x y

Obs Poros. pcf 𝑥^2

1 1 23 1
2 2 29 4
3 3 49 9
4 4 64 16
5 4 74 16
6 5 87 25 media x=
7 6 96 36
8 6 97 36
9 7 109 49
10 8 119 64
11 9 149 81
12 9 145 81
13 10 154 100
14 10 166 100
15 11 162 121
16 11 174 121
17 12 180 144
18 12 176 144
19 14 179 196
20 16 193 256
21 17 193 289
22 18 199 324
23 18 198 324
24 20 205 400
TOTAL 233 3220 2937

a) Desarrolle el análisis gráfico y del estadístico coeficiente de correlación lineal simple

f(x) = 12.8 x + 18.85
R² = 0.94925111009519
20
19
18
17
16
15
pcf

14
13
12
11
 20
19
18
17
16
15

pcf
14
13
12
11
10
80 90 100 110 120 130 140 150 160
 
Existe correlación lineal inversa, a mayor porosidad,
Poros. le corresponde una menor peso u
de concreto.

El coeficiente de correlación es = - 0.9868

Existe una correlación lineal fuerte.
 
b) Determine al nivel de significancia de 0.05 si existe correlación entre las variables.
Hipótesis:
H0:  = 0: No existe correlación lineal entre porosidad y peso unitario (pcf) en especím
vH1:   0: Existe correlación lineal entre porosidad y peso unitario (pcf) en especímen

Regla de decisión:
Rechazar H0 si el valor P   = 0.05
Valor P = 1.1249x10
Por tanto: Se rechaza H0 como verdadera

Existe evidencia muestral para probar la correlación lineal entre el porosidad y peso un
concreto.

c) Determine la ecuación de regresión lineal y su bondad de ajuste. Pruebe si 1  0:

- Ecuación de regresión lineal: 𝑦 ̂ =

- Bondad de ajuste = 97.39 % : el modelo lineal puede explicar 97.39% de las variacion
especímenes de concreto ocasionadas por la porosidad.

- H0: 1 = 0
H1: 1  0

Rechazar H0 si el valor P   = 0.05

Valor P =
Se rechaza Ho como verdadera
Existe evidencia para probar que 1  0
 
Rechazar H0 si el valor P   = 0.05
Valor P =
Se rechaza Ho como verdadera
Existe evidencia para probar que 1  0
 
d) Determine el intervalo de predicción cuando la porosidad sea 125 al 95% de confian

Datos:
n = 15
gl = 13
 = 0.05
𝑡𝛼/2 = 2.1604
Se = 0.938
x = 125
𝑦 ̂ = 5.82
E = 2.51
 
3.306 < y < 8.331
 
Tenemos la confianza de 95% que el verdadero valor del peso unitario de especímenes
una porosidad de 125 % está entre 3.306 pcf y 8.331 pcf .
 t= 2.1604
n= 15.0000
y= 5.8186
x0= 125.0000 E= Err:502
Media x = 8.0000
suma x = 160.0000
suma x2 = 1600.0000 Err:502 <y< Err:502
Se= 0.938

Paso 2 Se halla el margen de error (E), para g.l.=n-2=10; 1- α =95%, de la tabla se ob

𝛼= 0.05
t𝛼/2= 2.228

gl= 10
 E= Err:502

El intervalo
Paso 3 de predicción

y= 612.863255

Reemplazam
Paso 4 os en:

Err:502 y Err:502
 r= -0.98685732

1 2 3 4 4

23 29 49 64 74

9.70833333

x= 125
Media x = 109.34
suma x = 1640.1
suma x2 = 179849.73

correlación lineal simple

Interpretaci
r
ón
No existe
|r|=0 correlación
lineal
 Débil
0<|r|£ 0.5 correlación
lineal
Moderada
0.5<|r|£ 0.8 correlación
lineal
Fuerte
150 160 0.8<|r|<1 correlación
lineal
ponde una menor peso unitario (pcf) en especímenes
Correlación
|r|=1 lineal
perfecta

ón entre las variables.

unitario (pcf) en especímenes de concreto.

tario (pcf) en especímenes de concreto.

e el porosidad y peso unitario (pcf) en especímenes de Formulaci

ón de H0
Paso 1 y H1

H0= 𝜌=0
𝜇≤35
uste. Pruebe si 1  0:
H1= 𝜇>35𝜌≠0

r 97.39% de las variaciones del peso unitario en Especifica

r la
significaci
Paso 2 ón

𝛼= 0.05
r= -0.98685732
Paso 3
 gl= 13
Vc: tc=

ea 125 al 95% de confianza: Vp: tp=

Valor P= ###

Validez
del
unitario de especímenes de concreto cuando se tiene modelo

Ho= 𝛽1=0
H1=

𝛼=

Vc:

Vp:

sigma x 4
b1= -0.9047
Se= 0.938
n= 15

Regression
output
variables coefficients
Intercept 118.9099
Poros. -0.9047

Std. Error 0.938

 Regression
output
variables coefficients
Intercept 118.909917
Poros. -0.90473066

α =95%, de la tabla se obtiene: =2.228

MÉTODO
2
 Vc:

Vp:

Paso 4
Decisión:
5 6 6 7 8 9 9 10

87 96 97 109 119 149 145 154

 =0
≤35 No existe una correlación significativa entre porosidad y peso unitario en especímenes de concreto
𝜇>35𝜌≠0
Existe una correlación significativa entre porosidad y peso unitario en especímenes de concreto
 2.160369

-22.0192

𝛽1=0
𝜇≤35 La ecuación no es válida
𝜇>35
𝛽1≠0 La ecuación es válida

= 0.05

tc= 2.16036866

tp= -14.9418995 t=(𝑏1−𝛽1)/

(𝑆_𝑒/(𝜎_𝑥
√𝑛))

Valor P= 1.44822E-09

std. error t (df=13) p-value

4.4991 26.430 1.10E-12
0.0411 -22.019 1.12E-11
10

166
e concreto

ncreto