Documentos de Académico
Documentos de Profesional
Documentos de Cultura
X 10 20 30 40 50 60 70
Y 35 28 23 20 18 15 13
Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0,972336414
Coeficiente de
determinacin R^2 0,945438103
R^2 ajustado 0,934525723
Error tpico 1,969408903
Observaciones 7
ANLISIS DE VARIANZA
Grados de Promedio de los Valor crtico
libertad Suma de cuadrados cuadrados F de F
Regresin 1 336,0357143 336,0357143 86,63904236 0,000240856
Residuos 5 19,39285714 3,878571429
Total 6 355,4285714
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepcin 35,571 1,664454314 21,37122556 4,15932E-06 31,29281255 39,8500446 31,29281255 39,8500446
Variable X 1 -0,346 0,03721833 -9,308009581 0,000240856 -0,442101334 -0,250755809 -0,442101334 -0,250755809
El modelo es confiable para pronosticar datos teniendo en cuenta el rango de la muestra (10 - 70) das.
c) Determine el porcentaje de explicacin del modelo y el grado de
relacin de las dos variables.
Dnde:
3.656,00
- 21,714 = 7,126
7
r = 0,961
Y = a + bX
Dnde:
Y: Variable dependiente (la que se va a predecir).
A: Intercepto de la variable Y.
X: Variable independiente.
B: Pendiente de la recta.
n: 7
b: - 0,346
Dnde: a: 35,571
b: Pendiente de la recta X: 100
a: Intercepto de la variable Y Y: 0,929
X : Valores de la variable independiente
Y : Valores de la variable dependiente
n: Tamao de la muestra
Estatura (cm) 121 123 108 118 111 109 114 103 110 115
Peso (kg) 25 22 19 24 19 18 20 15 20 21
Estadsticas de la regresin
Coeficiente de
correlacin mltiple 0,90013752
Coeficiente de
determinacin R^2 0,810247554
R^2 ajustado 0,786528499
Error tpico 1,343510379
Observaciones 10
ANLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crtico
libertad cuadrados cuadrados F de F
Regresin 1 61,6598389 61,6598389 34,16019445 0,000385097
Residuos 8 14,4401611 1,805020138
Total 9 76,1
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepcin -27,377 8,168377614 -3,351567626 0,010056862 -46,21318252 -8,54055741 -46,2131825 -8,54055741
Variable X 1 0,421 0,072061142 5,844672313 0,000385097 0,255000471 0,58734705 0,25500047 0,58734705
El modelo es confiable para pronosticar datos teniendo en cuenta el rango de la muestra (103 - 123) cm.
c) Determine el grado de relacin de las dos variables.
Dnde:
4.197,00
- 412,09 = 2,759
10
r = 0,873
Y = a + bX
Dnde:
Y: Variable dependiente (la que se va a predecir).
A: Intercepto de la variable Y.
X: Variable independiente.
B: Pendiente de la recta.
Dnde: n: 10
b: Pendiente de la recta b: 0,421
a: Intercepto de la variable Y a: -27,377
X : Valores de la variable independiente X: 130
Y : Valores de la variable dependiente Y: 27,376
n: Tamao de la muestra
Por lo que la ecuacin de regresin lineal sera:
Y= a + bX
Y = -27,377 + 0,421(X)
Y= -27,377 + 0,421*130
Y= -27,377 + 54,76
Y= 27,376
Entonces el peso que debera tener un estudiante que mida 130 cm son
27,376 kg.