Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0.86450137
0.74736263
0.71578295
1.72645513
10

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
1 70.5398214 70.5398214
8 23.8451786 2.98064732
9
94.385

Regresin
Residuos
Total

Coeficientes Error tpico Estadstico t

-0.707933 3.6096191 -0.19612402
1.28102827 0.26332787 4.86476518

Intercepcin
Variable X 1

Anlisis de los residuales

Observacin

Pronstico para Y Residuos

Residuos estndares
1 19.2761079 -1.87610794 -1.15260046
2 18.2512853 0.14871467 0.09136393
3 19.1480051 -2.64800512 -1.62682106
4 15.3049203 -0.10492032 -0.06445856
5 17.4826684 2.41733163 1.48510513
6 19.4042108 2.69578923 1.65617757
7 15.0487147 -0.24871467 -0.15279965
8 17.4826684 -0.18266837 -0.11222363
9 10.5651157 -0.26511574 -0.16287577
10 14.5363034 0.06369664 0.03913249

F
Valor crtico de F
23.6659403 0.00124823

Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
0.8494034 -9.03172956 7.61586356 -9.03172956 7.61586356
0.00124823 0.6737931 1.88826343 0.6737931 1.88826343

os estndares

Resultados de datos de probabilidad

Percentil
5
15
25
35
45
55
65
75
85
95

Y
10.3
14.6
14.8
15.2
16.5
17.3
17.4
18.4
19.9
22.1

Grfico de probabilidad normal

40
Y

20
0
0

10

20

30

40

50

60

Muestra percentil

70

80

90

100

normal

70

80

90

100

este es un ejemplo que les servira de guia .

exitos
solucion modelos de regresion.
(x-)^2
Lic. Larios Ramirez Oscar
V.I menos su
promedio(x-)
datos

DAP(X)
1
2
3
4
5
6
7
8
9
10

15.6
14.8
15.5
12.5
14.2
15.7
12.3
14.2
8.8
11.9
135.5
13.55
10

SUMA
PROM.
n
1

r=

ALTURA(Y)

(x-)
(y-)
(x-)(y-) ssx
2.05
0.75
1.5375 4.2025
1.25
1.75
2.1875 1.5625
1.95
-0.15
-0.2925 3.8025
-1.05
-1.45
1.5225 1.1025
0.65
3.25
2.1125 0.4225
2.15
5.45
11.7175 4.6225
-1.25
-1.85
2.3125 1.5625
0.65
0.65
0.4225 0.4225
-4.75
-6.35
30.1625 22.5625
-1.65
-2.05
3.3825 2.7225
-7.11E-015 1.24E-014
55.065 42.985

17.4
18.4
16.5
15.2
19.9
22.1
14.8
17.3
10.3
14.6
166.5
16.65

clculo de la covarianza
covarianza
(x-)(y-)
n-1

6.118

interpretacion
este valor nos indica que el DAP y la
correlacionados , de forma directa
a medida que aumenta el DAP aume

calculo del cofeciente de correlacin de Pearson

"r" se encuantra entre -1 y 1
-1<r<1
interpretacion
(x-)(y-)
0.8645013742 este valor es cercano a uno, lo que indica que el

ssx*ssy

suma de cuadrados
muestrales de x

DAP y la altura estan relacionados de manera dir

a medida que aumenta el DAP aumentara la altu

Ajuste de la recta de regresion

el modelo esta dado por: y=b0 + b1x

el modelo estimado ser:
= B0 + B1 x

calculo de los parametros por metodo de minimos cuadrados

B1=
(x-)(y-)
1.281
interpretacin:
ssx
el valor de B1= 1.281 siginifica que
centimetro adicional de DAP, la altur
B0=
- B1*
0.708
arbol se incrementara en 1.28

Bo, si el incremento del DAPes de ce

 =-0.708 + 1.281xi

centimetros, se estima que la altura

dio del arbol sera de -0.708
en este caso no tiene sentido
este modelo de regresion nos puede servir para predecir, suponga que tiene un arbol
un DAP = 11 cm, entonces se estima que 13.46 mt.
Ademas se tiene el porcentaje de la variabilidad total que explica el modelo es de
r^2= 0.865^2= 0.748: aproximadamente el75% de la variabilidad de la altura de los rb
esta explicada por la variabilidad en la longitud en cm del DAP. Y el otro 25% se debe a factores
no controlados
Valor real - Valor
modelo lineal de
pronosticado
pronostico
datos

