1) Los diseñadores de mochilas usan materiales exóticos como supernailon Derlin, polietileno de

alta densidad, aluminio para aviones o espumas termo-moldeadas para hacer que las mochilas
sean más confortables y que el peso se distribuya uniformemente eliminándose así los puntos
de mayor presión. En los datos siguientes se proporciona capacidad (en pulgadas cúbicas),
evaluación del confort, y precio de 10 mochilas probadas por Outside Magazine. El confort
está medido con una escala del 1 al 5, en la que 1 denota un confort mínimo y 5 un confort
excelente. (Outside Buyer’s Guide, 2001).

a)Obtenga la ecuación de regresión estimada que permita predecir el precio de una mochila,
dada su capacidad y la evaluación de su confort.
1. LA RELACIÓN ESPERADA (TEÓRICA) o Capacidad – precio: Relación directa o Confort –
precio:
Relación directa o Capacidad – confort: No hay relación
2. DIAGRAMAS DE DISPERSIÓN: o Capacidad – precio: Contra lo esperado podemos observar que
los datos no presentan relación alguna, ver el siguiente diagrama:
confort – precio: Según lo esperado podemos observar que los datos presentan relación directa,
con algunos puntos dispersos.
Capacidad – confort: Contra lo esperado podemos observar que los datos presentan relación
directa, con algunos puntos dispersos

CORRELACIÓN - PRUEBA DE HIPÓTESIS ENTRE VARIABLES

• Ho: ρ=0: la correlación no es significativa
• Ha: ρ≠0: la correlación es significativa
• Según lo observado en la siguiente tabla:
COEFICIENTE DE CORRELACIÓN R=0.912 Existe una correlación alta significativa entre el
confort
y la capacidad con el precio.

COEFICIENTE DE DETERMINACIÓN AJUSTADO: R2ADJ=0.784

El confort y la capacidad explican en 78.4% a la estimación del costo, y no es explicado en 21.6%

PRUEBA DE VALIDEZ DEL MODELO:

Ho: El modelo no es significativo
Ha: El modelo es significativo.
EL MODELO – EVALUACION DE LOS PARAMETROS. Ho: βi=0; Ha: βi≠0

o Para Ho: β1=0, Ha: β1≠0, la capacidad NO contribuye significativamente para estimar el precio
en el modelo. o Para Ho: β2=0, Ha: β2≠0, el confort si contribuye significativamente para estimar
el precio en el modelo. Por lo tanto, redisenamos el modelo con una variable menos, donde el
nuevo modelo a buscar es: Precio = bo + b1*Confort

8. COEFICIENTE DE CORRELACION NUEVO R=0.849 Existe una correlación alta significativa

entre el
confort con el precio

9.COEFICIENTE DE DETERMINACION AJUSTADO NUEVO:

R2ADJ=0.721
El confort explica en 72.1% a la estimación del precio, y no es explicado en 27.9%
10. PRUEBA DE VALIDEZ DEL MODELO:
Ho: El modelo no es significativo
Ha: El modelo es significativo
Como p-valué=0.002, entonces con 5% de n.s. se rechaza Ho. El modelo es significativo.
11. EL MODELO – EVALUACION DE LOS PARAMETROS.
Ho: βi=0; Ha: βi≠0

EL MODELO ES:
Precio de la mochila = -41.618 + 93.876*Confort
El precio de la mochila sin nivel de significancia y con las dos variables es:
Precio = 356.121 -0.099*Capacidad +122.867*Confort
Sin embargo, con nivel de significancia al 5%, el modelo estimado es: Precio = -41.618 +
93.876*Confort

b. Interprete b1 y b2.
Con el primer modelo en el que el primer coeficiente (capacidad) no contribuye
significativamente al modelo:
0.099 es la estimación del decremento esperado en el precio que corresponde al aumento en una
pulgada cubica en la capacidad cuando el confort permanece constante.
122.867 es la estimación del aumento esperado en el precio que corresponde al aumento de la
evaluación del confort cuando la capacidad permanece constante.
• Con el segundo modelo en el que si hay nivel de significancia:
93.876 es la estimación del aumento esperado en el precio que corresponde al aumento de la
evaluación del confort cuando la capacidad permanece constante.

