458 ,016 ,041

a. Variable dependiente: PrecioProducto

Y= 100,619 - 5,119X Cul es el modelo? Los coeficientes son para hallar el modelo, de acuerdo a los valores de B, y el modelo es: Y= 100,619 - 5,119X Pero tambin dice interpretar: Que significa: a=B0=100,619 (Valor esperado de la variable dependiente, cuando la variable independiente es cerapio) es el precio del producto promedio cuando el precio de los factores es igual a cero. O sea no se cuento el precio de los impuestos y/o insumos. b= B1=-5,119 Esto indica: el tipo de cambio, B1=-5,119 indica la disminucin porque es negativo, de los precios de los productos por cada variacin unitaria de los precios de los factores.

b) Si la empresa piensa en comercializar un producto en el que el coste de los factores de 13000 soles. qu pronostico hara usted para el pronstico de dicho producto? Para pronosticar usamos el modelo. Reemplazamos x en la ecuacin: Y= 100,619 - 5,119(13) Y= 34,072 El precio de ese producto se pronostica en unos 34,072 nuevos soles del mencionado producto. *** Para la matriz de varianza es sola para variables regresoras. (Determine la matriz de varianza y covarianzas) c) Justifique con un nivel de significancia de 1% la validez del modelo lineal ANALIZAR/REGRESION/LINEAL/ESTADISTICO/SEALAR AJUSTES DEL MODELO/continuar/aceptar

Como se justifica??? ** Tericamente: hacer la ANOVA, nos planteamos un contraste de hiptesis; realizando una hiptesis nula y otra no. HO : B = 0 H1 : B 0 = 1% Estadstica de prueba ANOVA *****

ANOVA Modelo Suma de cuadrados 1 Regresin Residual Total 660,357 165,643 826,000 gl

Media cuadrtica 1 3 4 660,357 55,214 F 11,960 Sig. ,041

a

a. Variables predictoras: (Constante), PrecioFactores b. Variable dependiente: PrecioProducto

A partir de esta anova toma una decisin. DECISION: La anova sirve para ver si el modelo es vlido o no es vlido (anova dice: significativos son, en forma conjunta) se basa en la significancia. Visto el cuadro de la anova, la significancia P > 0,01, entonces se acepta la hiptesis nula porque p es mayor a 0,01. Que quiere decir? Esto quiere decir que el modelo lineal no es vlido en forma altamente significativa. Sin embargo si es vlido en forma significativa. Por qu? Porque es menor que 0,05.

Ahora sern todos los componentes significativos, ahora evaluar en forma individual. Como hago? Onsta: ANALIZAR/REGRESION/LINEAL/ESTADISTICO/SEALAR ESTIMACION /continuar/aceptar

Coeficientes Modelo

Coeficientes Coeficientes no estandarizados B Error tp. 20,403 1,480 -,894 tipificados Beta t 4,931 -3,458 Sig. ,016 ,041

(Constante) PrecioFactores

100,619 -5,119

a. Variable dependiente: PrecioProducto

Evaluacin individual (t) CONTRASTE INDIVIDUAL: H0: B0=0 H1: B00 = 0,01 Estadstica de prueba: t = (B0 - B0)/SB0 = (100,619-0)/ 20,403 DECISIONES: Dado que sig p > 0,01 -> Se acepta H0.

d) Hallar e interpretar los intervalos de confianza de los parmetros del modelo lineal con un nivel de confianza del 99% ANALIZAR/REGRESION/LINEAL/ESTADISTICO/SEALAR INTERVALO DE CONFIANZA/continuar/aceptar

Coeficientes Modelo

Intervalo de confianza de 99.0% para B Lmite inferior Lmite superior 219,793 3,527

(Constante) PrecioFactores

-18,555 -13,765

a. Variable dependiente: PrecioProducto

Por lo tanto:
-18,555 219,793 -13,765 B 3,527

Los intervalos pueden ocurrir: - + = no significativo - - = significativo ++=significativo

BO es el precio de los productos: se estima que el precio de todos los productos (por que de todo, porque es un parmetro), entre -18,555 a 219,793 miles de soles con un nivel de confianza del 99%. B1 es el cambio: se estima que el cambio del precio de los productos por cada variacin unitaria del precio de los factores es -13,765 a 3,527 con un nivel de confianza del 99%.

e) Hallar e interpretar los intervalos de confianza para el precio medio de los productos y para la prediccin individual cuando el precio de los factores es 13000 soles con un nivel de confianza de 95%. ANALIZAR/REGRESION/LINEALES/GUARDAR/INTERVALOS DE PRONOSTICO: MEDIA E INDIVIDUO/continuar/aceptar

Intervalo para la media: 23,12472 (mu) 45,01813 Intervalo para la prediccin: 8,01306 Yo 60,12980

El precio medio de todos los productos se estima entre 23,12472 a 45,01813 miles de soles con un nivel de confianza del 95%. Para la prediccin de Yo, el precio del producto para cuando el precio de los factores es 13 000 soles se estima entre 8,01306 a 60,12980 miles de soles con un nivel de confianza del 95%. f) Demostrar los requisitos que debe cumplir los residuos. Existe una relacin lineal Que los residuos se distribuyan en forma normal con media cero y varianza constante

ANALIZAR/REGRESION/LINEAL/GUARDAR/SEALAR RESIDUOS NO TIPIFICADOS/continuar/aceptar

Requisito prueba de normalidad: Grficamente: Histograma: GRAFICOS/CUADROS DE DIALOGOS ANTIGUOS/HISTOGRAMA/Pasar residuos a variables/sealar curva normal/continuar/aceptar

Grafico de la probabilidad normal Analizar/estadstico descriptiva/grafico QQ/Pasar residuo a variable/aceptar

Para validar de manera objetiva la prueba de normalidad realizamos la prueba de Kolmogrov Smirnov y Shapiro Willk Analizar/estadsticos descriptivos/explorar/pasar residuos a lista de dependientes/grafico/sealar grficos con prueba de normalidad/continuar/aceptar Ho= los residuos estn distribuidos aproximadamente de forma normal H1= los residuos no estn distribuidos aproximadamente de forma normal = 0,05 Estadstico de prueba: Decisin: La sig p > 0,05 en ambas pruebas, entonces se acepta la hiptesis nula.