Ejercicios de RLS E-2 y Dual 2

1.
El propietario de una de tiendas de helados, está tratando de encontrar alguna

variable que tenga una relación positiva con las ventas diarias y decide investigar la
temperatura ambiental promedio. Para ello recoge datos para una muestra aleatoria
de 10 días:
Día Ventas Diarias Temperatura

Galones promedio
1 110 72
2 127 79
3 140 85
4 151 90
5 89 66
6 187 95
7 205 100
8 190 98
9 136 82
10 165 91
Modelo 1: MCO, usando las observaciones 1-10

Variable dependiente: Y
Coeficiente Desv. Típica Estadístico t Valor p

----------------------------------------------------------------
const -130,171 17,8979 -7,273 8,61e-05 ***
X 3,26540 0,207026 15,77 2,61e-07 ***
Media de la vble. dep. 150,0000 D.T. de la vble. dep. 37,06751

Suma de cuad. residuos 385,2586 D.T. de la regresión 6,939548
R-cuadrado 0,968845 R-cuadrado corregido 0,964951
F(1, 8) 248,7833 Valor p (de F) 2,61e-07
Log-verosimilitud -32,44603 Criterio de Akaike 68,89207
Criterio de Schwarz 69,49724 Crit. de Hannan-Quinn 68,22820
rho 0,364756 Durbin-Watson 1,201211
Contrastes de Homocedasticidad
Contraste de White con valor p = 0,617286

Contraste de Breusch-Pagan con valor p = 0,402999
Contraste de Koenker con valor P = 0.342323
Contraste de ARCH con valor p = 0.993383
Contrastes de normalidad de X:
Contraste de Doornik-Hansen = 0,664856, con valor p = 0,71718

W de Shapiro-Wilk = 0,957182, con valor p = 0,753329
Contraste de Lilliefors = 0,146502, con valor p= 0,78
Contraste de Jarque-Bera = 0,652365, con valor p = 0,721673
Contrastes de Independencia o NO Autocorrelación

Estadístico de Durbin-Watson = 1.20121 Valor p = 0.0687059
1.1. Calcule el coeficiente de correlación

1.2. Calcule la ecuación de regresión muestral
1.3. ¿Es el modelo significativo?
1.4. Interprete el coeficiente de regresión
1.5. Pronostique las ventas cuando la temperatura es de 72° F
1.6. Calcule el residual cuando la temperatura promedio es de 72° F
1.7. Calcule el error típico de la estimación
1.8. Calcule el coeficiente de determinación simple y analícelo
1.8. Calcule un intervalo de predicción y de confianza con un nivel del 95%
1.9. ¿El modelo ajustado cumple el supuesto de normalidad?
1.10 ¿El modelo ajustado cumple con el supuesto de independencia?
1.11. ¿El modelo cumple el supuesto de Homocedasticidad
2. Al oficial de una pista de carreras le gustaría desarrollar un modelo para predecir la

cantidad de dinero apostado (en millones de dólares), basándose en la asistencia. Se
seleccionó una muestra aleatoria de 15 días y los resultados obtenidos se presentan
en la siguiente tabla
APUESTA 0.70 0.83 0.62 1.10 1.27 1.02 1.15 0.80 0.71 1.04 0.97 1.13 0.91 0.68 0.63
ASISTENCIA 14.5 21.2 11.6 31.7 46.8 31.4 40.0 21.0 16.3 32.1 27.6 34.8 29.3 19.2 16.3
SALIDAS DE GRETL
Variable dependiente: APUESTA
coeficiente Desv. típica Estadístico t valor p

--------------------------------------------------------------
const 0.372954 0.0370824 10.06 1.68e-07 ***
ASISTENCIA 0.0202278 0.00132335 15.29 1.09e-09 ***
Media de la vble. dep. 0.904000 D.T. de la vble. dep. 0.210740

