Dado la siguiente informaciòn:

Año poblaciòn
0 2005 90
1 2006 72
2 2007 118
3 2008 124
4 2009 130
5 2010 137
6 2011 95
7 2012 154
8 2013 163
9 2014 174
10 2015 190
1 2016 190
2 2017 190
3 2018 190
a) Calcular tasa de crecimiento
b)proyectar para los años: 2016, 2017 y 2018
TC=

F=P∗ 〖 (1+𝑖) 〗 ^𝑛

X' X Y
Año poblaciòn Año poblaciòn TC=(f/p)^(1/n)-1
0 2005 90 2015 1,500 n=
1 2006 72 0 2021 3,500 3500 TC=
2 2007 118 1 2022 4031 4031 F=P∗ 〖 (1+
3 2008 124 2 2023 4642 4642
4 2009 130
5 2010 137 X Y
6 2011 95 Año poblaciòn
7 2012 154 2015 1,500 n=
8 2013 163 0 2019 3,000 TC=
9 2014 174 1 2020 3568
10 2015 190 2 2021 4243
11 2016 6 2022 8485
12 2017
13 2018 Año poblaciòn
2020 1,500
Ecuación 2021 3,000
Lineal 2022
Polinomico
Potencial
Y= 83 + 9.7090909X
 TC=(f/p)^(1/n)-1

0.08

C=(f/p)^(1/n)-1
6
0.15
F=P∗ 〖 (1+𝑖) 〗 ^𝑛

4
19%
Dada la siguiente informaciòn:
x y
años cantidad
2006 100 95
2007 120 127
2008 150 159
2009 200 192
2010 230 224
2011 250 256
2012 288
2013 321
2014 353

a) Determinar la ecuaciòn de regresiòn y proyectar para los siguientes años

b) Probar con todos los modelos lineales de regresiòn
c) comparar el R2 y determinar el mejor modelo

Lineal
Exponencial
Logaritmico
Potencial
Dada la siguiente informaciòn: prendas abrigos
x1 x2 y
Periodo temperatura clientes ventas
1 30 100 50,000
2 31 130 55,000
3 29 150 60,000
4 27 170 70,000
5 25 190 75,000
6 22 210 79,000
7 20 240 81,000
8 18 250 83,000
9 16 260 85,000
10 15 280 90,000
11 14 300
12 12 330
a) calcular la funciòn de regresiòn utilizando funciòn analisis de datos de excel
b) proyectar considerando que:
temperatura clientes
14 300
12 330
precio de casas en función al area, antiguidad, N° de pisos
Antiguiedad(A
Area(100 m2) ños) Pisos (N°) Precio(1000 $)
2.3 2 1 98 Resumen
2.4 6 1 76
3.4 8 2 162 Estadísticas de la regresión
3.2 11 2 164 Coeficiente d
5.7 9 1 230 Coeficiente d
5.3 11 2 210 R^2 ajustado
5.1 12 2 200 Error típico
4.8 22 2 182 Observacione
6.4 8 2 380
5.4 17 1 192 ANÁLISIS DE VARIANZA
9.1 18 2 360 Grados de libertad
10.4 12 3 464 Regresión
Residuos
Total
a) terminar la ecuaciòn de regresiòn
b) proyectar utilizando la ecuaciòn de regresiòn calculada y proyectar considerando los siguientes datos:
Intercepción
Antiguiedad(A
Area(100 m2) ños) Pisos (N°) Antiguiedad(
12 15 3 Pisos (N°)
13.3 8 2 Precio(1000 $
tadísticas de la regresión
0.9642315
0.92974238
0.90339577
0.77021457
12

NÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
3 62.8033228 20.9344409 35.2888829 5.82512E-05
8 4.74584384 0.59323048
11 67.5491667

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
0.33440546 0.74720797 0.44754001 0.66635523 -1.38865922 2.05747014 -1.38865922 2.05747014

0.0974104 0.04468468 2.17995053 0.06086715 -0.00563267 0.20045346 -0.00563267 0.20045346

