Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TECNOLOGIA
UNIVERSIDAD AUTONOMA JUAN
MISAEL SARACHO
Actividad # 8
2020
Objetivos:
Representar el diagrama de dispersión
Ajustar una recta de regresión a las observaciones
Analizar la bondad del ajuste lineal
Ajustar una curva parabólica a las observaciones
Comparar el ajuste lineal y el parabólico.
Fundamento teórico:
Teoría de Regresión.- En estadística, el análisis de la regresión es un proceso
estadístico para estimar las relaciones entre variables. Incluye muchas técnicas para el
modelado y análisis de diversas variables, cuando la atención se centra en la relación
entre una variable dependiente y una o más variables independientes (o predictores). Más
específicamente, el análisis de regresión ayuda a entender cómo el valor de la variable
dependiente varía al cambiar el valor de una de las variables independientes,
manteniendo el valor de las otras variables independientes fijas.
Dependencia funcional: Existe una función matemática que expresa los valores de Y
en función de los valores de X de forma exacta.
Y = a + bx
En general, r> 0 indica una relación positiva y r <0 indica una relación negativa,
independientes y no están relacionadas). Aquí, r = 1,0 describe una correlación positiva
perfecta y r = -1,0 describe una correlación negativa perfecta.
Cuanto más cerca estén los coeficientes de +1,0 y -1,0, mayor será la fuerza de la
relación entre las variables.
Tarea actividad 8
Grafica 1
ANOVAb
Modelo Suma de gl Media F Sig.
cuadrado cuadrática
s
1 Regresió 2345,145 1 2345,145 121,325 ,000a
n
Residual 212,624 11 19,329
Total 2557,769 12
Coeficientesa
Coeficiente Intervalo de
Coeficientes no
s confianza de
estandarizados
tipificados 95.0% para B
Modelo t Sig.
Límite Límite
B Error típ. Beta inferio superio
r r
1 (Constante 8,285 3,533 2,345 ,039 ,509 16,061
Lineal
ANOVA
Suma de gl Media F Sig.
cuadrado cuadrátic
s a
Regresió 2345,145 1 2345,145 121,32 ,000
n 5
Residual 212,624 11 19,329
Total 2557,769 12
Coeficientes
Coeficientes no Coeficientes t Sig. Colas de
estandarizados estandarizado Significació
s n
B Error Beta
típico
X 2,778 ,252 ,958 11,015 ,000 Significativ
a
(Constante 8,285 3,533 2,345 ,039 No
) Significativ
a
Modelo matemáticos:
y=+ B+ Bx
y=+ 8.285+2.778 x
T de Tabla 1 -12,7062
T de Tabla 2 -2,200985
T Calculado 2,345
Grafica 2
ANOVA
Suma de gl Media F Sig.
cuadrado cuadrática
s
Regresió 2373,326 2 1186,663 64,33 ,000
n 7
Residual 184,443 10 18,444
Total 2557,769 12
Grafica 3
y=+ B+ Bx+ B x 2
T de Tabla 1 -4,3026527
T de Tabla 2 -2,2281389
T Calculado -,384
Conclusión:
Concluyo con mis objetivos de obtener cada grafica con la aplicación Spss, al cual se
observó que en la primera grafica la dispersión de puntos no es muy notoria es decir que
tiene una correlación aproximada de 0.95, al cual es bueno ya que nos indica que los
valores no están tan lejanos. Pero en la segunda grafica es muy notoria la dispersión, ya
que no se puede graficar ni una recta aproximada, es decir que su coeficiente de
correlación es cero.
_ En la tercera grafica se puede apreciar la dispersión en forma de curva, es decir que los
valores no son nada constantes sino por lo contrario con el paso de las variables, las otras
variables van cambiando ya sea en forma creciente o decreciente. Por esta razón se
aprecia, en el cuarto grafico donde el modelo lineal se aproxima un poco mejor a la nube
de puntos que el modelo cuadrático, resaltando una línea recta aproximada a los puntos
sobre la curva.