Se toman datos de 10 diferentes edificaciones en el centro de la ciudad.

Sabiendo que
x=superficie de la zapata construida, y= peso total de la obra, hallar una formula de regresion
que demuestre que los datos se encuentran entre el rango establecido
X Y
20000 10009
20100 10048 x=superficie de la zapata
20200 10099 y=peso de obra
20300 10148
20400 10210
20500 10245
20600 10309
20700 10358
20800 10396
20900 10460

a) Construya un grafico de dispersin

Diagrama de dispersin
10500

10400

10300

10200

10100

10000

9900

9800

9700
19800 20000 20200 20400 20600 20800 21000

b) Encuentre el modelo de regresin lineal para encontrar el peso de obra

X Y XY XX YY
20000 10009 200180000 400000000 100180081
20100 10048 201964800 404010000 100962304
20200 10099 203999800 408040000 101989801
20300 10148 206004400 412090000 102981904
20400 10210 208284000 416160000 104244100
20500 10245 210022500 420250000 104960025
20600 10309 212365400 424360000 106275481
20700 10358 214410600 428490000 107288164
20800 10396 216236800 432640000 108076816
20900 10460 218614000 436810000 109411600
204500 102282 2092082300 4182850000 1046370276
 a= 0.50351515 b= -68.684848
Y=aX+b
Y=0.5X-68.68

c) Encuentre el coeficiente de correlacin lineal de Pearson y comente

r= 0.999132404
Existe una correlacin lineal casi perfecta entre la superficie de la zapata y el peso de obra

d) Calcule el coeficiente de determinacin

R 0.99826556

e) Estime el peso de obra para una superficie de 20555

Y=0.5X-68.68
Y=0.5*20555-68.68
Y 10208.82
Se forman grupos de 20 personas para medir diferentes terrenos de
diferentes medidas, hacer una grafica y determinar los casos que
estan mas cercanos a la linea de tendencia

X(area) Y (tiempo)
50 13
68 22
57 17
72 36
95 43
120 53
105 48
76 39
94 40
737 311

a) Graficar el diagrama de dispersion y comente

Chart Title
350

300

250

200

150

100

50

0
0 100 200 300 400 500 600 700 800

Como se observa en el grfico ambas variables presentan una relacin lineal positiva; es decir,
a medida que crece el area tambien aumenta el tiempo
b) Encuentre el modelo de regresion lineal para hallar el tiempo

X Y XY XX YY
50 13 650 2500 169
68 22 1496 4624 484
57 17 969 3249 289
72 36 2592 5184 1296
95 43 4085 9025 1849
120 53 6360 14400 2809
105 48 5040 11025 2304
76 39 2964 5776 1521
94 40 3760 8836 1600
737 311 229207 543169 96721
1474 622 257123 607788 109042

a= 0.42364035 b= -0.244588
Y=aX+b
Y=0.42X-0.24

c) Encuentre el coeficiente de correlacin lineal de Pearson y comente

r= 0.99810452
Existe una relacion lineal casi perfecta entre el area medida y el tiempo que se tarda

d) Halle el coeficiente de determinacin

R 0.99621263

e) Estime el tiempo que se tardaria en medir un area de 535

Y=0.42*535-0.24
Y= 224.46
 Se toman datos de 10 diferentes edificaciones en el centro de la
ciudad.Sabiendo que x=superficie de la zapata construida, y= peso total de la
obra, hallar una formula de regresion que demuestre que los datos se
encuentran entre el rango establecido
x y
22560 11270 x=superfcie de la zapata
22896 11450 y=peso de la obra
22921 11465
23156 11580
23226 11610
23298 11659
23342 11675
23399 11700
23462 11736
24006 12000

a) Graficar el diagrama de dispersin y comente

Chart Title
12200

12000

11800

11600

11400

11200

11000

10800
22400 22600 22800 23000 23200 23400 23600 23800 24000 24200

Como se observa en el grfico ambas variables presentan una relacin lineal positiva; es decir,
a medida que aumenta la superficie de la zapata crece el peso de obra

b) Encuentre el modelo de regresin lineal para encontrar el peso de obra

x y xy xx yy
22560 11270 254251200 508953600 127012900
22896 11450 262159200 524226816 131102500
22921 11465 262789265 525372241 131446225
23156 11580 268146480 536200336 134096400
23226 11610 269653860 539447076 134792100
23298 11659 271631382 542796804 135932281
23342 11675 272517850 544848964 136305625
23399 11700 273768300 547513201 136890000
23462 11736 275350032 550465444 137733696
24006 12000 288072000 576288036 144000000
 232266 116145 2698339569 5396112518 1349311727

a= 0.50336805 b= -77.028436
Y=aX+b
Y=0.5X-77.03

c) Halle el coeficiente de correlacin lineal de Pearson y comente

r= 0.99962722
Existe una relacion lineal casi perfecta entre la superficie de la zapata y el peso de obra

d) Para que porcentaje de casos el peso de obra puede ser ajustado por el modelo de
regresin lineal hallado?
Hallamos el coeficiente de determinacin
R= 0.99925457
El modelo se ajusta al 99.92% de casos.
 11280
11448
11460.5
11578
11613
11649
11671
11699.5
11731
12003
 Se realiza el ensayo del cono de Abrams 10 veces con diferentes tipos de
hormigon, medimos el diametro que el hormigon ocupa al sacar el cono, y lo
relacionamos con el indice de consistencia mas cercano dentro de su rango de
valores. Determinar mediante un grafico cual indice fue el mas acertado
respecto al valor real.

