Repaso de Análisis de Correlación y Regresión Lineal Simple

Para facilitar el aprendizaje de la primera Unidad de Correlación y Regresión Lineal

Múltiple, importante recordar sobre el Análisis de Correlación y Regresión Lineal
Simple que se aplicó en los trabajos finales de la asignatura de Estadística para
Ingenieros.
Para este tipo de análisis se tomaban 2 variables numéricas, con el propósito de
verificar si existe la relación lineal entre estas variables, cuál es esta relación y como
se interpreta.
Como parte de análisis de Regresión Simple, en la
Si X y Y denotan las dos variables,
Asignatura Estadística para Ingenieros, se realizaron los entonces un diagrama de dispersión
siguientes procedimientos. muestra la localización de los puntos (x, y)
en un sistema de coordenadas
rectangulares.
1. Realizar y comentar el diagrama de dispersión.

2. Determinar de la ecuación de y  a  bx Donde b es la pendiente de la línea de

regresión y nos indica el aumento (si es positiva) o disminución
regresión mínimos cuadrados e (si es negativa) en la variable dependiente y por cada unidad en
la variable independiente x.
interpretar el coeficiente de regresión.
3. Determinar e interpretar
el coeficiente de
correlación y el
coeficiente de
determinación.
4. Realizar la prueba de hipótesis para el coeficiente de regresión poblacional.
(, ro).
5. Realizar la prueba de hipótesis para el coeficiente de correlación poblacional.
(β, beta).
A continuación, vea los partes de los trabajos finales relacionados con este tema,
de cada uno de los grupos participantes de la sección 0227.

Por favor, ponga atención a las interpretaciones,

estas están sombreadas en celeste.
Además, vea y recuerde como se redactan las
decisiones con base en las tablas de salida de
SPSS, así como las conclusiones con base en las
decisiones.
Puede usar el contenido para una navegación
más fácil en el documento, según el grupo y tema que desea ver.

1
En el siguiente contenido aparecen los números de grupos que realizaron el trabajo
final de Estadística para Ingenieros, de la sección 0227 con los contenidos de
análisis de Correlación y Regresión Lineal Simple.

Contenido
Repaso de Análisis de Correlación y Regresión Lineal Simple .......................................................... 1
Grupo 1 ........................................................................................................................................... 4
1. Diagrama de dispersión................................................................................................... 4
2. Determinación de la ecuación de regresión mínimos cuadrados e interprete coeficiente
de regresión. ............................................................................................................................... 5
3. Interprete el coeficiente de correlación y el coeficiente de determinación. ..................... 5
4. Realice la prueba de hipótesis para el coeficiente de regresión ..................................... 6
5. Plantee una prueba de hipótesis para el coeficiente de correlación ............................... 6
Grupo 2 ........................................................................................................................................... 8
1. Diagrama de dispersión................................................................................................... 8
2. Determine ecuación de regresión de mínimos cuadrados e interprete coeficiente de
regresión. .................................................................................................................................... 8
3. Calcule e interprete el coeficiente de correlación y coeficiente de determinación. ........ 9
4. Realice la prueba de hipótesis para el coeficiente de regresión ..................................... 9
Grupo 3 ......................................................................................................................................... 11
1. Diagrama de dispersión................................................................................................. 11
2. Determine la ecuación de regresión de mínimos cuadrados e interprete el coeficiente
de regresión .............................................................................................................................. 12
3. Calcule e interprete el coeficiente de correlación y determinación ............................... 12
4. Realice la prueba de hipótesis para el coeficiente de regresión ................................... 13
5. Plantear hipótesis para coeficiente de correlación ........................................................ 14
Grupo 4 ......................................................................................................................................... 15
1. Diagrama de dispersión:................................................................................................ 15
2. Ecuación de mínimos cuadrados .................................................................................. 16
3. Coeficiente de correlación y determinación .................................................................. 16
4. Prueba de hipótesis para el coeficiente de regresión. .................................................. 16
5. Hipótesis para coeficientes de correlación .................................................................... 17
Grupo 5 ......................................................................................................................................... 18
1. Diagrama de dispersión................................................................................................. 18
2. Ecuación de mínimos cuadrados .................................................................................. 19
3. Coeficiente de correlación y determinación .................................................................. 19
4. Prueba de hipótesis para el coeficiente de regresión ................................................... 19
5. Hipótesis para coeficiente de correlación ...................................................................... 20
Grupo 6 ......................................................................................................................................... 21
1. Diagrama de dispersión................................................................................................. 21
2. Determine ecuación de regresión de mínimos cuadrados e interprete coeficiente de
regresión. .................................................................................................................................. 21
2
 3. Calcule e interprete coeficiente de correlación y coeficiente de determinación. .......... 22
4. Realice la prueba de hipótesis para el coeficiente de regresión. .................................. 22
5. Plantear hipótesis para coeficiente de correlación. ....................................................... 23
Grupo 7 ......................................................................................................................................... 23
1. Diagrama de dispersión................................................................................................. 24
2. Ecuación de regresión mínimo cuadrado ...................................................................... 24
3. Coeficiente de correlación y coeficiente de determinación ........................................... 25
4. Prueba de hipótesis para coeficiente de regresión ....................................................... 25
5. Prueba de hipótesis para coeficiente de correlación .................................................... 26

