Hoja2Resumen

Estadsticas de la regresinCoeficiente de correlacin mltiple0.9926742916Coeficiente de determinacin R^20.9854022491R^2 ajustado0.9708044983Error tpico1.0392304845Observaciones5ANLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de FRegresin2145.80872.90467.50370370370.0145977509Residuos22.161.08Total4147.968

CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95.0%Superior 95.0%Intercepcin-514.0007142675-0.3571246370.7551606892-65.240211461555.2402114615-65.240211461555.2402114615Variable X 12.61.18490505952.19426862870.1594515248-2.49823498877.6982349887-2.49823498877.6982349887Variable X 22.41.35499077491.77122977110.2185353348-3.43005475638.2300547563-3.43005475638.2300547563

Hoja1Obtenemos la matriz24.61113331336.641339.841428.621232.52Se pide encontrar un modelo de regresin de la forma Ahora como tenemos que n= 5, tendremos 5 muestras o modelos de regresion Paso 1:Separamos a las matrices YX1X224.61111331313Y = 36.6X = 141339.8141428.61212Observacin : La matriz X viene acompada de una fila de 1 de acuerdo a la cantidad de n en este caso que vale 5, por consiguiente se pone los valores de X1,X21)Ahora la primera operacin es sacar la transpuesta de la matriz X :111111344211131314122) Como segunda operacin tenemos que multiplicar la matriz X por su transpuesta:Para efectuar esta operacion utilizamos la funcin en exel = MMUL y seleccionamos las matricez a multiplicar514631446182631827993) Como tercer paso se tiene que sacar la inversa a la matriz resultante de la operacin anteriorPara este paso tenemos que utilizar la funcin = MINVERSA y seleccionamos toda la matriz181.514-17.5141.3-1.4-17.5-1.41.74)El cuarto paso se refiere a la multiplicacin de la Transpuesta de X por la matriz Y162.6486.42075.8

5) El paso 5 se refiere a encontrar los valores de estimados multiplicando -502.6=12.42Por lo tanto la ecuacin de regresin sera la siguiente:ERROR:#VALUE!Interpretamos las estimaciones de Cuando los gastos de las computadoras personales segun su antiguedad varian en 1, y sus horas de trabajo diario es constante los gastos diarios se incrementan en 260 soles.Cuando los gastos de las computadoras personales segun su antiguedad son constantes, y sus horas de trabajo diario varian en una unidad, los gastos diarios incrementan en 240 soles.6) Ahora como siguiente paso debemos reemplazar los valores estimados en la ecuacion de regresin de acuerdo a la cantidad de n en este caso 5 Observamos en la ecuacion que los estimados de B1 y B2 son multiplicados por 1 y 11 respectivamente, esto debido a la matriz X con su ecuacun determinadaLuego reemplazamos los balores estimados y obtenemos 5 valores.243436.63929Ahora los valores de la matriz Y los resatamos con los valores de cada ecuacin correspondiente para hallar la matriz e24.6240.63334-1Y = 36.6-36.6e =039.8390.828.629-0.4Bueno para hallar la SCE tenemos que multiplicar la transpuesta de la matriz e por la matriz e0.6-10.6-100.8-0.4*0=2.160.8-0.4Ahora hallamos :=1.08= CMEPor consiguiente hallamos las Varianzas y Covarianzas de los valores estimados de B181.514-17.5196.0215.12-18.91.08141.3-1.4=15.121.404-1.512-17.5-1.41.7-18.9-1.5121.836Ahora reconocemos los valores de las varianzas y covarianzas correspondientes:Varianza B0196.02Cov B015.12Varianza B11.404Cov B1-18.9Varianza B21.836COV B2-1.512Reconocemos la Hipotesis:H0 : B1 = B2 = 0 H1: Al menos una de las Bi s distinto de ceroAhora construimos el ANVA

GLSCCMFValor crtico de FRegresin2145.80872.90467.50370370370.0145977509Error22.161.08Total4147.968