Suma de cuad. residuos 0.032772 D.T. de la regresión 0.050209
R-cuadrado 0.947291 R-cuadrado corregido 0.943237
F(1, 13) 233.6378 Valor p (de F) 1.09e-09
Log-verosimilitud 24.66259 Criterio de Akaike −45.32519
Criterio de Schwarz −43.90909 Crit. de Hannan-Quinn −45.34027
rho 0.270495 Durbin-Watson 1.350309
corr(APUESTA, ASISTENCIA) = 0.97328882

Estadístico de Durbin-Watson = 1.35031 valor p = 0.0756829
Contraste de Doornik-Hansen = 1.52782, con valor p 0.465842
W de Shapiro-Wilk = 0.939241, con valor p 0.372918
Contraste de Lilliefors = 0.154694, con valor p ~= 0.42
Contraste de Jarque-Bera = 1.06934, con valor p 0.585864
Contraste de homocedasticidad de White con valor p = 0.856219
Contraste de homocedasticidad de Breusch-pagan con valor p = 0.840913
Contraste de homocedasticidad de Koenker con valor p = 0.792378
Contraste de homocedasticidad de ARCH con valor p = 0.183421
2.1. Calcule el coeficiente de correlación

2.2. Suponiendo que existe una relación lineal, utilice el método de los mínimos
cuadrados para calcular los coeficientes de regresión
2.3. Interprete el significado del coeficiente de regresión
2.4. Pronostique la cantidad apostada para un día en el cual la asistencia es de 20.000
2.5. Calcule el valor del residuo correspondiente si la asistencia es de 20.000
2.7. ¿Qué proporción de la variación de las apuestas es explicada por la asistencia?
2.8. Realice una prueba apropiada para demostrar que el coeficiente de regresión es
diferente de cero
2.9. ¿Los residuos son independientes? Demuestre a partir de una prueba a un nivel
del 5%
2.10. ¿Los residuos son normales?, demuestre a partir de una prueba a un nivel del
5%
2.11. ¿Los residuos son homocedasticos? Demuestre a partir de una prueba a un nivel
del 5%
3. El propietario de una agencia de venta de automóviles desea estimar el precio de

venta de los automóviles con base en la antigüedad de estos. Las siguientes son las
salidas


---------------------------------------------------------------
const 11.1772 2.14327 5.215 0.0004 ***
X -0.478756 0.233734 -2.048 0.0677 *

F(1, 10) 4.195499 Valor p (de F) 0.067702
Log-verosimilitud -22.52538 Criterio de Akaike 49.05077
Criterio de Schwarz 50.02058 Crit. de Hannan-Quinn 48.69171
3.1. ¿Existe una relación significativa entre la antigüedad en años y el precio de venta
de un automóvil? Explique claramente su respuesta
3.2. Defina la ecuación de predicción
3.3. Interprete el coeficiente de regresión
3.4. calcule el error típico de la estimación
3.5. calcule el coeficiente de determinación simple e interprételo
4. Se ha efectuado un estudio en el que se relacionan los puntajes de aptitud con la

productividad en una empresa industrial, después de tres meses de entrenamiento del
personal. 10 postulantes elegidos al azar obtuvieron los siguientes puntajes de
productividad y aptitud:
PUNTAJE DE
PRODUCTIVIDAD APTITUD
19 23
17 35
20 29
19 33
20 43
22 32
23 30
24 31
20 24
21 25
Justifique sus respuestas citando las pruebas formales apropiadas que se presentan al
final de las preguntas. Para cada prueba cite el valor P asociado a su respuesta. Use
un nivel de significancia del 1%

---------------------------------------------------------------
const 21,5118 3,80706 5,651 0,0005
X -0,0331754 0,122751 -0,2703 0,7938
Media de la vble. 20,50000 D.T. de la vble. 2,068279

dep. dep.
Suma de cuad. 38,15166 D.T. de la regresión 2,183794
residuos
R-cuadrado 0,989048 R-cuadrado corregido 0,934821
F(1, 8) 0,073043 Valor p (de F) 0,793797
Log-verosimilitud -20,88431 Criterio de Akaike 45,76861
Criterio de Schwarz 46,37378 Crit. de Hannan- 45,10474
Quinn
rho 0,481135 Durbin-Watson 0,957467
Contraste de Doornik-Hansen = 0,619807, con valor p = 0,733518

