PROBLEMA 4 Un estudiante graduado, quiere comprar un auto usado e investigó precios. Él piensa que el núm. de millas recorridas y el año del módelo influyen en el precio de compra. Los sig. datos corresponden a 10 autos que se tomó de muestra.
PRECIO (MILES DE DOL.)
y
2.99 6.02 8.87 3.92 9.55 9.05 9.37 4.2 4.8 5.74
AÑO DEL MODELO x1 1987 1992 1993 1988 1994 1991 1992 1988 1989 1991
MILLAS (MILES) x2 55.6 18.4 29.3 46.9 11.8 36.4 28.2 44.2 34.9 26.4
1.- Si el estudiante desea comprar un modelo 91, con alrededor de 40,000 millas recorridas. ¿cuánto pronosticas que pagará?
Como nos podemos dar cuenta; en este problema hay una muy buena relación líneal, lo cual nos indica que el precio se fija, dependiendo el año del módelo de dicho auto, y además, de las millas que recorren, ya que hay jóvenes que les gusta la rápidez de un auto. Hay ocasiones, que también varia el costo, esto se puede dar por otros factores, tales como: lo físico del módelo, otras partes del mismo módelo, etc. Pero en este problema, vemos que hay congruencia con dichos datos, y que el jóven graduado si tiene razón en pensarlo.
Resumen Estadísticas de la regresión Coeficiente de0.93943561 Coeficiente d 0.88253927 R^2 ajustado 0.84897906 Error típico 0.98311857 Observacione 10 ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadradosF Valor crítico de F Regresión 2 50.8336351 25.4168175 26.2971914 0.00055542 Residuos 7 6.76565492 0.96652213 Total 9 57.59929 Coeficientes Intercepción -3307.61324 Variable X 1 1.66263001 Variable X 2 0.13848876
Error típico 681.893076 0.34164378 0.06094341
Estadístico t -4.85063327 4.86656017 2.27241554
Probabilidad 0.00185497 0.00182141 0.05727314
Inferior 95% Superior 95%Inferior 95.0% -4920.03415 -1695.19234 -4920.03415 0.85477084 2.47048917 0.85477084 -0.00561951 0.28259703 -0.00561951
nsa que el núm. de corresponden a 10
o 91, con alrededor ticas que pagará?
roblema hay una muy que el precio se fija, uto, y además, de las ue les gusta la rápidez varia el costo, esto se lo físico del módelo, ro en este problema, datos, y que el jóven
Superior 95.0% -1695.19234 2.47048917 0.28259703
PROBLEMA #5 Un productor de comida para cerdos, desea determinar que relación existe: entre la edad de un cerdo, cuando empieza a recibir un complemento alimenticio de reciente creación, el peso inicial de cada animal y el aumento de peso en un período de una semana con el complemento alimenticio.
No. CERDO
1 2 3 4 5 6 7 8
PESO INICIAL (LIBRAS)
EDAD INICIAL (SEMANAS)
AUMENTO DE PESO
x1
x2
y
39 52 49 46 61 35 25 55
8 6 7 12 9 6 7 4
analisis del problema, lo que se 7 6 8 10 9 5 3 4
En este problema, podemos observar que en nuestro coeficiente de determinacion, es bueno, ademas de que hay una relacion lineal, lo cual nos permite ver que el aumento de peso en este problema, depende de la edad en semanas, y tambien depende del peso inicial en libras, esto se debe a que es un complemento alimenticio, y entre mas complemento alim. mayor sera el aumento de peso
Resumen Estadísticas de la regresión Coeficiente de0.93870818 Coeficiente d 0.88117304 R^2 ajustado 0.83364226 Error típico 0.99907279 Observacione 8 ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadradosF Valor crítico de F Regresión 2 37.0092678 18.5046339 18.5389971 0.00486729 Residuos 5 4.99073219 0.99814644 Total 7 42 Coeficientes Intercepción -4.1917094 Variable X 1 0.10483433 Variable X 2 0.80650253
Error típico 1.88811919 0.03229147 0.15823657
Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0% -2.22004491 0.0771239 -9.04527431 0.6618555 -9.04527431 3.24650208 0.02278415 0.02182646 0.18784219 0.02182646 5.09681501 0.00378031 0.39974248 1.21326259 0.39974248
a edad de un cerdo, icial de cada animal
lisis del problema, lo que se refleja y lo que pasa
bservar que en nuestro es bueno, ademas de o cual nos permite ver te problema, depende bien depende del peso debe a que es un ntre mas complemento mento de peso
Superior 95.0% 0.6618555 0.18784219 1.21326259
PROBLEMA #6 Una persona está pensando en vender su casa. Con el fin de decir el precio de ella, a reunido datos de 12 ventas recientes. Registró el precio de venta (en miles de dólares), el núm. de pies cuadrados de construcción (en cientos), el núm. de pisos, el núm. de baños y la antigüedad de la casa (en años).
PREC. DE VTA.
y
PIES CUADRADOS
x1 49.65 67.95 81.15 81.6 91.5 95.25 100.35 104.25 112.65 149.7 160.65 232.5
No. PISOS
No. BAÑOS
x2 8.9 8.5 12.6 12.9 19 17.6 20 20.6 20.5 25.1 22.7 40.8
x3 1 1 2 2 2 1 2 2 1 2 2 3
ANTIGüEDA D
x4 1 1 1.5 1.5 1 1 1.5 1.5 2 2 2 4
2 6 11 8 22 17 12 11 9 8 18 12
Si la casa tiene 1800 pies cuadrados, un piso, 1.5 baños y 6 años de antigüedad, ¿Qué precio de venta se puede esperar
Aquí la variabilidad del precio de venta se debe a los pies cuadrados, No. De piso, de baños, y a la antiÜedad, vemos que son 2 variables mas que en los ejercicios anteriores, pero en si, la relacion lineal, si la tiene y es mas cercano nuestro coeficiente, dado que solo no se explica el 5% de la variabilidad, se debe a otros factores, pero serian pocos. asi podria ver u observar que es lo que mejor le conviene, de dicha casa
Resumen Estadísticas de la regresión Coeficiente de0.97494924 Coeficiente d 0.95052601 R^2 ajustado 0.92225517 Error típico 13.7847806 Observacione 12 ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadradosF Valor crítico de F Regresión 4 25555.5288 6388.88219 33.6221252 0.00011654 Residuos 7 1330.14124 190.020177 Total 11 26885.67
Intercepción Variable X 1 Variable X 2 Variable X 3 Variable X 4
Coeficientes -0.36128811 2.68641568 -4.08391962 31.7580003 1.22361241
Error típico 13.7540398 1.51066511 10.3297116 15.6882032 1.12686566
Estadístico t -0.02626778 1.77829994 -0.3953566 2.02432362 1.08585473
Probabilidad 0.97977692 0.11858928 0.70435136 0.08260172 0.31351586
Inferior 95% Superior 95%Inferior 95.0% -32.8844242 32.161848 -32.8844242 -0.88573968 6.25857104 -0.88573968 -28.5098061 20.3419669 -28.5098061 -5.33870549 68.8547062 -5.33870549 -1.44100146 3.88822628 -1.44100146
reunido datos de 12 pies cuadrados de a (en años).
1800 pies cuadrados, baños y 6 años de é precio de venta se
o, de baños, y a la si, la relacion lineal, si de la variabilidad, se mejor le conviene, de
analisis… lo que sucede, que se aprecia, etc
Superior 95.0% 32.161848 6.25857104 20.3419669 68.8547062 3.88822628
