2456421

Según lo observado en el diagrama de dispersión parece existir una relación directa entre
las semanas y el crecimiento en altura de las plantas de Moringa Oleífera Lam.
 La covarianza nos confirma lo observado en el diagrama de dispersión, que si existe
una relación directa entre el número de semanas transcurridas y el crecimiento en
altura de Moringa Oleífera Lam.

3). comprobar si el RMLS es adecuado

Ho: B1=0
Ha: B1≠0
Rechazar Ho si P-value˂α
Conclusión:
Con unα=0.05 y un p-value=0.0000, rechazo Ho, por lo tanto, Bi≠0, por lo cual El MRLS
es adecuado para describir el comportamiento de los datos.

1) interpretar B1 y B0
El incremento en altura y la relación en la cantidad de semanas transcurridas es
de 4.89569.
 2) determinar la ecuación de regresión

3) proyecciones o predicciones del comportamiento del crecimiento en altura con

respecto a las semanas transcurridas.

Cuando las semanas transcurridas son=5, ¿cuánto será el incremento en altura de las
plantas de Moringa Oleífera Lam?

Interpretación: cuando transcurra la semana 5 el incremento en altura de las plantas será de

21.060 cm.

Determinar el coeficiente de Pearson y prueba de hipótesis.

Interpretación: El grado de correlación entre las semanas transcurridas y el crecimiento en altura
de las plantas es muy fuerte.

Prueba de hipótesis para rxy

Ho: rxy=o

Ha: rxy≠0

Rechazar Ho si P-value˂α

Conclusión:

Con unα=0.05 y un p-value=0.0000, rechazo Ho, por lo tanto, rxy≠0, por lo cual El MRLS es
adecuado para describir el comportamiento de los datos.

Determinar coeficiente de determinación.

El modelo planteado describe el 87.57 % de la variabilidad del fenómeno de estudio

(incremento en altura de plantas de Moringa Oleífera Lam al transcurrir las semanas).

Verificar los supuestos

Supuesto de normalidad

Ho: los datos provienen de una distribución normal

Ha: los datos no provienen de una distribución normal

Rechazar Ho si P-value˂α
Conclusión: Con un nivel de significancia de 0.05 y con un p-value=0.0408, no rechazo Ho, por lo
tanto, los datos provienen de una distribución normal.

Homogeneidad de varianza

Ho: existe homogeneidad de varianza

Ha: no existe homogeneidad de varianza Conclusión

De acuerdo al grafico de residuales vs predichos, si se observa tendencia cónica, lo cual indica que
las varianzas son homogéneas y no se cumple el supuesto de homogeneidad.

Supuesto de autocorrelación
Ho: No existe Autocorrelación

Ha: Existe Autocorrelación

Conclusión:

De acuerdo a lo observado en la gráfica de residuales vs predichos no se observa ninguna

tendencia que nos indique autocorrelación, lo cual es confirmado con el estadístico de Durbin-
Watson con un valor de 1.9053, con lo anterior concluimos que no existe autocorrelación.

Para autocorrelación Negativa.

Ho: No existe Autocorrelación Negativa

Ha: Existe Autocorrelación Negativa

Rechazar Ho si P-value˂α

Conclusión:

Con unα=0.05 y un P-value=0.6911, no rechazo Ho, por lo tanto, no existe Autocorrelación

negativa.

Para autocorrelación Positiva.

Ho: No existe Autocorrelación Positiva

Ha: Existe Autocorrelación Positiva

Rechazar Ho si P-value˂α

Conclusión:

Con unα=0.05 y un P-value= 0.3089, no rechazo Ho, por lo tanto, no existe Autocorrelación
positiva.