UNIVERSIDAD NACIONAL DE TUMBES

FACULTAD DE CIENCIAS ECONMICAS

ESCUELA ECONOMA

ASIGNATURA :
CICLO

Modelos Estadsticas Lineales

: V

TEMA
: Aplicacin De Regresin Mltiple
INTEGRANTE : Sheila Daneska Infante Rujel

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

El gerente de una empresa estudia las posibles relaciones entre

beneficios anuales, gastos en publicidad y horas extraordinarias
anuales de los empleados. Para ello utiliza datos de estas 3
variables, proporcionadas para algunas empresas del sector. Se
desea saber:
BENEFICIOS
(Mlillones)
1.3
3.5
2.8
3
3.3
4
3.7

GASTOS
PUBLICIDAD HORAS EXTRAS
(Milliones)
(100 Horas)
0.3
4
1.5
9
0.7
6
1.1
7.5
1.2
8
2
7
2
8

a) Matriz de varianza-covarianza
b) Qu porcentaje de la varianza de los beneficios explicara una funcin
lineal de los gastos en publicidad?
c) Qu porcentaje de la varianza de beneficios explicara una funcin de las
horas?
d) Establecer una relacin lineal que explique X1 mediante X2 y X3
e) Si una empresa destina 900000 euros a publicidad y sus empleados
realizan 500 horas extraordinarias al ao Cul seria la estimacin de los
beneficios dicha empresa?
f) Hallar los coeficientes de correlacin parcial de x1 con x2 y de x1 con x3

SOLUCIN:
y
x1
[Escriba texto]

x2

y2

x1^

x2^2
Pgina 1

yx1

yx2

x1x2

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

1.3

0.3

3.5
2.8
3
3.3
3.8
3.7

1.5
0.7
1.1
1.2
2
2

8.7
6
7.5
8
7
8

21.4

8.8 49.2

2
1.69 0.09
2.25
0.49
1.21
1.44
4
4
13.4
69.8
8

16

0.39

5.2

75.69
36
56.25
64
49
64

5.25
1.96
3.3
3.96
7.6
7.4

30.45
16.8
22.5
26.4
26.6
29.6

360.94

29.86

12.25
7.84
9
10.89
14.44
13.69

1.2
13.0
5
4.2
8.25
9.6
14
16

157.55 66.3

a) Matriz de varianza-covarianza )
Las medias y varianzas de cada una de las variables son:

Y 21.4 3.057142857
Y
N
7

SY2

x1

69.8
3.057142857 2 0.625306122
7

8.8
1.257142857
7
S

x2

2
X1

2
1

X1

13.48
1.257142857 2 0.345306122
7

49.2
7.028571429
7
S

2
X2

2
2

X2

360.94
7.0285714292 2.162040816
7

Y las covarianzas:
YX 1 Y X 1 29.86 (3.057142857)(1.257142857) 0.42244898
SYX1
N
7
SYX 2

YX
N

Y X2

[Escriba texto]

157.55
(3.057142857)(7.028571429) 1.019795918
7

Pgina 2

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

S X1 X 2

X X
1

X1 X 2

66.3
(1.257142857)(7.028571429) 0.635510204
7

Tenemos las siguiente matriz var-cov:

0.625306122 0.42244898 1.019795918
V C 0.42244898 0.345306122 0.635510204
1.019795918 0.635510204 2.162040816
Las varianzas
2
^
b0
= 0.6253061

2
^
b1
=0.3453061

2
^
b2
= 2.1620408

Desviaciones:

b1 0.587627537

b0 0.790763
Covarianzas:
COV ( ^ 0 1 ) =
COV ( 1 2 )=

0.42244898

COV ( ^ 0 2 ) =

b2 1.470387982

1.01979592

0.63551
0.62530
61
0.34530
61
2.16204
08

RAIZ
RAIZ
RAIZ

0.790763

0.587627537

1.470387982

Matriz de correlacin
r12

SYX1
SY S X 1

0.635510204
0.909129574
0.790763*0.587627537

Exisiste una correlacin muy alta y una relacin muy intensa

[Escriba texto]

Pgina 3

44

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

r13

SYX 2
SY S X 2

1.019795918
0.877071471
0.790763*1.470387982

Exisiste una correlacin muy alta y una relacin muy intensa

S XX 2
0.635510204
r23

0.735509768
S X S X 2 0.587627537*1.470387982
Exisiste una correlacin alta y una relacin intensa
1
R r12
r13

r12
1
r23

r13
r23
1

0.909129574 0.877071471
1

R 0.909129574 1
0.735509768
0.877071471 0.735509768 1
INTERPRETANDO:
R = 0.9211293*100
2
2

R =

92.11293

EL 92.11% de las variaciones de los beneficios estn explicadas por las

variaciones de los gastos y las horas extras y el restante explicadas por otras
variables.
B) Qu porcentaje de la varianza de los beneficios explicara una
funcin lineal de los gastos en publicidad?

R 2 yx1 0.9091295742 0.826516582

Entonces 82.6517 % es el porcentaje de la varianza de los beneficios que se
asocia con los gastos en en publicidad y no con las horas extras
C) Qu porcentaje de la varianza de beneficios explicara una funcin de
las horas?