3
Grupo 1
Integrantes:

Álvaro José Bravo Nájera

Eymi Verónica Munguía Obando
Marcos Amador
Aarón Jesús Ramos Castro
Maynor Valentín Cerna
X: ¿Cuántas personas habitan en su vivienda?
Y: ¿Con cuántas habitaciones cuenta en su vivienda?

1. Diagrama de dispersión

Según el grafico de dispersión se podría decir que hay relación entre el número de
cuarto con el que cuenta una vivienda y la cantidad de miembros que hay en ella.

4
 2. Determinación de la ecuación de regresión mínimos cuadrados e interprete coeficiente
de regresión.

Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) 1.415 .269 5.263 .000

1
¿Cuántas personas habitan .286 .043 .524 6.601 .000
en su vivienda?

a. Variable dependiente: ¿Con cuántas habitaciones cuenta en su vivienda?

Y’ = 1.415 + 0.286 x

X: Personas

Y: Habitaciones

Interpretación de coeficiente de regresión

Por cada 4 miembro de una familia, aumenta 1 habitación en la vivienda.

Estime el número de habitaciones de una familia de 4 miembros

Y’ = 1.415 + 0.286 (4) = 2.56

Se estima que el número de habitaciones de una familia de 4 miembros son 3

habitaciones.

3. Interprete el coeficiente de correlación y el coeficiente de determinación.

Resumen del modelo

Modelo R R cuadrado R cuadrado Error típ. de la

corregida estimación

1 .524a .275 .268 1.122

a. Variables predictoras: (Constante), ¿Cuántas personas habitan en su

vivienda?

Coeficiente de correlación: R = 0.524

5
Interpretación: Podemos decir que la relación entre la cantidad de miembros por
vivienda y el número de habitaciones en esta es intensa.

Coeficiente de determinación: R2 = 0.275

Interpretación: El 27.5% de la variación en el número de habitaciones depende de

la variación de la cantidad de miembros por vivienda.

4. Realice la prueba de hipótesis para el coeficiente de regresión

Hipótesis

H0: β = 0

H1: β ≠ 0

Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) 1.415 .269 5.263 .000

1
¿Cuántas personas habitan .286 .043 .524 6.601 .000
en su vivienda?

a. Variable dependiente: ¿Con cuántas habitaciones cuenta en su vivienda?

Decisión: H0 se rechaza (P = 0.000 ≤ 0.05)

Conclusión: Podemos afirmar que el coeficiente de regresión es diferente de cero,

es decir que hay evidencia suficiente para que exista relación entre la cantidad de
miembros y el número de cuartos en la vivienda.

