10.

-Se da los gastos en publicidad y la utilidad de operación netas obtenidas en

una campaña d ventas.

Gastos 120 122 132 136 140 142 145 150 160 180
en
publicidad
Utilidad 130 129 142 150 148 158 170 158 170 210

a. Determine y grafique los datos de utilidad en función de los gastos de

publicidad

Utilidad en función de los gastos de

publicidad
250

200

150

100

50

0
120 130 140 150 160 170 180

b. Determine e interprete el coeficiente de correlación.

n∗∑ xy−( ∑ x ¿¿ ∑ y)
r= ¿
√ 2
( n∗∑ x −( ∑ x ) )( n∗∑ y −( ∑ y ) )
2 2 2

10∗226988−(1427∗1565)
r=
√(10∗206493−14272)(10∗249937−15652)
r =0.96710406

Podemos afirmar que existe una alta correlación directa entre las variables
gastos de publicidad y utilidad

c. Realizar la prueba para el coeficiente de población correlacional: P

Paso1: Formulación de la hipótesis:

 Ho: ρ=0 no existe correlación lineal entre las variables X e Y
Ha: ρ≠0 si existe correlación lineal entre las variables X e Y

Paso 2: Nivel de significancia

α= 0.05

Paso 3: Estadístico de prueba

Paso 4: Región de aceptación y rechazo

- 2.306 t(8)(0.975) = 2.306 10.75

Paso 5: Cálculo

Sr= √
1−0.96710406
=0.089937295
√10−2
0.96710406
t k= =10.75309253
0.089937295

Paso 6: Decisión

Como tk =10.75309253 > 2.306, rechazamos la hipótesis nula y aceptamos

la hipótesis alternativa.

Paso 7: Conclusión

Si existe correlación lineal entre las variables gastos en publicidad y

utilidad.

d. Determine e interprete el coeficiente de determinación

 2 2
r =0.96710406 =0.935290263

Los gastos en publicidad están explicados en un 93.52% por la utilidad.

e. En La ecuación de la recta, ¿Cuál será la utilidad si un estudiante dedico 11

horas de estudio

Ecuación de la recta: Yc = b0 + b1 x
(1427)(1565)
226988−
10
b 1= 2
=1.280549631
1427
206493−
10
b 0=156.5−( 1.280549631 ) ( 142.7 )=−26.23443236

La ecuación de la recta:
Yc = -26.23443236 + 1.280549631 x
f. Determinar la estimación de la varianza del error

SSR=(−26.234432 1.2805496 ) 1565 =(−26.234432 ) ( 1565 ) + ( 1.2805496 ) (226988 )

226988
SSR=249612.513
SSE=Y ' Y x B ' X ' Y
'
SSE=Y Y −SSR
SSE=249937 – 249612.513=324.486976
SSE
MSE=
n−r
324.486976
MSE=
10−2
MSE = 40.560872

g. Calcular las varianzas y las desviaciones estándares de los estimadores

Fórmula:

Var ( ^β )=(x x) σ u
' −1 2

|1427
( x ' x )= 10 1427
206493 |
 Determinante: 10*206493-(1427*1427) = 28601

Por lo tanto:

|
Var ( ^β )=
V ( A)
COV (BA )
COV ( AB)
V (B) |
|206493
−1427
−1427
10 |
∗40.560872
28601

|−2.023718204
292.8406748 −2.023718204
0.014181627 |
Entonces:
VAR (A )=292.8406748
VAR (B)=0.014181627
S ( A )= √292.8406748=17.1125882
S ( B )=√ 0.014181627=0.119086637
h. Construir e interpretar un intervalo de confianza de la pendiente de la recta
al 95%

Fórmula:

Ic=b 1 ± t α / 2 S b1
Ic=1.280549631 ±2.306∗0.119086637
Ic=1.280549631−2.306∗0.119086637 ; 1.280549631+2.306∗0.119086637
Ic=1.005935845 ;1.555163417

Interpretación:
Con un nivel de confianza del 95%, podemos afirmar que el intervalo de
confianza para la pendiente es de (1.005935845; 1.555163417)

i. Realizar la prueba de confiabilidad del Modelo: Use α= 5%

Paso 1: Formulación de la hipótesis

H 0 :B=0 ; El modelo no tiene confianza estadística del 95 %
H 1 : B ≠ 0 ; El modelo sitiene confianza estadística del 95 %
Paso 2: Nivel de significancia
α =0.05
Paso 3: Tabla de análisis de varianza
Fuente de Grados de Suma de cuadrados Estadística F FT
Variación Libertad cuadrados medios

Debido a r SSR = B‘X‘Y MSR=SSR/r F(R)=MSR/MSE Fr , n - r, 

la
regresión
Error n-r SSE = Y‘Y - MSE = SSE/n - r    
residual B‘X‘Y = ²
TOTAL n SST = Y‘Y      

Paso 4: Región de aceptación y rechazo

R.A  Nivel de significancia

CE   R.R

4.46 3077.01

Paso 5: Cálculo del valor de prueba

Fuente de Grados de Suma de cuadrados Estadística FT
Variación Libertad cuadrados medios F

Debido a r = 2 SSR = MSR = F(R)= Fr , n - r,  F(2,8)(0.95)= 4.46

la 249612.513 124806.2565 3077.01117
regresión 8
Error n – r =(10- SSE = MSE =  
residual 2)= 8 324.486976 40.560872
TOTAL n =10 SST =      
249937

Paso 6: Decisión
Como F(R) igual a 3077.011178, cae en la región de rechazo, rechazamos H 0 y
aceptamos H1
Paso 7: Conclusión
Por lo tanto, podemos concluir que el modelo si tiene la confianza estadística del
95%
j. Probar e interpretar la siguiente hipótesis: a) Con la prueba T y con el
análisis de varianza utilizando el cuadro reducido

Ho: ß1 = 0 en oposición a
Ha: ß1  0
Siendo el nivel de riesgo del 5%.

Paso 1: Formulación de la hipótesis

Ho: ß1 = 0 x no influye en la utilidad

Ha: ß1  0 x si influye en la utilidad

Paso 2: Nivel de significancia

α =0.05

Paso 3: Estadístico de prueba bajo H0

B1 – 0
tc= →(n−r )
S( B1 )

Paso 4: Región de aceptación y rechazo

-2.306 t(8)(0.975) = 2.306 15.588

R . A .=[ −2.306 , 2.306 ]

R . R .=(−∞ ,−2.306 ) U ( 2.306 , ∞ )

Paso 5: Cálculo del valor de prueba

|1427
( x ' x )= 10 1427
206493 |
Determinante: 10*206493-(1427*1427) = 28601

Por lo tanto:
 |
Var ( ^β )= V ( A)
COV (BA ) |
COV ( AB)
V (B)

|206493
−1427
−1427
10 |
∗40.560872
28601

|−2.023718204
292.8406748 −2.023718204
0.014181627 |
Entonces ahora calculado V(B)= 0.014181627 S(B) = 0.119086637

0.014181627−0
tc= =10.75309253
0.119086637

Paso 6: Decisión

Como tc= 10.75309253 > 3.182, cae en la región de rechazo, entonces

rechazamos H0 y aceptamos H1

Paso 7: Conclusión

Con un nivel de confianza estadística del 95%, podemos afirmar que los
gastos en publicidad si influyen en la utilidad.