EJERCICIO DE RAPPITODO IBAGUÉ

Método Error estándar del R R Cuadrado

modelo

Lineal 0,307 0,952 0,906

Logarítmico 0,402 0,916 0,839

Inverso 0,588 0,810 0,656

Cuadrático 0,328 0,952 0,906

Potencia 0,240 0,921 0,849

Exponencial 0,239 0,922 0,849

Modelo de regresiones Causales curvilíneos (exponencial)

Variable dependiente: Tiempo

Variable Independiente: Distancia

R= 0,922 Existe una relación entre las variables significativamente fuerte y es directamente
proporcional

R2= 0,922 el 92,2% de las variaciones del tiempo se deben a la distancia

DECISION SOBRE LAS PRIMERAS HIPOTESIS

Ho= El modelo de regresión lineal no se ajusta a los datos

Ha= El modelo de regresión lineal se ajusta a los datos

Valor P= 0,000 nivel de significancia= 0,05

Decisión

P < 0,05

Rechazo la Ho= el modelo de regresión lineal se ajusta a los datos en razón que el valor P es menor
al nivel de significancia de la prueba

Ho: Constante= 0

Ha: Constante Diferente de 0

Valor P= 0,000 < el valor de significancia = 0,05

Decision: con el 95% de confianza podemos concluir que esxiste significancia estadistica para
incluir la constante en la funcion matematica del modelo.
Ho: La pendiente = 0

Ha: La pendiente diferente de 0

Valor P= 0,000 < nivel de significancia 0,05

Decisión: con un nivel de confianza del 95% existe significancia para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función del modelo curvilíneo (Exponencial)

Y= b0 * (e**(b1 * t))

Ln(y)= ln(b0)+(b1*t)

Ln(y) = ln(0,565) + (0,002*t)

En 175 km

Ln(y) = ln(0,565) + (0,002*175)

Ln(y)= -0,2209
 EJERCICIO CONSUMO DE ENERGIA VS TEMPERATURA

Método Error estándar del R R Cuadrado

modelo

Lineal 165,714 0,147 0,021

Logarítmico 163,711 0,212 0,045

Inverso 142,25 0,528 0,279

Cuadrático 16,054 0,996 0,992

Potencia 0,433 0,174 0,030

Exponencial 0,431 0,197 0,039

Modelo de regresiones Causales curvilíneos (Cuadrático)

Variable dependiente: Consumo de energía Kv/hora

Variable Independiente: Temperatura C°

R= 0,996 Existe una relación entre las variables significativamente fuerte y es directamente
proporcional

R2= 0,922 el 92,2% de las variaciones del tiempo se deben a la distancia

DECISION SOBRE LAS PRIMERAS HIPOTESIS

Ho= El modelo de regresión lineal no se ajusta a los datos

Ha= El modelo de regresión lineal se ajusta a los datos

Valor P= 0,000 nivel de significancia= 0,05

Decisión

P < 0,05

Rechazo la Ho= el modelo de regresión lineal se ajusta a los datos en razón que el valor P es menor
al nivel de significancia de la prueba

Ho: Constante= 0

Ha: Constante Diferente de 0

Valor P= 0,000 < el valor de significancia = 0,05

Decision: con el 95% de confianza podemos concluir que esxiste significancia estadistica para
incluir la constante en la funcion matematica del modelo.
Ho: La pendiente = 0

Ha: La pendiente diferente de 0

Valor P= 0,000 < nivel de significancia 0,05

Decisión: con un nivel de confianza del 95% existe significancia para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función del modelo curvilíneo (Exponencial)

Y= b0 * (b1* t) + (b2* t**2)

Temperatura para el próximo mes es de 33° C

Y = -120,349 * (28,725*31,091) + (-0,214+(-32,503**2))

Y= -106426,134
 EMPRESA DISEÑOS ALTERNATIVOS

Método Error estándar del R R Cuadrado

modelo

Lineal 1,930 0,930 0,816

Logarítmico 1,505 0,942 0,888

Inverso 1,938 0,902 0,814

Cuadrático 1,266 0,970 0,940

Potencia 0,172 0,967 0,934

Exponencial 0,296 0,898 0,806

Modelo de
regresiones Causales curvilíneos (Potencia)

Variable dependiente: Unidades por hora

Variable Independiente: Número de empleados

R= 0,997 Existe una relación entre las variables significativamente fuerte y es directamente
proporcional

R2= 0,934 el 93,4% de las variaciones del tiempo se deben a la distancia

DECISION SOBRE LAS PRIMERAS HIPOTESIS

Ho= El modelo de regresión lineal no se ajusta a los datos

Ha= El modelo de regresión lineal se ajusta a los datos

Valor P= 0,002 nivel de significancia= 0,05

Decisión

P < 0,05

Rechazo la Ho= el modelo de regresión lineal se ajusta a los datos en razón que el valor P es menor
al nivel de significancia de la prueba

Ho: Constante= 0

Ha: Constante Diferente de 0

Valor P= 0,002 < el valor de significancia = 0,05

Decision: con el 95% de confianza podemos concluir que esxiste significancia estadistica para
incluir la constante en la funcion matematica del modelo.
Ho: La pendiente = 0

Ha: La pendiente diferente de 0

Valor P= 0,002 < nivel de significancia 0,05

Decisión: con un nivel de confianza del 95% existe significancia para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función del modelo curvilíneo (Potencia)

Y= b0*(t**b1)

Ln(Y)= ln(b0) + (b1+ln(t))

Incremento en 35 operarios

Y = ln(2,878) + (0,877+ln(35))
 HORAS EXTRA CLASE
Método Error estándar del R R Cuadrado
modelo

Lineal 0,118 0,927 0,859

Logarítmico 0,141 0,893 0,798

Inverso 0,210 0,742 0,550

Cuadrático 0,132 0,932 0,868

Potencia 0,036 0,896 0,802

Exponencial 0,031 0,922 0,812

Modelo de regresiones Causales curvilíneos (exponencial)

Variable dependiente: Calificación

Variable Independiente: Horas extra-clases

R= 0,922 Existe una relación entre las variables significativamente fuerte y es directamente
proporcional

R2= 0,8492 el 84,9% de las variaciones del tiempo se deben a la distancia

DECISION SOBRE LAS PRIMERAS HIPOTESIS

Ho= El modelo de regresión lineal no se ajusta a los datos

Ha= El modelo de regresión lineal se ajusta a los datos

Valor P= 0,009 nivel de significancia= 0,05

Decisión

P < 0,05

Rechazo la Ho= el modelo de regresión lineal se ajusta a los datos en razón que el valor P es menor
al nivel de significancia de la prueba

Ho: Constante= 0

Ha: Constante Diferente de 0

Valor P= 0,000 < el valor de significancia = 0,05

Decision: con el 95% de confianza podemos concluir que esxiste significancia estadistica para
incluir la constante en la funcion matematica del modelo.
Ho: La pendiente = 0

Ha: La pendiente diferente de 0

Valor P= 0,009 < nivel de significancia 0,05

Decisión: con un nivel de confianza del 95% existe significancia para incluir la pendiente en la
función matemática del modelo de regresión lineal.

Función del modelo curvilíneo (Exponencial)

Y= b0 * (e**(b1 * t))

Ln(y)= ln(b0)+(b1*t)

Estudiar 20 horas

Estudiar 15 horas

Ln(y) = ln(3,552) + (0,017*20)

Ln(y)=

Ln(y) = ln(3,552) + (0,017*15)

Ln(y)=