Regresion OK

INSTITUTO TECNOLÓGICO DE CELAYA
ESTADISTICA INFERENCIAL
PORTAFOLIO DE EVIDENCIAS
ING. GESTIÓN EMPRESARIAL.
JOSE RUIZ TAMAYO
ALUMNA:
Centeno Vega Carmen Elizenda
11/30/2017
CO DE CELAYA
RENCIAL
DENCIAS
ESARIAL.
AYO
en Elizenda
11/30/2017
Información para la acti
1. Se presenta a continuación en las siguientes hojas 20 diferentes problemas
2. La selección de ejercicios se deberá realizar de la siguiente manera
*Los problemas tienen un color de etiqueta que los identifica (en tot
* Selecciona inicialmente un color.
* De tu selección de color anterior debes resolver únicamente dos prob

el lunes 04 de septiembre (no olvides los lineamientos y evita penali
examen
*Selecciona un color diferente al elegido inicialmente
*Todos los ejercicios (4) que corresponden a tu segundo elección debe

que se presentan en la hoja llamada "ejercicios en Excel), además
* Selecciona un tercer color (diferente a los anteriormente elegidos)
*De tu tercera opción selecciona dos problemas, los cuales únicamente

diagrama de dispersion y mostrando el modelo de regresión y r2
Además, es importante que señales en la siguiente tabla cuales son los
Selección de ejercicios
No de ejercicio No de ejercicio
Primera selección 2 4
segunda selección 1 2
Tercera selección 18 20
* Los ejercicios restantes (los no seleccionados ) se suman al problem

realizados a mano o en Exce
ción para la actividad de clase
20 diferentes problemas
siguiente manera
que los identifica (en total hay 5 colores de etiquetas)
esolver únicamente dos problemas, (a mano y usando formulas) que deberás traer a mas tardar
lineamientos y evita penalizaciones), esta es tu oportunidad de realizar tu FORMULARIO para el
nicialmente
a tu segundo elección deberán ser realizados en Excel y deberán contener todos los cálculos
jercicios en Excel), además contesta las preguntas que contiene el problema, si existen)
os anteriormente elegidos)
mas, los cuales únicamente deberás realizar y calcular la recta de regresión graficando un
o de regresión y r2
uiente tabla cuales son los problemas realizados en la actividad
ejercicios
No de ejercicio No de ejercicio
3 4
onados ) se suman al problemario de la unidad. Estos problemas podrán ser

realizados a mano o en Excel.
raer a mas tardar
FORMULARIO para el
odos los cálculos

, si existen)
n graficando un
xi yi
Observación Edad del propelente Resistencia x2 y2
Sumatorias
Promedios
B1
COLOCA MAS FILAS
SI ES NECESARIO
Bo
ERRORES
xi *yi Sxx Sxy Y estimado e xi*e Y esti*e
Coloca aquí el grafico de dispersio

modelo y r2
COEFICIENTES DE CORRELACIÓN PEARSON Y DETERMINACIÓN
(x-xtes)(y-ytes)
(x-xtes) (y-ytes) (x-xtes)^2 (y-ytes)^2 Sxy (cov) Sx
Coloca un cuadro de texto donde respondas a

fico de dispersion con el preguntas de cada problema
delo y r2
ACIÓN
Sy r r^2
onde respondas a las

a problema
.
Definicion del problema
A continuación se muestran en la tabla el porcentaje de pureza de oxigeno producido en un pro

porcentaje de hidrocarburos que están presentes en el condensador principal de la unidad de des
entre variables. Realiza el calculo de la ecuación de la recta para las dos variables presentadas, gra
predichos cuando el nivel de hidrocarburos es de 1.25%, 1.50 y
Nivel de
Numero de hidrocarbur
observación os x (%) Pureza y (%) Xi2 Yi2 XiYi Sxx Sxy
1 0.99 90.01 0.9801 8101.8001 89.1099
2 1.02 89.05 1.0404 7929.9025 90.831
3 1.15 91.43 1.3225 8359.4449 105.1445
4 1.29 93.74 1.6641 8787.1876 120.9246
5 1.46 96.73 2.1316 9356.6929 141.2258
6 1.36 94.45 1.8496 8920.8025 128.452
7 0.87 87.59 0.7569 7672.0081 76.2033
8 1.23 91.77 1.5129 8421.7329 112.8771
9 1.55 99.42 2.4025 9884.3364 154.101
10 1.4 93.65 1.96 8770.3225 131.11
11 1.19 93.54 1.4161 8749.7316 111.3126
12 1.15 92.52 1.3225 8559.9504 106.398
13 0.98 90.56 0.9604 8201.1136 88.7488
14 1.01 89.54 1.0201 8017.4116 90.4354
15 1.11 89.85 1.2321 8073.0225 99.7335
16 1.2 90.39 1.44 8170.3521 108.468
17 1.26 93.25 1.5876 8695.5625 117.495
18 1.32 93.41 1.7424 8725.4281 123.3012
19 1.43 94.98 2.0449 9021.2004 135.8214
20 0.95 87.33 0.9025 7626.5289 82.9635
Sumatorias 23.92 1843.21 29.2892 170044.532 2214.6566 0.68088 10.17744
Promedio 1.196 92.1605
Resumen de resultados
Tipo de relación (positiva o negativa) Positiva Fuerte

88%, por lo tanto es significativo y
r2 Representatividad del modelo representativo
y= 74.28331 + 14.94748(
eno producido en un proceso de destilación química (y) y el
pal de la unidad de destilación. Se cree que existe una relación
riables presentadas, grafica y describe. Calcula nuevos valores
ros es de 1.25%, 1.50 y 0.90.
Y estimado e xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2 (Y-Ytes)^2

89.0813192 0.93 0.91939 82.72811 -0.20600 -2.15050 0.0424 4.6247
89.5297436 -0.48 -0.48934 -42.95132 -0.17600 -3.11050 0.0310 9.6752
91.4729159 -0.04 -0.04935 -3.92565 -0.04600 -0.73050 0.0021 0.5336
93.5655631 0.17 0.22502 16.32129 0.09400 1.57950 0.0088 2.4948
96.1066346 0.62 0.91011 59.90955 0.26400 4.56950 0.0697 20.8803
94.6118867 -0.16 -0.22017 -15.31640 0.16400 2.28950 0.0269 5.2418
87.2876216 0.30 0.26307 26.39389 -0.32600 -4.57050 0.1063 20.8895
92.6687143 -0.90 -1.10542 -83.28270 0.03400 -0.39050 0.0012 0.1525
97.4519078 1.97 3.05054 191.79434 0.35400 7.25950 0.1253 52.7003
95.2097859 -1.56 -2.18370 -148.50688 0.20400 1.48950 0.0416 2.2186
92.0708151 1.47 1.74833 135.26905 -0.00600 1.37950 0.0000 1.9030
91.4729159 1.05 1.20415 95.77983 -0.04600 0.35950 0.0021 0.1292
88.9318444 1.63 1.59559 144.79488 -0.21600 -1.60050 0.0467 2.5616
89.3802688 0.16 0.16133 14.27682 -0.18600 -2.62050 0.0346 6.8670
90.8750167 -1.03 -1.13777 -93.14841 -0.08600 -2.31050 0.0074 5.3384
92.2202899 -1.83 -2.19635 -168.78987 0.00400 -1.77050 0.0000 3.1347
93.1171387 0.13 0.16741 12.37166 0.06400 1.08950 0.0041 1.1870
94.0139875 -0.60 -0.79726 -56.78327 0.12400 1.24950 0.0154 1.5613
95.6582103 -0.68 -0.96984 -64.87638 0.23400 2.81950 0.0548 7.9496
88.48342 -1.15 -1.09575 -102.05855 -0.24600 -4.83050 0.0605 23.3337
1843.21 0.00 0.00 0.00 0.00 0.00 0.68088 173.3769
β0 74.2833142
β1 14.9474797 105
100
y= 74.28331 + 14.94748(x) f(x) = 14.9474797321x + 74.2833142404

95 R² = 0.8774357052
Pureza
90
85
f(x) = 14.9474797321x + 74.2833142404
95 R² = 0.8774357052
Pureza
90
85
80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
Nivel de hidrocarburos
(x-xtes)(y-ytes) Sxy Sx Sy r r2
0.443003
0.547448
0.033603
0.148473
1.206348
0.375478
1.489983
-0.013277
2.569863
0.303858
-0.008277
-0.016537
0.345708
0.487413
0.198703
-0.007082
0.069728
0.154938
0.659763
1.188303
10.17744 0.508872 0.18451016 2.94429019 0.93671538 88%
Calcula nuevos valores predichos cuando el nivel de

hidrocarburos es de 1.25%, 1.50 y 0.90.
y= 74.28331 + 14.94748(1.25) = 92.96766
y= 74.28331 + 14.94748(1.50) = 96.70453
y= 74.28331 + 14.94748(0.90) = 87.73605

y= 74.28331 + 14.94748(1.50) = 96.70453
y= 74.28331 + 14.94748(0.90) = 87.73605
1.3 1.4 1.5 1.6
rburos
Cuando la nicotina es absorbida por el cuerpo, se produce cotinina. Por consiguiente, la medició
persona. A continuación se incluye el reporte del numero de cigarros fumados al día y las canti
provienen de sujetos fumadores elegidos al azar. ¿Existe correlació
Cigarros por
Sujeto día (x) Cotinina (y) Xi2 Yi2 XiYi Sxx
1 60 179 3600 32041 10740
2 10 283 100 80089 2830
3 4 75.6 16 5715.36 302.4
4 15 174 225 30276 2610
5 10 209 100 43681 2090
6 1 9.51 1 90.4401 9.51
7 20 350 400 122500 7000
8 8 1.85 64 3.4225 14.8
9 7 43.4 49 1883.56 303.8
10 10 25.1 100 630.01 251
11 10 408 100 166464 4080
12 20 344 400 118336 6880
Suma 175 2102.46 5155 601709.793 37111.51 2602.91667
Promedio 14.5833 175.205
Tipo de relación (positiva o negativa) Positiva Débil

7%, por lo que no es significativo ni
r2 Representatividad del modelo representativo.
Fuerza y dirección de la regresión
y= 139.06410 + 2.47823(x)
consiguiente, la medición de cotinina es un buen indicador de cuanto fuma una
fumados al día y las cantidades medidas de cotinina (en ng/mL). Las cantidades
al azar. ¿Existe correlación lineal entre las variables?
Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes)

287.75810 -108.75810 -6525.48599 -31296.02417 45.41667 3.79500
163.84643 119.15357 1191.53570 19522.88705 -4.58333 107.79500
148.97703 -73.37703 -293.50812 -10931.49199 -10.58333 -99.60500
176.23760 -2.23760 -33.56396 -394.34876 0.41667 -1.20500
163.84643 45.15357 451.53570 7398.25121 -4.58333 33.79500
141.54233 -132.03233 -132.03233 -18688.16356 -13.58333 -165.69500
188.62876 161.37124 3227.42472 30439.25679 5.41667 174.79500
158.88996 -157.03996 -1256.31971 -24952.07407 -6.58333 -173.35500
156.41173 -113.01173 -791.08211 -17676.36023 -7.58333 -131.80500
163.84643 -138.74643 -1387.46430 -22733.10732 -4.58333 -150.10500
163.84643 244.15357 2441.53570 40003.69084 -4.58333 232.79500
188.62876 155.37124 3107.42472 29307.48420 5.41667 168.79500
6450.635 2102.46 0.00 0.00 0.00 0.00 0.00
β0 139.064096
β1 2.47823339
450
400
350
300
f(x) = 2.478233392x + 139.0640963663
250
Cotinina
R² = 0.0685078051
200
150
100
50
0
0 10 20 30 40 50 60 70
Cigarros por día