Estadístico de Durbin-Watson = 0,957467 Valor p = 0,0607109
Contraste de White: valor p = 0,249820
Contraste de chow: valor P = 0.587
4.1. Calcule el coeficiente de correlación e interprételo

4.2. Calcule la ecuación de regresión muestral
4.3. Pronostique la productividad de un trabajador cuyo puntaje de aptitud fue de 26
puntos
4.5. ¿Qué porcentaje de la variabilidad total de la productividad es explicado por el
modelo ajustado
4.6. Realice las pruebas apropiadas para demostrar los supuestos del modelo
4.7. Calcule el residual cuando el puntaje de aptitud es de 43 puntos
5. Una supervisora de mantenimiento, le gustaría determinar si existe una relación

positiva entre el costo anual de mantenimiento de autobús y su antigüedad. Si existe
la supervisora puede hacer un mejor trabajo para su empresa. Ella recopiló la
siguiente información:
X 8 5 3 9 11 2 1 8 12
Y 859 682 471 708 1094 224 320 651 1049


---------------------------------------------------------------
const 208.203 75.0018 2.776 0.0275 **
X 70.9181 9.93423 7.139 0.0002 ***
Media de la vble. Dep. 673.1111 D.T. de la vble. Dep. 300.4199

Suma de cuad. Residuos 87197.15 D.T. de la regresión 111.6097
F(1, 7) 50.96196 Valor p (de F) 0.000187
Criterio de Schwarz 112.5437 Crit. De Hannan-Quinn 111.2980
rho -0.320855 Durbin-Watson 2.559876
Contraste de White con valor p = 0.208107

Contraste de Doornik-Hansen = 0.88936, con valor p = 0.641029
contraste de Chow con valor p = 0.4723
Contraste CUSUM con valor p = 0.309
Contraste CUSUMSQ con valor p = 0.909
5.1. Con respecto al coeficiente de regresión se puede afirmar que:
a. A un nivel de significancia del 1% el coeficiente de regresión es diferente de cero

b. A un nivel de significancia del 1% el coeficiente de regresión es cero
c. A un nivel de significancia del 5% el coeficiente de regresión es diferente de cero
d. a y c son afirmativas
5.2. En el modelo ajustado la interpretación que tiene el coeficiente de regresión es:
a. Si se incrementa en un año la antigüedad de un autobús, se espera que se

incremente el mantenimiento en $208203.oo
b. Si X se incrementa en unidad, se genera un incremento de 208.203 unidades en Y
c. Si se incrementa en un año la antigüedad de un autobús se espera que se
incremente el mantenimiento en $70918.oo
d. Si X se incrementa en unidad, se genera un incremento de 70.918 unidades en Y
5.3. Con respecto con el modelo ajustado se puede concluir que:
a. A un nivel de significancia del 1%, la ordenada es diferente de cero

b. Se observa una alta relación positiva entre la antigüedad del autobús y el costo de
mantenimiento
c. El 87.92% de la antigüedad de los autobuses es explicado por los gastos de
mantenimiento.
d. El error típico de la estimación es 300.42
5.4. De acuerdo con el modelo ajustado se puede concluir que:
a. La ordena a un nivel de significancia del 1% es diferente de cero

b. Existe una positiva pero débil relación entre los gastos de mantenimiento y los años
de antigüedad
c. el 87.92% de los gastos de mantemiento es explicado por los años de antigüedad
5.5. Respecto al supuesto de normalidad, se puede concluir que
a. A un nivel de significancia del 5%, la prueba de Durbin – Watson cumple el

supuesto de normalidad
b. A un nivel de significancia del 1% la prueba de Durbin – Watson cumple el supuesto
de normalidad
c. A un nivel de significancia del 5% la prueba de Doornik-Hansen cumple el supuesto
de normalidad
d. A y B son ciertas para el supuesto de normalidad
5.6. Respecto al supuesto de independencia, se puede concluir que
a. A un nivel de significancia del 5%, la prueba de Durbin – Watson cumple el