5. Plantee una prueba de hipótesis para el coeficiente de correlación

Hipótesis

H0: = 0

H1:  ≠ 0

6
 Correlaciones

¿Cuántas ¿Con cuántas

personas habitaciones
habitan en su cuenta en su
vivienda? vivienda?

Correlación de Pearson 1 .524**

¿Cuántas personas habitan

Sig. (bilateral) .000
en su vivienda?

N 117 117

Correlación de Pearson .524** 1

¿Con cuántas habitaciones

Sig. (bilateral) .000
cuenta en su vivienda?

N 117 118

**. La correlación es significativa al nivel 0,01 (bilateral).

Decisión: H0 se rechaza (P=0.000 ≤ 0.05)

Conclusión: Podemos afirmar que el coeficiente de correlación es diferente de cero,

es decir que hay evidencia suficiente para que exista relación entre la cantidad de
miembros y el número de cuartos en la vivienda.

7
Grupo 2
Integrantes:

Bryan Rafael Ponce Vidaurre

Isadora Saraí Zelaya Pérez
Lucrecia lucia Rodriguez Aguirre
María Teresa Moncada Aleman
Moser Hens Siu Beteta

X: ¿Cuántas personas habitan en su vivienda?

Y: ¿Con cuántas habitaciones cuenta en su vivienda?

Se desea estimar si existe relación entre la cantidad de habitaciones

que posee la vivienda y el número de personas que habitan en ella.
1. Diagrama de dispersión

Según el diagrama de dispersión parece existir relación entre número de personas

que habitan la vivienda y la cantidad de habitaciones que tiene la vivienda, A mayor
sea la cantidad de miembros, la vivienda tiene más habitaciones.
2. Determine ecuación de regresión de mínimos cuadrados e interprete coeficiente de
regresión.

8
 Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) 1.334 .276 4.828 .000

1 Número de personas que .299 .052 .557 5.727 .000
habitan la vivienda

a. Variable dependiente: ¿Cuántas habitaciones tiene la vivienda?

Y´ = 1,334 + 0,299X
X: Cantidad de miembros en la vivienda
Y: Habitaciones
Por cada 4 personas, existe 1 habitación en la vivienda.
3. Calcule e interprete el coeficiente de correlación y coeficiente de determinación.

Resumen del modelo

Modelo R R cuadrado R cuadrado Error típ. de la

corregida estimación

1 .557a .310 .301 1.120

a. Variables predictoras: (Constante), Número de personas que habitan la

vivienda

Coeficiente de correlación: R= 0,0557

Podemos decir que la relación entre la cantidad de miembros y el número de
habitaciones es intensa.
Coeficiente de determinación: R2 = 0,310
El 31% de la variación en el número de habitaciones, se debe a la variación de la
cantidad de miembros en la vivienda.

4. Realice la prueba de hipótesis para el coeficiente de regresión

Hipótesis:
H0: ß = 0
H1: ß ≠ 0

9
 Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) 1.334 .276 4.828 .000

1 Número de personas que .299 .052 .557 5.727 .000
habitan la vivienda

a. Variable dependiente: ¿Cuántas habitaciones tiene la vivienda?

Decisión: H0 se rechaza ( P= 0.000  0.05)

Conclusión: Podemos afirmar que el coeficiente de regresión es diferente de 0, es
decir hay evidencia suficiente que existe relación entre la cantidad de miembros en
la vivienda, y el número de habitaciones que tiene la vivienda.
Faltó la prueba para coeficiente de correlación

10
Grupo 3

Integrantes:

Steven Barberena
Víctor Blandón
Hillany Caldera
Yarisseth Herrera
María Celeste Barahona
Saidd

Correlación y regresión lineal simple

Se desea conocer, a partir de la realización de una prueba de correlación simple, si

existe relación entre el tamaño de la familia y el número de habitaciones existentes
en cada vivienda.
1. Diagrama de dispersión

