a)

Grfico del Modelo Ajustado

95
Mnimos Cuadrados
M.A.D.
Rendimiento (Y)

85
75
65
55
45
100

120

140
160
temperatura (X)

180

b)

Regresin Simple - Rendimiento (Y) vs. temperatura (X)

Variable dependiente: Rendimiento (Y)
Variable independiente: temperatura (X)
Lineal: Y = a + b*X
Coeficientes
Parmetro
Intercepto
Pendiente

Mnimos Cuadrados
Estimado
-2.73939
0.48303

Anlisis de Varianza
Fuente
Suma de Cuadrados
Modelo
1924.88
Residuo
7.22424
Total (Corr.)
1932.1

Estndar
Error
1.5465
0.0104622

Gl
1
8
9

Estadstico
T
-1.77135
46.169

Cuadrado Medio
1924.88
0.90303

Coeficiente de Correlacin = 0.998129

R-cuadrada = 99.6261 porciento
R-cuadrado (ajustado para g.l.) = 99.5794 porciento
Error estndar del est. = 0.950279
Error absoluto medio = 0.749091
Estadstico Durbin-Watson = 2.34208 (P=0.5636)
Autocorrelacin de residuos en retraso 1 = -0.193121
Desviacin Media Absoluta = 0.725

Valor-P
0.1145
0.0000

M.A.D.
Estimacin
-1.25
0.475

Razn-F
2131.57

Valor-P
0.0000

200

El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre Rendimiento (Y) y temperatura
(X). La ecuacin del modelo ajustado es
Rendimiento (Y) = -2.73939 + 0.48303*temperatura (X)

C)

Valores Predichos

X
100.0
190.0
115.0
135.0
175.0

Predicciones
Y
45.5636
89.0364
52.8091
62.4697
81.7909

95.00%
Lmite
Inferior
43.0218
86.4945
50.3995
60.1588
79.3813

Prediccin
Superior
48.1055
91.5782
55.2187
64.7806
84.2005

95.00%
Lmite
Inferior
44.2757
87.7484
51.8071
61.7359
80.7889

Confianza
Superior
46.8516
90.3243
53.8111
63.2035
82.7929

M.A.D.
Prediccin
46.25
89.0
53.375
62.875
81.875