1.

Los siguientes datos son representativos de los reportados en el artículo (“An Experimental
Correlation of Oxides of Nitrogen Emissions from Power Boilers Base on Field Data” (J. Eng. for
Power, julio de 1973: 165-170), con x = tasa de liberación debido a área de quemador (MBtu/h
pie2 ) yy = tasa de emisión de NOX (ppm):

a) Realiza un diagrama de dispersión. Grafica la recta de tendencia lineal, donde aparezca su

ecuación y R2

y = -45.55 + 1.71x
800

700
y = 1.7114x - 45.552
600 R² = 0.9609

500

400

300

200

100

0
0 50 100 150 200 250 300 350 400 450
b) Realiza una tabla en Excel donde calcules x, x2, xy, y, y2 para cada dato, así como sus
sumatorias.

x y x^2 xy y^2
100 150 10000 15000 22500
125 140 15625 17500 19600
125 180 15625 22500 32400
150 210 22500 31500 44100
150 190 22500 28500 36100
200 320 40000 64000 102400
200 280 40000 56000 78400
250 400 62500 100000 160000
250 430 62500 107500 184900
300 440 90000 132000 193600
300 390 90000 117000 152100
350 600 122500 210000 360000
400 610 160000 244000 372100
400 670 160000 268000 448900
3300 5010 913750 1413500 2207100

c) Determina la ecuación de la recta de regresión por fórmula

Varianza en x: = (913750) – (1 / 14) (3300)2 = 135892.8571

Varianza en y: = (2207100) – (1 / 14) (5010)2 = 414235.7142

Covarianza: = (1413500) - (1 / 14) (3300) (5010) = 232571.4285

Pendiente: = 232571.4285 / 135892.8571 = 1.7114

Ordenada al origen: = 5010 – (1.7114) (3300) / 14 = - 45.5442

La recta de regresión: = y = -45.5442 + 1.7114x

d) Con el modelo obtenido, calcula la tasa de emisión de NOX esperada, cuando la tasa de
liberación debido al área del quemador es igual a 225
y = -45.5442 + 1.7114 (225) = 339.5208
y= 339.5208, tasa de emisión de NOX esperada

e) Estime la cantidad en la cual espera que cambie la tasa de emisiones de NOX cuando la tasa de
liberación debido al área del quemador disminuye en 50.
y = -45.5442 + 1.7114(225-50)
y = -45.5442 + 1.7114 (175) = 253.9508
y = 253.9508 tasa de emisión de NOX

f) Determina el coeficiente de correlación lineal y el coeficiente de determinación por fórmula

232571.4285
Coeficiente de correlación lineal: = = 0.9802
√(135892.8571)(414235.7142)

Coeficiente de relación lineal = .9802 (tienen una asociación muy alta)

Coeficiente de determinación por fórmula: r2 = (0.9802)2 = 0.960792

g) ¿Utilizaría la línea de regresión estimada para predecir la tasa de emisión con una tasa de
liberación de 500? ¿Por qué sí o por qué no?
Si, ya que según el coeficiente de correlación lineal me indica que ambas variables están altamente
relacionadas por lo que sería viable tratar de predecirla con la línea de regresión estimada.
2. Varios estudios han demostrado que los líquenes (ciertas plantas compuestas de un alga y un
hongo) son excelentes bioindicadores de la contaminación del aire. El artículo “The Epiphytic
Lichen Hypogymnia Physodes as a Biomonitor of Atmospheric Nitrogen and Sulphur Deposition
in Norway” (Envir. Monitoring and Assessment, 1993: 27-47) da los siguientes datos (tomados de
una gráfica) sobre x =deposición de x = NO3 en húmedo (g N/m2 ) y y = N de liquen (% de peso
en seco):

a) Realiza un diagrama de dispersión. Grafica la recta de tendencia lineal, donde aparezca su

ecuación y R2

Título del gráfico

1.8

1.6
y = 0.9668x + 0.3651
1.4 R² = 0.7175

1.2

0.8

0.6

0.4

0.2

0
0 0.2 0.4 0.6 0.8 1
b) Realiza una tabla en Excel donde calcules x, x2, xy, y, y2 para cada dato, así como sus
sumatorias.

x y x^2 xy y^2
0.05 0.48 0.0025 0.024 0.2304
0.1 0.55 0.01 0.055 0.3025
0.11 0.48 0.0121 0.0528 0.2304
0.12 0.5 0.0144 0.06 0.25
0.31 0.58 0.0961 0.1798 0.3364
0.37 0.52 0.1369 0.1924 0.2704
0.42 1.02 0.1764 0.4284 1.0404
0.58 0.86 0.3364 0.4988 0.7396
0.68 0.86 0.4624 0.5848 0.7396
0.68 1 0.4624 0.68 1
0.73 0.88 0.5329 0.6424 0.7744
0.85 1.04 0.7225 0.884 1.0816
0.92 1.7 0.8464 1.564 2.89
5.92 10.47 3.8114 5.8464 9.8857

c) Determina la ecuación de la recta de regresión por fórmula

Varianza en x: = (3.8114) – (1 / 13) (5.92)2 = 1.1155

Varianza en y: = (9.8857) – (1 / 13) (10.47)2 = 1.45332

Covarianza: = (5.8464) - (1 / 13) (5.92) (10.47) = 1.07852

Pendiente: = 1.07852 / 1.1155 = 0.9668

Ordenada al origen: = 10.47 – (0.9668) (5.92) / 13 = 0.3651

La recta de regresión: = y = 0.3651 + 0.9668x

d) Con el modelo obtenido, Pronostique el N de liquen con un valor de deposición de NO3 de 0.5.
y = 0.3651 + 0.9668 (0.5) = 0.8485
y= 0.8485 N de liquen
e) Determina el coeficiente de correlación lineal y el coeficiente de determinación por fórmula

1.07852
Coeficiente de correlación lineal: = = 0.8470
√(1.1155)(1.45332)

Coeficiente de determinación por fórmula: r2 = (0.8470)2 = 0.7174