(x-xtes)^2 (Y-Ytes)^2 (x-xtes)(y-ytes) Sxy Sx Sy r
2062.6736 14.4020 172.35625
21.0069 11619.7620 -494.0604166667
112.0069 9921.1560 1054.1529166667
0.1736 1.4520 -0.5020833333
21.0069 1142.1020 -154.89375
184.5069 27454.8330 2250.6904166667
29.3403 30553.2920 946.80625
43.3403 30051.9560 1141.25375
57.5069 17372.5580 999.52125
21.0069 22531.5110 687.98125
21.0069 54193.5120 -1066.977083333
29.3403 28491.7520 914.30625
2602.9166667 233348.2883 6450.635 537.552917 14.7278553 139.447806 0.26173996
¿Existe correlación lineal entre las variables?
No, ya que los datos en el gráfico se encuentran muy

dispersos entre sí y muestran una relación positiva débil.
r2
7%
Montgomery y Perk presentan los datos del desempeño de los 28 equipos de la Liga Nacional de
1976. Se piensa que el numero de juegos ganados(y) se relaciona con el numero de yardas gana
muestran en la siguiente tabla. Responde ¿Hay una relación entre los juegos ganados y las yarda
variables es positiva o negativa?.
Yardas
recorridas
por
Juegos oponente
Equipos ganados (y) (x) Xi2 Yi2 XiYi
Washington 10 2205 4862025 100 22050
Minnesota 11 2096 4393216 121 23056
Nueva Inglaterra 11 1847 3411409 121 20317
Oakland 13 1903 3621409 169 24739
Pittsburg 10 1457 2122849 100 14570
Baltimore 11 1848 3415104 121 20328
Los Ángeles 10 1564 2446096 100 15640
Dallas 11 1821 3316041 121 20031
Atlanta 4 2577 6640929 16 10308
Búfalo 2 2476 6130576 4 4952
Chicago 7 1984 3936256 49 13888
Cincinnati 10 1917 3674889 100 19170
Cleveland 9 1761 3101121 81 15849
Denver 9 1709 2920681 81 15381
Detroit 6 1901 3613801 36 11406
Green Bay 5 2288 5234944 25 11440
Houston 5 2072 4293184 25 10360
Kansas City 5 2861 8185321 25 14305
Miami 6 2411 5812921 36 14466
Nueva Orleans 4 2289 5239521 16 9156
G de Nueva York 3 2203 4853209 9 6609
Jets de NY 3 2592 6718464 9 7776
Filadelfia 4 2053 4214809 16 8212
San Luis 10 1979 3916441 100 19790
San Diego 6 2048 4194304 36 12288
San Francisco 8 1786 3189796 64 14288
Seattle 2 2876 8271376 4 5752
Tampa Bay 0 2560 6553600 0 0
Suma 195 59084 128284292.00 1685 386127
Promedio 6.96428571 2110.14286
Tipo de relación (positiva o negativa) Negativa Moderada
54%, por lo tanto no es significativo ni

r2 Representatividad del modelo representativo
y= 21.78825 - 0.00703(x)
equipos de la Liga Nacional de Futbol Americano (NFL, por sus siglas en ingles) en
a con el numero de yardas ganadas en el campo por los oponentes (x) los datos se
e los juegos ganados y las yardas recorridas por los oponentes?¿La relación entre
s es positiva o negativa?.
Sxx Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes)

6.29790477 3.70209523 8163.11997 23.3154432 94.8571429 3.03571429
7.0636407 3.9363593 8250.60908 27.8050277 -14.142857 4.03571429
8.81289067 2.18710933 4039.59093 19.2747554 -263.14286 4.03571429
8.41948506 4.58051494 8716.71994 38.5655771 -207.14286 6.03571429
11.5526798 -1.5526798 -2262.2544 -17.937612 -653.14286 3.03571429
8.80586557 2.19413443 4054.76042 19.3212528 -262.14286 4.03571429
10.8009941 -0.8009941 -1252.7547 -8.651532 -546.14286 3.03571429
8.99554328 2.00445672 3650.11569 18.0311772 -289.14286 4.03571429
3.68456747 0.31543253 812.869627 1.16223244 466.857143 -2.9642857
4.3941026 -2.3941026 -5927.798 -10.519932 365.857143 -4.9642857
7.85045193 -0.8504519 -1687.2966 -6.676432 -126.14286 0.03571429
8.32113365 1.67886635 3218.38679 13.9700713 -193.14286 3.03571429
9.4170493 -0.4170493 -734.42381 -3.9273738 -349.14286 2.03571429
9.78235451 -0.7823545 -1337.0439 -7.6532692 -401.14286 2.03571429
8.43353526 -2.4335353 -4626.1505 -20.523305 -209.14286 -0.9642857
5.71482145 -0.7148215 -1635.5115 -4.085077 177.857143 -1.9642857
7.23224311 -2.2322431 -4625.2077 -16.144125 -38.142857 -1.9642857
1.68943899 3.31056101 9471.51504 5.59299085 750.857143 -1.9642857
4.85073412 1.14926588 2770.88004 5.57478323 300.857143 -0.9642857
5.70779635 -1.7077964 -3909.1458 -9.7477538 178.857143 -2.9642857
6.31195497 -3.311955 -7296.2368 -20.904911 92.8571429 -3.9642857
3.57919097 -0.579191 -1501.263 -2.0730351 481.857143 -3.9642857
7.36572002 -3.36572 -6909.8232 -24.790951 -57.142857 -2.9642857
7.88557744 2.11442256 4184.44225 16.6734429 -131.14286 3.03571429
7.40084552 -1.4008455 -2868.9316 -10.367441 -62.142857 -0.9642857
9.24142179 -1.2414218 -2217.1793 -11.472502 -324.14286 1.03571429
1.58406249 0.41593751 1196.23628 0.65887101 765.857143 -4.9642857
3.80399418 -3.8039942 -9738.2251 -14.470372 449.857143 -6.9642857
3608611.43 -25350.857 195 0.00 0.00 0.00 0.00 0.00
β0 21.7882509
β1 -0.0070251
14
12
f(x) = - 0.0070251003x + 21.7882508824
R² = 0.5446843013
10
Juegos ganados
8
y= 21.78825 - 0.00703(x)
4
0
1200 1400 1600 1800 2000 2200 2400 2600 2
Yardas recorridas por oponente

(x-xtes)^2 (Y-Ytes)^2 (x-xtes)(y-ytes) Sxy Sx Sy r r2
8997.87755 9.21556122 287.9591836735
200.020408 16.2869898 -57.0765306122
69244.1633 16.2869898 -1061.96938776
42908.1633 36.4298469 -1250.25510204
426595.592 9.21556122 -1982.75510204
68718.8776 16.2869898 -1057.93367347
298272.02 9.21556122 -1657.93367347
83603.5918 16.2869898 -1166.89795918
217955.592 8.7869898 -1383.89795918
133851.449 24.6441327 -1816.21938776
15912.0204 0.00127551 -4.5051020408
37304.1633 9.21556122 -586.326530612
121900.735 4.14413265 -710.755102041
160915.592 4.14413265 -816.612244898
43740.7347 0.92984694 201.6734693878
31633.1633 3.85841837 -349.362244898
1454.87755 3.85841837 74.9234693878
563786.449 3.85841837 -1474.89795918
90515.0204 0.92984694 -290.112244898
31989.8776 8.7869898 -530.183673469
8622.44898 15.7155612 -368.112244898
232186.306 15.7155612 -1910.21938776
3265.30612 8.7869898 169.387755102
17198.449 9.21556122 -398.112244898
3861.73469 0.92984694 59.9234693878
105068.592 1.07270408 -335.719387755
586537.163 24.6441327 -3801.93367347
202371.449 48.5012755 -3132.93367347
3608611.43 326.964286 -25350.8571429 -905.38776 358.997186 3.41720586 -0.7380273 54%
¿Hay una relación entre los juegos ganados y las yardas
recorridas por los oponentes?
882508824
Sí, sí existe relación.
¿La relación entre variables es positiva o negativa?
Es negativa, más específicamente, negativa moderada (-

M).
2200 2400 2600 2800 3000
as por oponente
s yardas
va?
erada (-
A temperaturas que se aproximan al cero absoluto (−273°C), el helio exhibe características qu

convencional. Se realizó un experimento con helio en forma sólida a diferentes temperaturas cerca
en un refrigerador de dilución junto con una sustancia impura sólida y se registró la fracción (
helio sólido. (El fenómeno de sólidos que pasan directamente por sólidos se conoce como efecto c
en la siguiente tabla. Encuentre la proporción de impurezas que se pasa por el hielo cuando este
Proporción
Temperatur de impureza
a (x) en que pasa
grados por el Hielo
Observación centígrados (y) Xi2 Yi2 XiYi Sxx
1 -262 0.315 68644 0.0992 -82.53
2 -265 0.202 70225 0.0408 -53.53
3 -256 0.204 65536 0.0416 -52.224
4 -267 0.62 71289 0.3844 -165.54
5 -270 0.715 72900 0.5112 -193.05
6 -272 0.935 73984 0.8742 -254.32
7 -272.4 0.957 74201.76 0.9158 -260.6868
8 -272.7 0.906 74365.29 0.8208 -247.0662
9 -272.8 0.985 74419.84 0.9702 -268.708
10 -272.9 0.987 74474.41 0.9742 -269.3523
Suma -2682.8 6.826 720039.3 5.6326 -1847.0073 297.716
Promedio -268.28 0.6826
Tipo de relación (positiva o negativa) Negativa Fuerte
85%, por lo tanto el modelo es

significativo y representativo
r2 Representatividad del modelo
y= -13.49035 - 0.05283(x)
exhibe características que desafían a numerosas leyes de la física
entes temperaturas cercanas al cero absoluto. El helio sólido se coloca
y se registró la fracción (en peso) de la impureza que pasó por el
se conoce como efecto cuántico de túnel.) Los datos se proporcionan
por el hielo cuando este esta a -271.12° C, -263.48° C y a -280.91° C.
Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2

0.35083 -0.03583 9.38858 -0.01257 6.28 -0.3676 39.4384
0.50932 -0.30732 81.44009 -0.15653 3.28 -0.4806 10.7584
0.03386 0.17014 -43.55567 0.00576 12.28 -0.4786 150.7984
0.61498 0.00502 -1.34062 0.00309 1.28 -0.0626 1.6384
0.77347 -0.05847 15.78576 -0.04522 -1.72 0.0324 2.9584
0.87912 0.05588 -15.19837 0.04912 -3.72 0.2524 13.8384
0.90026 0.05674 -15.45728 0.05108 -4.12 0.2744 16.9744
0.91610 -0.01010 2.75533 -0.00926 -4.42 0.2234 19.5364
0.92139 0.06361 -17.35368 0.05861 -4.52 0.3024 20.4304
0.92667 0.06033 -16.46414 0.05591 -4.62 0.3044 21.3444
-15.72802 6.826 0.00 0.00 0.00 0.00 0.00 297.716
P ro p o rc i ó n d e i m p u re z a q u e p a s a p o r e l H e l i o
β0 -13.490347
β1 -0.0528289
1.2
f(x) = - 0.0528289376x - 13.4903473915

R² = 0.8538228039 0.8
0.6
0.4
0.2
0
-274 -272 -270 -268 -266 -264 -262 -260 -258 -256 -254
1
f(x) = - 0.0528289376x - 13.4903473915

R² = 0.8538228039 0.8
0.6
0.4
0.2
0
-274 -272 -270 -268 -266 -264 -262 -260 -258 -256 -254
Tempe ratura e n grados centígrados