c. Diga cuál será el precio de una mochila cuya capacidad sea 4500 pulgadas cúbicas y la eva-
luación de su confort sea 4.
Con el primer modelo en el que el primer coeficiente (capacidad) no contribuye significativamente
al modelo:
Precio = 356.121 -0.099*(4500) +122.867*(4) = 402.09 = 402
Con el segundo modelo en el que si hay nivel de significancia:
Precio = -41.618 + 93.876*(4) = 333.89 = 334
Regresión Múltiple - Precio $
Variable dependiente:
Precio $ Variables independientes:
Capacidad (Pulgadas cúbicas)
Confort (Nivel de satisfacción)

El StatAdvisor La salida muestra los resultados de ajustar un modelo de regresión lineal múltiple
para describir la relación entre Precio $ y 2 variables independientes. La ecuación del modelo
ajustado es
Precio $ = 356,121 - 0,098744*Capacidad (Pulgadas cúbicas) + 122,867*Confort (Nivel de
satisfacción)
Puesto que el valor-P en la tabla ANOVA es menor que 0,05, existe una relación estadísticamente
significativa entre las variables con un nivel de confianza del 95,0%.
El estadístico R-Cuadrada indica que el modelo así ajustado explica 83,1842% de la variabilidad en
Precio $. El estadístico R-Cuadrada ajustada, que es más apropiada para comparar modelos con
diferente número de variables independientes, es 78,3797%. El error estándar del estimado
muestra que la desviación estándar de los residuos es 51,1363. Este valor puede usarse para
construir límites para nuevas observaciones, seleccionando la opción de Reportes del menú de
texto. El error absoluto medio (MAE) de 36,7216 es el valor promedio de los residuos. El
estadístico de Durbin-Watson (DW) examina los residuos para determinar si hay alguna
correlación significativa basada en el orden en el que se presentan en el archivo de datos. Puesto
que el valor-P es mayor que 0,05, no hay indicación de una autocorrelación serial en los residuos
con un nivel de confianza del 95,0%.
Para determinar si el modelo puede simplificarse, note que el valor-P más alto de las variables
independientes es 0,0684, que corresponde a Capacidad (Pulgadas cúbicas). Puesto que el valor-P
es mayor o igual que 0,05, ese término no es estadísticamente significativo con un nivel de
confianza del 95,0% ó mayor. Consecuentemente, debería considerarse eliminar Capacidad
(Pulgadas cúbicas) del modelo.

El StatAdvisor Esta tabla muestra intervalos de confianza del 95,0% para los coeficientes en el
modelo. Los intervalos de confianza muestran con qué precisión pueden estimarse los coeficientes
dados la cantidad de datos disponibles, y el nivel de ruido que está presente
El StatAdvisor La tabla de residuos atípicos enlista todas las observaciones que tienen residuos
Estudentizados mayores a 2, en valor absoluto. Los residuos Estudentizados miden cuántas
desviaciones estándar se desvía cada valor observado de Precio $ del modelo ajustado, utilizando
todos los datos excepto esa observación. En este caso, hay un residuo Estudentizado mayor que 2,
pero ninguno mayor que 3

TAREA #3 Problema 18.4 pags 788 Berenson 6° ed

Suponga que una compañía grande de productos de consumo desea medir la efectividad de
los diferentes medios de propaganda en la promoción de sus productos. En especial se van a
estudiar 2 tipos de medios de promoción: propaganda en radio y tv y propaganda en
periódico. Se selecciono una muestra de 22 ciudades cuya población es aproximadamente
igual para realizar un estudio durante un periodo de prueba de un mes. A cada ciudad se le
asigno un nivel de gasto especifico para publicidad en radio y tv y para la publicidad en
periódico. Se registraron las ventas del producto durante el mes de prueba, junto con los
niveles de gastos de los medios y se tuvieron los siguientes resultados
 Nombre y URL de 2 videos que hayas visto en YouTube sobre EL
USO DEL SOFTWARE ESTADÍSTICO que elegiste para la resolución
de las tareas.

Fuentes de información bibliográfica o digital utilizadas

STATGRAPHICS

Regresión Lineal SIMPLE y MÚLTIPLE

: Resuelve y Analiza Casos de Estudio en EXCEL
https://www.youtube.com/watch?v=BmJoc4iR8GY
Regresión y Correlación Múltiple
https://www.youtube.com/watch?v=LgFYGbH1NJk