Regresin Lineal Mltiple

1. El propietario de la cadena de salas cinematogrficas Showtime desea estimar el ingreso semanal neto en la funcin de los gastos de publicidad. Los datos histricos de una muestra de 8 semanas son los siguientes: Ingresos brutos semanales (miles de dlares) 96 90 95 92 95 94 94 94 Anuncios de TV (miles de dlares) 5.0 2.0 4.0 2.5 3.0 3.5 2.5 3.0 Anuncios en peridicos (miles de dlares) 1.5 2.0 1.5 2.5 3.3 2.3 4.2 2.5

a) Deduzca una ecuacin de regresin estimada con la cantidad de anuncios por TV como variable independiente. Regression Analysis: ingresos brutos versus anuncios de tv
The regression equation is ingresos brutos = 88.6 + 1.60 anuncios de tv Predictor Constant anuncios de tv S = 1.21518 Coef 88.638 1.6039 SE Coef 1.582 0.4778 T 56.02 3.36 P 0.000 0.015

R-Sq = 65.3%

R-Sq(adj) = 59.5%

Analysis of Variance Source Regression Residual Error Total DF 1 6 7 SS 16.640 8.860 25.500 MS 16.640 1.477 F 11.27 P 0.015

Deduzca una ecuacin de regresin estimada con los gastos de TV y peridicos a la vez, como variables independientes. Regression Analysis: ingresos bru versus anuncios de , anuncios en
The regression equation is ingresos brutos = 83.2 + 2.29 anuncios de tv + 1.30 anuncios en periodicos Predictor Constant Coef 83.230 SE Coef 1.574 T 52.88 P 0.000

anuncios de tv anuncios en periodicos S = 0.642587

2.2902 1.3010

0.3041 0.3207

7.53 4.06

0.001 0.010

R-Sq = 91.9%

R-Sq(adj) = 88.7%

Analysis of Variance Source Regression Residual Error Total DF 2 5 7 SS 23.435 2.065 25.500 DF 1 1 MS 11.718 0.413 F 28.38 P 0.002

Source anuncios de tv anuncios en periodicos

Seq SS 16.640 6.795

c) Es igual el coeficiente estimado de los gastos de publicidad en TV, en la ecuacin de regresin, en el inciso a) que en el inciso b)? Interprete el coeficiente en cada caso.

d) Cul es el estimado del ingreso bruto semanal para una semana en la que gastaran 3500 dlares en publicidad de TV y 1800 dlares en publicidad en peridicos?
Predicted Values for New Observations New Obs 1 Fit 93.588 SE Fit 0.291 95% CI (92.840, 94.335) 95% PI (91.774, 95.401)

Values of Predictors for New Observations New Obs 1 anuncios de tv 3.50 anuncios en periodicos 1.80

d)

2. La empresa Jardn, S.A., fabrica cortadoras de csped y artculos para jardinera. Sus directivos creen que la cantidad vendida de podadoras depende de su precio y del precio de la podadora en la competencia. Sean

Se desea obtener una ecuacin que relacione la cantidad vendida con los precios de la podadora Jardn y con los de la competencia. La tabla siguiente enlista los precios en 10 ciudades.

Precio de la competencia ( ) 120 140 190 130 155 175 125 145 180 150

Precio de Jardn ( ) 100 110 90 150 210 150 250 270 300 250

Cantidad Vendida ( ) 102 100 120 77 46 93 26 69 65 85

a) Determine la ecuacin de regresin estimada que se pueda usar para predecir la cantidad vendida con los precios del competidor y de Jardn como datos. b) Interprete y . c) Pronostique la cantidad vendida en una ciudad donde la podadora Jardn se vende en 160 dlares y la competencia en 170 dlares. 3. En la revista Auto Rental News se publicaron los datos siguientes, que muestran la cantidad (en miles) de automviles en servicio, la cantidad de bases y los ingresos por renta (en millones de dlares) para 15 arrendadoras. Empresa Alamo Avis Budget Dollar Enterprise FRCS (Ford) Hertz National Payless PROP (Chrysler) Rent-A-Wreck Snappy Thrifty U-Save Value Automviles 130 190 126 63.5 315.1 55.25 250 135 15 27 10.9 15.5 34 13.5 18 Bases 171 1130 1052 450 2636 1784 1200 935 100 1500 460 259 480 500 45 Ingresos 1180 1500 1500 560 2060 312.5 2400 1200 47 160 78 85 340 95 150.1

a) Determine la ecuacin de regresin estimada con la que se pueden predecir los ingresos por renta a partir de la cantidad de vehculos en servicio. b) Interprete la pendiente de la ecuacin de regresin estimada que determin en el inciso a). c) Determine la ecuacin de regresin estimada para predecir los ingresos por renta a partir de la cantidad de vehculos en servicio y la cantidad de bases.

NOTA SOBRE LA INTERPRETACION DE LOS COEFICIENTES: En la regresin lineal simple interpretamos a como el cambio en por una variacin unitaria en la variable independiente. En el anlisis de regresin mltiple hay que modificar algo en esta interpretacin, es decir, se interpreta cada coeficiente de regresin como sigue: representa una estimacin del cambio en que corresponde a un cambio unitario en cuando todas las dems variables independientes se mantienen constantes.