Según el diagrama de dispersión, parece existir relación entre tamaño de familia y

número de habitaciones en la vivienda; a mayor número de personas, mayor
número de habitaciones

11
 2. Determine la ecuación de regresión de mínimos cuadrados e interprete el coeficiente
de regresión

Y’= 2.447 + 0.236x

X: Número de personas
Y: Cantidad de habitaciones
Coeficientes

Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados

B Error típ. Beta

1 (Constante) 2.447 .281 8.723 .000

¿Cuántas .236 .050 .430 4.710 .000

personas habitan
en la vivienda?

a. Variable dependiente: Número de Habitaciones

Se puede afirmar que por cada 4 miembros de familia, el número de habitaciones

aumentan en una unidad.
Estime número de habitaciones de una familia de 5 miembros

Y’= 2.447 + 0.236(5)= 3.627

La cantidad de habitaciones de una familia de 5 miembros es de 4 (3.627)

3. Calcule e interprete el coeficiente de correlación y determinación

Resumen del modelo

Modelo R R R cuadrado Error típ. de la

cuadrado corregida estimación

1 .430a .185 .176 2.116

a. Variables predictoras: (Constante), Número de Habitaciones

Coeficiente de correlación: R=0.430

12
Podemos decir que la relación entre miembros que habitan en la vivienda y el
número de cuartos es débil

Coeficiente de determinación: R2= 0.185 (Porcentaje de la variación en Y debido a

X)
El 18,5% de la variación de los cuartos se deben/dependen de la variación en el
tamaño de la familia.

4. Realice la prueba de hipótesis para el coeficiente de regresión

1. Datos:

Coeficientes

Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados

B Error Beta
típ.

1 (Constante) 2.238 .641 3.490 .001

Número de .781 .166 .430 4.710 .000
Habitaciones

a. Variable dependiente: ¿Cuántas personas habitan en la vivienda?

2. Hipótesis:

H0: β=0
H1: β≠0
3. Decisión:

H0 se rechaza porque p=0,000≤0,05

4. Conclusión:

Podemos afirmar que el coeficiente de regresión es 0, es decir, hay evidencia

suficiente que exista relación entre miembros que habitan en el hogar y número de
habitaciones.

13
 5. Plantear hipótesis para coeficiente de correlación
1. Datos:
Correlaciones

¿Cuántas Número de
personas Habitaciones
habitan
en la
vivienda?

¿Cuántas Correlación 1 .430**

personas de Pearson
habitan en la
vivienda? Sig. .000
(bilateral)
N 100 100
Número de Correlación .430** 1
Habitaciones de Pearson
Sig. .000
(bilateral)
N 100 100

**. La correlación es significativa al nivel 0,01 (bilateral).

2. Hipótesis:
H0: r=0
H1: r≠0

3. Decisión:
H0 se rechaza porque p=0,000≤0,05

4. Conclusión:
Podemos afirmar que el coeficiente de correlación es 0, es decir, hay evidencia
suficiente que exista relación entre miembros que habitan en la vivienda y número
de habitaciones.

14
Grupo 4
Integrantes

Eduardo Antonio López Reyes

Jaime Antonio Cuevas
Arianna Palacios lezama
Christian Madriz Puerto
José Guillermo Vallecillo

Correlación y regresión lineal simple

X: Edad
Y: Años de experiencia laboral
1. Diagrama de dispersión:

Según el diagrama de dispersión parece que hay relación entre la edad y los años de
experiencia laboral. A mayor edad, mayores años de experiencia laboral.

15
 2. Ecuación de mínimos cuadrados
Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) .037 1.425 .026 .979

Edad .248 .042 .531 5.875 .000

a. Variable dependiente: Años de experiencia laboral

Y´= 0.037 + 0.248x

X: Edad
Y: Años de experiencia laboral

Por cada año de vida, son 0.25 años de experiencia laboral.

Al aumentar en 5 años la edad de los constructores de PROMEDEX e IMCSA, hay
aumento en un año de experiencia laboral.

