interpretaciÓn

4
INTERPRETACIÓN: La ecuación de estimación es cuadrática y = -0,334x 2 + 6,542x + 8,421 Su coeficiente de determinación es R² = 0,978 Su coeficiente de correlación es : Existe una correlación positiva Como estos valores son cercanos al valor 1, nos indican un buen ajuste de los puntos a la recta de regresión Relación No lineal El problema general de hallar ecuaciones de curvas aproximantes que se ajusten a un conjunto de datos se denomina Ajuste de curvas Para medir el grado de relación existente entre la variable independiente y la variable dependiente, lo que más se utiliza es el Coeficiente de Correlación Lineal ( r de Pearson ), cuyo método abreviado de cálculo está dado por la siguiente fórmula: En nuestro ejemplo, el coeficiente de determinación nos da bajo, el 75,3%, por lo que sólo conseguimos explicar el 75,3 % de las variaciones de las ventas a través del ajuste por medio de los gastos en publicidad.

Upload: eder-robles

Post on 05-Dec-2015

216 views

Category:

Documents


2 download

DESCRIPTION

b

TRANSCRIPT

Page 1: INTERPRETACIÓN

INTERPRETACIÓN:

La ecuación de estimación es cuadrática y = -0,334x2 + 6,542x + 8,421Su coeficiente de determinación es R² = 0,978

Su coeficiente de correlación es :

Existe una correlación positiva

Como estos valores son cercanos al valor 1, nos indican un buen ajustede los puntos a la recta de regresión

Relación No lineal

El problema general de hallar ecuaciones de curvas aproximantes que se ajusten a un conjunto de datos se denomina Ajuste de curvas

Para medir el grado de relación existente entre la variable independiente y la variable dependiente, lo que más se utiliza es el Coeficiente de Correlación Lineal ( r de Pearson ), cuyo método abreviado de cálculo está dado por la siguiente fórmula:

En nuestro ejemplo, el coeficiente de determinación nos da bajo, el 75,3%, por lo que sóloconseguimos explicar el 75,3 % de las variaciones de las ventas a través del ajuste por mediode los gastos en publicidad.

y = -0,334x2 + 6,542x + 8,421R² = 0,978

Page 2: INTERPRETACIÓN

y = -0,334x2 + 6,542x + 8,421

Statistics

GASTO ANUAL

EN

INVESTIGACIO

N Y

DESARROLLO

GANANCIA

NAUL

N Valid 6 6

Missing 0 0

Mean 5,00 30,00

Median 4,50 30,50

Mode 5 20a

Std. Deviation 3,162 6,957

Variance 10,000 48,400

Minimum 2 20

Maximum 11 40

Page 3: INTERPRETACIÓN

Percentiles 90 11,00 40,00

a. Multiple modes exist. The smallest value is shown

Correlations

GASTO ANUAL

EN

INVESTIGACIO

N Y

DESARROLLO

GANANCIA

NAUL

GASTO ANUAL EN

INVESTIGACION Y

DESARROLLO

Pearson Correlation 1 ,909*

Sig. (2-tailed) ,012

N 6 6

GANANCIA NAUL Pearson Correlation ,909* 1

Sig. (2-tailed) ,012

N 6 6

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

95,0% Confidence Interval for B

B Std. Error Beta Lower Bound

1 (Constant) 20,000 2,646 7,559 ,002 12,654

GASTO ANUAL EN

INVESTIGACION Y

DESARROLLO

2,000 ,458 ,909 4,364 ,012

a. Dependent Variable: GANANCIA NAUL

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

Change Statistics

R Square

Change F Change df1 df2

1 ,909a ,826 ,783 3,240 ,826 19,048 1

a. Predictors: (Constant), GASTO ANUAL EN INVESTIGACION Y DESARROLLO

Page 4: INTERPRETACIÓN

Correlations

GANANCIA

NAUL

GASTO ANUAL

EN

INVESTIGACIO

N Y

DESARROLLO

Pearson Correlation GANANCIA NAUL 1,000 ,909

GASTO ANUAL EN

INVESTIGACION Y

DESARROLLO

,909 1,000

Sig. (1-tailed) GANANCIA NAUL . ,006

GASTO ANUAL EN

INVESTIGACION Y

DESARROLLO

,006 .

N GANANCIA NAUL 6 6

GASTO ANUAL EN

INVESTIGACION Y

DESARROLLO

6 6