21. a) Lamatriz de correlacién de Pantalla y Precio es 0.893. Asi que no parece haber una relacién lineal entre ambas. |b) Precio es la variable “dependiente’ ¢) La ecuacién de ragresién es Precio Por cada pulgada de aumento de tamafio de precio se eleva $101 en promedia. d) Usando variables indicadoras “ficticias” para Sharp y Sony, la ecuacién de regresi@n es Precio = —2308 + 94.1 Pantalla + 15 fabricante Sharp + 381 fabricante Sony. Sharp puade obtener, en promedio, $15 mas que Samsung, y Sony puede obtener una ganancia adicional de $381 mas que Samsung. e) Acontinuacién, una parte de la salida: Predictor Coef SE Coef T PB -2308.2 492.0 -4.69 g.000 54.12 10.83 8.69 o.000 Manufacturer Sharp 15.1 171.6 0.09 O.931 Manufacturer Sony 381.4 168.8 2.26 0.036 2 484 + 101 Pantalla. pantalla, el El valor p de Sharp es relativamente grande. No puede rechazarse una prueba de su coeficiente. Eso significa que puade no tener una ventaja real sobre Samsung. Por otra parte, el valor p del cosficiente de Sony es bastante paquefio. Eso indica que no ocurrié par azar, y que existe cierta ventaja real de Sony sobre Samsung. f) Un histagrama de los residuos indica que siguen una. distribucién normal. .g) La variacién residual puede estar aumentanda para valores ajustados mas grandes.23 a) - Diagrama de disprsin de Veras conta Publciad, Cuenas, Compatidores, Potencial Las ventas parecen disminuir con el nimero de competidores y ‘aumentan con al niimero de cuentas y el potencial 6) Correlaciones de Pearson Sales Advertising Accounts Competitors Advertising 0.158 Accounts: 0.783 0.273 Competitors =0.222 -0.038 = =0.a24 Potential 0.407 -0.07 0.468. 0.202 Ei niimero de cuentas y el potencial de mercado estén moderadamente correlacignadas. 2) La-ecuacién de regresion es: ‘Ventas = 178 + 1.81 Publicidad + 3.32 Guentas - 21.2 Gompatidores + 0.25 Potencial Predictor Coef SE Coef T PB constant 178.32 12.96 13.76 @.000 Advertising 1.807 «1.081 «1.67 0.109 Accounts 3.3178 0.1623 20.37 9.000 Competitors —21.1850 0.7879 26.89 9.000 Potential 0.3245 0.4678 0.69 0.495 S = 9.60441 R-Sq = 98.9% R-Sgladj) = 98.7% analysis of Variance Source DF sso MS F E Regression 4 176777 44194 479.10 0.000 Residual Error 21 1937 92 Total 25 178714 Ei valor F calculade es muy grande. Por lo tanto, puede rechazar la hipétesis nula que todes los coeficientes de regresion son cero. Goncluya que algunas de las variables independientes son eficaces en explicar las ventas. d) El potencial de mercado y la publicidad tienen valores p grandes (0.495 y 0.109, respectivamente). Probablemente deba ‘omitirias. ¢) Si omite el potencial, la ecuacién de regresién es: Ventas = 180 + 1.68 Publicidad + 3.37 Cuentas — 21.2 (CompetidoresPredictor Coef SE Cost Pe Constant 179.84 12.62 0.000 Advertising 1.677 1.052 0.125 3.3694 0.1432 0.000 Competitors -21.2165 0.7773 0.000 Ahora la publicidad no es importante. Esta también conduciria a dejar fuera la variable publicidad y reportar que la ecuacién de regresion pulida es: Ventas = 187 + 3.41 Cuentas — 21.2 Compatidores Predictor Coef SE Coef T PB constant 186.65 12.26 15.23 0.000 Accounts 3.4081 0.2458 23.37 0.000 Competitors —21.1930 0.8028 —26.40 0.000 a Histograma de los residuos (la respuesta es Ventas) 9 8 7 © 6 & 5 é 4 3 2 1 0 ————————— 2 = 10 0 10 20 Residuo El histograma parece ser normal. No hay problemas indicados en esta grafic 8) El factor de infiacién de la varianza de las dos variables es 1.1. Son menores que 10. No hay problemas ya que este valor indica que las variables independientes no estan fuertemente ‘correlacionadas entre si.