Regrecion Lineal

CASO MULTITIENDA

Una multitienda llamada “Alma de Consumo” está interesada en diseñar un modelo matemático en los el período de mayor afluencia de público, que permita a la empresa determinar el número de clientes que abandonan la fila (no realizando la compra), mediante el número de transacciones por día.

Nº de clientes Nº de transacciones

7 67

7 63

5 60

4 35

6 58

4 36

9 76

11 87

13 89

17 92

i) ¿Cuál es la variable dependiente, explicar? Calcular e interpretar los coeficientes del modelo (con sus pruebas de hipótesis según corresponda).

El número de clientes es la variable dependiente, a medida que hay más transacciones más números de clientes abandonan la fila.

1° ver si tiene lógica B

B0: no tiene alguna explicación lógica (no abarca sentido común). Solo valor de ajuste.

Y=B0+B1*X1

Y=-4.2+0.189X

Ante una mayor espera en la fila mayor es el número de clientes que abandona la fila.

B0: La constante no es lógica ya que si yo no atiendo a nadie no puedo tener -4.2 esperando en la fila.

B1: Es la cantidad de personas que se van de la fila de acuerdo al número de personas que uno atiende.

2° ver si es significativo.

Con las pruebas de hipótesis se ve si es significativo o no. P-value. Solo se hace el de B1 ya que el B0 no se calcula ya que es una constante. (VER TABLA DE COEFICIENTES).

H0: B1=0

H1: B1≠0

Nos importa que no sea igual a cero, ya que no quiere decir nada.

p-value < alfa se rechaza H0. El valor es significativo.

TABLA ANOVA: resumen de las pruebas de hipótesis. Más de una variable. Reforzar lo que se ve en la prueba de hipótesis, en el de significancia.

H0: betas iguales a cero.

H1: al menos uno es distinto.

R: coeficiente de determinación. Relación de los clientes con las transacciones.

Cuanto es la capacidad del modelo para predecir, mientras más cercano a cero mejor.

Rcuadradocorregido: lo real, de cuanto predice el modelo. Que del tanto porciento uno va a predecir bien. En este ejemplo de un 79%

Si determinamos un valor que esta fuera de los rangos, el error va a ser mayor.

ii) ¿Es lógico el coeficiente B1 estimado, explicar?

iii) ¿Son los coeficientes del modelo estadísticamente significativo? α=5%.

iv) Calcular el intervalo de confianza del 95% para la media condicionada para el promedio del número de transacciones y nº de transacciones =90. ¿Qué puede decir de ambos intervalos?

Este hacer con un análisis descriptivo.

Se agrega el 66,3 media de los descriptivos. y el 90 que dice en la pregunta. :D y luego volver a hacer lo de regresión lineal.

Se acepta ya que solo se agregaron datos.

Cuando yo tenga 66,3 transacciones, se saldrán 8,3 personas en promedio de la fila.

Cuando atiendo a 90 personas salen 12, 7 personas en promedio de la fila.

La primera columna es la predicción, la segunda es el residuo que es lo real-predicción y la tercera y cuarta es el intervalo de confianza.

Para calcular el error:

Mientras el error es menor el modelo es mejor. El valor que es 66,3 tiene un error menos ya que tiene un valor medio (cercano al centro) por lo que tiene menor error. Mas alejado de la media mayor es el error

Grafico

...