X Y x=diametro del circulo que deberia

27.86 11 ocupar el hormigon luego del ensayo
28.4 14 y=indice de consistencia del hormigon
31.65 27
34.25 37
39.09 56
42.87 71
45.36 81
46.97 88
48.05 92
49.09 96

a) Graficar el diagrama de dispersin

Diagrama de dispersion
120

100

80

60

40

20

0
25 30 35 40 45 50 55

b) Encuentre el modelo de regresin lineal para encontrar el indice de consistencia

X Y XY XX YY
27.86 11 306.46 776.1796 121
28.4 14 397.6 806.56 196
31.65 27 854.55 1001.7225 729
34.25 37 1267.25 1173.0625 1369
39.09 56 2189.04 1528.0281 3136
42.87 71 3043.77 1837.8369 5041
45.36 81 3674.16 2057.5296 6561
46.97 88 4133.36 2206.1809 7744
48.05 92 4420.6 2308.8025 8464
49.09 96 4712.64 2409.8281 9216
 393.59 573 24999.43 16105.7307 42577

a 3.98215467 b -99.433626

Y=aX+b
Y=3.98X-99.43

c) Halle el coeficiente de correlacin lineal de Pearson y comente

r 0.99995533
Existe una relacion lineal casi perfecta entre el diametro y el indice de consistencia del
hormigon

d) Para que porcentaje de casos el peso de obra puede ser ajustado por el modelo de
regresin lineal hallado?
Hallamos el coeficiente de determinacin
R 0.99991066
El modelo se ajusta al 99.99% de casos
 Se contratan obreros para construir un edificio, se sabe que en el control de
diez dias, vario el numero de trabajadores y por lo tanto el area trabajada
prevista para su avance de ese dia. Hallar la formula de regresion lineal y su
grafica correspondiente que nos demuestre estos datos.

X Y x=nro de trabajadores
12 125 y=area trabajada
14 142
15 146
19 195
18 195
14 148
13 110
17 165
15 152
18 180

a) Graficar el modelo de regresin lineal

Chart Title
250

200

150

100

50

0
11 12 13 14 15 16 17 18 19 20

b) Encuentre el modelo de correlacin lineal para encontrar el area trabajada

X Y XY XX YY
12 125 1500 144 15625
14 142 1988 196 20164
15 146 2190 225 21316
19 195 3705 361 38025
18 195 3510 324 38025
14 148 2072 196 21904
13 110 1430 169 12100
17 165 2805 289 27225
15 152 2280 225 23104
 18 180 3240 324 32400
155 1558 24720 2453 249888

a= 11.3069307 b= -19.457426
Y=aX+b
Y=11.31X-19.46

c)Encuentre el coeficiente de correlacin lineal de Pearson y comente

r= 0.95014265
Existe una relacion lineal casi perfecta entre el numero de trabajadores y el area trabajada

d) Estime el area trabajada para 16 trabajadores

Y=11.31X-19.46
Y 161.5
 Para una viga de 30cm de ancho y un largo de 3m se hizo
pruebas para la carga resistida segn alto que se tomara, dando
como resultado la siguiente tabla:

x y
12 4.31
14 6.99
16 10.41
18 14.96
20 19.22
22 23.37
24 27.75
26 32.68

a) Graficar el modelo de regresin lineal

Chart Title
35

30

25

20

15

10

0
10 12 14 16 18 20 22 24 26 28

b) Encuentre el modelo de correlacin lineal

x y xy xx yy
12 4.31 51.72 144 18.5761
14 6.99 97.86 196 48.8601
16 10.41 166.56 256 108.3681
18 14.96 269.28 324 223.8016
20 19.22 384.4 400 369.4084
22 23.37 514.14 484 546.1569
24 27.75 666 576 770.0625
26 32.68 849.68 676 1067.9824
152 139.69 2999.64 3056 3153.2161

a 2.05672619 b -21.616548

Y=aX+b
Y=2.06X-21.62
c)Encuentre el coeficiente de correlacin lineal de Pearson y comente

r 0.99762096
Existe una relacion lineal casi perfecta entre el alto de la viga y la carga soportada
d) Para que porcentaje de casos el peso de obra puede ser ajustado por el modelo de
regresin lineal hallado?
Hallamos el coeficiente de determinacin
R 0.99524758
El modelo se ajusta al 99.52% de casos
,