UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERIA CIVIL

ESTADÍSTICA
GENERAL
TRABAJO
ENCARGADO
PRESENTADO POR:
CESAR ALFREDO PARI BARRAGAN

DOCENTE:
ING. ALCIDES
RAMOS
CALCINA
CÓDIGO:190253

PUNO-PERÚ

AÑO:2020
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN

EJERCICIO 1:
En la producción de herramientas, el método para deformar acero a temperatura normal
mantiene una relación lineal con la dureza del mismo ya que, a medida que la deformación
crece, se ve afectada la dureza del acero. Para investigar esta relación se evaluaron 12 muestras
de acero, los resultados obtenidos se muestran a continuación:

Muestra 1 2 3 4 5 6 7 8 9 10 11 12
Deformación (mm) 6 9 10 11 13 15 18 22 26 28 33 35
Dureza Brinell (kg/mm2 68 67 66 53 52 50 48 44 40 37 34 32

Suponiendo validos los supuestos necesarios, se pide:

a) Grafique el diagrama de dispersión. ¿Qué pude decir de la relación de las variables?
Figura 1. Diagrama de dispersión para Dureza Brinell y deformación.

El diagrama de dispersión nos muestra que la relación entre las dos variables es lineal con
pendiente negativa, de manera que cuantas más sea la deformación, menor será la Dureza
Brinell.
b) Estime la recta de regresión.
Para estimar la recta de regresión primero debemos estimar los parámetros α y β por el método
de mínimos cuadrados.

 Y X

pág. 1
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

tabla 1. Parámetros Dureza Brinell y deformación

i Xi Yi Xi-ẋ Yi-Ȳ (Xi-ẋ)2 (Yi-Ȳ)2 (Xi-ẋ)(Yi-Ȳ)

1 6 68 -12,83 18,75 164,61 351,56 -240,5625
2 9 67 -9,83 17,75 96,63 315,06 -174,4825
3 10 66 -8,83 16,75 77,97 280,56 -147,9025
4 11 53 -7,83 3,75 61,31 14,06 -29,3625
5 13 52 -5,83 2,75 33,99 7,56 -16,0325
6 15 50 -3,83 0,75 14,67 0,56 -2,8725
7 18 48 -0,83 -1,25 0,69 1,56 1,0375
8 22 44 3,17 -5,25 10,05 27,56 -16,6425
9 26 40 7,17 -9,25 51,41 85,56 -66,3225
10 28 37 9,17 -12,25 84,09 150,06 -112,3325
11 33 34 14,17 -15,25 200,79 232,56 -216,0925
12 35 32 16,17 -17,25 261,47 297,56 -278,9325
total 226 591 1057,67 1764,25 -1300,5

Medias muéstrales:
n

x i
226
X i 1
X  18.83
n  12  X  18.83
n

y i
591
Y  i 1
Y   49.25
n  12  Y  49.25
Varianzas muéstrales:
n

 (x  X ) i
2
1057.67
S x2  i 1
S x2   96.15
 S x  96.15
2
n 1  11
n

(y Y ) i
2
1764.25
S y2  i 1
S y2   160.39
 S y  160.39
2
n 1  11
Covarianza muestral:
n

 ( x  X )( y  Y )
i i
1300.5
Cov( x, y )  S xy  i 1
Cov( x, y )   118.23
n 1  11
Ahora ya podemos calcular los coeficientes de la recta de regresión:
S xy 118.23
   1.229
S x2  96.15

 Y X    49.25  (1.229)18.83  72.39207

pág. 2
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

Entonces los valores de los parámetros serian:

  1.229 y   72.39207

La recta de regresión estimada es:

yi     xi  yi  72.39207  1.229 xi
c) Qué dureza Brinell en kg/mm2 se espera cuando la deformación del acero es de 26 mm.

yi     xi
para la deformación del acero de 26mm la dureza seria.
yi  72.39207  1.229(26)  40.438072
yi  40.44kg / mm 2

La dureza seria 40.44kg/mm2

d) Estime con 90% de confianza, la dureza Brinell media del acero
intervalo de confianza para dureza de Brinell.

 Sy Sy 
 Y  t  , Y  t  
 2 n 2 n
Donde:
  10%
 S y  12.665
 5%
2
Y  49.25
t  1.289
2 ; n  12  3.464

Entonces.
Sy  12.665 
Y  t  49.25  1.289    44.54
 2 n  3.464 

Sy  12.665 
Y  t  49.25  1.289    53.96
 2 n  3.464 

El intervalo de confianza para el 90% de la Dureza Brinell es: (44.54,53.96).

e) Calcule el coeficiente de correlación y determinación. Interprete los resultados.
Cov ( x, y )
r
SxS y

Donde:

pág. 3
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

Cov ( x, y )  118.23
S x  9.810
S y  12.665

Cov( x, y ) 118.23
r   0.952
SxS y (9.810)(12.665)

