Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Costo de
publicidad ($) Ventas ($)
40 385
20 400
25 395
20 365
30 475
50 440
40 490
20 420
50 560
40 525
25 480
50 510
r^2= 0.403
Y= 456.434010152284
ación que hay entre los gastos
diagrama d edispersion
600
500
f(x) = 3.22081218274112 x + 343.705583756345
400
300
200
100
0
15 20 25 30 35 40 45 50 55
Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones
50 55 ANÁLISIS DE VARIANZA
Regresión
Residuos
Total
Intercepción
Variable X 1
Observación
1
2
3
4
5
6
7
8
9
10
11
12
sticas de la regresión
0.634837267533126
0.403018356248926
0.343320191873818
50.2256961960273
12
Y
200
100
0
15 20 25 30 35 40 45 50
Variable X 1
Valor crítico de F
0.026570895
Y
Pronóstico para Y
5 30 35 40 45 50 55
Variable X 1
Los siguientes son algunos de los datos contenidos en un conjunto clásico denominado
graficación” que aparecen en Fitting Equations to Data, de Daniel y Wood, publicado en
el contenido de ácido del material determinado por análisis volumétrico; mientras que
contenido de ácido orgánico determinado por extracción y ponderación
X Y
76 123
62 55
66 100
58 75
88 159
70 109
37 48
82 138
88 164
43 28
a) Grafique los datos; ¿la regresión lineal simple parece un modelo adecuado?
r^2 0.90540467
valor critico 0.000002 el modelo es adecuado y puede explicar la variable respuesta
y= - 71,817+2,56
r= 0.95152754 la relacion dependencia es fuerte y directamente proporcional
Y
180
160
f(x) = 2.56294964028777 x − 71.8176258992806
140 R² = 0.905404666940208
120
100
80
60
40
20
modelo adecuado?
0
30 40 50 60 70 80 90
variable respuesta
ente y la intersección.
mente proporcional
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
992806
Error típico
Observaciones
ANÁLISIS DE VARIANZA
Regresión
Residuos
Total
70 80 90 100
Intercepción
Variable X 1
Y
Pronóstico para Y
80 90 100
Se realizó un estudio para evaluar el combus- tible que se ahorra al conducir un autom
cuatro puertas en vez de una camioneta o un SUV (vehículo deportivo utilitario). La
continuas son la lectura del odómetro y el octanaje de la gasolina empleada. La variable
da en millas por galón. Los datos se presentan a continuación.
Tipo de
MP automóvil Odómetro Octanaje AUTOMOVIL 1
34.5 sedan 75000 87.5 1
33.3 sedan 60000 87.5 1
30.4 sedan 88000 78 1
32.8 sedan 15000 78 1
35 sedan 25000 90 1
29 sedan 35000 78 1
32.5 sedan 102000 90 1
29.6 sedan 98000 87.5 1
16.8 van 56000 87.5 2
19.2 van 72000 90 2
22.6 van 14500 87.5 2
24.4 van 22000 90 2
20.7 van 66500 78 2
25.1 van 35000 90 2
18.8 van 97500 87.5 2
15.8 van 65500 78 2
17.4 van 42000 78 2
15.6 SUV 65000 78 3
17.3 SUV 55500 87.5 3
20.8 SUV 26500 87.5 3
22.2 SUV 11500 90 3
16.5 SUV 38000 78 3
21.3 SUV 77500 90
20.7 SUV 19500 78
24.1 SUV 87000 90
3
3
3
a) Ajuste un modelo de regresión lineal que incluya dos variables indicadoras. Utilice (0
b) ¿Qué tipo de vehículo parece tener un mayor rendimiento del combustible?
c) Analice la diferencia entre una camioneta y un SUV en términos del rendimiento del
a al conducir un automóvil sedán de
deportivo utilitario). Las variables
empleada. La variable de respuesta se
n a continuación.