3. Coeficiente de correlación y determinación

Resumen del modelo

R cuadrado Error estándar

Modelo R R cuadrado ajustado de la estimación

1 .531a .282 .274 2.994

a. Predictores: (Constante), Edad

Coeficiente de correlación: R=0.531

La relación que existe entre horas de estudio semanal y promedio, es intensa.
Coeficiente de determinación: R=0.282
El 28.20% de la variación de años de experiencia depende de la variación de años de vida.

4. Prueba de hipótesis para el coeficiente de regresión.

1. Hipótesis
H0: β=0
H1: β≠ 0

Coeficientesa

16
 Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) .037 1.425 .026 .979

Edad .248 .042 .531 5.875 .000

a. Variable dependiente: Años de experiencia laboral

2. Decisión:
H0 se rechaza (p=0.000≤0.05)
3. Conclusión
Podemos afirmar que el coeficiente de regresión es 0, es decir, hay evidencia que existe
relación entre edad y años de experiencia laboral de los empleados en las constructoras.
5. Hipótesis para coeficientes de correlación
1. Hipótesis
H0: P=0
H1: P≠0

Correlaciones

Años de
experiencia
Edad laboral

Edad Correlación de Pearson 1 .531**

Sig. (bilateral) .000

N 90 90
Años de experiencia laboral Correlación de Pearson .531** 1

Sig. (bilateral) .000

N 90 90
**. La correlación es significativa en el nivel 0,01 (bilateral).

2. Decisión:
H0 se rechaza (p=0.000≤0.05)

3. Conclusión:
Podemos afirmar que coeficiente de correlación es diferente de 0, es decir, hay
relación entre las variables estudiadas.

17
Grupo 5
Integrantes

Alizbeth Mariané González Medrano

Joseph Alexander Salinas Ruiz
Kelly Melissa Álvarez Jarquín
Rashiel Azucena Matus Bonilla
Silvio José Gutiérrez Chavarría

Correlación y regresión lineal simple

Se desea analizar la relación que existe entre las horas semanales dedicadas al estudio y el
promedio de primer año de los estudiantes de ingeniería civil e industrial.
1. Diagrama de dispersión

Según el diagrama de dispersión parece que hay relación débil entre las horas semanales
dedicadas al estudio y el promedio de 1er año. A mayor cantidad de horas dedicadas al
estudio, mayor promedio.

18
 2. Ecuación de mínimos cuadrados

Coeficientesa

Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados

B Error típ. Beta

(Constante) 83,926 ,932 90,077 ,000

1
¿Cuantas horas dedicabas al estudio ,141 ,066 ,201 2,141 ,035
por semana?

a. Variable dependiente: ¿Cual fue tu promedio en 1er año?

Y’= 83,926 + 0,141x

X: Horas que dedicadas al estudio por semana

Y: Promedio de primer año

Por cada 10 horas de estudio, el promedio mejora en 1,41 puntos.

3. Coeficiente de correlación y determinación

Resumen del modelo

Modelo R R cuadrado R cuadrado Error típ. de la

corregida estimación

1 ,201a ,040 ,032 6,59762

a. Variables predictores: (Constante), ¿Cuantas horas dedicabas al

estudio por semana?

Coeficiente de correlación: R=0,201

La relación que existe entre horas de estudio semanal y promedio, es débil.

Coeficiente de determinación: R2=0,4

El 40% de la variación de promedio depende de la variación de las horas dedicadas al estudio.

4. Prueba de hipótesis para el coeficiente de regresión

1. Hipótesis
H0: β=0
19
 H1: β≠0
Coeficientesa

Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados

B Error típ. Beta

(Constante) 83,926 ,932 90,077 ,000

1 ¿Cuantas horas dedicabas al estudio ,141 ,066 ,201 2,141 ,035
por semana?

a. Variable dependiente: ¿Cual fue tu promedio en 1er año?

