Universidad de San Carlos de Guatemala
Facultad de Ciencias Economicas
Propedéutico de Maestria en Administración Financiera
Estadística Aplicada a las Finanzas
MSc. Edvin Francisco Orellana Ortiz
Tema:
Hoja No. 9
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
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Orientación Universidad
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Busca documentos
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Busca tu universidad
Encuentra los documentos específicos para los exámenes de tu universidad
Video Cursos
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Quiz
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pregúntale a la comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
¡Nuestros e-books salva-estudiantes!
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Ejercicios practicos de matematica, Ejercicios de Matemáticas
EJercicios resultos de matematica
Tipo: Ejercicios
2022/2023
1 / 36
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
Documentos relacionados
Vista previa parcial del texto
¡Descarga Ejercicios practicos de matematica y más Ejercicios en PDF de Matemáticas solo en Docsity!
Universidad de San Carlos de Guatemala
Facultad de Ciencias Economicas
Propedéutico de Maestria en Administración Financiera
Estadística Aplicada a las Finanzas
MSc. Edvin Francisco Orellana Ortiz
Tema:
Hoja No. 9
stración Financiera
- Amílcar Aníbal Marizuya López Alumno: Carné
- Hugo Rodolfo Monroy Morales
- Jonathan Josué Artola Ramírez (
- Gladys Johana Astún Rodríguez
- Victor Adolfo Menéndez Pérez
- Brittanny Eloísa Colón Guillen
- Mayrielyn Mariana Morales Cano
- Yulissa Betzaida Noj Alfaro
- Se observa una población normal c) Determine si existe multicolinealidad VIF= 1 7. 1-0. No se detecta multicolinealidad entre las variables d) Interprete el coeficiente de correlación y de determinación. Correlación R= 0. La correlación entre las ventas, la inversion en publicidad y el precio es fuerte, teniendo un nivel de certeza alto Determinación
La variación de las ventas es explicada en un 97.09% por los precios y cantidad de publicidad contratada Renta 360 2 1 1000 6 1 450 3 2 525 4 3 350 2 10 300 1 4 Renta≈525−46.4286 3+24.1667 2⋅ ⋅ Renta= 434.
R=√R^
e) Si alguien busca un departamento de habitaciones a 2 millas del centro, ¿qué renta debe esperar pagar? No. Habitaciones Distancia al centro ⋅ 2
orrespondiente. as de la regresión
6 Grados de libertadSuma de cuadradosPromedio de los cuadrados F 2 306910.203 153455.101531292 16. 3 28277.2969 9425. 5 335187. Coeficientes Error típico Estadístico t Probabilidad 96.4580559254328 118.120599 0.816606556547023 0. 136.484687083888 26.8640986 5.08056083178211 0. -2.4034620505992 14.1709296 -0.169605107931372 0. Pronóstico Renta Residuos Residuos estándares 367.02396804261 -7.02396804 -0. 912.962716378162 87.0372836 1. 501.105193075899 -51.1051931 -0. 635.186418109188 -110.186418 -1. 345.392809587217 4.60719041 0. 223.328894806924 76.6711052 1. entos en una ciudad. Se intenta predecir la renta (en dólares por mes) con base en el tamaño del departamento (número de habitacio
Valor crítico de F
Inferior 95% Superior 95%Inferior 95.0%Superior 95.0% -279.454409182318 472.370521 -279.454409 472. 50.9911357773556 221.978238 50.9911358 221. -47.50168471683 42.6947606 -47.5016847 42. Resultados de datos de probabilidad Percentil Renta 8.33333333333333 300 25 350 41.6666666666667 360 58.3333333333333 450 75 525 91.6666666666667 1000 ase en el tamaño del departamento (número de habitaciones) y la distancia al centro de la ciudad (en 0 1 2
- 0 100 200
No. Habitacione
residu
No. H Residuos 0 2 4
- 0 100 200
Distancia al cent
resid
Dista Residuos 0 10 20 30 40 0 500 1000 1500
Gráfico de prob
Mues Renta
0 1 2 3 4 5 6 7 00 00 0 00 00
No. Habitaciones Gráfico de los
residuales
No. Habitaciones 0 2 4 6 8 10 12 00 00 0 00 00
Distancia al centro Gráfico de los
residuales
Distancia al centro 0 10 20 30 40 50 60 70 80 90 100 0 00 00 00
Gráfico de probabilidad normal
Muestra percentil
c) Determine si existe multicolinealidad VIF= 1 4. 1-0. No se detecta multicolinealidad entre las variables d) Interprete el coeficiente de correlación y de determinación. Correlación R= 0. La correlación entre las ventas, la inversion en publicidad y el precio es fuerte, teniendo un nivel de certeza alto Determinación
La variación de las ventas es explicada en un 63.67% por los precios y cantidad de publicidad contratada e) Si la publicidad es 7 y el precio es $132, ¿qué ventas podría pronosticar? Ventas = β0 + β1 * Publicidad + β2 * Precio Ventas = 20 + 4 * 7 + (-0.3) * 132 Ventas = 20 + 28 - 39. Ventas 8.
