Un artículo en Technometrics (1974, Vol. 16, págs.

523-531) consideró los siguientes datos de pérdida de pila

Veintiún respuestas diarias de pérdida de pila (la cantidad de amoníaco que escapa) se midieron con el flujo d

perdida de pila flujo de aire temperatura concentracion de acido Resumen

42 80 27 89
37 80 27 88 Estadísticas de la regresión
37 75 25 90 Coeficiente d
28 66 24 97 Coeficiente d
18 62 22 98 R^2 ajustado
18 62 23 87 Error típico
19 66 28 93 Observacione
20 62 24 93
15 58 23 87 ANÁLISIS DE VARIANZA
14 78 18 80 Grados de libertad
14 58 20 89 Regresión
13 58 17 88 Residuos
11 58 18 82 Total
12 58 19 93
8 50 18 89
7 50 18 86 Intercepción
8 50 19 72 flujo de aire
14 50 19 79 temperatura
9 50 20 80 concentracion
15 56 20 82

Resumen
proyeccion
flujo de aire 60 Estadísticas de la regresión
temperatura 22 Coeficiente d
concentracion 88 Coeficiente d
R^2 ajustado
Error típico
Observacione

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total
proyeccion
flujo de aire 60
temperatura 22 Intercepción
flujo de aire
temperatura
y proyectado 17.943272050099
uientes datos de pérdida de pila de una planta que oxidaba amoníaco a ácido nítrico.
escapa) se midieron con el flujo de aire, la temperatura y la concentración de ácido

tadísticas de la regresión
0.90795776
0.8243873
0.79145992
4.66288521
20

NÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
3 1633.07002 544.356675 25.0365281 2.77407E-06
16 347.879976 21.7424985
19 1980.95

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
-45.6938565 14.7161155 -3.1050216 0.00680789 -76.8906277 -14.4970853 -76.8906277 -14.4970853
0.54983322 0.14091405 3.90190476 0.00126867 0.25110877 0.84855767 0.25110877 0.84855767
1.32285944 0.44231379 2.99077143 0.00864428 0.3851961 2.26052279 0.3851961 2.26052279
0.01763781 0.18914549 0.09324996 0.92686268 -0.38333272 0.41860834 -0.38333272 0.41860834

tadísticas de la regresión
0.9079052 R
0.82429186 R2
0.80362031
4.52489219 Se
20

NÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
2 1632.88096 816.44048 39.8756758 3.8083E-07
17 348.069039 20.4746494
19 1980.95

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
-44.5020991 7.07993466 -6.28566523 8.2118E-06 -59.4394556 -29.5647427 -59.4394556 -29.5647427
0.5501271 0.13670965 4.02405449 0.00088013 0.26169494 0.83855926 0.26169494 0.83855926
1.33807933 0.39893254 3.35414939 0.00376309 0.49640525 2.17975342 0.49640525 2.17975342
perior 95.0%

perior 95.0%
 La siguiente tabla refleja la evolución de los ingresos de una empresa industrial a lo largo de cuatros años. 2016, 2
2018 Y 2019 a) Analice la influencia de la componente estacional en la evolución de los ingresos de la empresa,
suponiendo un esquema multiplicativo de la serie. a) Desestacionalice la serie. b) Proyectar al III trimestre del 202

TRIMESTRE 2016 2017 2018 2019 TRIMESTRE 2016

I 208 315 456 883 I
II 178 325 733 1012 II
III 245 428 884 1125 III 0.90951276
IV 393 488 946 1264 IV 1.30510585

No.
AÑO Trimestre Huéspedes PM4 PMC4 Y / PMc4 Ei Y / Ei
(Y)
I 208 0.87036421 238.980415
II 178 0.9612643 185.172797
2016
III 245 256 269.375 0.90951276 1.01505939 241.365188
IV 393 282.75 301.125 1.30510585 1.12511135 349.29876
I 315 319.5 342.375 0.92004381 0.87036421 361.917456
II 325 365.25 377.125 0.86178323 0.9612643 338.0964
2017
III 428 389 406.625 1.05256686 1.01505939 421.650205
IV 488 424.25 475.25 1.02682799 1.12511135 433.734846
I 456 526.25 583.25 0.78182598 0.87036421 523.918603
II 733 640.25 697.5 1.05089606 0.9612643 762.537418
2018
III 884 754.75 808.125 1.09389018 1.01505939 870.885004
IV 946 861.5 896.375 1.05536187 1.12511135 840.805666
I 883 931.25 961.375 0.91847614 0.87036421 1014.51782
II 1012 991.5 1031.25 0.98133333 0.9612643 1052.78017
2019
III 1125 1071 1.01505939 1108.30954
IV 1264 1.12511135 1123.44436
 o largo de cuatros años. 2016, 2017,
de los ingresos de la empresa,
Proyectar al III trimestre del 2020