(Y-Ytes)^2 (x-xtes)(y-ytes) Sxy Sx Sy r r2
0.13512976 -2.308528
0.23097636 -1.576368
0.22905796 -5.877208
0.00391876 -0.080128
0.00104976 -0.055728
0.06370576 -0.938928
0.07529536 -1.130528
0.04990756 -0.987428
0.09144576 -1.366848
0.09265936 -1.406328
0.9731464 -15.72802 -1.572802 5.45633577 0.31195295 -0.9240253 85%
Encuentre la proporción de impurezas que se pasa por el y= -13.49035 - 0.05283(-271.12) =

hielo cuando este esta a -271.12° C, -263.48° C y a
-280.91° C.
y= -13.49035 - 0.05283(-271.12) = 0.83263
y= -13.49035 - 0.05283(-263.48) =
y= -13.49035 - 0.05283(-263.48) = 0.42902
y= -13.49035 - 0.05283(-280.91) = 1.34983 y= -13.49035 - 0.05283(280.91) =

5 - 0.05283(-271.12) = 0.83263
5 - 0.05283(-263.48) = 0.42902
5 - 0.05283(280.91) = 1.34983
En un articulo de Journal of Sound and Vibration, se describe un estudio para investigar la rela
resultados se describen en la siguiente tabla. Existe relación entre el aumento de
Aumento de
presión Nivel de
sanguínea sonido dH
Numero de observación mmHg (x) (y) Xi2 Yi2 XiYi Sxx
1 1 60 1 3600 60
2 0 63 0 3969 0
3 1 65 1 4225 65
4 2 70 4 4900 140
5 5 70 25 4900 350
6 1 70 1 4900 70
7 4 80 16 6400 320
8 6 80 36 6400 480
9 2 80 4 6400 160
10 3 80 9 6400 240
11 5 85 25 7225 425
12 4 89 16 7921 356
13 6 90 36 8100 540
14 8 90 64 8100 720
15 4 90 16 8100 360
16 5 90 25 8100 450
17 7 94 49 8836 658
18 9 100 81 10000 900
19 7 100 49 10000 700
20 6 100 36 10000 600
Sumatoria 86 1646 494 138476 7594 124.2
Promedios 4.3 82.3
β0
β1
Tipo de relación (positiva o negativa) Positiva

r2 Representatividad del modelo No representativo
Fuerza y dirección de la regresión Fuerte
para investigar la relación entre la exposición l ruido y la hipertensión, los
entre el aumento de presión sanguínea y el nivel de sonido?

68.5845411 -8.58 -8.58 -588.76681 -3.30 -22.30
64.4283414 -1.43 0.00 -92.025666 -4.30 -19.30
68.5845411 -3.58 -3.58 -245.8441 -3.30 -17.30
72.7407407 -2.74 -5.48 -199.36351 -2.30 -12.30
85.2093398 -15.21 -76.05 -1295.9778 0.70 -12.30
68.5845411 1.42 1.42 97.0786016 -3.30 -12.30
81.0531401 -1.05 -4.21 -85.360312 -0.30 -2.30
89.3655395 -9.37 -56.19 -836.95649 1.70 -2.30
72.7407407 7.26 14.52 528.043896 -2.30 -2.30
76.8969404 3.10 9.31 238.615788 -1.30 -2.30
85.2093398 -0.21 -1.05 -17.837704 0.70 2.70
81.0531401 7.95 31.79 644.117949 -0.30 6.70
89.3655395 0.63 3.81 56.6989091 1.70 7.70
97.6779388 -7.68 -61.42 -749.96524 3.70 7.70
81.0531401 8.95 35.79 725.171089 -0.30 7.70
85.2093398 4.79 23.95 408.208995 0.70 7.70
93.5217391 0.48 3.35 44.7277883 2.70 11.70
101.834138 -1.83 -16.51 -186.77791 4.70 17.70
93.5217391 6.48 45.35 605.858223 2.70 17.70
89.3655395 10.63 63.81 950.354304 1.70 17.70
516.2 1646 0 0.00 0 0.00 0.00
64.4283414
Chart Title
4.15619968
120
100 f(x) = 4.1561996779x + 64.4283413849

R² = 0.712720176
80
60
40
20
60
40
20
0
0 1 2 3 4 5 6 7 8 9 1
10.89 497.29 73.59
18.49 372.49 82.99
10.89 299.29 57.09
5.29 151.29 28.29
0.49 151.29 -8.61
10.89 151.29 40.59
0.09 5.29 0.69
2.89 5.29 -3.91
5.29 5.29 5.29
1.69 5.29 2.99
0.49 7.29 1.89
0.09 44.89 -2.01
2.89 59.29 13.09
13.69 59.29 28.49
0.09 59.29 -2.31
0.49 59.29 5.39
7.29 136.89 31.59
22.09 313.29 83.19
7.29 313.29 47.79
2.89 313.29 30.09
124.20 3010.20 516.2 25.81 2.49198716 12.2682517 0.84422756
Resultado:
Al ser "R^2" de 0.71, ésto quiere decir que no hay relación
entre las variables, ya que la teoría indica que si r^2 es mayor a
0.75 (75%) es confiable y representativo, y de acuerdo a los
resultados obtenidos en ésta prueba no es así, por lo que éste
modelo no será ajustable para las nuevas predicciones.
7 8 9 10
r2
0.71272018
y relación
^2 es mayor a
uerdo a los
or lo que éste
iones.
Una compañía de seguros desea determinar el grado de relación que existe entre el ingreso famili
Con base de una muestra aleatoria de 18 familias se obtuvo la siguiente información en miles de d
para una persona que tiene un ingreso familiar de 70 mil dólares, de 3
Seguro de
Muestra aleatoria Ingreso (x) vida (y) Xi2 Yi2 XiYi Sxx
1 45 70 2025 4900 3150
2 20 50 400 2500 1000
3 40 60 1600 3600 2400
4 40 50 1600 2500 2000
5 47 90 2209 8100 4230
6 30 55 900 3025 1650
7 25 55 625 3025 1375
8 20 35 400 1225 700
9 15 40 225 1600 600
10 35 65 1225 4225 2275
11 40 75 1600 5625 3000
12 55 105 3025 11025 5775
13 50 110 2500 12100 5500
14 60 120 3600 14400 7200
15 15 30 225 900 450
16 30 40 900 1600 1200
17 35 65 1225 4225 2275
18 45 80 2025 6400 3600
Sumatorias 647 1195 26309 90975 48380 3052.94444
Promedio 35.9444444 66.3888889
β0 2.500227
β1 1.77742798

r2 Representatividad del modelo Representativa
e entre el ingreso familiar (x) y el monto del seguro de vida (y) del jefe de familia.
ormación en miles de dólares. ¿Como se comportaría el monto del seguro de vida
de 70 mil dólares, de 38 mil dólares y 22 mil dólares?

82.4844867 -12.48 -561.80 -1029.78 9.06 3.61
38.0487871 11.95 239.02 454.73 -15.94 -16.39
73.5973468 -13.60 -543.89 -1000.73 4.06 -6.39
73.5973468 -23.60 -943.89 -1736.70 4.06 -16.39
86.0393427 3.96 186.15 340.77 11.06 23.61
55.823067 -0.82 -24.69 -45.95 -5.94 -11.39
46.9359271 8.06 201.60 378.49 -10.94 -11.39
38.0487871 -3.05 -60.98 -116.00 -15.94 -31.39
29.1616472 10.84 162.58 316.06 -20.94 -26.39
64.7102069 0.29 10.14 18.75 -0.94 -1.39
73.5973468 1.40 56.11 103.23 4.06 8.61
100.258767 4.74 260.77 475.35 19.06 38.61
91.3716267 18.63 931.42 1702.10 14.06 43.61
109.145907 10.85 651.25 1184.68 24.06 53.61
29.1616472 0.84 12.58 24.45 -20.94 -36.39
55.823067 -15.82 -474.69 -883.29 -5.94 -26.39
64.7102069 0.29 10.14 18.75 -0.94 -1.39
82.4844867 -2.48 -111.80 -204.93 9.06 13.61
5426.38889 1195 0.00 0.00 0.00 0.00 0.00
Seguro de vida (y)

140
120
100 f(x) = 1.7774279839x + 2.5002274671

R² = 0.8285898023
80
60
40
20
0
10 20 30 40 50 60 70
82.0031 13.0401 32.70
254.2253 268.5957 261.31
16.4475 40.8179 -25.91
16.4475 268.5957 -66.47
122.2253 557.4846 261.03
35.3364 129.7068 67.70
119.7809 129.7068 124.65
254.2253 985.2623 500.48
438.6698 696.3735 552.70
0.8920 1.9290 1.31
16.4475 74.1512 34.92
363.1142 1490.8179 735.76
197.5586 1901.9290 612.98
578.6698 2874.1512 1289.65
438.6698 1324.1512 762.15
35.3364 696.3735 156.87
0.8920 1.9290 1.31
82.0031 185.2623 123.26
3052.9444 11640.2778 5426.39 301.47 13.0233646 25.4299449 0.9103
Respuestas
70 mil dólares
y= β0+β1(x)
y= 32.7165031936
38 mil dólares
y= β0+β1(x)
y= 70.0424908558
22 mil dólares
y= β0+β1(x)
y= 41.6036431132
r2
0.8286
El gerente de ventas de una cadena comercial obtuvo información de los pedidos realizados en in
modalidad. Como parte de su presentación en la próxima reunión de vendedores, al gerente le
relación entre el numero de pedidos(x) y el numero de ventas realizadas (y). Explica com
Numero de
Tienda Pedidos (x) ventas (y) Xi2 Yi2 XiYi Sxx
1 50 45 2500 2025 2250
2 56 55 3136 3025 3080
3 60 50 3600 2500 3000
4 68 65 4624 4225 4420
5 65 60 4225 3600 3900
6 50 40 2500 1600 2000
7 79 75 6241 5625 5925
8 35 30 1225 900 1050
9 40 38 1600 1444 1520
10 15 12 225 144 180
Sumatoria 518 470 29876 25088 27325 3043.6
Promedio 51.8 47
β0 -3.7006
β1 0.9788

pedidos realizados en internet y el numero de ventas realizadas en esa
endedores, al gerente le gustaría dar información especifica sobre la
realizadas (y). Explica como están relacionadas estas variables.

45.2382048 -0.24 -11.9102 -10.7760 -1.8 -2 3.24
51.1108556 3.89 217.7921 198.7775 4.2 8 17.64
55.0259561 -5.03 -301.5574 -276.5580 8.2 3 67.24
62.8561572 2.14 145.7813 134.7537 16.2 18 262.44
59.9198318 0.08 5.2109 4.8037 13.2 13 174.24
45.2382048 -5.24 -261.9102 -236.9670 -1.8 -7 3.24
73.6226837 1.38 108.8080 101.4017 27.2 28 739.84
30.5565777 -0.56 -19.4802 -17.0071 -16.8 -17 282.24
35.4504534 2.55 101.9819 90.3826 -11.8 -9 139.24
10.981075 1.02 15.2839 11.1889 -36.8 -35 1354.24
2979 470 0.00 0.0000 0.0000 2.8422E-14 0 3043.6
Numero de ventas (y)

80
70 f(x) = 0.9787751347x - 3.7005519779

R² = 0.9725720902
60
50
40
30
20
10
0
10 20 30 40 50 60 70 80 90
4 3.6
64 33.6
9 24.6
324 291.6
169 171.6
49 12.6
784 761.6
289 285.6
81 106.2
1225 1288
2998 2979 297.9 17.4459164 17.3147336 0.9861907 0.9726
Respuesta:
De acuerdo a R^2 que ibtuvimos en éste ejercicio, nos
indica que el modelo sí es representativo al ser mayor
de 0.75 y que por lo tanto, existe relación entre las
variables. Por lo que se puede observar en el gráfico,
mientras mayor sea el número de pedidos, mayor será
el número de ventas dentro de ésta modalidad.
Se presentan a continuación el promedio del examen final y los exámenes parciales de 20 estudian
de estadística para ingenieros y un curso de investigación de operaciones. Las 20 observaciones se
relación que tienen aún conjunto ambas calificaciones. Describe el tipo de
Estadística
Alumno (x) IO(y) Xi2 Yi2 XiYi Sxx
1 86 80 7396 6400 6880
2 75 81 5625 6561 6075
3 69 75 4761 5625 5175
4 75 81 5625 6561 6075
5 90 92 8100 8464 8280
6 94 95 8836 9025 8930
7 83 80 6889 6400 6640
8 86 81 7396 6561 6966
9 71 76 5041 5776 5396
10 65 72 4225 5184 4680
11 84 85 7056 7225 7140
12 71 72 5041 5184 5112
13 62 65 3844 4225 4030
14 90 93 8100 8649 8370
15 83 81 6889 6561 6723
16 75 70 5625 4900 5250
17 71 73 5041 5329 5183
18 76 72 5776 5184 5472
19 84 80 7056 6400 6720
20 97 98 9409 9604 9506
Sumatoria 1587 1602 127731 129818 128603 1802.55
Promedio 79.35 80.1
β0 14.76
β1 0.8234
Tipo de relación (positiva o negativa) Postiva

s parciales de 20 estudiantes seleccionados al azar que llevaron un curso
Las 20 observaciones se presenta a continuación. Encuentra el grado de
ones. Describe el tipo de correlación que existe.

