EJERCICIOS

1. El dueo de un restaurante de hamburguesas en la ciudad de Mxico desea

determinar la interrelacin entre la introduccin de aderezos importados y las
utilidades que recibe.
Utilidades
Demanda de catsup nacional
Demanda de catsup importada

70
2
50

40
1
65

100
3
75

80
2
30

30
1
45

100
3
35

Con esta informacin determinaremos lo siguiente:

1.- La ecuacin de regresin lineal mltiple.
2.- La prueba de significancia del modelo. = 0.05
3.- Intervalos de confianza del 95 % para los parmetros del modelo.
4.- Intervalos de confianza del 90 % para la utilidad esperada y la futura cuando la
demanda de catsup nacional sea de 4 y la de catsup importada de 50.
5.- El coeficiente de determinacin mltiple.

De acuerdo al enunciado del ejercicio, Y representa a las utilidades, X 1 representa a la

demanda de catsup nacional y X2 representa a la demanda de catsup importada.

El objetivo principal es establecer si las dos variables independientes tienen efecto o

no sobre las utilidades del restaurante, a fin de establecer diferencias entre las dos. Es
decir, si es indiferente cual de las dos variables utilizar en el proceso.

A fin de solucionar cada uno de los incisos del ejercicio, empezaremos calculando las
sumatorias de los valores de X1, X2 y Y.

n=
X1 =
X12 =
X2 =
X22 =

6
12
28
300
16500

X1X2 =
Y =
Y2 =
X1Y =
SX2Y =

600
420
33800
970
20850

 X X 1 X Y

Puesto que

entonces:

12
300
6

12 28

600

300 600 16500

420
2.833333 0.5 0.033333
970

0.5
0.25
0

20850
0.033333
0
.0006666

420
10
970 32.5

20850
0.1

de aqu, entonces, el modelo de regresin lineal mltiple solicitado en el inciso 1 es:

10 32.5X1 0.1X 2
Y

a partir del modelo anterior, podemos concluir lo siguiente:

El plano de regresin cortar al eje Y en y = 10.

Por cada incremento en la demanda de catsup nacional, las utilidades se
incrementarn 32.5 veces, en promedio; siempre y cuando la demanda de
catsup importada permanezca constante.
Por cada incremento en la demanda de catsup importada, las utilidades
disminuirn 0.1 veces, en promedio; siempre y cuando la demanda de catsup
nacional permanezca constante.

Para realizar la prueba de significancia en el inciso 2, calcularemos primero los

valores de Syy, SSR y SSE:

Syy Y

n
420 2
Syy 33800
6
Syy 4400

SSR X Y

420
420 2
SSR 10 32.5 0.1 970
6
20850
SSR 4240
SSE Syy SSR
SSE 4400 4240
SSE 160

Planteamos las hiptesis:

H 0 : 1 2 0
Ha : i 0

el nivel de significancia de la prueba ,es de 0.05.

Realizando la tabla de anlisis de varianza:

Fuente de
Variacin

Suma de
cuadrados

Grados
de
libertad

Regresin

4240

Error

160

Total

4400

Media de cuadrados

MSR
MSE

4240
2120
2
160
53.3333
3

Estadstico de prueba

F0

2120
39.75
53.3333

El valor de tablas de la distribucin F con = 0.05, v1 = 2 y v2 = 3 grados de libertad en

el numerador y el denominador, respectivamente, es 9.55.

Al comparar el estadstico de prueba contra el valor de tablas vemos que F 0 es mayor

que F, 2, 3; rechazamos la hiptesis nula. Por lo tanto, podemos afirmar que las
utilidades del restaurante estn significativamente relacionadas con la demanda de
catsup nacional con la demanda de catsup importada con ambas.

A fin de determinar exactamente con cuales variables se relaciona la variable Y,

realizaremos pruebas de hiptesis sobre coeficientes individuales.

Para determinar si la demanda de catsup nacional tiene efecto o no sobre las

utilidades, planteamos los siguiente.

