REGRESION LINEAL MULTIPLE.

Nombre: Karla Azucena Dominguez Monsivais. N de control: 15480431

El dueo de un restaurante de hamburguesas en la ciudad de Monterrey desea determinar la

interrelacion entre la introduccion de aderezos importados y las utilidades que recibe, las
cuales se muestran en la sisguiente tabla.

Utilidades 70 40 100
Demanda Catsup nacional 42 44 53
Demanda Catsup Importada 55 60 80

UTILIDADES (Y) DEMANDA N(X1) DEMANDA I (X2) Y^2 X1^2

70 42 55 4900 1764
40 44 60 1600 1936
100 53 80 10000 2809
80 15 40 6400 225
30 37 50 900 1369
100 35 55 10000 1225
420 226 340 33800 9328
70

Matriz:
6 226 340 420
226 9328 13565 15810
340 13565 20150 24450

4.5357696503 0.0668312568 -0.1215249469

0


0.0668312568 0.0060860079 -0.0052247804
1
-0.1215249469 -0.0052247804 0.0056175001

2

Resumen n= 6
SX1 = 226
Estadsticas de la regresin SX12 = 9328
Coeficiente de correlacin 0.7449717134 SX2 = 340
Coeficiente de determina 0.5549828537 SX22 = 20150
R^2 ajustado 0.2583047562
Error tpico 25.5478338516
Observaciones 6
ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados F
Regresin 2 2441.9245564678 1220.96227823 1.8706566424
Residuos 3 1958.0754435322 652.691814511
Total 5 4400

Coeficientes Error tpico Estadstico t Probabilidad

Intercepcin -9.6595280473 54.4101068119 -0.1775318707 0.8704008845
DEMANDA N(X1) -3.4569673308 1.9930598472 -1.7345025216 0.1812401841
DEMANDA I (X2) 3.7036228972 1.9148097456 1.9341988967 0.1485535094

Anlisis de los residuales

Observacin Pronstico UTILIDADES (Y) Residuos Residuos estndares

1 48.8471034047
2 60.451283229
3 103.4110351955
4 86.6308778779
5 47.6138255727
6 73.0458747201
21.1528965953 1.0689075339
-20.451283229 -1.0334532967
-3.4110351955 -0.1723679404
-6.6308778779 -0.335074456
-17.6138255727 -0.8900696305
26.9541252799 1.3620577897

DEMANDA N(X1) Grfico de los residuales DEMANDA I (X2) Grfico de los

50 50
Residuos

Residuos

0 0
10 15 20 25 30 35 40 45 50 55 60 35 40 45 50 55 60 65 70 75
-50 -50
DEMANDA N(X1) DEMANDA I (X2)

DEMANDA N(X1) Curva de regresin ajustada DEMANDA I (X2) Curva de regres

150 150
UTILIDADES (Y)

UTILIDADES (Y)

100 UTILIDADES (Y) U

100
50 Pronstico UTILIDADES P
(Y) 50
0 (
10 15 20 25 30 35 40 45 50 55 60 0
35 40 45 50 55 60 65 70 75 80 85
DEMANDA N(X1)
DEMANDA I (X2)
 Grfico de probabilidad normal
200

UTILIDADES (Y)
100
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
GRESION LINEAL MULTIPLE.

determinar la

80 30 100
15 37 35
40 50 55

X2^2 X1*X2 X1*Y X2*Y y estimada yi-Yprom)^2 (yest-yprom)^2

3025 2310 2940 3850 48.8471034 0 447.4450343707
3600 2640 1760 2400 60.4512832 900 91.1779919722
6400 4240 5300 8000 103.411035 900 1116.297272835
1600 600 1200 3200 86.6308779 100 276.5860989908
2500 1850 1110 1500 47.6138256 1600 501.1408054888
3025 1925 3500 5500 73.0458747 900 9.2773528105
20150 13565 15810 24450 420 4400 2441.924556468

Y 0 1 x1 2 x2 3 x3
ECUACION: Y=-9.659528-
3.4569673X1+3.7036229X2

-9.659528 n X 1i

0
i 1 i
-3.4569673

1
n n n

X 1i
3.7036229

2
X 12i
i 1 i 1 i 1

n n
SX1X2 = 13565 X 2i X 1i X 2 i
i 1 i 1 i
SY = 420
SY2 = 33800
SX1Y = 15810
SX2Y = 24450
 Valor crtico de F
0.2968691826

Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
-182.816771441 163.497715 -182.81677 163.497715
-9.7997732777 2.88583862 -9.7997733 2.88583862
-2.3901563029 9.7974021 -2.3901563 9.7974021

Resultados de datos de probabilidad

Percentil UTILIDADES (Y)

8.3333333333 30
25 40
41.6666666667 70
58.3333333333 80
75 100
91.6666666667 100

MANDA I (X2) Grfico de los residuales

40 45 50 55 60 65 70 75 80 85

DEMANDA I (X2)

DA I (X2) Curva de regresin ajustada

UTILIDADES (Y)
Pronstico UTILIDADES
(Y)

40 45 50 55 60 65 70 75 80 85
DEMANDA I (X2)
ormal

0 80 90 100
 n
n

X 1i X 2i

Yi
i 1
0 i 1

n
n
X 12i X 1i X 2 i 1 X 1iYi


i 1
i 1
n

2 n
1i X 2i i 1
X 22i

X 2 iYi
i 1

La desviacin tpica de estas distribuciones muestrales se denomina err

y se puede estimar a partir de los datos de una muestra.
Por lo tanto un error tpico es la desviacin tpica de una distribucin m
Se interpreta como cualquier desviacin tpica.
UTILIDADES DEL ERROR

Establecer los lmites probables (intervalos de confianza) entre los qu

el cual es un planteamiento tpico y frecuente en estadstica inferencia

Comprobar si una muestra con una determinada media puede conside

perteneciente a una poblacin cuya media conocemos,
es tambin de inters y es simplemente una aplicacin del anterior.

Determinar el nmero de sujetos que necesitamos en la muestra para

los resultados a la poblacin.
es se denomina error tpico

una distribucin muestral

ianza) entre los que se encuentra la media de la poblacin
adstica inferencia

edia puede considerarse como

n del anterior.

en la muestra para extrapolar