supuesto de independencia
b. A un nivel de significancia del 1% la prueba de Durbin – Watson cumple el supuesto
de independencia
c. A un nivel de significancia del 5% la prueba de Doornik-Hansen cumple el supuesto
de independencia
d. A y B son ciertas para el supuesto de independencia
5.7. Respecto al supuesto de homocedasticidad se puede concluir que
a. A un nivel de significancia del 5%, la prueba de White cumple el supuesto de

homocedasticidad.
b. A un nivel de significancia del 1% la prueba de White cumple el supuesto de
homocedasticidad
c. A un nivel de significancia del 5% la prueba de Chow cumple el supuesto de
homocedasticidad
d. A y B son ciertas para el supuesto de homocedasticidad
5.8. El residual cuando un autobús tiene 9 años es:
a. 138
b. -138
c. 846
d. 708
RESPONDA A LAS SIGUIENTES CUATRO PREGUNTAS MARCANDO SOLO UNA

OPCION
6. Un residual mide
a. El pronóstico de una ecuación de regresión muestral

b. La diferencia entre un valor real y el valor pronosticado por la ecuación de regresión
muestral.
c. La línea recta que mejor se ajusta a un conjunto de datos X -Y
d. La ecuación para la línea recta que minimiza la suma de los cuadrados
7. De las siguientes ecuaciones cuál es incongruente:
a.
b.
c.
d.
8. El error típico de la estimación mide:

a. La diferencia entre un valor real y el valor pronosticado por la ecuación muestral
b. La variabilidad de los valores de Y, observados en la muestra, alrededor de la recta
de regresión
c. La relación exacta entre las variables
d. La fuerza de la relación lineal entre dos variables cuantitativas
9. El coeficiente de correlación es:
a. Un porcentaje de variabilidad de Y explicado por la variable X

b. Una gráfica de pares datos X-Y en un espacio bidimensional
c. Un valor que indica la fuerza de la relación lineal entre dos variables cuantitativas
d. Un valor que generalmente es 1
10. El propietario de una agencia de venta de automóviles (en millones) desea estimar el
precio de venta de los automóviles con base en la antigüedad (en años) de estos. Con
base en los siguientes datos, estas son las salidas:
VENTAS 8.1 6.0 3.6 4.0 5.0 10.0 7.6 8.0 8.0 6.0 8.6 8.0
ANTIGUEDAD 9 7 11 12 8 7 8 11 10 12 6 6


---------------------------------------------------------------
const 11.1772 2.14327 5.215 0.0004 ***
X -0.478756 0.233734 -2.048 0.0677 *

F(1, 10) 4.195499 Valor p (de F) 0.067702

Contraste de Breusch-Pagan con valor p = 0.720107
Contraste de Koenker con valor p = 0.533681
Durbin-Watson = 1.34818 Valor p = 0.107379
contraste de Chow con valor p = 0.4870
Contraste CUSUM con valor p 0.4084
W de Shapiro-Wilk = 0.909902, con valor p = 0.212733
Contraste de Lilliefors = 0.159191, con valor p = 0.54
Contraste de Jarque-Bera = 1.05517, con valor p = 0.590028
10.1. la interpretación del coeficiente de regresión es

a. Si se incrementa en un año la antigüedad de un automóvil, se espera que el
precio de venta se incrementa en $11.17 (millones)
b. Si X se incrementa en una unidad, se genera un incremento de $11.17
(millones) en Y
c. Si se incrementa en un año la antigüedad de un automóvil, se espera que el
precio de venta se disminuya en $0.479 (millones)
d. Si X se incrementa en una unidad se espera que se genere un incremento
0.295 (millones) en Y
10.2. La interpretación correcta es:
a. Se observa una alta relación entre la antigüedad del automóvil y el precio de

venta
b. El modelo explica la variabilidad del porcentaje de las ventas en un 54.36%
c. El 29.55% de las ventas de automóviles es explicado por la antigüedad
d. El 29.55% de la antigüedad del automóvil es explicado por las ventas
10.3. La interpretación correcta es;
a. El modelo se considera poco confiable

