Resumen Estadísticas de la regresión
Coeficiente de correlació Coeficien Coeficiente te de determin determinaa R^2 ajustado Error típico Observaciones
0,8687002829 0,7546401814 0,7546401814 0,7055682177 22,14831563 25
ANÁLISIS DE VARIANZA Grados de libertad liberta d e cuadr io de los los
Regresión Residuos Total
4 3017 20 9810 24 3998 Coeficientes
Intercepción Variable X 1 Variable X 2 Variable X 3 Variable X 4
F
7543 15,3 490,
or crít crític ico o de F
0,00
or típicsotadísti babilida nferio nferiorr 9 rior rior 95 ferior 9 rior 95.0%
-83,82574324 0,2369285181 1,189657003 1,42161108 2,406542923
22,4 0,57 1,47 2,63 0,35
-3,72 0,00 0,41 0,68 0,80 0,42 0,54 0,59 6,69 0,00
Y= -83,8 + 0,23 X1 X1
-130, -36,9 -0,96 1,43 -1,88 4,26 -4,06 6,90 1,65 3,15
+ 1,1 1,18 X2 X2
-130, -36,9 -0,96 1,43 -1,88 4,26 -4,06 6,90 1,65 3,15
+ 1,42 X3 X3
+ 2,40 X4 X4
Resumen stadísticas de la regresió
Coeficiente 0,85003233 Coeficiente 0,72255497 R^2 ajustad 0,71049214 Error típico 21,9623362 Observacion 25 ANÁLISIS DE VARIANZA Grados de libert a de cuadra io de los cua
Regresión Residuos Total
F
lor crítico de F
1 28892,0831 28892,0831 59,8993049 0,00000007 23 11093,9169 482,344212 24 39986 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% uperior 95%nferior 95.0 uperior 95.0%
Intercepción -63,305709013,0255270 -4,860126480,00006600 -90,251064 -36,360353 -90,251064 -36,360353 Variable X 1 2,57895948 0,33322197 7,73946412 0,00000007 1,88963732 3,26828164 1,88963732 3,26828164
Resumen stadísticas de la regresió
Coeficiente 0,86362858 Coeficiente 0,74585433 R^2 ajustad 0,72275018 Error típico 21,4923544 Observacion 25 ANÁLISIS DE VARIANZA Grados de libert a de cuadra io de los cua
Regresión Residuos Total
F
lor crítico de F
2 29823,7313 14911,8656 32,2822646 0,00000028 22 10162,2686 461,921301 24 39986 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% uperior 95%nferior 95.0 uperior 95.0%
Intercepción -73,076445214,4849687 -5,044984670,00004725 -103,11643 -43,036458 -103,11643 -43,036458 Variable X 1 2,82057935 1,98607812 1,42017543 0,16957382 -1,2982945 6,93945327 -1,2982945 6,93945327 Variable X 2 2,50415959 0,33031734 7,58107205 0,00000014 1,81912334 3,18919583 1,81912334 3,18919583
Resumen stadísticas de la regresió
Coeficiente 0,86750435 Coeficiente 0,75256380 R^2 ajustad 0,71721578 Error típico 21,7058073 Observacion 25 ANÁLISIS DE VARIANZA Grados de libert a de cuadra io de los cua
Regresión Residuos Total
F
lor crítico de F
3 30092,0164 10030,6721 21,2901219 0,00000142 21 9893,98352 471,142072 24 39986 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% uperior 95%nferior 95.0 uperior 95.0%
Intercepción -77,316962715,6710305 Variable X 1 1,06777819 1,41500739 Variable X 2 1,76156665 2,44801006 Variable X 3 2,43495416 0,34597447
-4,933750990,00007009 0,75460962 0,45886272 0,71959126 0,47970920 7,03795907 0,00000060
-109,906654-44,727270 -1,8748907 4,01044716 -3,3293489 6,85248227 1,71546086 3,15444747