85.5759 -5.58 -479.5279 -477.1632 6.65 -0.10 44.2225
76.5180 4.48 336.1488 342.9525 -4.35 0.90 18.9225
71.5773 3.42 236.1629 244.9843 -10.35 -5.10 107.1225
76.5180 4.48 336.1488 342.9525 -4.35 0.90 18.9225
88.8697 3.13 281.7284 278.1901 10.65 11.90 113.4225
92.1635 2.84 266.6345 261.4251 14.65 14.90 214.6225
83.1056 -3.11 -257.7625 -258.0904 3.65 -0.10 13.3225
85.5759 -4.58 -393.5279 -391.5873 6.65 0.90 44.2225
73.2242 2.78 197.0791 203.2531 -8.35 -4.10 69.7225
68.2836 3.72 241.5679 253.7711 -14.35 -8.10 205.9225
83.9290 1.07 89.9626 89.8865 4.65 4.90 21.6225
73.2242 -1.22 -86.9209 -89.6439 -8.35 -8.10 69.7225
65.8132 -0.81 -50.4207 -53.5217 -17.35 -15.10 301.0225
88.8697 4.13 371.7284 367.0598 10.65 12.90 113.4225
83.1056 -2.11 -174.7625 -174.9848 3.65 0.90 13.3225
76.5180 -6.52 -488.8512 -498.7457 -4.35 -10.10 18.9225
73.2242 -0.22 -15.9209 -16.4196 -8.35 -7.10 69.7225
77.3415 -5.34 -405.9510 -413.1164 -3.35 -8.10 11.2225
83.9290 -3.93 -330.0374 -329.7586 4.65 -0.10 21.6225
94.6338 3.37 326.5217 318.5566 17.65 17.90 311.5225
1484.3 1602 0.00 0.0000 0.0000 0.00 0.00 1802.5500
IO(y)
120
100
f(x) = 0.8234445646x + 14.7596737955
R² = 0.8160226781
80
60
40
20
60
40
20
0
60 65 70 75 80 85 90 95 100
0.0100 -0.665
0.8100 -3.915
26.0100 52.785
0.8100 -3.915
141.6100 126.735
222.0100 218.285
0.0100 -0.365
0.8100 5.985
16.8100 34.235
65.6100 116.235
24.0100 22.785
65.6100 67.635
228.0100 261.985
166.4100 137.385
0.8100 3.285
102.0100 43.935
50.4100 59.285
65.6100 27.135
0.0100 -0.465
320.4100 315.935
1497.8000 1484.3 74.215 9.49355044 8.65390085 0.90333974 0.81602268
Respuesta: Al ser nuestro valor de r^2 de 0.81 nos

indica que nuestro modelo es significativo y que por lo
tanto, éste modelo nos puede ser de utilidad para
futuras predicciones
100
En un articulo de Tappi Journal se presentan los datos de la concentración de licor verde Na2S
datos se muestran a continuación. ¿Cuál es el valor ajustado para valores d
Producción
en
Concentraci toneladas
Numero de observación ón Na2S (y) (x) Xi2 Yi2 XiYi Sxx
1 40 825 680625 1600 33000
2 42 830 688900 1764 34860
3 49 890 792100 2401 43610
4 46 895 801025 2116 41170
5 44 890 792100 1936 39160
6 48 910 828100 2304 43680
7 46 915 837225 2116 42090
8 43 960 921600 1849 41280
9 53 990 980100 2809 52470
10 52 1010 1020100 2704 52520
11 54 1012 1024144 2916 54648
12 57 1030 1060900 3249 58710
13 58 1050 1102500 3364 60900
Suma 632 12207 11529419 31128 598098 67046
Promedio 48.6153846 939

Es un 80%, por lo que el modelo es
r2 Representatividad del modelo significativo y representativo
X Y
750 35.5072201
1120 61.1687062
940 48.68474
ón de licor verde Na2S y la producción de una maquina papelera. Los
justado para valores de X= 750, X=1120 y X=940?

40.7088727 -0.71 -584.82 -28.86 -114.00 -8.62 12996.00
41.0556495 0.94 783.81 38.77 -109.00 -6.62 11881.00
45.2169716 3.78 3366.90 171.06 -49.00 0.38 2401.00
45.5637484 0.44 390.45 19.88 -44.00 -2.62 1936.00
45.2169716 -1.22 -1083.10 -55.03 -49.00 -4.62 2401.00
46.6040789 1.40 1270.29 65.06 -29.00 -0.62 841.00
46.9508558 -0.95 -870.03 -44.64 -24.00 -2.62 576.00
50.0718473 -7.07 -6788.97 -354.10 21.00 -5.62 441.00
52.1525084 0.85 839.02 44.20 51.00 4.38 2601.00
53.5396157 -1.54 -1555.01 -82.43 71.00 3.38 5041.00
53.6783265 0.32 325.53 17.27 73.00 5.38 5329.00
54.9267231 2.07 2135.48 113.88 91.00 8.38 8281.00
56.3138305 1.69 1770.48 94.95 111.00 9.38 12321.00
4650 632 0.00 0.00 0.00 0.00 0.00 67046
β0 -16.509306
β1 0.06935537
Concentración Na2S (y)

70
60
50 f(x) = 0.069355368x - 16.5093058956

R² = 0.8001015254
40
30
20
10
0
800 850 900 950 1000 1050 1100
(Y-Ytes)^2 (x-xtes)(y-yteSxy Sx Sy r r2
74.225 982.153846
43.763 721.076923
0.148 -18.846154
6.840 115.076923
21.302 226.153846
0.379 17.8461538
6.840 62.7692308
31.533 -117.92308
19.225 223.615385
11.456 240.307692
28.994 393.076923
70.302 763
88.071 1041.69231
403.076923 4650 357.692308 71.8149331 5.56829571 0.89448394 80%
Y= βo+β1(X)
Cuando x= 750
Y= 35.5072
Cuando x= 1120
Y= 61.167
Cuando x= 940
Y= 4.6847
Abajo se presenta una lista de numero de incendios (en miles) y los acres que fueron quemados (
Estados Unidos cada año la década pasada segun datos de USA Today. ¿Existe una correlación?. L
cantidad de acres quemados se debe a que son zonas que tienen menos arboles (mayor tala), por
densos. ¿Crees que están en lo correcto? (Fundamenta la respuesta contrastando los acres qu
Incendios Acres
Año (x) dañados (y) Xi2 Yi2 XiYi Sxx
2000 73 6.2 5329 38.44 452.6
2001 69 4.2 4761 17.64 289.8
2002 58 1.9 3364 3.61 110.2
2003 48 2.7 2304 7.29 129.6
2004 84 5 7056 25 420
2005 62 1.6 3844 2.56 99.2
2006 57 3 3249 9 171
2007 45 1.6 2025 2.56 72
2008 70 1.5 4900 2.25 105
2009 63 2 3969 4 126
2010 48 3.7 2304 13.69 177.6
Suma 677 33.4 43105 126.04 2153 1439
Promedio 61.5454545 3.03636364
Tipo de relación (positiva o negativa) Positiva Moderada
27%, por lo tanto es un modelo no

r2 Representatividad del modelo representativo y no significativo
s que fueron quemados (en millones) en 11 estados occidentales de
Existe una correlación?. Los leñadores de la zona dicen que la menor
arboles (mayor tala), por lo que hay mas incendios en los bosques mas
contrastando los acres que se queman y la cantidad de incendios)

3.81 2.39 174.35 9.10 11.4545455 3.16363636 131.206612
3.54 0.66 45.48 2.33 7.45454545 1.16363636 55.5702479
2.80 -0.90 -51.99 -2.51 -3.5454545 -1.1363636 12.5702479
2.12 0.58 27.86 1.23 -13.545455 -0.3363636 183.479339
4.56 0.44 37.28 2.02 22.4545455 1.96363636 504.206612
3.07 -1.47 -90.96 -4.50 0.45454545 -1.4363636 0.20661157
2.73 0.27 15.46 0.74 -4.5454545 -0.0363636 20.661157
1.92 -0.32 -14.24 -0.61 -16.545455 -1.4363636 273.752066
3.61 -2.11 -147.60 -7.61 8.45454545 -1.5363636 71.4793388
3.13 -1.13 -71.49 -3.56 1.45454545 -1.0363636 2.11570248
2.12 1.58 75.86 3.35 -13.545455 0.66363636 183.479339
97 33.4 0.00 0.00 0.00 0.00 0.00 1438.72727
β0 -1.1294073
β1 0.06768609
Acres dañados
7
f(x) = 0.0676860862x - 1.1294073044

4 R² = 0.2676658872
0
40 45 50 55 60 65 70 75 80 85 90
10.008595 36.2380165289
1.35404959 8.6743801653
1.29132231 4.0289256198
0.1131405 4.5561983471
3.85586777 44.0925619835
2.0631405 -0.652892562
0.00132231 0.1652892562
2.0631405 23.7652892562
2.36041322 -12.9892561983
1.07404959 -1.5074380165
0.44041322 -8.9892561983
24.63 97.3818181818 8.85 11.44 1.50 0.52 27%
os
¿Existe una correlación?

Si hay correlación pero en este caso se presenta como positiva
moderada.
¿Crees que están en lo correcto?

R= De acuerdo con la grafica, nos muestra de que si estan en lo
correcto, ya que nos expresa que en la zona con menos acres
quemados hay menos incendios.
70 75 80 85 90
como positiva
ue si estan en lo
menos acres
Los siguientes datos muestran el porcentaje de la población con cuatro años o mas de educación su
cada 1000 nacimientos (y). ¿Es significativa la relación entre variables? ¿Qué nos
x y
% de
educación Mortalidad
Estado superior infantil Xi2 Yi2 XiYi Sxx
Guanajuato 19.4 12 376.36 144 232.8
Baja California 12.3 15.4 151.29 237.16 189.42
Guadalajara 13.7 16 187.69 256 219.2
Zacatecas 11 14.2 121 201.64 156.2
Estado de México 11.5 17.9 132.25 320.41 205.85
Veracruz 16.8 11.9 282.24 141.61 199.92
Chiapas 11.8 14.2 139.24 201.64 167.56
Yucatán 12.8 12.7 163.84 161.29 162.56
Tabasco 15.3 13.8 234.09 190.44 211.14
Colima 11.8 15.8 139.24 249.64 186.44
Michoacán 11.7 13.7 136.89 187.69 160.29
Chihuahua 10.4 17.6 108.16 309.76 183.04
Sonora 17.5 10.1 306.25 102.01 176.75
Nuevo León 15.6 10.1 243.36 102.01 157.56
San Luis Potosí 16.1 12.1 259.21 146.41 194.81
Suma 207.7 207.5 2981.11 2951.71 2803.54 105.157333
Promedio 13.8466667 13.8333333
Tipo de relación (positiva o negativa) Negativa Moderada
57%, por lo tanto el modelo no es

representativo y no es significativo
os o mas de educación superior (x), y la tasa de mortalidad infantil por
ntre variables? ¿Qué nos indica el r2 y la correlación?