b. El modelo de estimación se considera fuerte
c. El modelo se considera como un modelo lineal excelente en su ajuste
d. La relación entre las dos variables es alta
10.4. El precio de un automóvil con 5 años de antigüedad es:
a. 9.538 (millones)
b. 6.536 (millones)
c. 8.783 (millones)
d. 10.553 (millones)
a. Existe una alta relación entre el precio de venta de los automóviles y la

antigüedad de este
b. Existe una moderada la relación entre el precio de venta de los automóviles y
la antigüedad de este
c. A medida que se incrementa la antigüedad, el precio de venta de los
automóviles se incrementan en un 29.55%
d. A medida que se incrementa la antigüedad, el precio de ventas de los
automóviles se disminuye
10.6. Con respecto al modelo ajustado se puede concluir que:
a. A un nivel de significancia del 1% el coeficiente de regresión es cero

c. A un nivel de significancia del 1% el coeficiente de regresión es diferente de
cero
d. Tanto a como c son afirmativas
a. A un nivel de significancia del 1% la ordenada es de cero
b. Se observa una baja relación y negativa entre la antigüedad de los
automóviles y las ventas.
c. El 29.55% la antigüedad de los automóviles es explicada por la venta de
éstos.
d. El error típico es 1.97
a. A un nivel de significancia del 1% la ordenada es diferente de cero

b. Existe una positiva pero débil relación entre las ventas y la antigüedad de los
automóviles
c. El 29.55% de la antigüedad de los automóviles es explicada por las ventas
d. El 22.51% de las ventas es explicada por la antigüedad de los automóviles
10.9. Con respecto al supuesto de normalidad se puede concluir que:

a. A un nivel de significancia del 5%, la prueba de Durbin-Watson cumple el
b. A un nivel de significancia del 1%, la prueba de White cumple el supuesto de
normalidad
c. A un nivel de significancia del 5% la prueba de Doornik - Hansen cumple el
d. A y b son ciertas para el supuesto de normalidad
10.10. Con respecto al supuesto de No autocorrelación, se puede concluir que:

b. A un nivel de significancia del 1% la prueba de ARCH, cumple el supuesto de
Independencia
c. A un nivel de significancia del 5% la prueba de Doornik-Hansen, cumple el
d. A un nivel de significancia del 5% la prueba de White cumple el supuesto de
independencia
10.11. Con respecto al supuesto de no Heterocedasticidad se puede concluir que:

supuesto de no Heterocedasticidad
b. A un nivel de significancia del 1% la prueba de Lilliefors, cumple el supuesto de
no Heterocedasticidad
supuesto de no Heterocedasticidad
d. A un nivel de significancia del 5% la prueba de Koenker cumple el supuesto de
no Heterocedasticidad.
10.12. El residual cuando un automóvil tiene 9 años de servicio es:
a. 1.3
b. -0.8
c. -3.2
d. 3.2
11. Una compañía eléctrica que tiene contrato de mantenimiento con las Empresas
Municipales de Cali pretende estudiar la relación entre Kilowatt-hora (en miles)
consumidos y el número de habitaciones de residencias familiares y presenta la
siguiente información:
X 12 9 14 6 10 8 10 10 5 7
Y 9 7 10 5 8 6 8 10 4 7
M10odelo 1: MCO, usando las observaciones 1-10

Var5iable dependiente: Y

---------------------------------------------------------------
Const 1.33333 1.05586 1.263 0.2422
X 0.666667 0.111608 5.973 0.0003
F(1, 8) 35.68000 Valor p (de F) 0.000333
rho -0.254902 Durbin-Watson 2.266667

