Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Actividad 6 contabilidad, Ejercicios de Contabilidad Financiera

Jsjsjsjsjsjsksjsjakskakskajakaakja

Tipo: Ejercicios

2022/2023

Subido el 08/05/2023

karen-ramirez-kkh
karen-ramirez-kkh 🇲🇽

2 documentos

1 / 6

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Ensalada
Grasa (g) Proteínas (g)
Calorías
(porciones Y
de 100 g)
César 14.7 6.52 5.03 170
Atún 11.02 6.96 14.27 184
Atún con Queso 14.72 6.87 14.44 217
Atún con huevo 12.93 6.96 13.71 196
10.63 22.98 3.76 202
13.34 15 10.11 221
9.14 19.49 7.07 18.9
30.26 1.93 9.2 318
8.2 11.17 2.68 143
7.05 15.96 2.77 136
1.24 16.66 2.52 88
Carbohidratos
(g)
Macarrones o
pasta
Macarrones u
otra pasta con
pollo
Macarrones u
otra pasta con
atún
Ensalada de
huevo
Ensalada de
papas
Ensalada de
papas con
huevo
Ensalada de
papas estilo
alemán
pf3
pf4
pf5

Vista previa parcial del texto

¡Descarga Actividad 6 contabilidad y más Ejercicios en PDF de Contabilidad Financiera solo en Docsity!

Ensalada Grasa (g) Proteínas (g) Calorías (porciones Y de 100 g) César 14.7 6.52 5.03 170 Atún 11.02 6.96 14.27 184 Atún con Queso 14.72 6.87 14.44 217 Atún con huevo 12.93 6.96 13.71 196 10.63 22.98 3.76 202 13.34 15 10.11 221 9.14 19.49 7.07 18. 30.26 1.93 9.2 318 8.2 11.17 2.68 143 7.05 15.96 2.77 136 1.24 16.66 2.52 88 Carbohidratos (g) Macarrones o pasta Macarrones u otra pasta con pollo Macarrones u otra pasta con atún Ensalada de huevo Ensalada de papas Ensalada de papas con huevo Ensalada de papas estilo alemán

SUMMARY OUTPUT

Regression Statistics Multiple R 0. R Square 0. Adjusted R S 0. Standard Erro 54. Observations 11 ANOVA df SS MS F Significance F Regression 3 39132.4622 13044.1541 4.37601206 0. Residual 7 20865.8197 2980. Total 10 59998. CoefficientsStandard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Intercept 82.3552496 89.7054176 0.91806328 0.38912259 -129.764356 294.474856 -129. X Variable 1 7.6190214 3.20601285 2.37647875 0.04913585 0.03800566 15.2000371 0. X Variable 2 -1.04577663 3.84107106 -0.27226172 0.79327674 -10.1284664 8.03691316 -10. X Variable 3 1.27844651 4.35587368 0.29349945 0.77765122 -9.02155803 11.5784511 -9.

320 20 630 2. 200 10 398 4 785 50 1,395 1. 376 22 720 2. 2,405 120 4,230 0. 893 40 1,752 0. 1,930 93 4,000 0. 8,010 380 15,780 0. 1,540 75 3,080 0. y= consumo diario de petroleo (litros) x1= numero de horas x2= distancia (km) x3= rendimiento (km/h) Consumo diario de petróleo (Y) Número de horas- máquina Distancia de transportes Rendimiento promedio motores

SUMMARY OUTPUT

Regression Statistics Multiple R 0. R Square 0. Adjusted R S 0. Standard Erro 59. Observations 9 ANOVA df SS MS F Significance F Regression 3 47620373.2 15873457.7 4446.76078 5.53449E- Residual 5 17848.3378 3569. Total 8 47638221. CoefficientsStandard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Intercept -26.0134475 42.7484481 -0.60852379 0.5694223 -135.901832 83.8749367 -135. X Variable 1 11.299494 2.76214799 4.09083584 0.00943909 4.19916655 18.3998214 4. X Variable 2 0.23745943 0.06620353 3.58680931 0.01576106 0.06727784 0.40764102 0. X Variable 3 -4.70767704 17.2048452 -0.27362507 0.79531599 -48.9341395 39.5187854 -48.