DAP(X)
1
2
3
4
5
6
7
8
9
10

ALTURA(Y)
15.6
14.8
15.5
12.5
14.2
15.7
12.3
14.2
8.8
11.9

=-0.708
+ 1.2881xi (y-)
17.4
19.38
- 1.98
18.4
18.35
0.05
16.5
19.26
- 2.76
15.2
15.39
- 0.19
19.9
17.58
2.32
22.1
19.51
2.59
14.8
15.13
- 0.33
17.3
17.58
- 0.28
10.3
10.63
- 0.33
14.6
14.62
- 0.02
- 0.94

(y-)^2
3.9394
0.0020794
7.595536
0.036864
5.3749786
6.689465
0.1118234
0.0792986
0.106537
0.0003686
23.936

suma de los errores e ^2=

sse=(y-)^2 23.94
varianza residual= 23.936
error estndar residual =
1.73
una vez que tenemos el modelo de regresion lineal, procedemos a realizar las pruebas de hipotesis
1. prueba de hipotesis para probar si la correlacion es significativa
a) planteamos las hipotesis
Ho = 0
H1 0

b) determinar nivel de significancia

= 0.05

Ho El DAP y la altura de los arboles no estan correlacionadas

H1 El DAP y la altura de los arboles estan psitivamente correlacionadas
c) Determinar el estadistico de prueba
tc= (r n-2)/(1-r^2)

r = coeficiente correlacin

como la muestra es menor que 30 se utilizara la distribucion t (1-/

d) determinar la region de rechazo

t(0.975, 8)
2.306

2.306

zona de rechazo

-2.306

calculo en excel
DISTR.T.INV(0.05;8)

zona de rechazo

2.306

e) clculo del estadistico de prueba

tc = 4.8647651826

f) conclusion
como tc > 2.306, entonces existe suficiente evidencia estadistica para afirmar que el DAP y la Altu
estan siginificativamenet correlacionadas.

CALCULO DE LOS INTERVALOS DE CONFIANZA Y DE PREDICCION

Consiste en establecer dos puntos para el estimador , dentro del cual debe estar contenido el
parametro o valor estadistico de la poblacion con cierto grado de confianza o de seguridad
a) en el primer caso cuando la variable independiente (x) toma un valor que debe estar dentro de
recorrido de la variable poblacional , y se desea estimar la variable dependiente ( y), la formula es
la siguiente:

raiz cuadrada de la
varianza residual

suponiendo que se quieren establecer los limtes de confianza al 95%, cuando el la variable
DAP (en centimetros) toma un valor de 11
reemplazar x=11 en el
xi
11
modelo de regresin
=
13.4611
t(n-2, 0.975)
2.306
=-0.708 +
valor en la tabla T
n
10
1879.01 li
VI. elevada al cuadrado
xi=
135.5 ls
(x-)^2
6.50
diferencia del valor x - el promedio de VI
e-estndar
1.73
elevado al cuadrado

con los siguientes datos calculamos el intervalo de prediccin

1879.01-(135
Li=

9.00

Ls=

17.92

contraste de hipotesis para B0 y B1

contraste para B1
para estos estudios podemos estar interesados en demostrar si realmente existe
una relacion entre las variables X e Y. para resolver esta cuestion tendremos que
plantearnos un contraste de hipotesis
a)
Ho
B1=0
no existe relacion entre las variables

H1

B1 0

existe una relacion creciente o decreciente

b) estadistico de contraste
tc = b1/SE(b1)
donde:
b1=
SE(b1)=

se obtiene del modelo de reg

B1=

1.2881
0.263831

una vez calculados estos valores se contrastara la hipotesis

c) nivel de significancia
=0.05
d) determinar region de rechazo
zona de rechazo

zona de rechazo

-2.306

2.306

e) calculo del estaditico de prueba:

tc = b1/SE(b1)

4.88

se rechaza la Ho, existe evidencia estadistica

de que el tamao del arbol aumenta en su
longitud

TABLA ANOVA EN REGRESION

hipotesis
H0
H1

el DAP de los arboles explica una parte la altura de los arboles

70.449/1

regresion
suma errores
TOTAL

suma de cuadrados
SS(regres)
SS(resid)
SSx

SS(regres)=

SSy-SS(resid)

