Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Nombre del alumno: Antony Arturo García Pérez Matrícula: 201DD687 Carrera: Ingeniería Industrial Modalidad Mixta Nombre de la materia: Estadística Inferencial II Nombre del docente: José Gerardo Martínez Tovar PRIMER LABORATORIO DE REGRESIÓN LINEAL MÚLTIPLE Sabinas, Coahuila 20/05/2022 PRIMER LABORATORIO DE REGRESIÓN LINEAL MÚLTIPLE El servicio interno de contribuyentes (ISR) de EEUU está tratando de estimar la cantidad mensual de impuestos no pagados descubiertos por su servicio de auditorías. En el pasado, el ISR estimaba esta cantidad con base en el número esperado de horas de trabajo de auditorías de campo. En los últimos años, sin embargo, las horas de trabajo de auditorías de campo se han convertido en un pronosticador errático de los impuestos no pagados reales. Como resultado, la dependencia está buscando otro factor para mejorar la ecuación de estimación. El Departamento de Auditorías tiene un registro del número de horas que usa sus computadoras para detectar impuestos no pagados. ¿Podríamos combinar esta información con los datos referentes a las horas de trabajo de auditoría de campo y obtener una estimación más precisa (exacta) para los impuestos no pagados descubiertos cada mes? Los datos obtenidos se presentan en la siguiente tabla: Mes Horas de Trabajo de Auditoría (x 100) X1 Horas de Computadora (x 100) X2 (Z) Impuestos Reales No Pagados ($Millones) Y Enero 45 16 29 Febrero 42 14 24 Marzo 44 15 27 Abril 45 13 25 Mayo 43 13 26 Junio 46 14 28 Julio 44 16 30 Agosto 45 16 28 Septiembre 44 15 28 Octubre 43 15 27 Con los datos anteriores construya el modelo de regresión lineal múltiple con el método de los determinantes de Cramer y compruebe que con X1=45 y X2=16 el resultado de Y estimada es 29. 1er Paso: Construye la tabla de sumatorias: X Z Y X2 Z2 XY ZY XZ Enero 45 16 29 2025 256 1305 464 720 Febrero 42 14 24 1764 196 1008 336 588 Marzo 44 15 27 1936 225 1188 405 660 Abril 45 13 25 2025 169 1125 325 585 Mayo 43 13 26 1849 169 1118 338 559 Junio 46 14 28 2116 196 1288 392 644 Julio 44 16 30 1936 256 1320 480 704 Agosto 45 16 28 2025 256 1260 448 720 Septiembre 44 15 28 1936 225 1232 420 660 Octubre 43 15 27 1849 225 1161 405 645 Σ 441 147 272 19461 2173 12005 4013 6485 2º Paso: Construye el sistema de ecuaciones. ΣY = aΣX + bΣZ + cn ΣXY = aΣX2 + bΣXZ + cΣX ΣZY = aΣXZ + bΣZ2 + cΣZ ΣY = 272 n = 10 ΣXZ = 6485 ΣX = 441 ΣXY = 12005 ΣZY = 4013 ΣZ = 147 ΣX2 = 19461 ΣZ2 = 2173 Encontrar los diferentes determinantes de las siguientes matrices: ΔS, Δa, Δb, Δc. TI: términos independientes. Matriz del Sistema: a b c Matriz Coeficiente a: TI b c Matriz Coeficiente b: a TI c Matriz Coeficiente c: a b TI ΔS = Δa = Δb = Δc = Paso 3: Encuentra el valor de los coeficientes utilizando la regla de Cramer: a = Δa/ΔS = b = Δb/ΔS = c = Δc/ΔS = Resolviendo el sistema de ecuaciones: Y = Compruebe la solución cuando X1 = 45 y Z = 16 Y = Revise la solución del sistema de ecuaciones con una calculadora en línea y en Excel. SEGUNDO LABORATORIO DE REGRESIÓN LINEAL MÚLTIPLE Una empresa fabricante de muebles, ha observado que sus ventas han disminuido al pasar de los meses. Hay directivos que opinan que se debe al aumento de los aranceles que impuso el gobierno para la importación de materias primas lo cual encarece el precio de sus productos y por tanto el mercado compra menos. Otros indican que se debe al aumento en el valor del dólar que genera tanto sobre costos en la compra de materias primas y desestimula las exportaciones haciendo que sus productos sean más costosos y con menos oportunidades de venderse al exterior. La dirección requiere saber cual factor es más importante para priorizar medidas. Además de pronosticar el valor en ventas para el próximo trimestre. Los datos obtenidos se presentan en la siguiente tabla: Mes Evaluado Arancel - X1 TRM ($/USD) – X2 Ventas - Y Enero 2019 33 22.14 550 Febrero 2019 30 22.08 590 Marzo 2019 33 23.96 510 Abril 2019 27 21.10 605 Mayo 2019 31 22.32 557 Junio 2019 35 22.15 570 Julio 2019 30 19.15 590 Agosto 2019 30 21.04 600.1 Septiembre 2019 28 19.71 621.5 Octubre 2019 33 21.12 603.5 Noviembre 2019 31 21.69 510 Diciembre 2019 33 21.87 578.16 Enero 2020 28 21.13 610 Febrero 2020 25 19.55 654.501 Marzo 2020 18 18.39 710 Abril 2020 17 18.59 686.111 Mayo 2020 29 20.37 627.349 Junio 2020 25 19.66 650.695 Julio 2020 12 15.34 748 Agosto 2020 28 20.49 623.521 Septiembre 15 16.65 749.728 Octubre 2020 21 20.61 619.522 Noviembre 2020 25 19.87 643.860 Diciembre 2020 17 16.67 730.750 ENERO 2021 19 22.14 FEBRERO 2021 24 22.08 MARZO 2021 22 22.19 1. Encuentre la ecuación de regresión múltiple. Ventas = 1118.99628 + (-3.9755) *(Arancel) + (-19.5824)*(TRM) 2. Determine el valor de las ventas en el 1er trimestre de 2021, (enero, febrero y marzo). ene-21 19 22.14 613.324683 feb-21 24 22.08 595.521818 mar-21 22 22.19 600.958872 3. Establezca los valores de p de cada variable y encuentre cuales son significativas y cuales no. 4. Analice los coeficientes R2 de cada variable y determine cual es el que mejor correlaciona al modelo. Se interpreta que el 89% de la variabilidad es explicada por peso inicial y peso de alimento El resto de la variabilidad es debido a efectos (variables explicativas) que no son tenidos en cuenta en este ejemplo 5. Dibuje las gráficas de cada variable independiente encontrando su ecuación de regresión lineal simple y el coeficiente R2 respectivo. Dibuje una gráfica combinada con ambas variables agregando dos ejes horizontales.
Compartir