R 2 yx2 0.8770714712 0.769254365

68.9833626%
Entonces
es el porcentaje de la varianza de los beneficios que se
asocia con a las horas extras y no a los gastos en publicidad.
D) Establecer una relacin lineal que explique X1 mediante X2 y X3

[Escriba texto]

Pgina 4

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

0.36797035
0.7740498
0.24415791
y 0.367970353+0.774049799X1 0.244157912X 2
E) Si una empresa destina 900000 euros a publicidad y sus empleados
realizan 500 horas extraordinarias al ao Cul seria la estimacin de
los beneficios dicha empresa?
y 0.367970353+0.774049799X1 0.244157912X 2

y 0.367970353+0.774049799*900000 0.244157912*500
y 696767.2664

Cuando el gerente gasta en 900000 en publicidad y emplea 500 horas en el

trabajo obtiene un beneficio de 696767.2664
F) Hallar los coeficientes de correlacin parcial de x1 con x2 y de x1 con
x3
Matriz de correlacin
r12

SYX1
SY S X 1

0.635510204
0.909129574
0.790763*0.587627537

Exisiste una correlacin muy alta y una relacin muy intensa

r13

SYX 2
SY S X 2

1.019795918
0.877071471
0.790763*1.470387982

G)
Exisiste una correlacin muy alta y una relacin muy intensa
S XX 2
0.635510204
r23

0.735509768
S X S X 2 0.587627537*1.470387982
H)
Exisiste una correlacin alta y una relacin intensa
1
R r12
r13

[Escriba texto]

r12
1
r23

r13
r23
1

Pgina 5

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

0.909129574 0.877071471
1
R 0.909129574 1
0.735509768
0.877071471 0.735509768 1

Yt 1 2t 3t ut
2. Para el modelo

n 12

X 'X

se tiene los siguientes datos:

SCT 104 '9167

1

0.6477 0.041 0.0639

0.041 0.0071 0.0011

0.0639 0.0011 0.0152

91

X ' Y 699
448

,
Se pide:
a) Ajustar el modelo por el mtodo de MCO y calcular el coeficiente de
determinacin

2 3 1
b) Contraste de significacin para

0 2.5

0 0.3

c) Intervalo de prediccin para E[Y] sabiendo que

VER EN EXCEL:
a) Ajustar el modelo por el mtodo de MCO y calcular el coeficiente de
determinacin
[Escriba texto]

Pgina 6

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

][ ] [ ]

0.6477
0.041 0.0639 91
1.6545
^=( X T X )1 ( X T Y ) = 0.041
=
0.0071 0.0011 699
0.7391
0.06369 0.0011 0.0152 448
0.2258
1=1.6545 2=0.7391 3=0.2258

Interpretacin:
1
: estimamos que la variable dependiente se incrementa en 1.6545 cuando las
variables independientes son cero.
2:
El incremento de Y es de 0.7391 por unidad cuando

no se tiene en

cuenta
3:
El incremento de Y es de 0.2258 por unidad cuando

no se tiene en

cuenta.
SCE= ^ T X T Y N Y 2 N=12 Y =

Y = 91 =7.58333
N

12

[ ]

91
^ T X T Y = [ 1.6545 0.7391 0.2258 ] 699 =768.3488
448
2

SCE=768.348812 ( 7.58333 ) =78.26547

2 3 1
b) Contraste de significacin para

H 0 : 2+ 3 =1
2 + 31=0 m=1 K =(0 1 1)
H 1 : 2 + 3 1

[ ]

1.6445
K ^m=[ 0 1 1 ] 0.7391 1=0.0351
0.2258

][ ]

0.6477
0.041 0.0639 0
1
K ( X T X ) K T =[ 0 1 1 ] 0.041
0.0071 0.0011 1
0.06369 0.0011 0.0152 1

[Escriba texto]

Pgina 7

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

[]

0
1
K ( X T X ) K T =[ 0.1049 0.006 0.0141 ] 1 =0.0201
1
1

K ( X T X ) K T =0.0201
SCR SCT SCE 104.916778.2654
^ 2=
=
=
=2..962
N K
NK
9
^ 2=2.962

Fcal =

0.03512
=0.0207 F tab =F1,9,0.05 =5.117
2.962 0.0201

Fcal < F tab SE ACEPTA H 0

Podemos concluir diciendo que

2+ 3=1

en el problema.

0 2.5
C) Intervalo de prediccin para E[Y] sabiendo

0 0.3

Intervalos de confianza
E [ Y ] : V 0=2.5 W 0=0.3
Y =1.6545+0.7391 V 1 +0.2458 W 2 + t =3
Y =3.43451
X
1+ X 0T ( T X )1 X 0
Y^ 0= t nk 1 , / 2

[Escriba texto]

Pgina 8

que

EJERCICIO APLICADO A LA REGRESIN MLTIPLE

X
0.6477
0.041 0.0639
1
1
[
]
( T X ) X 0= 1 2.5 0.3 0.041
0.0071 0.0011 2.5 =
0.06369 0.0011 0.0152 0.3
X 0T

][ ]

X
( T X ) X 0=0.52837
X 0T
1

3.43451(2.2622)(1.721)(1.236272624)

[ 1.378660 ; 8.247623 ]

[Escriba texto]

Pgina 9