10.1554857 1.84 35.7835765 18.7319382 5.55333333 -1.8333333 30.8395111
14.8576558 0.54 6.67083329 8.05796302 -1.5466667 1.56666667 2.39217778
13.9304674 2.07 28.3525971 28.8295569 -0.1466667 2.16666667 0.02151111
15.7186165 -1.52 -16.704782 -23.870551 -2.8466667 0.36666667 8.10351111
15.3874778 2.51 28.8940052 38.6613794 -2.3466667 4.06666667 5.50684444
11.8774072 0.02 0.37955926 0.26834404 2.95333333 -1.9333333 8.72217778
15.1887946 -0.99 -11.667776 -15.018598 -2.0466667 0.36666667 4.18884444
14.5265171 -1.83 -23.379419 -26.532932 -1.0466667 -1.1333333 1.09551111
12.8708234 0.93 14.216402 11.9592679 1.45333333 -0.0333333 2.11217778
15.1887946 0.61 7.2122241 9.28347374 -2.0466667 1.96666667 4.18884444
15.2550223 -1.56 -18.193761 -23.7219 -2.1466667 -0.1333333 4.60817778
16.115983 1.48 15.4337764 23.9163922 -3.4466667 3.76666667 11.8795111
11.413813 -1.31 -22.991727 -14.995615 3.65333333 -3.7333333 13.3468444
12.6721402 -2.57 -40.125386 -32.594521 1.75333333 -3.7333333 3.07417778
12.3410014 -0.24 -3.8801229 -2.9741989 2.25333333 -1.7333333 5.07751111
-69.643333 207.5 0.00 0.00 0.00 0.00 0.00 105.157333
β0 23.0036688
β1 -0.6622775
Mortalidad infantil (y)

20
18
16
f(x) = - 0.6622774763x + 23.0036687884
14 R² = 0.5673676936
12
10
4
12
10
0
8 10 12 14 16 18 20
3.36111111 -10.181111
2.45444444 -2.4231111
4.69444444 -0.3177778
0.13444444 -1.0437778
16.5377778 -9.5431111
3.73777778 -5.7097778
0.13444444 -0.7504444
1.28444444 1.18622222
0.00111111 -0.0484444
3.86777778 -4.0251111
0.01777778 0.28622222
14.1877778 -12.982444
13.9377778 -13.639111
13.9377778 -6.5457778
3.00444444 -3.9057778
81.2933333 -69.643333 -4.64 2.65 2.33 -0.75 57%
¿Es significativa la relación entre variables?

No es significativa la relacion entre las variables debido
a que r2 es menor que el 75% que se espera del modelo.
¿Qué nos indica el r2 y la correlación?

r2 nos indica para saber si hay relacion entre las
variables (x) y (y), y la correlacion nos indica para saber
que tan fuerte o debil es esta relación.
¿Qué nos indica el r2 y la correlación?
r2 nos indica para saber si hay relacion entre las
variables (x) y (y), y la correlacion nos indica para saber
que tan fuerte o debil es esta relación.
un maratón es una prueba atlética de resistencia con categoría olímpica que consiste en correr a pie una distancia d
categoría masculina desde 1896 y en 1984 se incorporo la línea femenina. Uno de los maratones mas important
tiempos de las ganadoras de dicha prueba entre los años 1978-1998. Se cree que existe una relación entre la te
temperatura en los tiempos de las ganadoras (r)? ¿Con que certeza podemos afirmar que las
Tiempo de
las mujeres
Temperatura (°F) en maratón
Año (x) (min) Xi2 Yi2 XiYi Sxx
1978 75 152.5 5625 23256.25 11437.5
1979 80 147.55 6400 21771.0025 11804
1980 50 145.7 2500 21228.49 7285
1981 54 145.483 2916 21165.3033 7856.082
1982 52 147.233 2704 21677.5563 7656.116
1983 59 147 3481 21609 8673
1984 79 149.5 6241 22350.25 11810.5
1985 72 148.567 5184 22072.1535 10696.824
1986 65 148.1 4225 21933.61 9626.5
1987 64 150.283 4096 22584.9801 9618.112
1988 67 148.117 4489 21938.6457 9923.839
1989 56 145.5 3136 21170.25 8148
1990 73 150.75 5329 22725.5625 11004.75
1991 57 147.533 3249 21765.9861 8409.381
1992 51 144.667 2601 20928.5409 7378.017
1993 73 146.4 5329 21432.96 10687.2
1994 70 147.617 4900 21790.7787 10333.19
1995 62 148.1 3844 21933.61 9182.2
1996 49 148.3 2401 21992.89 7266.7
1997 61 148.717 3721 22116.7461 9071.737
1998 55 145.28 3025 21106.2784 7990.4
Suma 1324 3102.897 85396 458550.844 195859.048 1920.95238
Promedio 63.05 147.76
Tipo de relación (positiva o negativa) Positiva moderada

36%, por lo que es un modelo no
representativo y no significativo.
orrer a pie una distancia de 42195 metros. Forma parte del programa olímpico en
maratones mas importantes es el de Nueva York a continuación se muestran los
e una relación entre la temperatura y los tiempos de las ganadoras. ¿influye la
podemos afirmar que las variables están relacionadas (r2)?

149.180495 3.32 248.96289 495.205429 11.95 4.74 142.85941
149.775981 -2.23 -178.07845 -333.39844 16.95 -0.21 287.38322
146.203065 -0.50 -25.153272 -73.54971 -13.05 -2.06 170.240363
146.679454 -1.20 -64.608524 -175.49524 -9.05 -2.27 81.8594104
146.44126 0.79 41.1704908 115.943434 -11.05 -0.52 122.049887
147.27494 -0.27 -16.221461 -40.491773 -4.05 -0.76 16.38322
149.656883 -0.16 -12.393796 -23.478694 15.95 1.74 254.478458
148.823203 -0.26 -18.446636 -38.128992 8.95 0.81 80.1451247
147.989523 0.11 7.18100149 16.3494305 1.95 0.34 3.81179138
147.870426 2.41 154.404744 356.748363 0.95 2.53 0.90702948
148.227717 -0.11 -7.4180659 -16.411388 3.95 0.36 15.6213152
146.917648 -1.42 -79.388315 -208.27758 -7.05 -2.26 49.6689342
148.9423 1.81 131.962067 269.24293 9.95 2.99 99.0498866
147.036746 0.50 28.2864973 72.9676229 -6.05 -0.22 36.5736961
146.322163 -1.66 -84.413294 -242.18697 -12.05 -3.09 145.145125
148.9423 -2.54 -185.58793 -378.65608 9.95 -1.36 99.0498866
148.585009 -0.97 -67.760625 -143.83161 6.95 -0.14 48.3356009
147.632232 0.47 29.001645 69.0577028 -1.05 0.34 1.09750567
146.083968 2.22 108.585555 323.726709 -14.05 0.54 197.335601
147.513134 1.20 73.4358042 177.585994 -2.05 0.96 4.19274376
146.798551 -1.52 -83.520322 -222.92113 -8.05 -2.48 64.7641723
228.78 3102.897 0.00 0.00 0.00 0.00 0.00 1920.95238
β0 140.25
β1 0.1191
¿influye la temper
Tiempo de las mujeres en maratón (min)
154
152
¿influye la temper
R= No, de acuerdo
150
f(x) = 0.119097174x + 140.2482067427
R² = 0.3580805012 ¿Con que certeza p
148 relacionadas (r2)?
R= Con el 36% de
146
144
142
140
45 50 55 60 65 70 75 80 85
22.496049 56.6901429
0.042849 -3.5091429
4.231249 26.8389524
5.171076 20.5742857
0.274576 5.78895238
0.573049 3.06404762
3.038049 27.805
0.6561 7.25142857
0.117649 0.66966667
6.380676 2.40571429
0.1296 1.42285714
5.094049 15.9064762
8.958049 29.7874762
0.050176 1.35466667
9.5481 37.2271429
1.841449 -13.505381
0.0196 -0.9733333
0.117649 -0.3593333
0.294849 -7.6278571
0.9216 -1.9657143
6.135529 19.9339524
76.091972 228.78 10.89 9.56 1.90 0.60 36%
¿influye la temperatura en los tiempos de las ganadoras (r)?

¿influye la temperatura en los tiempos de las ganadoras (r)?
R= No, de acuerdo a r (0.5983) la relacion no es tan cercana.
¿Con que certeza podemos afirmar que las variables están

relacionadas (r2)?
R= Con el 36% de certeza
Un motor de turbina se fabrica ensamblando dos tipos de cargas de propulsoras, un mecanismo de

lineal de la antigüedad de la carga propulsora "x" cuando se moldea el motor. En la tabla siguiente
de un motor fabricado con una carga p
Antigüedad en semanas
Numero de observación (yi) Resistencia al corte psi (xi) Xi2
1 2158.7 15.5 240.25
2 1678.15 23.75 564.0625
3 2316 8 64
4 2061.3 17 289
5 2207.5 5 25
6 1708.3 19 361
7 1784.7 24 576
8 2575 2.5 6.25
9 2357.9 7.5 56.25
10 2277.7 11 121
11 2165.2 13 169
12 2399.55 3.75 14.0625
13 1779.8 25 625
14 2336.75 9.75 95.0625
15 1765.3 22 484
16 2053.5 18 324
17 2414.4 6 36
18 2200.5 12.5 156.25
19 2654.2 2 4
20 1753.7 21.5 462.25
Suma 42648.15 266.75 4672.4375
Promedi o 2132.4075 13.3375
r2 Representatividad del modelo 90% Hay un ajuste lineal casi perfecto, nuevas
Fuerza y dirección de la regresión Negativa Fuerte

as, un mecanismo de ignición y un soporte. Se piensa que la resistencia al corte de la unidad ensamblada "y"
r. En la tabla siguiente se muestra las observaciones. Una vez calculado el modelo de los datos calcule la resis
ricado con una carga propulsora de 10 semanas de antigüedad.
Yi2 XiYi Sxx Sxy Y estimado e

4659985.69 33459.85 2052.4776147983 106.22
2816187.4225 39856.0625 1747.5427926413 -69.39
5363856 18528 2329.6910894864 -13.69
4248957.69 35042.1 1997.0349198606 64.27
4873056.25 11037.5 2440.5764793617 -233.08
2918288.89 32457.7 1923.1113266104 -214.81
3185154.09 42832.8 1738.302343485 46.40
6630625 6437.5 2532.9809709244 42.02
5559692.41 17684.25 2348.171987799 9.73
5187917.29 25054.7 2218.8056996112 58.89
4688091.04 28147.6 2144.882106361 20.32
5757840.2025 8998.3125 2486.7787251431 -87.23
3167688.04 44495 1701.3405468599 78.46
5460400.5625 22783.3125 2265.0079453925 71.74
3116284.09 38836.6 1812.2259367352 -46.93
4216862.25 36963 1960.0731232355 93.43
5829327.36 14486.4 2403.6146827366 10.79
4842200.25 27506.25 2163.3630046735 37.14
7044777.64 5308.4 2551.461869237 102.74
3075463.69 37704.55 1830.7068350477 -77.01
92642655.8575 527619.8875 1114.659375 -41199.813 42648.15 0.00
β0 2625.3854624871
β1 -36.9617966251
Negativa Fuerte
3000
ste lineal casi perfecto, nuevas predicciones confiables.