2. Decisión
H0 se rechaza (p=0,035≤0.05)
3. Conclusión
Podemos afirmar que el coeficiente de regresión es diferente de 0, es decir, hay evidencia
suficiente que existe relación débil entre horas dedicadas al estudio y promedio de primer
año en los estudiantes de ingeniería industrial y civil.
5. Hipótesis para coeficiente de correlación
1. Hipótesis
H0: ρ=0
H1: ρ≠0
Correlaciones
¿Cuantas horas dedicabas ¿Cuál fue tu promedio
al estudio por semana? en 1er año?
Correlación de 1 ,201*
¿Cuantas horas dedicabas al Pearson
estudio por semana? Sig. (bilateral) ,035
N 115 111
Correlación de ,201* 1
¿Cuál fue tu promedio en 1er Pearson
año? Sig. (bilateral) ,035
N 111 114
*. La correlación es significante al nivel 0,05 (bilateral).
2. Decisión
H0 se rechaza (p=0,035≤0.05)
3. Conclusión
Podemos afirmar con un 5% de significación, que el coeficiente de correlación es diferente
de 0, es decir, hay evidencia suficiente que existe relación débil entre horas dedicadas al
estudio y promedio de primer año en los estudiantes de ingeniería industrial y civil.

20
Grupo 6
Integrantes:

Winifred Milena Arias Cordero

Gaudy Elizabeth Altamirano Castellón
Zelineth Jassiel Peña Sánchez
Jennifer de los Ángeles López Pérez
Alondra Nathaly Sandoval Rodríguez

Correlación y regresión lineal simple

X: edad de los ciclistas encuestados
Y: la distancia máxima que recorren en metros
1. Diagrama de dispersión
¿Cuál es la relación entre la edad de los ciclistas encuestados y la distancia máxima
que recorren en metros?

Según el diagrama de
dispersión parece existir
relación entre edad de los
ciclistas y distancia
máxima que recorre los
ciclistas, a mayor edad
mayor distancia recorre el
ciclista.

2. Determine ecuación
de regresión de mínimos cuadrados e interprete coeficiente de regresión.

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 3124.858 7459.847 .419 .677

Edad 879.173 311.498 .377 2.822 .007

a. Variable dependiente: ¿Cuál es la distancia máxima que recorre?(Metro)

21
Y’= 3124,858+879.173x

X: Edad

Y: distancia máxima que recorre los ciclistas (Metros)

Por un año más en la edad del ciclista, la distancia máxima que recorre aumenta
879.17 metros.

Estime la distancia máxima que recorre el ciclista por su edad de 20 años

Y’= 3124,858+879.173 (20) = 20708,318

La distancia máxima que recorre un ciclista de 20 años es de 20708,318 metros.

3. Calcule e interprete coeficiente de correlación y coeficiente de determinación.

Resumen del modelob

R cuadrado Error estándar

Modelo R R cuadrado ajustado de la estimación

1 .377a .142 .124 16137.896

a. Predictores: (Constante), Edad

b. Variable dependiente: ¿Cuál es la distancia máxima que recorre?(Metro)
Coeficiente de correlación: R=0,377
Podemos decir que la relación entre edad del ciclistas y distancia máxima que
recorre es directa y débil.
Coeficiente de determinación: R2= 0,142
El 14.2% de la variación en la distancia máxima que recorre el ciclista depende de
la variación en su edad.

4. Realice la prueba de hipótesis para el coeficiente de regresión.

1 Hipótesis:

H0: β =0

H1: β ≠0
Coeficientes

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 3124.858 7459.847 .419 .677

Edad 879.173 311.498 .377 2.822 .007

22
a. Variable dependiente: ¿Cuál es la distancia máxima que recorre?(Metro)

Decisión: H0 se rechaza (P=0,007≤ 0,05)

Conclusión: Podemos afirmar que el coeficiente de regresión es diferente de 0, es
decir hay evidencia suficiente que existe relación entre edad del ciclistas y distancia
máxima que recorre.