70.449
23.936
42.985

94.385-23.936=

grado libertaMS
1
70.45
n-2=8
2.992
n-1=9
70.449

70.449/2.992

F
23.55

p-valor
0.00127

23.936/8

a de cuadrados
estrales de x

ssy

suma de cuadrados
muestrales de y

x^2
0.5625
243.36
3.0625
219.04
0.0225
240.25
2.1025
156.25
10.5625
201.64
29.7025
246.49
3.4225
151.29
0.4225
201.64
40.3225
77.44
4.2025
141.61
94.385 1879.01

137.37

ue el DAP y la altura estan

rma directa
a el DAP aumenta la altura

indica que el

0.8645013742

de manera directa
mentara la altura

siginifica que para cada

e DAP, la altura del

el DAPes de cero

Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
0.86450137
Coeficiente de determinacin R^2
0.74736263
R^2 ajustado
0.71578295

a que la altura prome-

ura de los rboles

e a factores

Error tpico
Observaciones
ANLISIS DE VARIANZA

Grados de libertad
Suma de cuadrados
1 70.5398214
8 23.8451786
9
94.385

Regresin
Residuos
Total

or real - Valor
nosticado

as de hipotesis

bucion t (1-/2, n-2) gl

1.72645513
10

Coeficientes Error tpico

Intercepcin
DAP(X)

-0.707933 3.6096191
1.28102827 0.26332787

Anlisis de los residuales

Observacin

Pronstico ALTURA(Y)
Residuos
1 19.2761079 -1.87610794
2 18.2512853 0.14871467
3 19.1480051 -2.64800512
4 15.3049203 -0.10492032
5 17.4826684 2.41733163
6 19.4042108 2.69578923
7 15.0487147 -0.24871467
8 17.4826684 -0.18266837
9 10.5651157 -0.26511574
10 14.5363034 0.06369664

l DAP y la Altura

star dentro del

la formula es

modelo de regresin
=-0.708 + 1.2881xi

omedio de VI

(11-13.55)^2=
1879.01-(135.5^2/10)=

6.5025
42.985

modelo de regresin

estadistica

0.449/2.992

Promedio de los cuadradosF

Valor crtico de F
70.5398214 23.6659403 0.00124823
2.98064732

agro2012

Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
-0.19612402 0.8494034 -9.03172956 7.61586356 -9.03172956 7.61586356
4.86476518 0.00124823 0.6737931 1.88826343 0.6737931 1.88826343

Residuos estndares
-1.15260046
0.09136393
-1.62682106
-0.06445856
1.48510513
1.65617757
-0.15279965
-0.11222363
-0.16287577
0.03913249

problema 13. las cantidades de un compuesto quimico Y y que se disuelve en 100gr de agua a
diferentes temperaturas (X). Los datos se registraron:
solucion: alli tienen tres formas de solucion

x
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

10
15
27
33
46
50
8
12
23
30
40
52
10
14
25
32
43
53
9
16
24
35
42
54
11
18
26
34
45
55

0
15
30
45
60
75
0
15
30
45
60
75
0
15
30
45
60
75
0
15
30
45
60
75
0
15
30
45
60
75

X'*X =

(X'*Y)*(X'*X) -1=

1566.077+7.621*x1+8.584*x2
procedimiento 2
x

y
0
15
30
45
60

(x- x )
10 37.50
15 22.50
27 7.50
33
7.50
46
22.50

(y- y )
19.73
14.73
2.73
3.27
16.27

promedio
sumas
n
cov=

75
50
37.50
0
837.50
15
12 22.50
30
23 7.50
45
30
7.50
60
40
22.50
75
52
37.50
0
10 37.50
15
14 22.50
30
25 7.50
45
32
7.50
60
43
22.50
75
53
37.50
0
937.50
15
16 22.50
30
24 7.50
45
35
7.50
60
42
22.50
75
54
37.50
0
11 37.50
15
18 22.50
30
26 7.50
45
34
7.50
60
45
22.50
75
55
37.50
37.5 29.7333333333
1125
892
0
30
covarianza
(x-)(y-)
n-1

r=

(x-)(y-)