y= 8,754-0,0000358x1+0,302x2
Coeficiente de determinación R^2
r^2 R^2 ajustado
valor critico 0.125
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.751881852275103
Coeficiente de determinación R^2 0.56532631978064
R^2 ajustado 0.391456847692895
Error típico 1.74430705241808
Observaciones 8
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 2 19.7857145 9.89285727 3.25144094
Residuos 5 15.2130355 3.04260709
Total 7 34.99875
Y
10 35
30
5 25
30
0 Variable X 2 Curva
20 Estadísticas de la regresión
0 0 0 0 25 00 0 00 0 0 00 00
Y
0 0 0 0 0 0 0
0 15 0 00 040 00 00
10 20 30 40 2050 Coeficiente
60 70 d 0.74474829
80 90 0 00 1 00
1 1
Y
10 35
15 Coeficiente d 0.55465002
5 Variable X 130
10
0 R^2 ajustado 25 0.40620003
5 76 78 80
20 82 84 86 88
Y
0 Error típico 15 2.57409848
Variable X 2
0 2000010 40000 60000 80000 10000
Observacione 9
5 Variable X 1
0
Valor crítico de F 76 78
ANÁLISIS DE VARIANZA 80 82 84
Variable X
0.12456854 Grados de libertad
Regresión 2
Residuos 6
Total 8
Inferior 95% Superior 95%Inferior 95,0% Superior 95,0%
-18.0218646 35.5310501 -18.0218646 35.5310500749755 Coeficientes
-8.929E-05 1.77188E-05 -8.929E-05 1.771878645E-05 Intercepción -0.21250216
-0.02516084 0.63088032 -0.02516084 0.63088031878611 Variable X 1 -6.3905E-05
Variable X 2 0.27764096
y= -- 0,212-6,4x1+0,277x2
r^2 0.55465002
Análisis de los residuales
Observación
Pronóstico para Y
1 20.5023993
2 20.1740211
3 23.1544584
4 23.369273
5 17.1938073
6 22.5385075
7 17.8503402
8 17.2577123
9 18.7594808
Variable X 1 Curva de reg
30
regresión ajustada 25 30
20
2 Curva de regresión ajustada 25
1 Curva de regresión ajustada 15
Y
20
Y 10
Pronóstico para Y
5 15
ariable X 2 Curva de regresión
Y ajustada 0
0 0 0 0 Pronóstico para Y 1020000
00 00 00 00 Y
0 40000 60000 80000 1
90 10
0
11
0
Pronóstico para Y Variable X 1
5
82 84 86 88 90 92 Y 0
Pronóstico para Y 76 78 80 82 84
Variable X 2
000 60000 80000 100000 120000
Variable X 1
78 80 82 84 86 88 90 92
Variable X 2
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
49.512991 24.7564955 3.73627515 0.0883292
39.7558978 6.62598297
89.2688889
20 10 20
5 15 Y
15 Y Pronóstico para Y
Y
0 10 Pronóstico para Y
020000 40000 60000 80000 100000 120000
1020000 5
40000 60000 80000 100000 120000
Variable X 1
Variable X 1 0
5 76 78 80 82 84 86 88 90 92
Variable X 2
0
76 78 80 82 84 86 88 90 92
erior 95,0%
ada
nóstico para Y
Un cliente del Departamento de Ingeniería Mecánica se acercó al Centro de Consulta d
para que lo ayudaran a analizar un experimento sobre motores con turbina de gas. Se m
salidas del voltaje de los motores con distintas combi- naciones de velocidad de las asp
extensión de los sensores. Los datos son los siguientes:
extensión
Velocidad (pulg) Voltios.
(pulg/seg) X1 X2 Y
6336 0.000 1.95
7099 0.000 2.5
8026 0.000 2.93
6230 0.000 1.69
5369 0.000 1.23
8343 0.000 3.13
6522 0.006 1.55
7310 0.006 1.94
7974 0.006 2.18
8501 0.006 2.7
6646 0.012 1.32
7384 0.012 1.6
8000 0.012 1.89
8545 0.012 2.15
6755 0.018 1.09
7362 0.018 1.26
7034 0.018 1.57
8554 0.018 1.92