Variables

Ao

Publicidad

Ventas S/.

2000

550

264000

2001

590

384000

2002

680

400200

2003

700

422400

2004

750

543000

2005

790

643000

2006

800

700200

2007

850

722600

2008

910

883000

2009

990

900305

2010

1080

1201500

2011

1080

1420300

2012

1100

1750045

2013

1200

1770700

n=

14

Xmed

862.14

X2 =

Ymed

857517.86

Y2 =

X.Y =

11605431450.00

Cov xy =

> Datos

> Coeficiente de Correlacin:

R=

0.95

Interpretacin: Las variables X (Publicidad) y Y (Ventas), presentan una relaci

> Funcin de la Recta:
B1 =

2337.26

B0 =

-1157532.26

Interpretacin: Ante un incremento de la variable X (Publicidad) en UM, har incrementar en 2337.26 UM a la

> Varianza Residual:

'=

21226429325.50

Interpretacin: Se puede confirmar que el modelo es bueno, porque la varianza residual es pequea respecto

> Coeficiente de Determinacin:

^'=

0.91

Interpretacin: El resultado significa que la variable Y (Ventas) se encuentra expliacada en 91% por la variabl

Programacin Lineal
Anlisis de Variables Publicidad - Vent

2000000
1800000
1600000

Ventas S/. 1400000

1200000
1000000
800000
600000
400000
200000
0

550
2000

590
2001

680
2002

700
2003

750
2004

790
2005

800
2006

850
2007

910
2008

Publicidad

10943100.00

VARx =

38359.69

13525591025050.00

VARy =

230776769327.55

89656493.88

bles X (Publicidad) y Y (Ventas), presentan una relacin fuerte y directa, de acuerdo al resultado obtenido de nuestro coeficien

Y = B0 - B1 x

blicidad) en UM, har incrementar en 2337.26 UM a la variable Y (Ventas).

eno, porque la varianza residual es pequea respecto al valor de la varianza observada.

Ventas) se encuentra expliacada en 91% por la variable X (Publicidad)

ogramacin Lineal
Variables Publicidad - Ventas

790
2005

800
2006

850
2007

910
2008

990
2009

1080
2010

Publicidad

Sx =

195.86

Sy =

480392.31

resultado obtenido de nuestro coeficiente de correlacin.

a.

1080
2011

1100
2012

1200
2013

Variables

Ao

Publicidad

Ventas S/.

2000

0.55

264

2001

0.59

384

2002

0.68

400.2

2003

0.7

422.4

2004

0.75

543

2005

0.79

643

2006

0.8

700.2

2007

0.85

722.6

2008

0.91

883

2009

0.99

900.305

2010

1.08

1201.5

2011

1.08

1420.3

2012

1.1

1750.05

2013

1.2

1770.7

n=

14

Xmed

0.86

X2 =

Ymed

857.52

Y2 =

X.Y =

11605.44

Cov xy =

> Datos

> Coeficiente de Correlacin:

R=

0.95

Interpretacin: Las variables X (Publicidad) y Y (Ventas), presentan una relaci

> Funcin de la Recta:
B1 =

2337.26

B0 =

-1157.53

Interpretacin: Ante un incremento de la variable X (Publicidad) en UM, har incrementar en 2337.26 UM a la

> Varianza Residual:

'=

297173.38

Interpretacin: Se puede confirmar que el modelo es bueno, porque la varianza residual es pequea respecto

> Coeficiente de Determinacin:

^'=

0.91

Interpretacin: El resultado significa que la variable Y (Ventas) se encuentra expliacada en 91% por la variabl

Programacin Lineal
Anlisis de Variables Publicidad - Vent

2000
1800
1600

Ventas S/.

1400
1200
1000
800
600
400
200
0

0.55
2000

0.59
2001

0.68
2002

0.7
2003

0.75
2004

0.79
2005

0.8
2006

0.85
2007

0.91
2008

Publicidad

10.94

VARx =

0.54

13525608.53

VARy =

3230883.70

1255.19

bles X (Publicidad) y Y (Ventas), presentan una relacin fuerte y directa, de acuerdo al resultado obtenido de nuestro coeficien

Y = B0 - B1 x

blicidad) en UM, har incrementar en 2337.26 UM a la variable Y (Ventas).

eno, porque la varianza residual es pequea respecto al valor de la varianza observada.

Ventas) se encuentra expliacada en 91% por la variable X (Publicidad)

ogramacin Lineal
Variables Publicidad - Ventas

0.79
2005

0.8
2006

0.85
2007

0.91
2008

0.99
2009

1.08
2010

1.1
2012

1.2
2013

Publicidad

Sx =

0.73

X =

12.07

Sy =

1797.47

Y=

12005.255

resultado obtenido de nuestro coeficiente de correlacin.

a.

1.08
2011

X
Publicidad
0.55
0.59
0.68
0.7
0.75
0.79
0.8
0.85
0.91
0.99
1.08
1.08
1.1
1.2

X2
0.3025
0.3481
0.4624
0.49
0.5625
0.6241
0.64
0.7225
0.8281
0.9801
1.1664
1.1664
1.21
1.44
10.9431

Y
Ventas S/.
264
384
400.2
422.4
543
643
700.2
722.6
883
900.305
1201.5
1420.3
1750.05
1770.7

Y2

XY

69696
145.2
147456
226.56
160160.04 272.136
178421.76
295.68
294849
407.25
413449
507.97
490280.04
560.16
522150.76
614.21
779689
803.53
810549.093025 891.302
1443602.25 1297.62
2017252.09 1533.924
3062675.0025 1925.055
3135378.49 2124.84
13525608.5255 11605.44

10.9431 10.4060643 0.537035714

13525608.5255

12005.255

10294724.83

3230884