20.27
21.73
17.73
6.73
0.27
10.27
22.27
19.73
15.73
4.73
2.27
13.27
23.27
20.73
13.73
5.73
5.27
12.27
24.27
18.73
11.73
3.73
4.27
15.27
25.27

-2.842E-014
398.793

0.99040606

ssx*ssy
3

Ajuste de la recta de regresion

el modelo esta dado por: y=b0 + b1x

el modelo estimado ser:
= B0 + B1 x
calculo de los parametros por metodo de minimos cuadrados
B1=
(x-)(y-)
0.587
ssx

B0=

- B1*

7.705

r^2= 0.9904^2= 0.9809: aproximadamente el 98% de la variabilidad del compuesto qui

esta explicada por la variabilidad enen la temperatura. Y el otro 2% se debe a factores
no controlados
modelo de regresion
y

y=7.7047+0.587428*x
y-estimado
10
7.70
15
16.52
27
25.33
33
34.14
46
42.95
50
51.76
8
7.70
12
16.52
23
25.33
30
34.14
40
42.95
52
51.76
10
7.70
14
16.52
25
25.33
32
34.14
43
42.95
53
51.76
9
7.70
16
16.52
24
25.33
35
34.14
42
42.95
54
51.76
11
7.70
18
16.52
26
25.33
34
34.14
45
42.95
55
51.76

suma de los errores e ^2=

varianza residual= 23.845

e=(y-)
2.30
1.52
1.67
1.14
3.05
1.76
0.30
4.52
2.33
4.14
2.95
0.24
2.30
2.52
0.33
2.14
0.05
1.24
1.30
0.52
1.33
0.86
0.95
2.24
3.30
1.48
0.67
0.14
2.05
3.24

sse=(y-)^2
error estndar residual =

una vez que tenemos el modelo de regresion lineal, procedemos a realizar las pruebas de hipotesis
1. prueba de hipotesis para probar si la correlacion es significativa
a) planteamos las hipotesis

b) determinar nivel de significancia

Ho = 0
H1 0

= 0.05

Ho El DAP y la altura de los arboles no estan correlacionadas

H1 El DAP y la altura de los arboles estan psitivamente correlacionadas
c) Determinar el estadistico de prueba
tc= (r n-2)/(1-r^2)

r = coeficiente correlacin

como la muestra es menor que 30 se utilizara la distribucion t (1-/2,

d) determinar la region de rechazo

t(0.975, 28)
2.048

2.048

zona de rechazo

-2.048

calculo en excel
DISTR.T.INV(0.05;28)

zona de rechazo

2.048

e) clculo del estadistico de prueba

tc = 37.924767444

f) conclusion
como tc > 2.048, entonces existe suficiente evidencia estadistica para afirmar que las temperatura
estan siginificativamenet correlacionadas.

CALCULO DE LOS INTERVALOS DE CONFIANZA Y DE PREDICCION

Consiste en establecer dos puntos para el estimador , dentro del cual debe estar contenido el
parametro o valor estadistico de la poblacion con cierto grado de confianza o de seguridad
a) en el primer caso cuando la variable independiente (x) toma un valor que debe estar dentro de
recorrido de la variable poblacional , y se desea estimar la variable dependiente ( y), la formula es
la siguiente:

raiz cuadrada de la
varianza residual

suponiendo que se quieren establecer los limtes de confianza al 95%, cuando el la variable
DAP (en centimetros) toma un valor de 11
reemplazar x=50 en el modelo de
xi
50
regresin
=
37.08
t(n-2, 0.975
2.048
valor en la tabla T
n
30
61875 li
VI. elevada al cuadrado

xi=
(x-)^2
e-estndar

VI. elevada al cuadrado

1125 ls
19,687.50
2.17

diferencia del valor x - el promedio de VI elev

cuadrado

con los siguientes datos calculamos el intervalo de prediccin

Li=

32.39

Ls=

41.76

contraste de hipotesis para B0 y B1

contraste para B1
para estos estudios podemos estar interesados en demostrar si realmente existe
una relacion entre las variables X e Y. para resolver esta cuestion tendremos que
plantearnos un contraste de hipotesis
a)
Ho
B1=0
no existe relacion entre las variables
H1
B1 0
existe una relacion creciente o decreciente
b) estadistico de contraste
tc = b1/SE(b1)
donde:
b1=
SE(b1)=

se obtiene del modelo de regre

B1=

0.587

una vez calculados estos valores se contrastara la hipotesis

c) nivel de significancia
=0.05
d) determinar region de rechazo
zona de rechazo

-2.048

2.048

e) calculo del estaditico de prueba:

tc = b1/SE(b1)

