Professional Documents
Culture Documents
Una vez obtenida la recta de regresión de manera manual que permita estimar la altura de los hijos dependiendo de la del
realizada el grafico de dispersión
𝑌=68.195+0.6218𝑋
a) ¿Qué altura cabría esperar para un hijo si su padre mide 174? ¿Y para un padre, si su hijo mide 190 cm? (3 puntos)
𝑌=68.195+0.6218(174)
𝑌=176.3882
190=68.195+0.6218𝑋
𝑋=195.89
La correlación (R) es directa intensa entre la altura del padre (x) y la del hijo (y), mientras más alto es el
padre más altura tendrá el hijo.
os dependiendo de la del padre y
Regresión Lineal
190
185
180
Altura Hijo
175
170
165
160
166 168 170 172 174 176 178 180 182 184 186
Altura Padre
34%
X: Nº de horas 0 1 2 3 4 5
Y: Nº de bacterias 12 19 23 34 56 62
𝑌=7.762+10.629𝑋
Coeficiente de Correlación
(r)= 0.97087 97.1%
SCT= 2097.31
Coeficiente de
94.3%
Determinación (R2)=
mero de horas, viene
Regresión Lineal
∑▒𝑌=206
70
∑▒𝑋=15
60
∑▒𝑌^2 =9170 50
N° BACTERIAS
∑▒𝑋^2 =55 40
∑▒𝑋𝑌=701 30
20
10
0
0 1 2 3 4 5 6
N° HORAS
Para una empresa Grande los gastos de investigación y dólares para un quinquenio se muestra a continuación.
desarrollo con las ganancias en millones de
𝛽0=(180−0.3136∗1028)/6 𝛽0=
𝑌=−23.73+0.3136𝑋
DATOS:
Regresión Lineal
∑▒𝑌=180 45
∑▒𝑋=1028 40
∑▒𝑌^2 =5642
35
GANANCIA ANUAL
∑▒𝑋^2 =176204
∑▒𝑋𝑌=30863 30
25
0.3136
20
-23.73 15
165 167 169 171 173 175 177 179
GASTOS
Coeficiente de
3%
erminación (R2)=
e la variabilidad de la ganancia
xplicado por el modelo de
regresión lineal
En los baños de un Centro comercial la cantidad de agua que se gasta depende de la afluencia de los usuarios a dicho cent
desea realizar cobros por el uso de estos servicios sanitarios debido a que existe muchas personas que acuden sin ser un u
agua consumida (m3) en función a la cantidad de personas (ciento de personas) se muestra a continuación.
X (personas) 1 3 3 3 4 2 5 2
Y (m3 agua) 1 2 4 2 5 1 6 3
𝑌=−0.7+1.287𝑋
Coeficiente de Correlación
(r)= 0.86658 86.7%
SCT= 23.99
Coeficiente de
75.1%
Determinación (R2)=
DATOS:
Regresión Lineal
∑▒𝑌=24
7
∑▒𝑋=23
6
∑▒𝑌^2 =96 5
∑▒𝑋^2 =77 4
M3 AGUA
∑▒𝑋𝑌=83 3
2
1
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
PERSONAS
Los alumnos de la Facultad de Comunicaciones estudian con mucha Tesón durante la última semana de clases
para su examen final de estadística, en la siguiente tabla se muestra las horas de estudio de una muestra de 6
alumnos y su respectiva nota obtenida.
𝛽0=(75−2.1428∗21)/6 𝛽0=
𝑌=5+2.1428𝑋
El 94% de la variabilidad de la
La relación es directa intensa, esto quiere decir que si la
ganancia es explicado por el model
aumentan las horas de estudio tambien aumenta la nota
de regresión lineal
El
9+O1
% de
la
variabi
lidad
de la
ganan
cia es
explica
do por
el
model
o de
regresi
ón
lineal
emana de clases
na muestra de 6
REGRESIÓN LINEAL
20
∑▒𝑌^2 =1023
18
16
∑▒𝑋𝑌=300 14
12
NOTA
10
2.1428 8
6
5
4
0.5 1.5 2.5 3.5 4.5 5.5 6.5
HORAS DE ESTUDIO
Coeficiente de
94%
erminación (R2)=
4% de la variabilidad de la
ia es explicado por el modelo
de regresión lineal