2500
f(x) = -
Negativa Fuerte R² = 0.8
2000
1500
2500
f(x) = -
R² = 0.8
2000
1500
1000
500
0
0 5
a unidad ensamblada "y" es una función
los datos calcule la resistencia al corte
xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2 (Y-Ytes)^2 (x-xtes)(y-ytes) Sxy

1646.44697 218019.068 2.1625 26.2925 4.67640625 691.295556 56.85753125
-1648.0788 -121266.87 10.4125 -454.2575 108.420156 206349.876 -4729.95621875
-109.52872 -31896.009 -5.3375 183.5925 28.4889063 33706.2061 -979.92496875
1092.50636 128339.609 3.6625 -71.1075 13.4139063 5056.27656 -260.43121875
-1165.3824 -568840.97 -8.3375 75.0925 69.5139063 5638.88356 -626.08371875
-4081.4152 -413106.1 5.6625 -424.1075 32.0639063 179867.172 -2401.50871875
1113.54376 80653.1551 10.6625 -347.7075 113.688906 120900.506 -3707.43121875
105.047573 106433.401 -10.8375 442.5925 117.451406 195888.121 -4796.59621875
72.9600915 22843.0457 -5.8375 225.4925 34.0764063 50846.8676 -1316.31246875
647.837304 130675.009 -2.3375 145.2925 5.46390625 21109.9106 -339.62121875
264.132617 43579.4865 -0.3375 32.7925 0.11390625 1075.34806 -11.06746875
-327.10772 -216918.54 -9.5875 267.1425 91.9201563 71365.1153 -2561.22871875
1961.48633 133486.249 11.6625 -352.6075 136.013906 124332.049 -4112.28496875
699.485032 162496.324 -3.5875 204.3425 12.8701563 41755.8573 -733.07871875
-1032.3706 -85040.4 8.6625 -367.1075 75.0389063 134767.917 -3180.06871875
1681.68378 183123.51 4.6625 -78.9075 21.7389063 6226.39356 -367.90621875
64.7119036 25923.7469 -7.3375 281.9925 53.8389063 79519.7701 -2069.11996875
464.212442 80340.8018 -0.8375 68.0925 0.70140625 4636.58856 -57.02746875
205.476262 262132.423 -11.3375 521.7925 128.538906 272267.413 -5915.82246875
-1655.647 -140976.94 8.1625 -378.7075 66.6264063 143419.371 -3091.19996875
0.00 0.00 0 0.00 1114.65938 1699420.94 -41199.813125 -2059.9907
Gráfico de dispersión
3000
2500
f(x) = - 36.9617966251x + 2625.3854624871
R² = 0.8960811775
2000
1500
2500
f(x) = - 36.9617966251x + 2625.3854624871
R² = 0.8960811775
2000
1500
1000
500
0
0 5 10 15 20 25 30
Sx Sy r r2 SSR SST
6388.78655
148120.843
38920.8147
18325.7355
94968.1198
43804.8882
155318.874
160459.106
46554.3142
7464.6489
155.615804
125578.965
185818.718
17582.8781
102516.233
29699.1374
73553.336
958.24327
175606.564
91023.2912
7.46545168 291.497936 -0.9466156 90% 1522819.11 1699420.94
Se desea analizar las notas que obtuvieron los estudiantes de estadística y los resultados de lo
selecciona una muestra de 12 alumnos al azar que se muestran en la siguiente tabla. ¿Existe rel
a medida que disminuye la calificación en estadística aumenta e
Estadística
Estudiante Calculo (x) (y) Xi2 Yi2 XiYi Sxx
1 5 4 25 16 20
2 4 5 16 25 20
3 6 5 36 25 30
4 6 6 36 36 36
5 8 7 64 49 56
6 10 9 100 81 90
7 7 6 49 36 42
8 7 8 49 64 56
9 9 9 81 81 81
10 10 10 100 100 100
11 5 6 25 36 30
12 8 9 64 81 72
Suma 85 84 645 630 633 42.9166667
Promedio 7.08333333 7

80%, Sí hay representatividad, nuevas
r2 Representatividad del modelo predicciones confiables.
Fuerza y dirección de la regresión Positiva Fuerte
y los resultados de los mismos estudiantes en la materia de calculo, se
ente tabla. ¿Existe relación entre las variables? ¿Seria correcto decir que
estadística aumenta en calculo? Explica.

5.1553398058 -1.1553398 -5.776699 -5.9561693 -2.0833333 -3 4.34027778
4.2699029126 0.73009709 2.92038835 3.11744368 -3.0833333 -2 9.50694444
6.040776699 -1.0407767 -6.2446602 -6.2870996 -1.0833333 -2 1.17361111
6.040776699 -0.0407767 -0.2446602 -0.2463229 -1.0833333 -1 1.17361111
7.8116504854 -0.8116505 -6.4932039 -6.3403299 0.91666667 0 0.84027778
9.5825242718 -0.5825243 -5.8252427 -5.582053 2.91666667 2 8.50694444
6.9262135922 -0.9262136 -6.4834951 -6.4151532 -0.0833333 -1 0.00694444
6.9262135922 1.07378641 7.51650485 7.43727401 -0.0833333 1 0.00694444
8.6970873786 0.30291262 2.72621359 2.63445754 1.91666667 2 3.67361111
9.5825242718 0.41747573 4.17475728 4.0004713 2.91666667 3 8.50694444
5.1553398058 0.84466019 4.22330097 4.35451032 -2.0833333 -1 4.34027778
7.8116504854 1.18834951 9.50679612 9.28297106 0.91666667 2 0.84027778
38 84 0.00 0.00 0.00 0.00 0.00 42.92
β0 0.7281553398
β1 0.8854368932
Chart Title
12
10
f(x) = 0.8854368932x + 0.7281553398
R² = 0.80110957
8
0
3 4 5 6 7 8 9 10 11
9 6.25
4 6.16666667
4 2.16666667
1 1.08333333
0 0
4 5.83333333
1 0.08333333
1 -0.0833333
4 3.83333333
9 8.75
1 2.08333333
4 1.83333333
42.00 38.00 3.17 1.89 1.87 0.90 0.80
RESPUESTAS:
1.En base a nuestra r2 calculada,podemos comprobar
que ,sí existe relación entre ambas variables,y por lo
tanto se puede decir que la calificación de estdística est
relacionada con el calculo.
2.No es correcto decir esto ,ya que como podemos
observar en la gráfica la relación que tiene estas dos
variables es : en medida que aumenta el calculo
aumenta la calificación de la estadística.otra manera de
comprobarlo es mediante el tipo de relación que
tienen ,y que para este caso es positiva fuerte ,por lo
tanto los datos son ascendentes.
9 10 11
demos comprobar
variables,y por lo
ión de estdística está
como podemos
ue tiene estas dos
nta el calculo
stica.otra manera de
e relación que
tiva fuerte ,por lo
Los datos que se presentan a continuación muestran el contenido de carbono % y la resistencia

comportan linealmente los datos, que tipo de correlación existe?, ¿Cuál será la resistencia esperad
se añada un 2.6% de carbono?
Xi Yi
Resistencia
% de de la barra
No. de barra carbono de acero Xi2 Yi2 XiYi Sxx
1 2 43 4 1849 86
2 2.4 46 5.76 2116 110.4
3 2.2 45 4.84 2025 99
4 2.3 44 5.29 1936 101.2
5 2.5 45 6.25 2025 112.5
6 2.8 48 7.84 2304 134.4
7 2.2 43 4.84 1849 94.6
8 2.7 47 7.29 2209 126.9
9 2.4 44 5.76 1936 105.6
10 2.3 45 5.29 2025 103.5
11 2 42 4 1764 84
12 2.2 44 4.84 1936 96.8
Suma 28 536 66 23974 1254.9 0.66666667
Promedio 2.33333333 44.6666667

82%, sí hay representatividad, nuevas
r2 Representatividad del modelo predicciones confiables
Fuerza y dirección de la regresión Positiva Fuerte
arbono % y la resistencia de cierto tipo de barra de acero. ¿Cómo se
erá la resistencia esperada cuando se añada 3.0% de carbono y cuando
% de carbono?

42.55 0.45 0.9 19.1475 -0.3333333 -1.6666667 0.11111111
45.09 0.91 2.184 41.0319 0.06666667 1.33333333 0.00444444
43.82 1.18 2.596 51.7076 -0.1333333 0.33333333 0.01777778
44.455 -0.455 -1.0465 -20.227025 -0.0333333 -0.6666667 0.00111111
45.725 -0.725 -1.8125 -33.150625 0.16666667 0.33333333 0.02777778
47.63 0.37 1.036 17.6231 0.46666667 3.33333333 0.21777778
43.82 -0.82 -1.804 -35.9324 -0.1333333 -1.6666667 0.01777778
46.995 0.005 0.0135 0.234975 0.36666667 2.33333333 0.13444444
45.09 -1.09 -2.616 -49.1481 0.06666667 -0.6666667 0.00444444
44.455 0.545 1.2535 24.227975 -0.0333333 0.33333333 0.00111111
42.55 -0.55 -1.1 -23.4025 -0.3333333 -2.6666667 0.11111111
43.82 0.18 0.396 7.8876 -0.1333333 -0.6666667 0.01777778
4.23333333 536 0.00 0.00 0.00 0.00 0.00 0.66666667
β0 29.85
β1 6.35
Chart Title
49
48
47 f(x) = 6.35x + 29.85
R² = 0.8229081633
46
45
44
43
42
41
40
39
1.9 2 2.1 2.2 2.3 2.4 2.5 2.6 2.7
2.77777778 0.5555555556
1.77777778 0.0888888889
0.11111111 -0.0444444444
0.44444444 0.0222222222
0.11111111 0.0555555556
11.1111111 1.5555555556
2.77777778 0.2222222222
5.44444444 0.8555555556
0.44444444 -0.0444444444
0.11111111 -0.0111111111
7.11111111 0.8888888889
0.44444444 0.0888888889
32.6666667 4.2333333333 0.35 0.24 1.65 0.91 82%
RESPUESTAS:
1.Existe relación entre la resistencia de barra
art Title de acero y el porcentaje de carbono,y esto se
pudo comprobar con r2 y en base a mi
coeficiente de correlación (r) podemos
deducir que hay un tipo de correlación
positiva fuerte.
2. y=6.35x+29.85
y=6.35x+29.85(3) y=6.35x+29.85(2.6)
y=48.9 y=46.36
2.4 2.5 2.6 2.7 2.8 2.9

encia de barra
bono,y esto se
ase a mi
odemos
relación
+29.85(2.6)
6
La resistencia del papel usado para hacer cajas de cartón (y) esta relacionada con la concentración
condiciones controladas, se fabrican 16 muestras en una planta piloto, usando en cada una un lote
la tensión. Los datos se presentan a continuación. Responde, ¿Que tan fuerte es la relación en
correlación de Pearson, como están relacionadas, positiva o nega
Concentraci
ón de pulpa
de madera Resistencia
Muestra (x) del papel (y) Xi2 Yi2 XiYi Sxx
1 1 101.4 1 10281.96 101.4
2 1.5 117.4 2.25 13782.76 176.1
3 1.5 117.1 2.25 13712.41 175.65
4 1.5 106.2 2.25 11278.44 159.3
5 2 131.9 4 17397.61 263.8
6 2 146.9 4 21579.61 293.8
7 2.2 146.8 4.84 21550.24 322.96
8 2.4 133.9 5.76 17929.21 321.36
9 2.5 111 6.25 12321 277.5
10 2.5 123 6.25 15129 307.5
11 2.8 125.1 7.84 15650.01 350.28
12 2.8 145.2 7.84 21083.04 406.56
13 3 134.3 9 18036.49 402.9
14 3 144.5 9 20880.25 433.5
15 3.2 143.7 10.24 20649.69 459.84
16 3.3 146.9 10.89 21579.61 484.77
Suma 37.2 2075.3 93.66 272841.33 4937.22 7.17
Promedio 2.325 129.70625
Tipo de relación (positiva o negativa) Positiva Moderada
48%, no es representativo el modelo,

por lo que no habrá buenas
conclusiones
Fuerza y dirección de la regresión Positiva Moderada
ada con la concentración de madera dura en la pulpa original (x). Bajo
ando en cada una un lote de pulpa diferente, y se mide la resistencia a
n fuerte es la relación entre las variables?¿ conociendo el valor de
cionadas, positiva o negativamente?