37.92

se rechaza la Ho, existe evidencia estadistica

de que el el compuesto quimico aumentara con la te

TABLA ANOVA EN REGRESION

hipotesis
H0

el DAP de los arboles explica una parte la altura de los arboles

H1

70.449/1

suma de cuadrados
regresion
SS(regres)
6,793.611
suma errores SS(resid)
132.255
TOTAL
SSx
6,925.867
SS(regres)=

SSy-SS(resid)

grado libertad MS
1
6,793.61
n-2=28
4.723
n-1=29
6,793.611

e disuelve en 100gr de agua a

procedimiento 1.
desarrollo matricial
1
0

1
15

30
1125

1125
61875

X'*Y =

892
45015

1
30

1
45

Bo
7.7047619048
B1
0.5874285714
modelo de regre
y=7.7047+0.587428*x

SSx
1,406.25
506.25
56.25
56.25
506.25

1
75

(X'*X) -1= 0.1047619048 -0.00190476

-0.001904762 5.0794E-005

(X'*Y)*(X'*X) -1= 7.7047619048

0.5874285714

(x- x )(y- y )
740.00
331.50
20.50
24.50
366.00

1
60

SSy
389.40
217.07
7.47
10.67
264.60

x^2
0
225
900
2025
3600

760.00
815.00
399.00
50.50
2.00
231.00
835.00
740.00
354.00
35.50
17.00
298.50
872.50
777.50
309.00
43.00
39.50
276.00
910.00
702.50
264.00
28.00
32.00
343.50
947.50
11565

1,406.25
1,406.25
506.25
56.25
56.25
506.25
1,406.25
1,406.25
506.25
56.25
56.25
506.25
1,406.25
1,406.25
506.25
56.25
56.25
506.25
1,406.25
1,406.25
506.25
56.25
56.25
506.25
1,406.25
19687.5

410.74
472.34
314.47
45.34
0.07
105.40
495.80
389.40
247.54
22.40
5.14
176.00
541.34
429.87
188.60
32.87
27.74
150.47
588.87
350.94
137.67
13.94
18.20
233.07
638.40

5625
0
225
900
2025
3600
5625
0
225
900
2025
3600
5625
0
225
900
2025
3600
5625
0
225
900
2025
3600
5625

6,925.87

61875

interpretacion
este valor nos indica que el temperatura ycompuesto qumico estan
correlacionados , de forma directa
interpretacion
este valor es cercano a uno, lo que indica que el
temperatura y el compuesto quimico estan relacionados de manera direc
a medida que aumenta el DAP aumentara la altura

0.98090416

cuadrados
interpretacin:
el valor de B1= 0.587 siginifica que para cada
grado de temperatura adicional , la cantidad
disuelta del compuesto quimico incrementa en 0.587
Bo, si el incremento dela temperatura es de cero

grados, se estima que la cantidad de compuesto quimico disuelta promepromedio sera de 7.705
variabilidad del compuesto quimico
2% se debe a factores

(y-)^2
5.27
2.30
2.80
1.30
9.30
3.10
0.09
20.40
5.42
17.13
8.71
0.06
5.27
6.33
0.11
4.58
0.00
1.53
1.68
0.27
1.76
0.74
0.90
5.01
10.86
2.20
0.45
0.02
4.20
10.49
132.26
132.26

r estndar residual =

a realizar las pruebas de hipotesis

nificativa

vel de significancia

2.17

correlacionadas

nte correlacin

e utilizara la distribucion t (1-/2, n-2) gl

ulo en excel
TR.T.INV(0.05;28)

a de rechazo

a para afirmar que las temperaturas yel compuesto quimico

cual debe estar contenido el

confianza o de seguridad
un valor que debe estar dentro del
ble dependiente ( y), la formula es