H 0 : 1 0
H a : 1 0

el estadstico de prueba es:

t0

MSE C11

32.5
53.3333 0.25
t 0 8.9
t0

El valor de tablas de la distribucin t-student con = 0.025 y v = 3 grados de libertad

es 3.182.
Comparando el valor absoluto del estadstico de prueba con el valor de las tablas,
notamos que t0 es mayor que t, 3 por lo que rechazamos la hiptesis nula.
Concluiremos entonces que la demanda de catsup nacional s tiene efecto significativo
sobre las utilidades del restaurante.
La siguiente prueba de hiptesis nos permitir determinar si la demanda de catsup
importada tiene o no efecto sobre las utilidades:

H0 : 2 0
Ha : 2 0

el estadstico de prueba es:

t0

MSE C 22

0.1
53.3333 0.0006666
t 0 0.53
t0

El valor de tablas de la distribucin t-student con = 0.025 y v = 3 grados de libertad

es 3.182.

Al comparar el valor absoluto del estadstico de prueba con el valor de las tablas,
vemos que t0 es menor que t, 3 por lo que no se puede rechazar la hiptesis nula. Lo
anterior nos lleva a concluir que no existen los elementos suficientes para afirmar que
la demanda de catsup importada tenga efecto sobre las utilidades del restaurante.
En el inciso 3 se pide calcular intervalos de confianza del 95 % para los parmetros del
modelo (0, 1 y 2)

Como el intervalo de confianza es del 95 %, el valor de es igual a 0.05.

El valor de tablas de la distribucin t-student con 0.025 y 3 grados de libertad es de

3.182

El intervalo de confianza del 95% para 0 queda de la siguiente manera:

 0 t

,n p

0 t
MSE C 00 0

,n p

MSE C 00

10 3.182 53.3333 2.833333 0 10 3.182 53.3333 2.833333

29.1154 0 49.1154

Como conclusin, se afirmar con un 95% de certeza que la ordenada en el origen ser
por los menos -29.1154 y a lo mucho 49.1154. Este es el rango de valores por donde
cortar el plano al eje Y.
El intervalo de confianza del 95% para 1 lo calculamos de la siguiente manera:

1 t

,n p

MSE C11 1 1 t

,n p

MSE C11

32.5 3.182 53.3333 0.25 1 32.5 3.182 53.3333 0.25

20.8809 1 44.1190

Como los dos valores del intervalo resultaron positivos, se puede afirmar con un 95%
de certeza que por cada incremento en la demanda de catsup nacional, las utilidades
se incrementarn por lo menos 20.8809 y a lo mucho 44.1190 veces, en promedio;
siempre y cuando la demanda de catsup importada permanezca constante.
Por ltimo, para calcular el intervalo de confianza del 95 % para 2:

2 t

,np

2 t
MSE C 22 2

,np

MSE C 22

0.1 3.182 53.3333 .000666 2 0.1 3.182 53.3333 0.000666

.6997 2 .4997

En el resultado anterior se tienen un valor negativo y uno positivo a la izquierda y a la

derecha, respectivamente; simplemente no se puede afirmar que la demanda de
catsup importada tenga efecto sobre las utilidades.
En el inciso 4 se requiere calcular intervalos de confianza del 90% para la respuesta
media y para una observacin futura de la utilidad del restaurante cuando la demanda
de castup nacional es de 4 y la de catsup importada sea de 50.
Aqu el intervalo de confianza solicitado es de 90%, por lo que el valor de ser igual
a 0.10

El valor de tablas de la distribucin t-student con 0.05 y 3 grados de libertad es: 2.353.
Primero se tiene que calcular la utilidad estimada cuando X1 = 4 y X2 = 50.
En forma matricial:

0 X !0
Y
10
0 1 4 50 32.5
Y

0.1
0 135
Y

Cuando la demanda de catsup nacional sea de 4 y la demanda de catsup importada

sea de 50, las utilidades esperadas del restaurante sern de 135 unidades.

El intervalo de confianza del 90% para la utilidad esperada est dado por:

0 t
Y Y

,np

MSE X !0 X X X 0
1

2.83333 0.5 0.03333

Y 135 2.353 53.33331 4 50 0.5

0.25
0

0.03333
0
0.000666

1
4

50

116.45 Y 153.55

Se puede afirmar con un 90% de certeza que cuando la demanda de catsup nacional
sea de 4 y la de catsup importada sea de 50, la utilidad esperada del restaurante ser
por lo menos 116.45 y a lo mucho 153.55 unidades.