108.981642 -7.5816423 -7.5816423 -826.25982 -1.325 -28.30625 1.755625
116.802249 0.59775105 0.89662657 69.8186665 -0.825 -12.30625 0.680625
116.802249 0.29775105 0.44662657 34.7779918 -0.825 -12.60625 0.680625
116.802249 -10.602249 -15.903373 -1238.3665 -0.825 -23.50625 0.680625
124.622856 7.27714435 14.5542887 906.89851 -0.325 2.19375 0.105625
124.622856 22.2771444 44.5542887 2776.24134 -0.325 17.19375 0.105625
127.751098 19.0489017 41.9075837 2433.51811 -0.125 17.09375 0.015625
130.879341 3.020659 7.24958159 395.341859 0.075 4.19375 0.005625
132.443462 -21.443462 -53.608656 -2840.0464 0.175 -18.70625 0.030625
132.443462 -9.4434623 -23.608656 -1250.7248 0.175 -6.70625 0.030625
137.135826 -12.035826 -33.700314 -1650.543 0.475 -4.60625 0.225625
137.135826 8.06417364 22.5796862 1105.88712 0.475 15.49375 0.225625
140.264069 -5.964069 -17.892207 -836.54459 0.675 4.59375 0.455625
140.264069 4.23593096 12.7077929 594.148913 0.675 14.79375 0.455625
143.392312 0.30768828 0.98460251 44.1201344 0.875 13.99375 0.765625
144.956433 1.94356695 6.41377092 281.732532 0.975 17.19375 0.950625
112.1475 2075.3 0.00 0.00 0.00 0.00 0.00 7.17
β0 93.3404289
β1 15.6412134
GRÁFICO DE DIRPERSIÓN
160
140 f(x) = 15.6412133891x + 93.3404288703

R² = 0.4790134431
120
100
80
60
40
120
100
80
60
40
20
0
0.5 1 1.5 2 2.5 3 3.5
801.243789 37.5057813
151.443789 10.1526563
158.917539 10.4001563
552.543789 19.3926563
4.81253906 -0.7129688
295.625039 -5.5879688
292.196289 -2.1367188
17.5875391 0.31453125
349.923789 -3.2735938
44.9737891 -1.1735938
21.2175391 -2.1879688
240.056289 7.35953125
21.1025391 3.10078125
218.855039 9.98578125
195.825039 12.2445313
295.625039 16.7639063
3661.94938 112.1475 7.01 0.67 15.13 0.69 48%
RESPUESTAS:
1.La relación que hay entre la
concentración de la pulpa de madera y
la resistencia de papel es moderada .
2.se relacionan positivamente de una

manera moderada.
2.se relacionan positivamente de una
manera moderada.
El gerente de una industria desea determinar si existe una relación lineal entre el numero de unida
ensamble y el lapso (x) que transcurre antes de que se presente una falla. Con base a una muestra
se observa la siguiente información. Conteste ¿Cuantas unidades se espera sean ensambladas e
ensambladas en 4.5 hrs?
Tiempo en horas (x) 1 2

Unidades ensambladas (y) 25 29 23 31 55 65
ERRORES
Unidades SxY
Tiempo en horas ensamblada xi *yi
Numero de observación (x) s (y) x 2
y
2
1 1 25 1 625 25
2 1 29 1 841 29
3 1 23 1 529 23
4 1 31 1 961 31
5 2 55 4 3025 110
6 2 65 4 4225 130
7 2 63 4 3969 126
8 2 31 4 961 62
9 3 73 9 5329 219
10 3 75 9 5625 225
11 3 74 9 5476 222
12 3 71 9 5041 213
13 4 90 16 8100 360
14 4 88 16 7744 352
15 4 91 16 8281 364
16 4 87 16 7569 348
Sumatorias 40 971 120 68301 2839 20
Promedios 2.5 60.6875
B1 20.5750
Bo 9.2500

90.33%, por lo que es representativa y
signficativa
el numero de unidades (y), armadas por los operadores de la línea de
base a una muestra aleatoria de operadores de la línea de ensamble,
sean ensambladas en 2.5 hrs? ¿Cuantas unidades se esperan sean
4.5 hrs?
2 3 4
63 31 73 75 74 71 90 88
ERRORES COEFICIENTES DE CORRELA
SxX Y estimad e xi*e Y esti*e (x-xtes) (y-ytes) (x-xtes)^2

29.825 -4.83 -4.825 -143.90563 -1.5 -35.6875 2.25
29.825 -0.83 -0.825 -24.605625 -1.5 -31.6875 2.25
29.825 -6.83 -6.825 -203.55563 -1.5 -37.6875 2.25
29.825 1.18 1.175 35.044375 -1.5 -29.6875 2.25
50.4 4.60 9.2 231.84 -0.5 -5.6875 0.25
50.4 14.60 29.2 735.84 -0.5 4.3125 0.25
50.4 12.60 25.2 635.04 -0.5 2.3125 0.25
50.4 -19.40 -38.8 -977.76 -0.5 -29.6875 0.25
70.975 2.03 6.075 143.724375 0.5 12.3125 0.25
70.975 4.03 12.075 285.674375 0.5 14.3125 0.25
70.975 3.03 9.075 214.699375 0.5 13.3125 0.25
70.975 0.03 0.075 1.774375 0.5 10.3125 0.25
91.55 -1.55 -6.2 -141.9025 1.5 29.3125 2.25
91.55 -3.55 -14.2 -325.0025 1.5 27.3125 2.25
91.55 -0.55 -2.2 -50.3525 1.5 30.3125 2.25
91.55 -4.55 -18.2 -416.5525 1.5 26.3125 2.25
412 971 0.00 0.00 0.00 0.00 0.00 20
Unidades ensambladas (y)

100
90
f(x) = 20.575x + 9.25 De acuerdo a la e
80 R² = 0.903255876
70
¿Cuantas unida
Unidades ensambladas (y)
100
90
f(x) = 20.575x + 9.25 De acuerdo a la e
80 R² = 0.903255876
70
¿Cuantas unida
60 R=
50
¿Cuantas unida
40 R=
30
20
10
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5
4
91 87
COEFICIENTES DE CORRELACIÓN PEARSON Y DETERMINACIÓN
(x-xtes)(y-
ytes)
(y-ytes)^2 Sxy (cov) Sx Sy r r^2
1273.59766 53.53125
1004.09766 47.53125
1420.34766 56.53125
881.347656 44.53125
32.3476563 2.84375
18.5976563 -2.15625
5.34765625 -1.15625
881.347656 14.84375
151.597656 6.15625
204.847656 7.15625
177.222656 6.65625
106.347656 5.15625
859.222656 43.96875
745.972656 40.96875
918.847656 45.46875
692.347656 39.46875
9373.4375 411.5 25.72 1.12 24.20 0.95 90.33%
Y= 20.575x + 9.25
X Y
De acuerdo a la ecuación dada en base a los datos, se calcula lo
siguiente:
¿Cuantas unidades se espera sean ensambladas en 2.5 hrs?

De acuerdo a la ecuación dada en base a los datos, se calcula lo 2.5 60.6875
siguiente: 4.5 101.8375
¿Cuantas unidades se espera sean ensambladas en 2.5 hrs?

R= SE ESPARAN ESAMBLAR 60.68
¿Cuantas unidades se esperan sean ensambladas en 4.5 hrs?

R= SE ESPERAN ESAMBLAR 101.84
Se llevo a cabo un estudio para determinar la relación entre en numero de años de experiencia (x
particular en una región geográfica dada. Se selecciono una muestra aleatoria de 17 personas, las
siguiente información. ¿El modelo es significativo, es decir, existe relación entre los años
Salario
Años de anual en
experiencia miles de
Observación (x) dólares Xi2 Yi2 XiYi Sxx
1 13 26.1 169 681.21 339.3
2 16 33.2 256 1102.24 531.2
3 30 36.1 900 1303.21 1083
4 2 16.5 4 272.25 33
5 8 26.4 64 696.96 211.2
6 31 36.4 961 1324.96 1128.4
7 19 33.8 361 1142.44 642.2
8 20 36.5 400 1332.25 730
9 1 16.9 1 285.61 16.9
10 4 19.8 16 392.04 79.2
11 27 36 729 1296 972
12 25 36.5 625 1332.25 912.5
13 7 21.4 49 457.96 149.8
14 15 31 225 961 465
15 13 31.4 169 985.96 408.2
16 6 19.1 36 364.81 114.6
17 10 24.6 100 605.16 246
Suma 247 481.7 5065 14536.31 8062.5 1476.23529
Promedio 14.5294118 28.3352941

de años de experiencia (x) y el salario anual (y) para una profesión en
toria de 17 personas, las cuales ejercen esta profesión, y se obtuvo la
te relación entre los años de experiencia y el salario anual?

27.2332961 -1.1332961 -14.73285 -30.863389 -1.5294118 -2.2352941 2.33910035
29.3949076 3.80509245 60.8814791 111.850341 1.47058824 4.86470588 2.16262976
39.4824275 -3.3824275 -101.47282 -133.54645 15.4705882 7.76470588 239.3391
19.3073876 -2.8073876 -5.6147753 -54.203321 -12.529412 -11.835294 156.986159
23.6306105 2.76938954 22.1551164 65.4423655 -6.5294118 -1.9352941 42.633218
40.2029646 -3.8029646 -117.8919 -152.89045 16.4705882 8.06470588 271.280277
31.556519 2.24348103 42.6261396 70.7964518 4.47058824 5.46470588 19.9861592
32.2770561 4.2229439 84.4588779 136.304197 5.47058824 8.16470588 29.9273356
18.5868505 -1.6868505 -1.6868505 -31.353238 -13.529412 -11.435294 183.044983
20.7484619 -0.9484619 -3.7938476 -19.679126 -10.529412 -8.5352941 110.868512
37.3208161 -1.3208161 -35.662034 -49.293933 12.4705882 7.66470588 155.515571
35.8797418 0.62025821 15.5064552 22.2547044 10.4705882 8.16470588 109.633218
22.9100733 -1.5100733 -10.570513 -34.59589 -7.5294118 -6.9352941 56.6920415
28.6743704 2.32562958 34.8844437 66.6859641 0.47058824 2.66470588 0.22145329
27.2332961 4.16670386 54.1671501 113.47308 -1.5294118 3.06470588 2.33910035
22.1895362 -3.0895362 -18.537217 -68.555375 -8.5294118 -9.2352941 72.7508651
25.0716847 -0.4716847 -4.7168473 -11.825931 -4.5294118 -3.7352941 20.5155709
1063.68235 481.7 0.00 0.00 0.00 0 0.00 1476.23529
β0 17.8663134
β1 0.72053714
Salario anual en miles de dólares

40
f(x) = 0.7205371374x + 17.8663133567
R² = 0.8638679599
35
30
25
20
30
25
20
15
10
0
0 5 10 15 20 25 30
4.99653979 3.4186851211
23.6653633 7.1539792388
60.2906574 120.124567474
140.074187 148.2892733564
3.74536332 12.6363321799
65.039481 132.830449827
29.8630104 24.430449827
66.6624221 44.6657439446
130.765952 154.7128027682
72.8512457 89.8716262976
58.7477163 95.5833910035
66.6624221 85.4892733564
48.0983045 52.2186851211
7.10065744 1.2539792388
9.39242215 -4.6871972318
85.2906574 78.7716262976
13.9524221 16.9186851211
887.198824 1063.6823529412 62.57 9.32 7.22 0.93 cf
Respuesta:
Al dar como resultado en r^2=0.8639 nos indica que
nuestro modelo es significstivo y nos puede ser de
utilidad para realizar predicciones futuras, además
de indicarnos que existe relación entre los años de
experiencia y el salario anual.
25 30 35
Un investigador cree que la inteligencia de los niños, medida a través del coeficiente intelectual (
hermanos. Se toma una muestra aleatoria de 15 niños y se muestran en la siguiente tabla. ¿Sera
relacionado con la cantidad de hermanos que se tienen? Realiza una conclusión de la relac
Hermanos Coeficientes
Niño (x) intelectual Xi2 Yi2 XiYi Sxx
1 0 110 0 12100 0
2 1 115 1 13225 115
3 1 120 1 14400 120
4 1 118 1 13924 118
5 2 110 4 12100 220
6 2 108 4 11664 216
7 2 105 4 11025 210
8 3 104 9 10816 312
9 3 98 9 9604 294
10 4 99 16 9801 396
11 4 98 16 9604 392
12 5 100 25 10000 500
13 5 90 25 8100 450
14 5 93 25 8649 465
15 6 6 36 36 36
Suma 44 1474 176 155048 3844 46.9333333
Promedio 2.93333333 98.2666667
β0
β1
Tipo de relación (positiva o negativa) Negativa

48%, por lo que no es representativo
r2 Representatividad del modelo ni significativo
el coeficiente intelectual (CI en puntos o IQ) depende del numero de
n la siguiente tabla. ¿Sera verdad que el coeficiente intelectual esta
una conclusión de la relación entre variables usando "r" y "r2".

