MAESTRA EN

ADMINISTRACIN AREQUIPA

XV

ASIGNATURA: ANLISIS DE DATOS PARA LA GERENCIA

PROFESOR: JUAN TIMANA

TTULO: CASO CRAVENS Y JAPAN IMPORT

El presente trabajo ha sido realizado de acuerdo a los reglamentos de ESAN

por:

NOMBRE (CDIGO): Quintanilla Chavez, Carla cod. 1210042

 CASO CRAVENS
1. DETERMINAR UN MODELO QUE PREDIGA LAS VENTAS DEL VENDEDOR, ENCONTRANDO
CUALES SON LOS FACTORES QUE MAS INFLUYEN

Se evala las ventas en funcin de las variables independientes de Antigedad, Potencial,

Publicidad, Share, Cambio, Cuentas, Trabajo y Calificacin.

Debemos tener en cuenta que es importante revisar que las variables son independientes
entre s para lo que se hace una correlacin de Pearson

Donde:
Potencial y Antigedad tiene una correlacin significativa al igual que Potencial y Cuentas.
Publicidad y Calificacin tienen una correlacin significativa
Share y Cuentas tienen una correlacin significativa

Hacemos una regresin mltiple para evaluar las ventas en funcin de las variables mencionadas
Luego de realizar la regresin mltiple observamos que las variables que presentan relacin
con las ventas son Potencial, Publicidad y Share,

Por lo tanto, nuestro modelo seria el siguiente:

Ventas= -1603 + 0.05 Potencial + 0.16Pub + 282.74 Share

 JAPAN IMPORTS

2. El archivo de datos Japan Imports muestra 35 observaciones trimestrales de Japn de

la cantidad de importaciones (Y), el cociente entre los precios de las importaciones y
los precios locales (X1) y el producto nacional bruto real (X2).
Estime por mnimos cuadrados la regresin:
logYt = 0 + 1 log X1t + 2 log X2t + logYt1 + t
Realice un informe que resuma sus resultados, incluido una verificacin de la
existencia de errores auto correlacionados.

Los datos dados se transforman en logaritmo y se hace una regresin mltiple y el

anlisis de errores auto correlacionados

Observamos que se cumple con la normalidad del modelo es decir que nuestra H0 de
que la distribucin es normal se acepta.

Adicionalmente no hay una auto correlacin significativa de los errores segn el

anlisis de correlacin.
Existe significancia con las tres variables logX1, logX2 y log Y-1

Se concluye con el modelo siguiente:

LogY= 0.1890 - 0.1012logX1 + 0.23logX2 + 0.66logY-1

Lo que quiere decir que a menor log X1 es mayor Log y.