Contraste de Lilliefors = 0.170661, con valor p = 0.55
Contraste de Chow 0.15399 con valor p = 0.7064
11.1. La interpretación correcta del coeficiente de regresión es:
a. Si se incrementa una habitación en una residencia, se espera que se

incremente en 1.33 killowatt-hora el consumo
b. Si se incrementa una habitación en una residencia, se espera que se
incremente en 0.66 killowatt-hora el consumo.
c. Si se incrementa una habitación en una residencia, se espera que se
disminuya en 1.33 killowatt-hora el consumo
d. Si se incrementa una habitación en una residencia, se espera que se
disminuya en 0.66 killowatt-hora el consumo
a. A un nivel de significancia del 1% el coeficiente de regresión es diferente de

cero
c. A un nivel de significancia del 5% el coeficiente de regresión es diferente de
cero
11.3. Con respecto al modelo ajustado se puede concluir que

a. A un nivel de significancia del 1%, la ordenada es diferente de cero
b. Se observa una alta relación positiva entre el consumo de energía y el número
de habitaciones
c. El 81.69% de las habitaciones es explicado por el consumo de energía
11.4. Con respecto al modelo ajustado se puede afirmar que:
a. A un nivel de significancia del 1% la ordenada es cero

b. Existe una positiva pero débil relación entre el consumo de energía y el número
de habitaciones
c. El 81.69% del consumo de energía es explicado por el número de habitaciones
11.5. Respecto al supuesto de normalidad se puede concluir que:

b. A un nivel de significancia del 1%, la prueba de Durbin-Watson cumple el
c. A un nivel de significancia del 5% la prueba de Lilliefors cumple el supuesto de
normalidad
d. A y b son ciertas para el supuesto de normalidad
11.6. Con respecto al supuesto de Independencia se puede concluir que:

b. A un nivel de significancia del 1% la prueba de ARCH, cumple el supuesto de
Independencia
independencia
11.7. Con respecto al supuesto de Homocedasticidad se puede concluir que:

supuesto de homocedasticidad
b. A un nivel de significancia del 1% la prueba de Lilliefors, cumple el supuesto de
homocedasticidad
supuesto de homocedasticidad
homocedasticidad
11.8. El número de kilowatt-hora (en miles) cuando una residencia tiene 6

habitaciones es:
a. 5
b. 7
c. 3
d. 8
11.9. El residual cuando una residencia tiene 6 habitaciones es:
a. 2
b. 3
c. 0
d. 4
CON BASE EN LA INFORMACIÓN CONTENIDA EN EL SIGUIENTE PARRAFO Y

LAS SALIDAS, CONTESTE LAS SIGUIENTES CINCO PREGUNTAS
12. El propietario de una agencia de venta de automóviles desea estimar el precio de

venta de los automóviles (en millones), con base en la antigüedad de estos. Se
presenta la siguiente información:
12.1. la interpretación del coeficiente de regresión es
a. Si se incrementa en un año la antigüedad de un automóvil, se espera que el

precio de venta se incrementa en $11.17 (millones)
b. Si X se incrementa en una unidad, se genera un incremento de $11.17
(millones) en Y
c. Si se incrementa en un año la antigüedad de un automóvil, se espera que el
precio de venta se disminuya en $0.479 (millones)
d. Si X se incrementa en una unidad se espera que se genere un incremento
0.295 (millones) en Y
a. Se observa una alta relación entre la antigüedad del automóvil y el precio de

venta
b. El modelo explica la variabilidad del porcentaje de las ventas en un 54.36%
c. El 29.55% de las ventas de automóviles es explicado por la antigüedad
d. El 29.55% de la antigüedad del automóvil es explicado por las ventas
12.3. La interpretación correcta es;
a. El modelo se considera poco confiable

b. El modelo de estimación se considera fuerte
c. El modelo se considera como un modelo lineal excelente en su ajuste
d. La relación entre las dos variables es alta
12.4. El precio de un automóvil con 5 años de antigüedad es:
a. 9.538 (millones)
b. 6.536 (millones)
c. 8.783 (millones)
d. 10.553 (millones)
a. Existe una alta relación entre el precio de venta de los automóviles y la

antigüedad de este
b. Existe una moderada la relación entre el precio de venta de los automóviles y
la antigüedad de este
c. A medida que se incrementa la antigüedad, el precio de venta de los
automóviles se incrementan en un 29.55%
d. A medida que se incrementa la antigüedad, el precio de ventas de los
automóviles se disminuye

Ejercicios de RLS E-2 y Dual 2

Cargado por

Copyright:

Formatos disponibles

Ejercicios de RLS E-2 y Dual 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios de RLS E-2 y Dual 2

Cargado por

Copyright:

Formatos disponibles

1.