El ajuste es aceptablemente bueno ya que se acerca o próximo a -1, distribuyéndose las

observaciones (xi, yi) alrededor de una recta de pendiente negativa.
f) ¿Es válido el modelo?
EJERCICIO 2:
El procesamiento de carbón sin tratar implica el “lavado”, en donde se elimina la ceniza de
carbón (no orgánico, material incombustible). Un artículo proporciona los datos relacionados
con los porcentajes de ceniza con el volumen de una partícula de carbón. Se midieron los
porcentajes promedio de ceniza para seis volúmenes de partículas de carbón. Los datos son los
siguientes:
Volumen (cm3) 0,01 0,06 0,58 2,24 15,55 276,02
Porcentaje de ceniza 3,32 4,05 5,69 7,06 8,17 9,36

a) Calcule la recta de mínimos cuadrados para predecir el porcentaje de ceniza (y) a

partir del volumen (x). Grafique el diagrama de dispersión. ¿El modelo lineal parece
adecuado? Explique.
tabla 2. Parámetros para porcentaje de ceniza y volumen.
i Xi Yi Xi-ẋ Yi-Ȳ (Xi-ẋ)2 (Yi-Ȳ)2 (Xi-ẋ)(Yi-Ȳ)
1 0,01 3,32 -49,07 -2,96 2407,538 8,732 144,992
2 0,06 4,05 -49,02 -2,23 2402,634 4,951 109,062083
3 0,58 5,69 -48,50 -0,58 2351,927 0,342 28,37055
4 2,24 7,06 -46,84 0,79 2193,673 0,616 -36,7667833
5 15,55 8,17 -33,53 1,90 1124,037 3,591 -63,5330333
6 276,02 9,36 226,94 3,09 51503,277 9,517 700,120183
total 294,46 37,65 61983,085 27,749 882,245

Medias muéstrales:
n

x i
294.46
X i 1
X  49.08
n  6
n

y i
37.65
Y  i 1
Y   6.28
n  6
Varianzas muéstrales:

pág. 4
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

 (x  X )
i
2
61983.085
S x2  i 1
S x2   12396.617
n 1  5
n

(y Y ) i
2
27.749
S y2  i 1
S y2   5.550
n 1  5
Covarianza muestral:
n

 ( x  X )( y  Y )
i i
882.245
Cov( x, y )  S xy  i 1
S xy   176.449
n 1  5
Ahora ya podemos calcular los coeficientes de la recta de regresión:
S xy 176.449
   0.01423
S x2  12396.617

 Y X    6.28  0.01423(49.08)  5.582

La recta de regresión estimada es:

yi     xi  yi  5.582  0.01423 xi

Figura 2. Diagrama de dispersión para porcentaje de ceniza y volumen.

coeficiente de correlación:
Cov( x, y ) 176.449
r   0.672
SxS y (111.34)(2.36)

El modelo no es tan adecuado por que no se ajusta a la recta de regresión.

pág. 5
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

b) Utilizando el modelo, pronostique el porcentaje de ceniza para partículas con un

volumen de 50 y 100 cm3.
yi  5.582  0.01423 xi

Para 50 de volumen:
yi  5.582  0.01423(50)
yi  6.29

Para 100 de volumen:

yi  5.582  0.01423(100)
yi  7.005

c) Utilizando el modelo más adecuado, construya un intervalo de confianza de 95% para

la media de un porcentaje de ceniza.
intervalo de confianza para porcentaje de ceniza.

 Sy Sy 
 Y  t  , Y  t  
 2 n 2 n
Donde:
  5%
 S y  2.36
 2.5%
2
Y  6.28
t  1.645
2 ; n  6  2.45

Entonces.
Sy  2.36 
Y  t  6.28  1.645    4.7
2 n  2.45 

Sy  2.36 
Y  t  6.28  1.645    7.9
2 n  2.45 

El intervalo de confianza para el 90% de la Dureza Brinell es: (4.7;7.9).

d) ¿Qué se puede decir de la relación de x e y.
la relación entre las dos variables es lineal con pendiente positiva, de manera que cuanto más
volumen, mayor es el porcentaje de ceniza.
e) Realice el ANVA para β. ¿Qué puede concluir?
Figura 3. ANVA para la regresión lineal simple.

pág. 6
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

 SCR  5(0.0142)  12396.617   12.5

2
SCR  (n  1)  2 S X2
n
SCT   yi 2  nY 2
i 1  SCT  264  6  39.38   27.72
SCE  SCT  SCR  SCE  27.72  12.5  15.22
Tabla 5. ANVA para la regresión lineal simple.
Fuente de variación Grado de libertad Suma de cuadrados Cuadrados medios Fc
(F.V) (G.L) (S.C) (C.M)
Debido a la regresión 1 12,5 12,5 3,28
Error 4 15,22 3,81
Total 5 27,72

EJERCICIO 3:
Para analizar la relación entre el número de horas semanales estudiadas y la nota obtenida en
una asignatura, se han tomado datos sobre una serie de alumnos, recopilando los siguientes
resultados:
Horas (x) 10 10 20 20 30 30 40 40
Nota (y) 12,2 12,7 12,3 13,4 15,2 18,8 18,6 19,8

