Ejercicio de regresion lineal

Solo disponible en BuenasTareas
  • Páginas : 21 (5047 palabras )
  • Descarga(s) : 0
  • Publicado : 6 de marzo de 2012
Leer documento completo
Vista previa del texto
ANALISIS DE REGRESION LINEAL.
En un hipermercado el número de horas que el personal de oficina trabaja al día, depende de las siguientes variables:
y=Numero de horas
x1=Numero de articulos de correspondencia procesados abrir, ordenar, ect
x2 =Numeor de giros de efectivo
x3=Numero de pagos en ventanilla
x4 =Numero de transacciones de modificacion de pedido procesados
x5=Numero de chequescobrados
x6=Numero de articulos de correspondencia procesados
x7=Numero de boletas de autobus vendidos
En la tabla que se adjunta se presenta los datos sobre estas variables recopiladas en 43 días de trabajo.

TABLA |
OBS. | Días de la semana | Y | X1 | X2 | X3 | X4 | X5 | X6 | X7 |
1 | L | 128,5 | 7781 | 100 | 886 | 235 | 644 | 56 | 737 |
2 | M | 113,6 | 7004 | 110 | 962 | 388 | 589| 57 | 1029 |
3 | M | 146,6 | 7267 | 61 | 1342 | 398 | 1081 | 59 | 830 |
4 | J | 124,3 | 2129 | 102 | 1153 | 457 | 891 | 57 | 1468 |
5 | V | 100,4 | 4878 | 45 | 803 | 577 | 537 | 49 | 335 |
6 | S | 119,2 | 3999 | 144 | 1127 | 345 | 563 | 64 | 918 |
7 | L | 109,5 | 11777 | 123 | 627 | 326 | 402 | 60 | 335 |
8 | M | 128,5 | 5764 | 78 | 748 | 161 | 495 | 57 | 962 |
9 | M | 131,2 | 7392| 172 | 876 | 219 | 823 | 62 | 665 |
10 | J | 112,2 | 8100 | 126 | 685 | 287 | 555 | 86 | 577 |
11 | V | 95,4 | 4736 | 115 | 436 | 235 | 456 | 38 | 214 |
12 | S | 124,6 | 4337 | 110 | 899 | 127 | 573 | 73 | 484 |
13 | L | 103,7 | 3079 | 96 | 570 | 180 | 428 | 59 | 456 |
14 | M | 103,6 | 7273 | 51 | 826 | 118 | 463 | 53 | 907 |
15 | M | 133,2 | 4091 | 116 | 1060 | 206 | 961 | 67 | 951|
16 | J | 111,4 | 3390 | 70 | 957 | 284 | 745 | 77 | 1446 |
17 | V | 97,7 | 6319 | 58 | 559 | 220 | 539 | 41 | 440 |
18 | S | 132,1 | 7447 | 83 | 1050 | 174 | 553 | 63 | 1133 |
19 | L | 135,9 | 7100 | 80 | 568 | 124 | 428 | 55 | 456 |
20 | M | 131,3 | 8035 | 115 | 709 | 174 | 498 | 78 | 968 |
21 | M | 150,4 | 5579 | 83 | 568 | 223 | 683 | 79 | 660 |
22 | J | 124,9 | 4338 | 78 | 900| 115 | 556 | 84 | 555 |
23 | V | 97 | 6895 | 18 | 442 | 118 | 479 | 41 | 203 |
24 | S | 114,1 | 3629 | 133 | 644 | 155 | 505 | 57 | 781 |
25 | L | 88,3 | 5149 | 92 | 389 | 124 | 405 | 59 | 236 |
26 | M | 117,6 | 5241 | 110 | 612 | 222 | 477 | 55 | 616 |
27 | M | 128,2 | 2917 | 69 | 1057 | 378 | 970 | 80 | 1210 |
28 | J | 138,8 | 4390 | 70 | 974 | 195 | 1027 | 81 | 1452 |
29 | V |109,5 | 4957 | 24 | 783 | 358 | 893 | 51 | 616 |
30 | S | 118,9 | 7099 | 130 | 1419 | 374 | 609 | 62 | 957 |
31 | L | 122,2 | 7337 | 128 | 1137 | 238 | 461 | 51 | 968 |
32 | M | 142,8 | 8301 | 115 | 946 | 191 | 771 | 74 | 719 |
33 | M | 133,9 | 4889 | 86 | 750 | 214 | 513 | 69 | 489 |
34 | J | 100,2 | 6308 | 81 | 461 | 132 | 430 | 49 | 341 |
35 | V | 116,8 | 6908 | 145 | 864 | 164 | 549| 57 | 902 |
36 | S | 97,3 | 5345 | 116 | 604 | 127 | 360 | 48 | 126 |
37 | L | 98 | 6994 | 59 | 714 | 107 | 473 | 53 | 726 |
38 | M | 136,5 | 6781 | 78 | 917 | 171 | 805 | 74 | 1100 |
39 | M | 111,7 | 3142 | 106 | 809 | 335 | 702 | 70 | 1721 |
40 | J | 98,6 | 5738 | 27 | 546 | 126 | 455 | 52 | 502 |
41 | V | 116,2 | 4931 | 174 | 891 | 129 | 481 | 71 | 737 |
42 | S | 108,9 | 6501 |69 | 643 | 129 | 334 | 47 | 473 |
43 | L | 120,6 | 5678 | 94 | 828 | 107 | 384 | 52 | 1083 |

1. Encuentre la ecuación de regresión MCO que permite estimar Y con base en x1; x2: x3; x4; x5; x6; x7.

Coeficientesa |
Modelo | Coeficientes no estandarizados | Coeficientes tipificados | t | Sig. | Intervalo de confianza de 95,0% para B | Correlaciones | Estadísticos de colinealidad || B | Error típ. | Beta | | | Límite inferior | Límite superior | Orden cero | Parcial | Semiparcial | Tolerancia | FIV |
1 | (Constante) | 52,339 | 11,521 | | 4,543 | ,000 | 28,949 | 75,729 | | | | | |
| N. de artic.decorresp. procesados ( abrir, ordenar, etc) | ,002 | ,001 | ,208 | 1,793 | ,082 | ,000 | ,004 | ,075 | ,290 | ,192 | ,854 | 1,171 |
| N. de giros de efectivo |...
tracking img