UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

FACULTAD DE NEGOCIOS

ASIGNATURA:
Estadística inferencial

Tema:
Objetivo específicos

Docente:
Cuadros Herrea, Gonzalo José 

Sección:
AH44

Grupo N°8

Integrantes:

Vega Peña, Cesar Nicolas U20191a261

Velarde Ramos, Leonardo Mateo U201911495

Vilca Astoquilca, Renzo Fernando U201923397

Zapata Espinoza, Angie U20201B930

Zapata Guevara, Jose Raul U201611235

Problema de estudio: ¿Cuáles son las estrategias que debe implementar la empresa Green lima de
comercio de vehículos para iniciar un negocio propio en la actual coyuntura?

OBJETIVO GENERAL: Determinar las estrategias que debe implementar el gerente de la empresa
Green lima del comercio de vehículos urbanos y ecológicos, para abrir locales en los principales centros
comerciales de la capital en la actual coyuntura.

OBJETIVO ESPECÍFICO 1:

Determinar si se aplicará una promoción al cliente por su compra en la cual se regalará accesorios de
seguridad como un casco homologado y guantes.
Condición:
En la empresa Green Lima de comercio de vehículos aplicará la promoción de regalar accesorios de
seguridad si para el monto promedio total hallado es mayor a 17000 soles, el número de vehículos es 4.
INTERPRETACIÓN
Determinar si implementara la promoción por la compra de un cliente de un accesorio de seguridad como
un casco y guantes.

REPRESENTACIÓN
Sean las variables,
Variable X (independiente): Número de vehículos comprados
Variable Y (dependiente): Monto promedio total de compra
Herramienta Estadística: Análisis de Regresión Lineal Simple
Planteo de Hipótesis:
H 0 : β 1=0; (No existe relación lineal entre X e Y) Modelo no válido o no significativo

H 1 : β1 ≠ 0; (Existe relación lineal entre X e Y) Modelo válido o significativo

Nivel de confianza = 96% (Se usa para Intervalos de confianza)

Nivel de significación = 5% (Se usa para Prueba de Hipótesis)
Para filtro  Medio Pago = 1

CÁLCULO:
VALIDACIÓN DE LOS SUPUESTOS:
1° Supuestos de normalidad de los errores. Prueba de Kolmogorov Smirnov (K-S)
Ho: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente
 Prueba de Kolmogorov-Smirnov para una muestra
Unstandardize
d Residual
N 207
Parámetros normalesa,b Media .0000000
Desv. Desviación 8822.0822853
2
Máximas diferencias Absoluta .086
extremas Positivo .086
Negativo -.081
Estadístico de prueba .086
Sig. asin. (bilateral)c <.001

Estadístico de Prueba: 0.86

Como Sig = 0.001 < Alfa 0.05
Decisión estadística: Rechazar Ho
Conclusión estadística: Al 5% de nivel de significación, estamos a favor de que Los errores no se
distribuyen normalmente, es decir, no se cumple el supuesto de Normalidad.

2° No autocorrelación de Errores. Estadístico Durbin Watson (D-W)

Resumen del modelob

Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
1 .614 a
.377 .374 8843.573 2.265
a. Predictores: (Constante), Vehículos
b. Variable dependiente: soles

D-W = 2.265 pertenece al intervalo [1, 3]

Conclusión estadística: Al 5% de nivel de significancia, se cumple el supuesto de No autocorrelación de
los errores, es decir son independientes.
Conclusión: No se cumple el supuesto de normalidad de errores y se cumple con el supuesto de no
autocorrelación.

VALIDAR EL MODELO DE REGRESIÓN LINEAL SIMPLE (RLS)

Utilizando la Prueba F
(Usar tabla de Análisis de Varianza ANOVA)
H 0 : β 1=0 ; (No existe relación lineal entre X e Y) Modelo no válido o no significativo

H 1 : β1 ≠ 0; (Existe relación lineal entre X e Y) Modelo válido o significativo

Usando la Tabla de Análisis de Varianza, tenemos:

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 9718250417.0 1 9718250417.0 124.260 <.001b
23 23
Residuo 16032801984. 205 78208790.170
890
Total 25751052401. 206
913
a. Variable dependiente: soles
b. Predictores: (Constante), Vehículos

CMR
Estadístico de prueba: F cal= =124.260
CME
Como Sig = 0.001 < Alfa = 0.05
Decisión estadística: Rechazar Ho

Conclusión estadística: Al 5% de nivel de significancia, estamos a favor de que β 1 ≠ 0 ; (Existe relación

lineal entre X e Y) Modelo válido o significativo.
^ =¿
Ecuación de Regresión Lineal Simple estimada: Y

Resumen del modelob

Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
1 .614 a
.377 .374 8843.573 2.265
a. Predictores: (Constante), Vehículos
b. Variable dependiente: soles
Interpretación de los coeficientes
Interpretando Coeficiente de correlación (R):

r = 0.614: Existe una correlación positiva entre las variables Monto de compra y número de vehículos

Interpretando Coeficiente de determinación (R2):

R2 = 0.377: El 37.7% de la variabilidad total del Monto de compra es explicado por la ecuación de
regresión ajustada.
Ecuación de Regresión Lineal Simple estimada (usando la Tabla de Coeficientes):

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 2679.406 1456.873 1.839 .067
Vehículos 4113.142 368.984 .614 11.147 <.001
a. Variable dependiente: soles

Y^ =Bo+ B 1 X Y^ =¿2679.406 + 4113.142 X

Interpretación del coeficiente de regresión: ^β 1

^β =¿4113.142: por cada vehículo que se compra adicional, el monto promedio total de compra se
1
incrementa en 4113.142 soles.

PREDICCIONES:
Predicción por intervalo (valor promedio):

IC ( μY
x0 )
=4 =[17821.69866;20442.24659]

Con un nivel de confianza del 96%, cuando el número de vehículos de la compra es 4, el Monto total de
compra se encuentra contenido en el intervalo [17821.69866; 20442.24659] soles.

ANÁLISIS Y ARGUMENTACIÓN
De acuerdo a los resultados obtenidos, el gerente de la empresa Green Lima aplicara una promoción de
accesorios de seguridad como un caso homologo y guantes, porque el monto promedio total de compra
supera los 17000 soles.