Se pide:
a) Constrúyase un modelo de regresión que explique la calificación obtenida en
función de las horas estudiadas.
tabla 2. Parámetros nota y horas.

i Xi Yi Xi-ẋ Yi-Ȳ (Xi-ẋ)2 (Yi-Ȳ)2 (Xi-ẋ)(Yi-Ȳ)

1 10 12,2 -15 -3,18 225 10,08 47,63
2 10 12,7 -15 -2,68 225 7,16 40,13
3 20 12,3 -5 -3,08 25 9,46 15,38
4 20 13,4 -5 -1,98 25 3,90 9,87
5 30 15,2 5 -0,17 25 0,03 -0,87
6 30 18,8 5 3,43 25 11,73 17,13
7 40 18,6 15 3,23 225 10,40 48,38
8 40 19,8 15 4,43 225 19,58 66,38
200 123 1000 72,34 244,00

Medias muéstrales:

pág. 7
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

x i
200
X i 1
X  25
n  8
n

y i
123
Y  i 1
Y   15.38
n  8

Varianzas muéstrales:
n

 (x  X ) i
2
1000
S x2  i 1
S x2   142.86
n 1  7
n

(y Y ) i
2
72.34
S y2  i 1
S y2   10.33
n 1  7
Covarianza muestral:
n

 ( x  X )( y  Y )
i i
244
Cov( x, y )  S xy  i 1
S xy   34.86
n 1  7
Ahora ya podemos calcular los coeficientes de la recta de regresión:
S xy 34.86
 2   0.244
S x  142.86

 Y X    15.38  0.244(25)  9.28

Modelo de regresión construida:

yi     xi  yi  9.28  0.244 xi

Figura 4. Diagrama de dispersión para nota y hora

pág. 8
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

b) ¿Influye de forma significativa el número de horas de estudio sobre la nota obtenida?

Cov( x, y ) 34.86
r   0.91
SxS y (11.95)(3.21)

Se ajusta aceptablemente bueno porque r es próximo a 1, distribuyéndose las observaciones

(xi, yi) alrededor de una recta de pendiente positiva.
EJERCICIO 4:
De un muelle cuelgan pesas, obteniéndose los siguientes alargamientos:
Masa de la pesa (gr) 10 30 60 90 120
Alargamiento producido(cm) 0,5 1 3 5 6,5

a) Calcular e interpretar el coeficiente de correlación entre estas dos variables.

tabla 4. Parámetros de alargamiento producido y masa de la pesa

i Xi Yi Xi-ẋ Yi-Ȳ (Xi-ẋ)2 (Yi-Ȳ)2 (Xi-ẋ)(Yi-Ȳ)

1 10 0,5 -52 -2,7 2704 7,29 140,4
2 30 1 -32 -2,2 1024 4,84 70,4
3 60 3 -2 -0,2 4 0,04 0,4
4 90 5 28 1,8 784 3,24 50,4
5 120 6,5 58 3,3 3364 10,89 191,4
total 310 16 7880 26,3 453

Medias muéstrales:
n

x i
310
X i 1
X  62
n  5
n

y i
16
Y  i 1
Y   3.2
n  5
Varianzas muéstrales:
pág. 9
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

 (x  X )
i
2
7880
S x2  i 1
S x2   1970
n 1  4
n

(y Y ) i
2
26.3
S y2  i 1
S y2   6.58
n 1  4

Covarianza muestral:
n

 ( x  X )( y  Y )
i i
453
Cov( x, y )  S xy  i 1
S xy   113.25
n 1  4
Ahora ya podemos calcular los coeficientes de la recta de regresión:
S xy 113.25
 2   0.0575
S x  1970

 Y X    3.2  0.0575(62)  0.365

Modelo de regresión construida:

yi     xi  yi  0.0575 xi  0.365

Coeficiente de correlación:
Cov( x, y ) 113.25
r   0.99
SxS y (44.38)(2.57)

Se ajusta aceptablemente bueno porque r es próximo a 1, distribuyéndose las observaciones

(xi, yi) alrededor de una recta de pendiente positiva.
b) Estimar el alargamiento del muelle si se cuelga una pesa de 50 gramos.
yi  0.0575 xi  0.365

Alargamiento del muelle para 50gr

yi  0.0575(50)  0.365
yi  2.51

c) Realice el ANVA para β. ¿Qué puede concluir?

Figura 5. ANVA para la regresión lineal simple.

pág. 10
 UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

 SCR  4(0.0033)  1970   26.004

2
SCR  (n  1)  2 S X2
n
SCT   yi 2  nY 2
i 1  SCT  77.5  5  10.24   25.5
SCE  SCT  SCR  SCE  25.5  26.004  0.504
Tabla 6. ANVA para la regresión lineal simple.
Fuente de variación Grado de libertad Suma de cuadrados Cuadrados medios Fc
(F.V) (G.L) (S.C) (C.M)
Debido a la regresión 1 26,004 26,004 -154,79
Error 3 -0,504 -0,168
Total 4 25,5

pág. 11
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA CIVIL Y ARQUITECTURA

pág. 12