DESARROLLO

1. a) Graficar los datos

b) Ajustar una recta de regresin que explique el precio en funcin del nmero de pginas e interpretar los resultados.

La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre PRECIO y PGINAS. La ecuacin del modelo ajustado es PRECIO = 2.08421 + 0.00678741*PAGINAS Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relacin estadsticamente significativa entre PRECIO y PGINAS con un nivel de confianza del 95.0% ms.

c) Hallar el coeficiente de correlacin

El coeficiente de correlacin es igual a 0.399285, indicando una relacin relativamente dbil entre las variables. Coeficiente de Correlacin = 0.399285 2.

a) Analizar la posible existencia de una relacin entre estas dos variables

b) Qu conclusiones se deducen del contraste de regresin y del contraste de linealidad?

El estadstico R-Cuadrada indica que el modelo ajustado explica 61.818% de la variabilidad en RESISTENCIA. El coeficiente de correlacin es igual a 0.786244, indicando una relacin moderadamente fuerte entre las variables. El error estndar del estimado indica que la desviacin estndar de los residuos es 5.73925.

c) Si se utilizase un ajuste cuadrtico se obtienen mejores resultados?

Si, se obtienen mejores resultados puesto que el estadstico R-Cuadrada indica que el modelo ajustado explica 72.7586% de la variabilidad en CUADRATICA. El coeficiente de correlacin es igual a 0.852986, indicando una relacin moderadamente fuerte entre las variables. El error estndar del estimado indica que la desviacin estndar de los residuos es 267.51.

d) Calcular la resistencia para 30 das de secado

RESISTENCIA = 22.5871 + 0.658147*TIEMPO RESISTENCIA = 22.5871 + 0.658147 * 30 RESISTENCIA = 42.33151

3. a) Representar grficamente estos datos.

b) Construir la recta de regresin que explique el comportamiento de la variable tanto por ciento del presupuesto del Estado dedicado a Educacin en funcin de la variable el nmero de empleados del sector de Educacin en Espaa e interpretar los resultados.

L a s a lida muestra los resultados de ajustar un modelo lineal para describir la relacin entre Y y X. La ecuacin del modelo ajustado es Y = -117.494 + 63.8117*X Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relacin estadsticamente significativa entre Y y X con un nivel de confianza del 95.0% ms. Coeficiente de Correlacin = 0.487039

c) Es significativo el coeficiente de correlacin entre estas dos variables?

No hay una relacin estadsticamente significativa entre Y y X con un nivel de confianza del 95.0% ms.

4. a) Calcular la regresin lineal de la variable salario frente a aos de experiencia.

b) Calcular el coeficiente de correlacin lineal y el coeficiente de determinacin.

Coeficiente de Correlacin = 0.929445 R-cuadrada = 86.3868 porciento R-cuadrado (ajustado para g.l.) = 85.4792 porciento La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre Salario y Exper. La ecuacin del modelo ajustado es: Salario = 17.8663 + 0.720537*Exper

c) Estimar el salario para 20 aos de experiencia laboral.

Salario = 17.8663 + 0.720537*Exper Salario = 17.8663 + 0.720537*(20) Salario = 31.27704

d) Construir la tabla ANOVA asociada. Es el ajuste adecuado?

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre Salario y Exper con un nivel de confianza del 95.0%.

5. a) Calcular la tabla ANOVA, conclusiones.

b) Comprobar si se verifican las hiptesis del modelo.

La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre Y y X. La ecuacin del modelo ajustado es Y = -2.88532 + 1.08753*X Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre Y y X con un nivel de confianza del 95.0%.

6. a) Hacer una grfica de los datos. Existe relacin entre estas dos variables?

No existe una relacin muy significante entre estas dos variables por lo que se demuestra en el grafico. b) Se puede explicar el consumo de gas por una relacin lineal con la diferencia de temperatura?

La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre CONSUMO y DIF TEM. La ecuacin del modelo ajustado es CONSUMO = 36.8937 + 3.41274*DIF TEM Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre CONSUMO y DIF TEM con un nivel de confianza del 95.0%.

c)

Ajustando un polinomio de mayor grado, se obtiene un mayor coeficiente de determinacin?, qu modelo es preferible?

La salida muestra los resultados de ajustar un modelo polinomial de segundo orden para describir la relacin entre CONSUMO y DIF TEM. La ecuacin del modelo ajustado es CONSUMO = 108.954-7.18936*DIF TEM + 0.380802*DIF TEM^2 Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre CONSUMO y DIF TEM con un nivel de confianza del 95%.

Es preferible el modelo de regresin polinomial ya que tiene un 40.97% de R. cuadrada, es decir, su relacin con un margen de error del 5% es considerable a comparacin de la lineal. 7. a) Ajustar un modelo lineal e interpretar los coeficientes de regresin estimados.

E l e stadstico R-Cuadrada indica que el modelo ajustado explica 99.5787% de la variabilidad en GC. El coeficiente de correlacin es igual a 0.997891, indicando una relacin relativamente fuerte

entre las variables. El error estndar del estimado indica que la desviacin estndar de los residuos es 10.4031. Coeficiente de Correlacin = 0.997891 b)

Estimar los gastos de consumo para 1981 para un PBI de 1.5400 miles de millones de dlares.
GC = -53.119 + 0.66391*PNB

GC= -53.119+0.66391 * 1540.0 GC= 969.3024 8. a) Analizar este conjunto de datos y estudiar la relacin de la variable p respecto a t.

El estadstico R-Cuadrada indica que el modelo ajustado explica 61.1218% de la variabilidad en RETENCION MEMORIA. El coeficiente de correlacin es igual a -0.781805, indicando una relacin moderadamente fuerte entre las variables. El error estndar del estimado indica que la desviacin estndar de los residuos es 0.134562.

b) Estimar la retencin de la memoria para un tiempo de 8000 segundos

RETENCION MEMORIA = 0.536031 - 0.0000535206*TIEMPO TRANSCURRIDO RETENCION MEMORIA = 0.536031 - 0.0000535206 * 8000 RETENCION MEMORIA = 0.43

c) Hallar el coeficiente de Determinacin e interpretar

La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre RETENCION MEMORIA y TIEMPO TRANSCURRIDO. La ecuacin del modelo ajustado es RETENCION MEMORIA = 0.536031 - 0.0000535206*TIEMPO TRANSCURRIDO

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre RETENCION MEMORIA y TIEMPO TRANSCURRIDO con un nivel de confianza del 95.0%.

9. a)