-0.40954626 0.52181905 -0.78484345 0.45515643 -1.61286315 0.79377063 -1.61286315 0.79377063
0.02017652 0.00276342 7.30127538 8.37843E-05 0.01380406 0.02654899 0.01380406 0.02654899
perior 95.0%
Dada la siguiente informaciòn: Horas maquina vs. Vida util del activo
X Y
H-M Vida util (%)
1 98.2
2 91.7
5 81.3
10 64.0
20 40.0
30 32.6
40 17.1
50 11.3
60
70

a) determinar la funciòn de regresiòn que mas se ajusta a la informaciòn

b) proyectar para las horas hombres: 60, 70

e=2.72 Numero de Euler

Función: CRECIMIENTO
 Dada la informaciòn:

Variable Indica:
Y Valor tasado del edificio de oficinas
X1 Superficie en metros cuadrados
X2 N° de ofocinas
X3 N° de entradas
X4 Antigüedad del edificios en años

A B C D E
Superficie Entradas Antigüedad Valor
(x1) Oficinas (x2) (x3) (x4) tasado (y)
2310.00 2.00 2.00 20.00 142.00
2333.00 2.00 2.00 12.00 144.00
2356.00 3.00 1.50 33.00 151.00
2379.00 3.00 2.00 43.00 150.00
2402.00 2.00 3.00 53.00 139.00
2425.00 4.00 2.00 23.00 169.00
2448.00 2.00 1.50 99.00 126.00
2471.00 2.00 2.00 34.00 142.90
2494.00 3.00 3.00 23.00 163.00
2517.00 4.00 4.00 55.00 169.00
2540.00 2.00 3.00 22.00 149.00

a) Determinar la ecuaciòn de regrecion

b) proyectar para:

Superficie Entradas Antigüedad

(x1) Oficinas (x2) (x3) (x4)
2600 5 1 10
2500 6 2 15
Resumen

Estadísticas de la regresión
Coeficiente d 0.99837267
Coeficiente d 0.99674799
R^2 ajustado 0.99457999
Error típico 0.97057846
Observacione 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 4 1732.39332 433.09833 459.753674 1.37231E-07
Residuos 6 5.65213532 0.94202255
Total 10 1738.04545

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 52.3178305 12.2373616 4.27525411 0.00523279 22.3740854 82.2615756 22.3740854
Superficie (x1 0.02764139 0.00542937 5.0910818 0.00224096 0.01435619 0.04092659 0.01435619

Oficinas (x2) 12.5297682 0.40006684 31.3191871 7.03863E-08 11.5508399 13.5086965 11.5508399

Entradas (x3) 2.55321066 0.53066915 4.81130409 0.00296628 1.25471002 3.8517113 1.25471002
Antigüedad (x-0.23423716 0.01326801 -17.6542781 2.12061E-06 -0.26670282 -0.20177151 -0.26670282

1 153.850661 -11.8506614
2 155.77786 -11.7778603
3 150.718963 0.28103699
4 148.309964 1.69003572
5 145.900966 -6.90096555
6 153.127962 15.8720383
7 134.819571 -8.8195714
8 150.478063 -7.57806314
9 153.127962 9.87203826
10 145.419166 23.5808342
11 153.368862 -4.36886161
Superior 95.0%
82.2615756
0.04092659

13.5086965
3.8517113
-0.20177151
 Gastos de Ingresos Tamaño(N°
N° alimentación (miles $) miembros)
(miles $)
1 0.43 1.40 3
2 0.45 1.40 4
3 0.48 2.30 5
4 0.46 1.80 4
5 0.6 1.80 4
6 0.44 1.60 3
7 0.9 2.80 6
8 0.35 2.30 5
9 0.4 1.80 3
10 0.35 2.40 2
11 0.35 2.60 4
12 0.5 3.40 3
13 0.43 3.50 2
14 0.47 2.90 3
15 0.38 3.50 4