El propietario de una de tiendas de helados, está tratando de encontrar alguna

Día Ventas Diarias Temperatura

Modelo 1: MCO, usando las observaciones 1-10

Coeficiente Desv. Típica Estadístico t Valor p

Media de la vble. dep. 150,0000 D.T. de la vble. dep. 37,06751

Contraste de White con valor p = 0,617286

Contraste de Doornik-Hansen = 0,664856, con valor p = 0,71718

Contrastes de Independencia o NO Autocorrelación

1.1. Calcule el coeficiente de correlación

2. Al oficial de una pista de carreras le gustaría desarrollar un modelo para predecir la

coeficiente Desv. típica Estadístico t valor p

Media de la vble. dep. 0.904000 D.T. de la vble. dep. 0.210740

corr(APUESTA, ASISTENCIA) = 0.97328882

2.1. Calcule el coeficiente de correlación

3. El propietario de una agencia de venta de automóviles desea estimar el precio de

Modelo 1: MCO, usando las observaciones 1-12

Coeficiente Desv. Típica Estadístico t Valor p

Media de la vble. dep. 6.908333 D.T. de la vble. dep. 1.967674

4. Se ha efectuado un estudio en el que se relacionan los puntajes de aptitud con la

Coeficiente Desv. Típica Estadístico t Valor p

Media de la vble. 20,50000 D.T. de la vble. 2,068279

Contraste de Doornik-Hansen = 0,619807, con valor p = 0,733518

4.1. Calcule el coeficiente de correlación e interprételo

5. Una supervisora de mantenimiento, le gustaría determinar si existe una relación

Modelo 1: MCO, usando las observaciones 1-9

Coeficiente Desv. Típica Estadístico t Valor p

Media de la vble. Dep. 673.1111 D.T. de la vble. Dep. 300.4199

Contraste de White con valor p = 0.208107

5.1. Con respecto al coeficiente de regresión se puede afirmar que:

a. A un nivel de significancia del 1% el coeficiente de regresión es diferente de cero

5.2. En el modelo ajustado la interpretación que tiene el coeficiente de regresión es:

a. Si se incrementa en un año la antigüedad de un autobús, se espera que se

5.3. Con respecto con el modelo ajustado se puede concluir que:

a. A un nivel de significancia del 1%, la ordenada es diferente de cero

5.4. De acuerdo con el modelo ajustado se puede concluir que:

a. La ordena a un nivel de significancia del 1% es diferente de cero

5.5. Respecto al supuesto de normalidad, se puede concluir que

a. A un nivel de significancia del 5%, la prueba de Durbin – Watson cumple el

5.6. Respecto al supuesto de independencia, se puede concluir que

a. A un nivel de significancia del 5%, la prueba de Durbin – Watson cumple el

5.7. Respecto al supuesto de homocedasticidad se puede concluir que

a. A un nivel de significancia del 5%, la prueba de White cumple el supuesto de

5.8. El residual cuando un autobús tiene 9 años es:

RESPONDA A LAS SIGUIENTES CUATRO PREGUNTAS MARCANDO SOLO UNA

a. El pronóstico de una ecuación de regresión muestral

7. De las siguientes ecuaciones cuál es incongruente:

8. El error típico de la estimación mide:

9. El coeficiente de correlación es:

a. Un porcentaje de variabilidad de Y explicado por la variable X

Modelo 1: MCO, usando las observaciones 1-12

Coeficiente Desv. Típica Estadístico t Valor p

Media de la vble. dep. 6.908333 D.T. de la vble. dep. 1.967674

Contraste de White con valor p = 0.268243

10.1. la interpretación del coeficiente de regresión es

10.2. La interpretación correcta es:

a. Se observa una alta relación entre la antigüedad del automóvil y el precio de

10.3. La interpretación correcta es;

a. El modelo se considera poco confiable