2017 2018 2019 promedio Ei

0.92004381 0.78182598 0.91847614 0.87344864 0.87036421
0.86178323 1.05089606 0.98133333 0.96467087 0.9612643
1.05256686 1.09389018 1.0186566 1.01505939
1.02682799 1.05536187 1.12909857 1.12511135
3.98587469 3.97179925

t
1 208 Fc 1.00354384
2 178 1.0035
3 245
4 393
5 315 A 25.3474278
6 325 B 69.5724691
7 428 X 19
8 488 T19 1347.22434 1347.2243
9 456 Y19 1327.23696 1327.237
10 733
11 884
12 946
13 883
14 1012
15 1125
16 1264
 Con la siguiente información estadística de las ventas de la empresa "SORTEOS SRL", se
pide hallar:

AÑOS VENTAS X Resumen

2010 4500 1
2011 5600 2 Estadísticas de la regresión
2012 5800 3 Coeficiente d 0.89417716 R
2013 6200 4 Coeficiente d 0.7995528 R2
2014 6700 5 R^2 ajustado 0.7744969
2015 5800 6 Error típico 483.343783 Se
2016 6100 7 Observacione 10
2017 7500 8
2018 7400 9 ANÁLISIS DE VARIANZA
2019 7800 10 Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
Regresión 1 7455030.3 7455030.3
Residuos 8 1868969.7 233621.212
Total 9 9324000

Coeficientes Error típico Estadístico t

Intercepción -599230.909 107200.516 -5.58981367
datos 10 AÑOS 300.606061 53.2143991 5.64896092
X11 7993.33333

tc 2.30600414
2.306
se rechaza
 F Valor crítico de F
31.9107595 0.000482

Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
0.00051635 -846435.742 -352026.076 -846435.742 -352026.076
0.000482 177.893436 423.318685 177.893436 423.318685
 Se cree que la energía eléctrica consumida cada mes por una planta Metalúrgica está relacionada
con la temperatura ambiente promedio (x1), el número de días en el mes (x2), la pureza promedio
del producto (x3) y las toneladas producidas ( x4). Los datos históricos del año pasado están
disponibles y se presentan en la Tabla:
Determine el mejor modelo de regresión con los siguientes datos:

Y x1 x2 x3 x4 Resumen
240 25 24 91 100
236 31 21 90 95 Estadísticas de la regresión
270 45 24 88 110 Coeficiente d 0.95880517
274 60 25 87 88 Coeficiente d 0.91930736
301 65 27 91 94 R^2 ajustado 0.87319728
316 72 29 94 102 Error típico 8.70456361
300 80 25 84 97 Observacione 12
296 84 25 86 108
267 75 24 98 110 ANÁLISIS DE VARIANZA
276 60 25 91 105 Grados de libertad
288 50 25 90 100 Regresión 4
261 38 23 89 98 Residuos 7
Total 11
proyeccion
x1 60 Coeficientes
x2 30 Intercepción 160.948558
x3 95 x1 0.50254144
x4 105 x2 8.27767098
x3 -1.44689245
x4 0.12601914

Resumen

Estadísticas de la regresión
proyeccion Coeficiente d 0.93751256
x1 60 Coeficiente d 0.87892979
x2 30 R^2 ajustado 0.8520253
Error típico 9.40321679
Observacione 12
y estimado 317.838425
317.8384 ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 2
Residuos 9
Total 11

Coeficientes
Intercepción 60.1687284
x1 0.571926
x2 7.44513788
tá relacionada
ureza promedio
do están

Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
6042.53067 1510.63267 19.9372321 0.00062948
530.385994 75.7694277
6572.91667

Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
72.0853009 2.23275141 0.06072384 -9.50609314 331.403208 -9.50609314 331.403208
0.18069704 2.7811272 0.027254 0.07526085 0.92982203 0.07526085 0.92982203
1.75176328 4.72533651 0.00214417 4.13540905 12.4199329 4.13540905 12.4199329
0.79988109 -1.80888444 0.11339991 -3.33831067 0.44452577 -3.33831067 0.44452577
0.43933412 0.28684123 0.7825385 -0.91284097 1.16487925 -0.91284097 1.16487925

R
R2

Se

Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
5777.13229 2888.56615 32.6685169 7.47597E-05
795.784374 88.420486
6572.91667

Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
39.0997501 1.53885199 0.1582233 -28.2810514 148.618508 -28.2810514 148.618508
0.17993855 3.17845167 0.01121264 0.16487671 0.97897528 0.16487671 0.97897528
1.78182056 4.17838812 0.00238178 3.41437973 11.475896 3.41437973 11.475896