95%, cuando el la variable

x=50 en el modelo de

abla T

al cuadrado

=7.7047 + 0.58741xi

al cuadrado

el valor x - el promedio de VI elevado al

(11-13.55)^2
1879.01-(135.5^2/10)=

ealmente existe
tendremos que

se obtiene del modelo de regresin

0.0154893124

zona de rechazo

xiste evidencia estadistica

esto quimico aumentara con la temperatura

los arboles

156.25
19687.5

.449/1

70.449/2.992

F
1,438.29

23.936/8

p-valor
0.000000

1
0

1
15

procedimeintos 3
analisis con excel
Resumen
Estadsticas de la regresin
Coeficiente de0.99040606
Coeficiente d 0.98090416

1
30

1
45

1
60

R^2 ajustado 0.98022217

Error tpico
2.17333876
Observacione
30
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
F
Regresin
1 6793.61143
6793.6114285714 1438.28799
Residuos
28 132.255238
4.7234013605
Total
29 6925.86667
Coeficientes Error tpico
Intercepcin
7.7047619 0.70344333
x
0.58742857 0.01548931

Estadstico t
Probabilidad
10.9529247596 1.2435E-011
37.9247674444 1.2928E-025

Anlisis de los residuales

Observacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Pronstico y
7.7047619
16.5161905
25.327619
34.1390476
42.9504762
51.7619048
7.7047619
16.5161905
25.327619
34.1390476
42.9504762
51.7619048
7.7047619
16.5161905

Residuos
2.2952381
-1.51619048
1.67238095
-1.13904762
3.04952381
-1.76190476
0.2952381
-4.51619048
-2.32761905
-4.13904762
-2.95047619
0.23809524
2.2952381
-2.51619048

Residuos estndares
1.074781795
-0.7099803393
0.7831190174
-0.5333771896
1.4279880944
-0.8250399671
0.1382499404
-2.1147781211
-1.0899446917
-1.9381749714
-1.3816074693
0.1114918874
1.074781795
-1.1782462666

15
16
17
18
19
20
21
22
23
24
25
26
27
28

25.327619
34.1390476
42.9504762
51.7619048
7.7047619
16.5161905
25.327619
34.1390476
42.9504762
51.7619048
7.7047619
16.5161905
25.327619
34.1390476

-0.32761905
-2.13904762
0.04952381
1.23809524
1.2952381
-0.51619048
-1.32761905
0.86095238
-0.95047619
2.23809524
3.2952381
1.48380952
0.67238095
-0.13904762

-0.1534128371
-1.0016431168
0.0231903126
0.5797578147
0.6065158677
-0.241714412
-0.6216787644
0.403154665
-0.4450756147
1.048023742
1.5430477223
0.6948174426
0.3148530902
-0.0651112623

29 42.9504762 2.04952381
30 51.7619048 3.23809524

0.9597221672
1.5162896693

1
75

1
0

matriz transpuesta
1
1
15
30

1
45

1
60

Valor crtico de F
1.2928E-025

Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
6.26382358 9.14570023 6.26382358 9.14570023
0.55570015 0.61915699 0.55570015 0.61915699

1
75

1
0

1
15

1
30

1
45

1
60

1
75

1
0

1
15

1
30

1
45

1
60

1
75

datos

ALTURA(y)
DAP(x)
(x-)
1
17.4
15.6
2
18.4
14.8
3
16.5
15.5
4
15.2
12.5
5
19.9
14.2
6
22.1
15.7
7
14.8
12.3
8
17.3
14.2
9
10.3
8.8
10
14.6
11.9
SUMA
166.5
135.5
promedio
16.65
13.55
ALTURA(y)
DAP(x)
17.4
18.4
16.5
15.2
19.9
22.1
14.8
17.3
10.3
14.6

15.6
14.8
15.5
12.5
14.2
15.7
12.3
14.2
8.8
11.9

(y-)
0.75
1.75
-0.15
-1.45
3.25
5.45
-1.85
0.65
-6.35
-2.05

(x-)(y-)
2.05
1.5375
1.25
2.1875
1.95
-0.2925
-1.05
1.5225
0.65
2.1125
2.15
11.7175
-1.25
2.3125
0.65
0.4225
-4.75
30.1625
-1.65
3.3825

ssx

ssy

x^2