Si
fuera usted el comprador, cuanto pagaría por ella.
Considerando que ya lo use 3 años y que me costó $2000 lo vendería como mínimo a la mitad
del precio que me costó es decir a $1000.
Si yo fuera el comprador no lo compraría porque las laptops tienen muy poco tiempo de vida
entre 5 a 6 años, preferiría ahorrar un poco más y comprarme una laptop nueva.
En el modelo de regresión lineal múltiple se supone que la función de regresión que relaciona
la variable dependiente con las variables independientes es lineal, es decir:
Las ventas se pagaran 40% al contado y el 60% a 30 dias. Las compras son al contado
Se solicitó un préstamo de $ 40000 por el cual se amortizara $ 5000 cada mes. Los gastos de
administración y marketing serán de un 20% de las ventas.
Presupuesto de ventas
Presupuesto de cobros
Presupuesto de compras
Presupuesto operativo
Presupuesto de efectivo
Egresos
cuentas por pagar 47000 50000 51000 52000
gastos administrativos y marketing 17000 18000 17600 18400
pago de impuestos 3080 3260 2710 2870
total de egresos 67080 71260 71310 73270
4. un inversionista quiere llevar a cabo un proyect, para lo cual cuenta con 2 alternativas,
cuál de ellos es factible con una renta de 10%. Tener en cuenta que el inversionista posee
solo $ 10000.
Proyecto A
Proyecto B
N Y X1 X2
Nro Gastos Impuestos Nro de personas
1 0.43 2.1 3
2 0.31 1.1 4
3 0.32 0.9 5
4 0.46 1.6 4
5 1.25 1.25 4
6 0.44 2.3 3
7 0.52 1.8 6
8 0.29 1 5
9 1.29 8.9 3
10 0.35 2.4 2
Regresión múltiple
N Y X1 X2
X1*Y X2*Y X1*X2 X1^2 X2^2 Y^2
Nro Gastos Impuestos Nro de personas
1 0.43 2.1 3 0.903 1.29 6.3 4.41 9 0.1849
2 0.31 1.1 4 0.341 1.24 4.4 1.21 16 0.0961
3 0.32 0.9 5 0.288 1.6 4.5 0.81 25 0.1024
4 0.46 1.6 4 0.736 1.84 6.4 2.56 16 0.2116
5 1.25 1.25 4 1.5625 5 5 1.5625 16 1.5625
6 0.44 2.3 3 1.012 1.32 6.9 5.29 9 0.1936
7 0.52 1.8 6 0.936 3.12 10.8 3.24 36 0.2704
8 0.29 1 5 0.29 1.45 5 1 25 0.0841
9 1.29 8.9 3 11.481 3.87 26.7 79.21 9 1.6641
10 0.35 2.4 2 0.84 0.7 4.8 5.76 4 0.1225
total 5.66 23.35 39 18.3895 21.43 80.8 105.0525 165 4.4922
a= 0.1623324428
b= 0.1100265339
c= 0.03762964115
Reemplazando en la ecuación principal
Entonces para:
X1 = 1.85
X2 = 4
Y= 0.516400095
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.650314735
Coeficiente de determinación R^2 0.422909255
R^2 ajustado 0.258026184
Error típico 0.325940884
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 0.544977782 0.272488891 2.564904051 0.146000514
Residuos 7 0.743662218 0.10623746
Total 9 1.28864
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepción 0.162332443 0.458319689 0.35419042 0.733625393 -0.921421408 1.246086293 -0.921421408 1.246086293
Variable X 1 0.110026534 0.05007841 2.19708521 0.064005814 -0.008390089 0.228443157 -0.008390089 0.228443157
Variable X 2 0.037629641 0.099113178 0.379663351 0.715451232 -0.196735782 0.271995064 -0.196735782 0.271995064
Intercepción 0.162332443
Variable X 1 0.110026534
Variable X 2 0.037629641
Para:
X1 = 1.85
X2 = 4
Y= 0.516400095