128.25 -18.25 0 -2340.5625 -2.9333333 11.7333333 8.60444444
118.028409 -3.0284091 -3.0284091 -357.43831 -1.9333333 16.7333333 3.73777778
118.028409 1.97159091 1.97159091 232.703738 -1.9333333 21.7333333 3.73777778
118.028409 -0.0284091 -0.0284091 -3.3530798 -1.9333333 19.7333333 3.73777778
107.806818 2.19318182 4.38636364 236.439954 -0.9333333 11.7333333 0.87111111
107.806818 0.19318182 0.38636364 20.8263171 -0.9333333 9.73333333 0.87111111
107.806818 -2.8068182 -5.6136364 -302.59414 -0.9333333 6.73333333 0.87111111
97.5852273 6.41477273 19.2443182 625.987054 0.06666667 5.73333333 0.00444444
97.5852273 0.41477273 1.24431818 40.4756909 0.06666667 -0.2666667 0.00444444
87.3636364 11.6363636 46.5454545 1016.59504 1.06666667 0.73333333 1.13777778
87.3636364 10.6363636 42.5454545 929.231405 1.06666667 -0.2666667 1.13777778
77.1420455 22.8579545 114.289773 1763.30937 2.06666667 1.73333333 4.27111111
77.1420455 12.8579545 64.2897727 991.888914 2.06666667 -8.2666667 4.27111111
77.1420455 15.8579545 79.2897727 1223.31505 2.06666667 -5.2666667 4.27111111
66.9204545 -60.920455 -365.52273 -4076.8245 3.06666667 -92.266667 9.40444444
-479.73333 1474 0.00 0.00 0.00 0.00 0.00 46.9333333
128.25
-10.221591
Gráfico de Dispersión
140
120 f(x) = - 10.2215909091x + 128.25

R² = 0.4806105968
100
80
60
40
20
0
0 1 2 3 4 5 6 7
60
40
20
0
0 1 2 3 4 5 6 7
137.671111 -34.417778
280.004444 -32.351111
472.337778 -42.017778
389.404444 -38.151111
137.671111 -10.951111
94.7377778 -9.0844444
45.3377778 -6.2844444
32.8711111 0.38222222
0.07111111 -0.0177778
0.53777778 0.78222222
0.07111111 -0.2844444
3.00444444 3.58222222
68.3377778 -17.084444
27.7377778 -10.884444
8513.13778 -282.95111
10202.9333 -479.73333 -31.982222 1.76886655 26.080559 -0.6932608 48%
¿Sera verdad que el coeficiente intelectual esta relacionado con la cantidad

hermanos que se tienen?
R=De acuerda a el coeficiente de correlación de pearson la realción que exis
el coeficente intelectual de un niño y el numero de hermanos que tienen corr
a una relación moderada , con pendiente negativa (negativa moderada).
CONCLUSIÓN:
De acuerdo al coefiecnte de correlación la relación que existe entre la variabl
independiente (numero de hermanio) y la variable dependiente (coeficiente
intelectual ) corresponde a una relación negativa fuerte.
sin embargo la r^2 muestra un valor <0.75 lo cual significa que el modelo ca
no es un buen predictor , por lo que no se obtendran buenas estimaciones co
modelo.
independiente (numero de hermanio) y la variable dependiente (coeficiente
intelectual ) corresponde a una relación negativa fuerte.
sin embargo la r^2 muestra un valor <0.75 lo cual significa que el modelo ca
no es un buen predictor , por lo que no se obtendran buenas estimaciones co
modelo.
onado con la cantidad de
on la realción que existe entre
rmanos que tienen corresponde
egativa moderada).
e existe entre la variable

pendiente (coeficiente
e.
nifica que el modelo calculado
buenas estimaciones con este
pendiente (coeficiente
e.
nifica que el modelo calculado
buenas estimaciones con este
En la producción de herramientas, el método para deformar el acero a temperatura normal man

mismo ya que, a medida que la deformación crece , se ve afectada la dureza del acero. Para investi
acero y los resultados son los siguientes
Dureza
Deformació Brinell
Muestra n en mm (x) (kg/mm2) Xi2 Yi2 XiYi Sxx
1 6 70 36 70 420
2 9 68 81 68 612
3 10 66 100 66 660
4 12 55 144 55 660
5 14 52 196 52 728
6 15 50 225 50 750
7 18 48 324 48 864
8 22 44 484 44 968
9 26 40 676 40 1040
10 28 37 784 37 1036
11 33 3 1089 3 99
12 35 30 1225 30 1050
Suma 228 563 5364 563 8887 1032
Promedio 19 46.9166667
β0
Modelo: β1
Y= 80.2403 - 1.7538x

83%, por lo que es representativa y
significativa.
temperatura normal mantiene una relación lineal con la dureza del
za del acero. Para investigar esta relación se evaluaron 12 muestras de
son los siguientes

69.7170543 0.28294574 1.69767442 19.7261433 -13 23.0833333 169
64.4554264 3.54457364 31.9011628 228.467005 -10 21.0833333 100
62.7015504 3.29844961 32.9844961 206.817905 -9 19.0833333 81
59.1937984 -4.1937984 -50.325581 -248.24686 -7 8.08333333 49
55.6860465 -3.6860465 -51.604651 -205.26136 -5 5.08333333 25
53.9321705 -3.9321705 -58.982558 -212.07049 -4 3.08333333 16
48.6705426 -0.6705426 -12.069767 -32.635674 -1 1.08333333 1
41.6550388 2.34496124 51.5891473 97.6794514 3 -2.9166667 9
34.6395349 5.36046512 139.372093 185.684018 7 -6.9166667 49
31.1317829 5.86821705 164.310078 182.68806 9 -9.9166667 81
22.3624031 -19.362403 -638.9593 -432.98986 14 -43.916667 196
18.8546512 11.1453488 390.087209 210.141664 16 -16.916667 256
-1810 563 0.00 0.00 0.00 0.00 0.00 1032
80.2403101
-1.753876
Dureza Brinell (kg/mm2)

80
70
f(x) = - 1.753875969x + 80.2403100775
R² = 0.8325688132
60
50
40
30
20
40
30
20
10
0
0 5 10 15 20 25
532.840278 -300.08333
444.506944 -210.83333
364.173611 -171.75
65.3402778 -56.583333
25.8402778 -25.416667
9.50694444 -12.333333
1.17361111 -1.0833333
8.50694444 -8.75
47.8402778 -48.416667
98.3402778 -89.25
1928.67361 -614.83333
286.173611 -270.66667
3812.91667 -1810 -150.83 9.27 17.83 -0.91 83%
eza Brinell (kg/mm2) Resultado:

Al ser r^2=0.8326 nos indica que nuestro mod
y que puede ser utilizado para predicciones fu
mayor que 0.75 (75%).
775
20 25 30 35 40
8326 nos indica que nuestro modelo es confiable
ser utilizado para predicciones futuras ya que esa
.75 (75%).

Regresion OK

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresion OK

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO DE CELAYA

ING. GESTIÓN EMPRESARIAL.

JOSE RUIZ TAMAYO

1. Se presenta a continuación en las siguientes hojas 20 diferentes problemas

2. La selección de ejercicios se deberá realizar de la siguiente manera

* Selecciona inicialmente un color.

* De tu selección de color anterior debes resolver únicamente dos prob

*Selecciona un color diferente al elegido inicialmente

*Todos los ejercicios (4) que corresponden a tu segundo elección debe

* Selecciona un tercer color (diferente a los anteriormente elegidos)

*De tu tercera opción selecciona dos problemas, los cuales únicamente

Además, es importante que señales en la siguiente tabla cuales son los

* Los ejercicios restantes (los no seleccionados ) se suman al problem

que los identifica (en total hay 5 colores de etiquetas)

uiente tabla cuales son los problemas realizados en la actividad

onados ) se suman al problemario de la unidad. Estos problemas podrán ser

odos los cálculos

Observación Edad del propelente Resistencia x2 y2

Coloca aquí el grafico de dispersio

Coloca un cuadro de texto donde respondas a

onde respondas a las

A continuación se muestran en la tabla el porcentaje de pureza de oxigeno producido en un pro

Tipo de relación (positiva o negativa) Positiva Fuerte

Y estimado e xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2 (Y-Ytes)^2

y= 74.28331 + 14.94748(x) f(x) = 14.9474797321x + 74.2833142404

Calcula nuevos valores predichos cuando el nivel de

y= 74.28331 + 14.94748(1.25) = 92.96766

y= 74.28331 + 14.94748(1.50) = 96.70453

y= 74.28331 + 14.94748(0.90) = 87.73605

y= 74.28331 + 14.94748(0.90) = 87.73605

1.3 1.4 1.5 1.6

Tipo de relación (positiva o negativa) Positiva Débil

Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes)

Cigarros por día

¿Existe correlación lineal entre las variables?

No, ya que los datos en el gráfico se encuentran muy

Tipo de relación (positiva o negativa) Negativa Moderada

54%, por lo tanto no es significativo ni

Sxx Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes)

Yardas recorridas por oponente

Es negativa, más específicamente, negativa moderada (-

2200 2400 2600 2800 3000

A temperaturas que se aproximan al cero absoluto (−273°C), el helio exhibe características qu

Tipo de relación (positiva o negativa) Negativa Fuerte

85%, por lo tanto el modelo es

Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2

f(x) = - 0.0528289376x - 13.4903473915

f(x) = - 0.0528289376x - 13.4903473915

Tempe ratura e n grados centígrados

Encuentre la proporción de impurezas que se pasa por el y= -13.49035 - 0.05283(-271.12) =

y= -13.49035 - 0.05283(-280.91) = 1.34983 y= -13.49035 - 0.05283(280.91) =

Tipo de relación (positiva o negativa) Positiva

Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes)

100 f(x) = 4.1561996779x + 64.4283413849

Tipo de relación (positiva o negativa) Positiva

Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes)

Seguro de vida (y)

100 f(x) = 1.7774279839x + 2.5002274671

Tipo de relación (positiva o negativa) Positiva

Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2

Numero de ventas (y)

70 f(x) = 0.9787751347x - 3.7005519779

Tipo de relación (positiva o negativa) Postiva

Sxy Y estimado e xi*e Y esti* e (x-xtes) (y-ytes) (x-xtes)^2

Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2 (Y-Ytes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes)

Sxx Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes)

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes)

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes)

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2 (Y-Ytes)^2 (x-xtes)(y-ytes) Sxy

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

SxX Y estimad e xie Y estie (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2

Sxy Y estimado e xie Y esti e (x-xtes) (y-ytes) (x-xtes)^2