El intervalo de confianza del 90 % para la observacin futura de la utilidad del

restaurante bajo las mismas condiciones de X1 y X2 est dado por:

 0 t
Y0 Y

,np

MSE 1 X !0 X X X 0

2.83333 0.5 0.03333

Y0 135 2.353 53.3333 1 1 4 50 0.5

0.25
0

0
.
03333
0
0
.
000666

109.7139 Y0 160.2861

1
4

50

Se puede Afirmar con un 90% de certeza que cuando la demanda de catsup nacional
sea de 4 y la de catsup importada de 50, la utilidad del restaurante ser por lo menos
109.7139 y a lo mucho 160.2861 unidades.

Por ltimo, en el inciso 5 se pide calcular e interpretar el coeficiente de determinacin

mltiple:

SSR
Syy
4240
R2
4400
2
R .9636
R2

Esto indica que el 96.36 % de la variabilidad de la utilidad del restaurante se explica

mediante el modelo de regresin lineal mltiple:

10 32.5X1 0.1X 2
Y

cuando se utilizan la demanda de catsup nacional y la demanda de catsup importada

como variables regresoras.

2. Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin

del nmero de pedidos de los tipos de software que desarrolla (Sistemas,
Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el
presente ao.

En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N

de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones
empresariales).
Y
X
W
Z

440
50
105
75

455
40
140
68

470
35
110
70

510
45
130
64

506
51
125
67

480
55
115
72

460
53
100
70

500
48
103
73

490
38
118
69

450
44
98
74

Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y

explicar el uso de la ecuacin de regresin mltiple, as como el error estndar
mltiple de estimacin. Despus se medir la fuerza de la relacin entre las
variables independientes, utilizando los coeficientes mltiples de determinacin.
Anlisis de Regresin Mltiple
Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero "m" de variables independientes:

Para poder resolver y obtener a,bx y b2 en una ecuacin de regresin mltiple el

clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se
generan por el mtodo de mnimo de cuadrados:

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y
Minitab y Excel.
El error estndar de la regresin mltiple

Es una medida de dispersin la estimacin se hace ms precisa conforme el grado

de dispersin alrededor del plano de regresin se hace mas pequeo. Para medirla
se utiliza la formula:

: Valores observados en la muestra

Y : Valores estimados a partir a partir de la ecuacin de regresin n : Nmero

de datos
m : Nmero de variables independientes
El coeficiente de determinacin mltiple r
Mide la tasa porcentual de los cambios de Y que pueden ser explicados por X j , x2 y X3 simultneamente.

III. APLICACION
MULTIPLE

DE

REGRESION

Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin

Mltiple:
En la Facultad de Ingeniera de Sistemas se quiere entender los factores de
aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge
al azar una muestra de 15 alumnos y ellos registran notas promedios en las
asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el
siguiente cuadro.
Alumno
PHP
Algoritmos
Base de Programaci
n
Datos
1
13
15
15
13
2
13
14
13
12
3
13
16
13
14
4
15
20
14
16
5
16
18
18
17
6
15
16
17
15
7
12
13
15
11
8
13
16
14
15
9
13
15
14
13
10
13
14
13
10

11
12
13
14
15

11
14
15
15
15

12
16
17
19
13

12
11
16
14
15

10
14
15
16
10

Lo que buscamos es construir un modelo para determinar la dependencia que exista

de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas
de las asignaturas Algoritmos, Base de Datos y Programacin. Se presentara la
siguiente ecuacin a resolver:
Y = a + 61x1 + b 2 x 2 + 3x3
Utilizando las formulas de las ecuaciones normales a los datos obtendremos los
coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de
Calculo de Excel podemos calcular tambin los coeficientes de regresin:

/
Intercepcin/
Algoritmos /
Base de
Datos \
Programaci
n,

Coeficiente
Estadstico
s 'Error tpico
2.551 \
2.369
1.077
0.583
0.267
2.186
0.373
0.144
2.589
-0.242 / 0.270

-0.893

p-vaior
0.305
0.051
0.025
0.391

inferior
Superior
95%
95%
-2.663
7.766
-0.004
1.169
0.056
0.691
-0.837

Por lo tanto podemos construir la ecuacin de regresin que buscamos:

Y = 2.551 + 0.583^ + 0.373JC2 -0.242*.

0.354