R=√R^
s de la regresión
6 Grados de libertad F Valor crítico de F 2 2792.42385 1396.21193 5.38101843 0. 3 778.409483 259. 5 3570. Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0% 219.230603448276 86.2419217 2.54204219 0.08452845 -55.229681573259 493.690888 -55. 6.38146551724138 2.1801878 2.92702561 0.06114751 -0.5568650778606 13.3197961 -0. -1.67083333333333 0.68446124 -2.4410927 0.09241012 -3.8490944768327 0.50742781 -3. Resultados de datos de probabilidad Pronóstico Ventas Residuos Percentil Ventas 29.5208333333333 3.47916667 8.33333333 17 65.3735632183908 -4.37356322 25 24 49.128591954023 20.871408 41.6666667 33 84.9813218390805 -2.98132184 58.3333333 61 34.392959770115 -17.3929598 75 70 23.6027298850575 0.39727011 91.6666667 82 , que es el valor de significancia utilizado en el presente ejercicio iento de las ventas de un modelo de reproductor de CD y casetes que se venden en la tienda. Se da cuenta de que existen muchos fac inantes. Sam reunió los siguientes datos: Suma de cuadrados Promedio de los cuadrados
Superior 95.0%
de que existen muchos factores que 2 4 6 8 10 12 14
- 0 10 20 30
Publicidad Gráfico de los residuales
Publicidad Residuos 110 115 120 125 130 135 140 145 150
- 0 10 20 30
Precio Gráfico de los residuales
Precio Residuos 0 10 20 30 40 50 60 70 80 90 100 0 40 80
Gráfico de probabilidad normal
Muestra percentil Ventas
3.Las estaciones de policía en Estados Unidos están interesadas en predecir el número de arrestos espe
cada mes para programar mejor a los empleados de oficina. Los datos de los factores en 15 ciudades se presentan
NO.
a= 142.436315914142 ŷ= 142.43+3.27+0.53-0.
X1= 3.27407557766752 145.
X2= 0.
X3= -0.
X1= 3.27407557766752 3.
X2= 0.
X3= -0.
b) Evalúe el cumplimiento de los supuestos y determine si existe multicolinealidad
NUMERO PROMEDIO DE
ARRESTOS MENSUALES
(Y)
NÙMERO DE OFICIALES
EN LA FUERZA (X1)
TAMAÑO DE LA
CIUDAD (X2) EN MILES
DE HABITANTES
a) Obtenga la regresión correspondiente.
ŷ=3.27X1+0.53X2-0.32X
mero de arrestos esperados que deberán procesar
ciudades se presentan en la tabla.
PORCENTAJE DE
DESEMPLEO (X3)
Si exisgte ya que x esta altamente relacionado a las variables explicativ
a, el tamaño de la ciudad y el porcentaje
eseempleo es fuerte, ya que el valor del
o de certeza alto para predecir los datos
ensuales. ChapelBoro tiene una población de 75,
%. ¿Cuántos arrestos pronostica para cada mes?
200 300 400 500 600 7
- 0 10 20 30 40 Residuos
Suma de cuadrados Promedio de los cuadrados F
Error típico Estadístico t Probabilidad
0.281105371107434 11.6471469924928 1.579985808605E-
Resultados de datos de probabilidad
Residuos Percentil
-50 20 40 60 80 100 120 140 160 180 200 50
NÙMERO DE OFICIALES
EN LA FUERZA (X1)
Gráfico de los
residuales
NÙMERO DE OFICIALES EN LA FUERZA (X1) Residuos