-109,906654-44,727270 -1,8748907 4,01044716 -3,3293489 6,85248227 1,71546086 3,15444747
Resumen stadísticas de la regresió
Coeficiente 0,86408800 Coeficiente 0,74664808 R^2 ajustad 0,71045495 Error típico 21,9637469 Observacion 25 ANÁLISIS DE VARIANZA Grados de libert a de cuadra io de los cua
Regresión Residuos Total
F
lor crítico de F
3 29855,4702 9951,82341 20,6295521 0,00000181 21 10130,5297 482,406178 24 39986 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% uperior 95%nferior 95.0 uperior 95.0%
Intercepción -76,725447820,5304634 -3,737151290,00121587 -119,42088 -34,030011 Variable X 1 0,14350001 0,55945167 0,25650117 0,80006000 -1,019943441,30694347 Variable X 2 2,68789126 2,09452457 1,28329421 0,21337071 -1,667911047,04369357 Variable X 3 2,49173614 0,34101923 7,30673196 0,00000034 1,78254782 3,20092447
-119,42088 -34,030011 -1,019943441,30694347 -1,667911047,04369357 1,78254782 3,20092447
Starbucks disfrutó de considerable éxito con sus tarjetas de prepago, que se venden Cantidad de tarjetas entre $5 y $500 dólares. Desde que la tarjeta fue introducida en noviembre del 2001, prepagada aumentaron los ingresos por ventas. Suponga que la gerencia de Starbucks desea s conocer las razones por las que algunas personas compran tarjetas con cantidades prepagadas más altas que otras personas, suponga que hace un estudio de 25 5 compradores de tarjetas prepagadas. A quienes respondieron el estudio se les preguntó 25 la cantidad de tarjetas prepagadas, edad del cliente, número de días al mes que el 10 cliente hace una compra en Starbucks, número de tazas de café que el cliente toma por 5 díaa e ingresos del cliente. Con los datos, desarrolle un modelo de regresión múltiple 15 para estudiar que tan bien se puede pronosticar la cantidad de tarjetas prepagadas, por 50 medio de otras variables y cuáles de estas pueden ser más útiles para hacer el pronóstico 10 15 5 5 20 Edad
Y= cantidad de tarjetas Y= cantidad de tarjetas Y= cantidad de tarjetas Y= cantidad de tarjetas
Días por mes en SB
Tazas de café x día
ingresos *1000
0,71049214 0,7458543333 0,74585433 0,7172157821 0,71721578 0,74664808 0,74664808
Días por mes en SB
Edad
Tazas de café x día
ingresos *1000
Cantidad de tarjetas Días por prepagada mes en SB s
Tazas de café x día
Edad
ingresos *1000
25 30 27 42 29 25 50 45 32 23 40
4 12 10 8 11 12 8 6 16 10 18
1 5 4 5 8 5 3 5 7 1 5
20 35 30 30 25 60 30 35 25 20 40
5 25 10 5 15 50 10 15 5 5 20
4 12 10 8 11 12 8 6 16 10 18
25 30 27 42 29 25 50 45 32 23 40
1 5 4 5 8 5 3 5 7 1 5
20 35 30 30 25 60 30 35 25 20 40
35
35
12
3
40
35
12
35
3
40
40 15 200 15 40 5 30 100 30 25 25 50 15
28 33 40 37 51 20 26 38 27 29 34 30 22
10 12 15 3 10 8 15 19 12 14 10 6 8
3 2 5 1 8 4 5 10 3 6 4 3 5
50 30 80 30 35 25 35 45 35 35 45 55 30
40 15 200 15 40 5 30 100 30 25 25 50 15
10 12 15 3 10 8 15 19 12 14 10 6 8
28 33 40 37 51 20 26 38 27 29 34 30 22
3 2 5 1 8 4 5 10 3 6 4 3 5
50 30 80 30 35 25 35 45 35 35 45 55 30
