Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • ESTADISTICA

    Cargado por

    yeny mamani mamani
    18 vistas5 páginas
    Este documento presenta un análisis estadístico de dos conjuntos de datos, presupuesto y demora, que contienen 20 valores cada uno. Se calculan medidas de tendencia central y dispersión para ambos conjuntos y se encuentra una alta correlación positiva entre ellos. Finalmente, se realiza un modelo de regresión lineal que relaciona presupuesto con demora.

    Descripción original:

    Título original

    ESTADISTICA .docx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    Este documento presenta un análisis estadístico de dos conjuntos de datos, presupuesto y demora, que contienen 20 valores cada uno. Se calculan medidas de tendencia central y dispersión para ambos conjuntos y se encuentra una alta correlación positiva entre ellos. Finalmente, se realiza un modelo de regresión lineal que relaciona presupuesto con demora.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    18 vistas5 páginas

    ESTADISTICA

    Cargado por

    yeny mamani mamani
    Este documento presenta un análisis estadístico de dos conjuntos de datos, presupuesto y demora, que contienen 20 valores cada uno. Se calculan medidas de tendencia central y dispersión para ambos conjuntos y se encuentra una alta correlación positiva entre ellos. Finalmente, se realiza un modelo de regresión lineal que relaciona presupuesto con demora.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 5

    UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

    Estadistica General
    DOCENTE: Ing. Tumi Figueroa, Ernesto Nayer

    PRESENTADO POR:

     Condori Condori, Summer


     Huayllapuma Ccajavilca,Liz Fredy
     Villalba Mullisaca, Edson Samir

    Puno – Perú

    2018
    UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

    > presupuesto = c (35,37,40,44,46,49,52,55,58,62,63,63,66,71,73,80,85,91,96,101)


    > presupuesto
    [1] 35 37 40 44 46 49 52 55 58 62 63 63 66 71 73 80 85 91 96 101
    > demora = c (1,4,4,4,10,13,18,19,34,44,45,48,64,67,68,103,124,125,125,133)
    > demora
    [1] 1 4 4 4 10 13 18 19 34 44 45 48 64 67 68 103 124 125 125 133
    > boxplot(presupuesto,demora)
    > boxplot(presupuesto)
    > boxplot(demora)

    > summary(presupuesto)
    Min. 1st Qu. Median Mean 3rd Qu. Max.
    35.00 48.25 62.50 63.35 74.75 101.00
    > summary(demora)
    Min. 1st Qu. Median Mean 3rd Qu. Max.
    1.00 12.25 44.50 52.65 76.75 133.00
    > cvpresupuesto=sd(presupuesto)/mean(presupuesto)*100
    > cvpresupuesto
    [1] 30.95514
    > cvdemora=sd(demora)/mean(demora)*100
    > cvdemora
    [1] 88.35541
    > length(presupuesto)
    [1] 20
    > length(demora)
    [1] 20
    > plot(presupuesto,demora)
    UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

    > plot(demora,presupuesto)
    > cor(presupuesto,demora)
    [1] 0.9797387
    > cor(demora,presupuesto)
    [1] 0.9797387
    > cor.test(presupuesto,demora)

    Pearson's product-moment correlation


    data: presupuesto and demora
    t = 20.754, df = 18, p-value = 5.079e-14
    alternative hypothesis: true correlation is not
    equal to 0
    95 percent confidence interval:
    0.9484021 0.9921208
    sample estimates:
    cor
    0.9797387
    > r1=lm(presupuesto~demora)
    > r1
    Call:
    lm(formula = presupuesto ~ demora)
    Coefficients:
    (Intercept) demora
    41.605 0.413
    > plot(presupuesto,demora)
    > abline(r1)
    > abline(v=mean(presupuesto))
    > abline(h=mean(presupuesto))

    > plot(demora,presupuesto)
    > abline(r1)
    > abline(h=mean(demora))
    > abline(v=mean(demora))

    > r2=lm(presupuesto~demora)
    UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

    > r2

    Call:
    lm(formula = presupuesto ~ demora)

    Coefficients:
    (Intercept) demora
    41.605 0.413

    > resid(r2)
    1 2 3 4 5 6 7 8
    -7.0181545 -6.2571775 -3.2571775 0.7428225 0.2647766 2.0257536 2.9607153 5.5477077
    9 10 11 12 13 14 15 16
    2.3525928 2.2225162 2.8095086 1.5704856 -2.0376369 1.7233401 3.3103325 -4.1449356
    17 18 19 20
    -7.8180964 -2.2311040 2.7688960 4.4648347

    > resid(r1)
    1 2 3 4 5 6 7 8
    -7.0181545 -6.2571775 -3.2571775 0.7428225 0.2647766 2.0257536 2.9607153 5.5477077
    9 10 11 12 13 14 15 16
    2.3525928 2.2225162 2.8095086 1.5704856 -2.0376369 1.7233401 3.3103325 -4.1449356
    17 18 19 20
    -7.8180964 -2.2311040 2.7688960 4.4648347

    > coef(r1)
    (Intercept) demora
    41.6051468 0.4130077
    > fitted(r1)
    1 2 3 4 5 6 7 8 9 10
    42.01815 43.25718 43.25718 43.25718 45.73522 46.97425 49.03928 49.45229 55.64741 59.77748
    11 12 13 14 15 16 17 18 19 20
    60.19049 61.42951 68.03764 69.27666 69.68967 84.14494 92.81810 93.23110 93.23110 96.53517
    > attributes(r1)
    $`names`
    [1] "coefficients" "residuals" "effects" "rank" "fitted.values"
    [6] "assign" "qr" "df.residual" "xlevels" "call"
    [11] "terms" "model"

    $class
    [1] "lm"

    > par(mfrow=c(2,2))
    UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

    > plot(r1)

    También podría gustarte