5. Plantear hipótesis para coeficiente de correlación.

1 Hipótesis:

H0:  =0
H1:  ≠0
Correlaciones
¿Cuál es la
distancia
máxima que
Edad recorre?(Metro)
Edad Correlación de Pearson 1 .377**
Sig. (bilateral) .007
N 50 50
¿Cuál es la distancia Correlación de Pearson .377** 1
máxima que recorre?(Metro) Sig. (bilateral) .007
N 50 50
**. La correlación es significativa en el nivel 0,01 (bilateral).

Decisión: H0 se rechaza (P=0,007< 0,05)

Conclusión: Podemos afirmar que el coeficiente de correlación es diferente de 0, es
decir hay evidencia suficiente que existe relación entre edad y distancia máxima que
recorre.

Grupo 7
Integrantes:

Angie Álvarez Rayo

Wilfredo Castillo Pérez
María Alejandra Cerda
Byron Kenneth Castillo
Carlos Alfaro

Regresión Lineal

X: edad de los clientes del restaurante Mi Viejo Ranchito y el comedor Doña Anita.
Y: gasto cada vez que visita el local (C$).
Se desea analizar la relación que existe entre la edad de los clientes del restaurante
mi viejo ranchito y el comedor Doña Anita y cuánto gasta cada vez que visita el local.
23
 1. Diagrama de dispersión

De acuerdo al gráfico de dispersión, se podrá decir que hay relación entre la edad
y el precio que se gasta cada vez que se visita un restaurante, a menor edad, menor
cantidad que se gasta en comida.

2. Ecuación de regresión mínimo cuadrado

|

Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados

B Error típ. Beta

(Constante) -357.306 109.067 -3.276 .002

Edad 27.259 3.576 .668 7.623 .000

a. Variable dependiente: En promedio ¿Cuánto gastas cada vez que visitas este
local? C$

Y= -357,306 + 27,259X

Y= Promedio de gasto de servicio en restaurante (C$)

X= Edad

Los clientes que tienen un año más, sus gastos son mayores en 27 córdobas.
24
 3. Coeficiente de correlación y coeficiente de determinación
Resumen del modelo

Model R R R cuadrado Error típ. de

o cuadrado corregida la
estimación

1 .668a .447 .439 354.085

a. Variables predictoras: (Constante), Edad

Coeficiente de correlación: R= 0,688

Podemos afirmar que la relación entre edad y gasto promedio en servicio de comida
es intensa.

Coeficiente de determinación: R2 = 0,447

El 44.7% de la variación en la cantidad de gastos se debe a la variación de la edad.

4. Prueba de hipótesis para coeficiente de regresión

Hipótesis
H0: ß = 0
H1: ß ≠0

Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) -357.306 109.067 -3.276 .002

1
Edad 27.259 3.576 .668 7.623 .000

a. Variable dependiente: En promedio ¿Cuánto gastas cada vez que visitas este local? C$

Decisión
H0 se rechaza debido a (P = 0.000 ≤menor o igual 0.05)

Conclusión
Podemos afirmar que el coeficiente de regresión es diferente de cero, es decir,
tenemos evidencia suficiente para decir que existe relación entre edad y promedio
de gastos en servicios de comida.

25
 5. Prueba de hipótesis para coeficiente de correlación
Hipótesis
H0:  = 0
H1:  ≠ 0
Correlaciones
Edad En promedio ¿Cuánto gastas cada vez
que visitas este local? C$
Correlación de Pearson 1 .668**
Edad Sig. (bilateral) .000
N 74 74
En promedio ¿Cuánto gastas Correlación de Pearson .668** 1
cada vez que visitas este Sig. (bilateral) .000
local? C$ N 74 74
**. La correlación es significativa al nivel 0,01 (bilateral).
Decisión
H0 se rechaza (p= 0,000 ≤menor o igual 0,05)
Conclusión
Podemos afirmar que el coeficiente de correlación es cero, es decir hay evidencia
que existe relación entre la edad y gasto promedio en servicios de comida.

26