Está en la página 1de 13

Los datos corresponden a la medición de la frecuencia cardiaca en reposo de varios individuos y su peso en kilogramos.

FRECUENCIA PESO (KG)


70
62 90
45 86 60
f(x) = 0.420
40 67 R² = 0.2444
50
55 98
64 81

frecuencia
40
53 75
30

Determine las estimaciones de los parámetros de la regresión lineal entre las dos variables. 20

Coeficiente a 10

a 18.3362 0
Coeficiente b 65 70

b 0.4205

Calcule el coeficiente de correlación e interprete.


r 0.4945
INTERPRETACIÓN
El coeficiente de correlación es un valor positivo cercano de 0.5. Esto significa que existe correlación positiva moderada entre

Obtenga la estimación de la frecuencia cardiaca cuando el peso del individuo es de 88kg.

FRECUENCIA PESO (KG) operación y = 18.3362 + 0.4205(88)


55.3392 88
os y su peso en kilogramos.

70

60
f(x) = 0.42048887668223 x + 18.3361713814886
R² = 0.244499988682299
50
frecuencia

40

30

20

10

0
65 70 75 80 85 90 95 100
peso (kg)

elación positiva moderada entre la frecuencia y el peso


Un partido político tiene la siguiente información acerca de los gastos de publicidad y el número de diputados elegidos.

Gasto en publNúmero de diputados elegidos


9
150 3
8
175 4

Número de diputados elegidos


325 4 7 f(x) = 0.012046169989507 x +
R² = 0.855755145294173
400 6 6
425 6 5
500 8
4

3
Encuentre la recta de regresión que relaciona las dos variables.
2
Coeficiente a 1
a 1.2015 0
Coeficiente b 100 150 200 250 300

b 0.0120 Gasto en p

Coeficientes de correlación y determinación


Coeficiente de correlación
r 0.9251
Coeficiente de determinación
r2 0.8558

Número de diputados que serían elegidos de ese partido si se fija un presupuesto de 300.000 dólares.

Gasto en publNúmero de diputados elegidos Operación


300 4.8153 y = 0.2015 + 0.0120(300)
úmero de diputados elegidos.

7 f(x) = 0.012046169989507 x + 1.20146904512067


R² = 0.855755145294173
6

3
2

0
100 150 200 250 300 350 400 450 500 550
Gasto en publicidad

0.000 dólares.
En la dirección de turismo se observó que el número de plazas hoteleras ocupadas es diferente según sea el precio de la habit

Precio por noN° habit. ocupadas


25 4725
65 2610
100 1872
140 943
210 450

Represente gráficamente los datos para comprobar si existe cierta dependencia lineal entre las variables.

DIAGRAMA DE DISPERSIÓN
5000
4500
4000
f(x) = − 21.913247652002 x + 4486.63074641621
N° habit. Ocupadas

3500
R² = 0.862579891379445
3000
2500
2000
1500
1000
500
0
0 50 100 150 200 250
Precio por noche $

Los puntos se propagan desde la parte superior izquierda hacia la parte inferior derecha y muestran una tendencia a formar u

Halle la ecuación de la recta de regresión

Coeficiente a
a 4486.6307
Coeficiente b
b -21.9132

Cuantas habitaciones se llenarán a 150 dólares.

Precio por noN° habit. ocupadas


150 1199.6436

En qué medida podemos considerar que el nivel de ocupación depende de la estructura de precios.
Coeficiente de determinación
r2 0.8626
Este valor significa que aproximadamente el 86% de la variación en el nivel de ocupacion se explica o contabiliza por la variació
e según sea el precio de la habitación sobre el total de plazas ocupadas en un año se tiene:

as variables.

stran una tendencia a formar una línea recta. Por lo tanto existe correlación negativa entre el precio y el número de habitaciones ocupada
plica o contabiliza por la variación en el precio
úmero de habitaciones ocupadas
Se estudia la relación entre el tiempo de reparación (minutos) de computadores personales y el número de unidades reparada

Unidades repTiempo de reparación 180


1 23
160
3 49 f(x) = 14.9594594594595 x + 7.945945945
4 74 140 R² = 0.991386591332712

6 96 120
7 109
100
9 149
10 154 80

60
Construya la recta de regresión para preveer el tiempo de reparación.
40
Coeficiente a 20
a 7.9459
Coeficiente b 0
0 2 4 6
b 14.9595

Construya un intervalo de confianza (alfa=0.01) del tiempo de reparacion para un lote de 14 unidades.
el número de unidades reparadas en ese tiempo por un equipo de mantenimiento y los resultados son:

= 14.9594594594595 x + 7.94594594594596
0.991386591332712

2 4 6 8 10 12
El volumen de ahorro y la renta del sector familias (en cientos de millones de dolares) para un periodo de 10 años fueron:

Año Ahorro Renta


1 1.9 20.5 ahorro sobre la renta
2 1.8 20.8 3.5
3 2 21.2 3
4 2.1 21.7
2.5 f(x) = 0.338902147971359 x − 5.26584725536989
5 1.9 22.1 R² = 0.724215274822169
6 2 22.3 2

ahorro
7 2.2 22.2 1.5
8 2.3 22.6 1
9 2.7 23.1
0.5
10 3 23.5
0
20 20.5 21 21.5 22 22.5 23 23.5
Recta de regresión del ahorro sobre la renta.
renta

Coeficiente a
a -5.2658
Coeficiente b
b 0.3389 RENTA SOBRE EL AHORRO
24
23.5 f(x) = 2.13694507148232 x + 17.3200902934537
23 R² = 0.72421527482217

Renta de regresión de la renta sobre el ahorro. 22.5


22
renta

21.5
Coeficiente a 21
a 17.3201 20.5
Coeficiente b 20
b 2.1369 19.5
19
1.6 1.8 2 2.2 2.4 2.6 2.8 3
ahorro

Para el año 11 se supone una renta de 2.41 miles de millones de dólares, cual es el ahorro esperado para el año 11.

Año Ahorro Renta


11 -4.4491 2.41

Estudie la calidad del ajuste de los datos mediante el modelo obtenido.

Coeficiente de determinación
r2 0.7242
El coeficiente de determinación indica que proximadamente 72% de la variación en el ahorro se explica o contabiliza por la va
periodo de 10 años fueron:

e la renta

9 x − 5.26584725536989

22 22.5 23 23.5 24
enta

EL AHORRO

2 x + 17.3200902934537

2.4 2.6 2.8 3 3.2


horro

perado para el año 11.

e explica o contabiliza por la variación en la renta, o viceversa