No x y xy x2 yˆ i ei

1 6 24 144 36 24.04 -0.04

2 2 16 32 4 17.23 -1.23
3 5 19 95 25 22.33 -3.33 Chart
40
4 1 15 15 1 15.52 -0.52
5 8 33 264 64 27.44 5.56 35 f(x) = 1.70300751879699 x + 13
R² = 0.879326450625043
6 7 25 175 49 25.74 -0.74 30

7 12 32 384 144 34.26 -2.26 25

8 3 21 63 9 18.93 2.07 20

15
9 11 35 385 121 32.55 2.45
10
10 13 34 442 169 35.96 -1.96
5

n 0
n n n

x
0 2 4 6

x i  68 y i  254 x
i 1
i yi  1999
i 1
2
i  622
i 1 i 1

n 10
x 6.8 y  25.4

yˆi  ˆ0  ˆ1 xi 

n

x y nx y
i i
ˆ 1 i 1
n
 1.703

i
x 2

i 1
 n  x  2
ˆ0  y  ˆ1 x  13.82
 x y nx y
i i
ˆ 1 i 1
n

i
x 2

i 1
 n  x  2
ˆ0  y  ˆ1 x 
1
 Chart Title

(x) = 1.70300751879699 x + 13.8195488721804

R² = 0.879326450625043

2 4 6 8 10 12 14
 yˆ i  yi  yˆi   xi  x 
2
 xi  x   yi  y 
2
 yi  y   yˆ i  y 
2
xi yi 2

6 24 24.04 1.96 1.86 0.0014 1.12 0.64

2 16 17.23 88.36 66.82 1.5020 45.12 23.04
5 19 22.33 40.96 9.40 11.1195 11.52 3.24
1 15 15.52 108.16 97.56 0.2731 60.32 33.64
8 33 27.44 57.76 4.18 30.8735 9.12 1.44
7 25 25.74 0.16 0.12 0.5485 -0.08 0.04

12 32 34.26 43.56 78.42 5.0879 34.32 27.04

3 21 18.93 19.36 41.88 4.2908 16.72 14.44
11 35 32.55 92.16 51.16 5.9896 40.32 17.64

13 34 35.96 73.96 111.49 3.8363 53.32 38.44

yˆi  ˆ0  ˆ1 xi 

n 10
x 6.8 y 25.4

n n
SCR    yˆ i  y  
2
SCT    yi  y  
2 526.400 462.88
i 1 i 1

n
SCE    yi  yˆi  
2
63.52 2
i 1
 TABLA DE ANÁLISIS DE VARIANZA

ANOVA (ANAVA)

Fuente de Suma de Grados de Cuadrado

F P-valor
Variación cuadrados libertad medio
SCR
Regresión SCR 1 CMR 
1
CMR
SCE F
CME  CME
Error residual SCE n-2
n2

Total SCT n -1

TABLA DE ANÁLISIS DE VARIANZA

ANOVA (ANAVA)

Fuente de Suma de Grados de Cuadrado

F P-valor
Variación cuadrados libertad medio

Regresión 462.88 1 462.88

Error residual 63.52 8 7.94 58.29 0.00012203

Total 526.40 9 58.49

3
 n
n

  ŷ i  y
2  x  x   y  y 
i i

R2  i 1

SCR
 0.8793
r i 1
 0.93772408
n n n
SCT
  yi  y    xi  x    yi  y 
2 2 2

i 1 i 1 i 1

SCE SCE /( n  K  1 )
ˆ 2  s 2  CME   7.940
R2  1  0.98303028
n2 SCT /( n  1 )
n

 ˆi  Un intervalo de confianza para Beta 1 del

2
yi  y
100(1 - a)%
i 1
ˆ1  0
n2 t 
sˆ  
ˆ1  t / 2, n2 S ˆ
0.22305 7.64
1 n
S ˆ
 x  x
2
i 1 1
i 1

Intervalo de confianza del 100(1 - a)% para el valor esperado de y cuando x

= x*

ˆ0  ˆ1 x  t / 2, n  2  s yˆ s yˆ  s
1


x  x  2

n   xi  x  2

intervalo de predicción del 100(1 - a)% para una observación futura de y cuando x = x*

yˆ  t / 2, n  2  s 2  s y2ˆ
Tarea: ¿Cuáles son los supuestos que debe cumplir el modelo de regresión lineal simple?. ¿ Se cumplen en este caso?
Tarea: Ejercicios 6; 7; 8 y 12 texto guía Páginas 207 a 214
 0.87932645

para Beta 1 del

S ̂
1

x  2

 x
2
i
4
 Cálculo de los coeficientes del modelo mediante matrices

1
 n
  n   n
  n 
 n  x i 
 ˆ    i 

y
 ˆ0  
n  x i    i y
 i 1   0    i 1    n
i 1   i 1 
 n n
 ˆ   n   ˆ   n
  n 
2  1   1   x
  xi  xi    xi yi 
 i 1
i  2
xi 

  xi yi 
 i 1 
 i 1 i 1   i 1  i 1

-1
10 68 0.38972 -0.04261
=
68 622 -0.04261 0.00627

(█(β ̂_0
0.3897 -0.0426 254 13.82
-0.0426 0.0063 * 1999
=
1.703
= @β ̂_1 ))