Está en la página 1de 6

Analisis de Regresion y correlacion

1)
Datos
Presin del aire
(Kg./cm2)
Porcentaje de
defectos (%)
XY
X
2
Y
2
XX YY
1 50 4,5 225 2500 20,25 2500 20,25
2 51 4,5 229,5 2601 20,25 2601 20,25
3 52 4,4 228,8 2704 19,36 2704 19,36
4 53 4,5 238,5 2809 20,25 2809 20,25
5 54 5 270 2916 25 2916 25
6 55 4,7 258,5 3025 22,09 3025 22,09
7 56 4,9 274,4 3136 24,01 3136 24,01
8 57 5 285 3249 25 3249 25
9 58 5,2 301,6 3364 27,04 3364 27,04
10 59 5,2 306,8 3481 27,04 3481 27,04
11 60 5,4 324 3600 29,16 3600 29,16
12 61 5,5 335,5 3721 30,25 3721 30,25
13 62 5,5 341 3844 30,25 3844 30,25
14 63 5,6 352,8 3969 31,36 3969 31,36
15 64 5,6 358,4 4096 31,36 4096 31,36
16 65 5,8 377 4225 33,64 4225 33,64
17 66 5,8 382,8 4356 33,64 4356 33,64
18 67 5,8 388,6 4489 33,64 4489 33,64
19 68 6 408 4624 36 4624 36
20 69 6,2 427,8 4761 38,44 4761 38,44
21 70 6,3 441 4900 39,69 4900 39,69
22 71 6,3 447,3 5041 39,69 5041 39,69
23 72 6,4 460,8 5184 40,96 5184 40,96
24 73 6,5 474,5 5329 42,25 5329 42,25
25 74 6,6 488,4 5476 43,56 5476 43,56
Totales 25 1550 137,2 8626 97400 764,18 97400 764,18
max X 74
min X 50
max Y 6,6
min Y 4,4
Promedio 62,00 5,49
n = 25
97400
764,18
8626
Sxy 119,6
Sxx 1300
Syy 11,23
0,09200
El coeficiente 0,092 indica que por cada incremento de una unidad en X, Y aumentara en 0,092 unidades
-0,216
-0,21600 0,09200
3) Coeficiente de Determinacion
0,98012
El coeficiente de Determinacion proporciona una medida de bondad de ajuste porque revela que porcentaje de cambio
en Y se explica por un cambio en X
esto establece que el 98,01 porciento del cambio en numero de la variable Y, se expresa mediante un cambio
en la variable X
0,99001
4) Intervalo de Confianza para
11,2264
11,0032
0,009704348
0,009704348
1300
alfa= 0,025
n = 25
2
n - 2 23
2,3979
0,085448541 0,098551459
El Error Estandar
la suma de cuadrados medios del error
donde
= 11,2264
= 119,6
= 1300
0,2232
TENEMOS QUE:
Cuadrado medio del error
0,009704348
El Error Estardar sera:
0,09851
por lo tanto se establece
El error estandar de Estimacion, Se, es una medida del grado de dispersion de los valores Yi alrededor de la recta de Regresion.
mide la variacion de los puntos por encima y por debajo de la recta de regresion. Refleja la tendencia a desviarse del valor real de Y
el error estandar siempre se expresa en las mismas unidades que la variable dependiente Y.Se mide con esto la variabilidad de
los valores Y alrededor de la recta ajustada. El error estandar es muy similar a la desviacion estandar de una sola variable.
el analisis de regresion se tienen dos variables, X y Y. el error estandar de estimacion es una medida de la dispersion de los
valores de Y alrededor de su media, dado un valor X especifico.
Como el error estandar de eatimacion es similar a la desviacion estandar para una sola variable, se puede interpretar de manera
similar, vale la pena recordar que la regla empirica establece que si los datos estan distribuidos normalmente, un intervalo de
una desviacion estandar por encima de la media y una desviacion estandar por debajo de la media comprendera el 68,3% de todas las
observaciones; un intervalo de dos desviaciones estandar a cada lado de la media contiene el 95,5% de las observaciones; y tres
desviaciones estandar a cada lado de la media comprenden el 99,7% de todas las observaciones.
si se trazan rectas paralelas a la recta de regresion, aproximadamente el 68,3% delos puntos de datos caeran dentro de esta recta
el 31,7% de las observaciones restantes caeran fuera de esta intervalo.
Vale la pena recordar que el error estandar de Estimacion, Se, que se calculo anteriormente es una medida de bondad de ajuste
proporciona una medida cuantificable de que tan bien se ajusta el modelo a los datos que se han recolectado.
Grafica de regresion lineal
4,54,5
4,4
4,5
5
4,7
4,9
5
5,25,2
5,4
5,55,5
5,65,6
5,85,85,8
6
6,2
6,36,3
6,4
6,5
6,6
y = 0,092x - 0,216
R
2
= 0,9801
3
5
7
9
40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80
Presion del aire (Kg/cm2)
P
o
r
c
e
n
t
a
j
e

d
e

d
e
f
e
c
t
o
s

(
%
)
Grafica de la Regresion Lineal Lineal (Grafica de la Regresion Lineal)

También podría gustarte