1.

- “Se realiza un experimento para determinar la duración de vida de ciertos circuitos electrónicos (Y) en función
de dos variables de fabricación (X1) y (X2), con los siguientes resultados: Emplea el procedimiento de
matemático.

Datos Y
11
8
73
21
46
30
Totales 189

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98042143011
Coeficiente de determinación R^2 0.96122618061
R^2 ajustado 0.93537696769
Error típico 6.2449979984
Observaciones 6

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 2900.5
Residuos 3 117
Total 5 3017.5

Coeficientes Error típico

Intercepción 31.5 2.54950975679639
X1 1.775 0.31224989991992
X2 4.05 0.62449979983984
 ciertos circuitos electrónicos (Y) en función
sultados: Emplea el procedimiento de

X1 X2 X1* Y X2*Y X1*X2 X1^2

-10 0 -110 0 0 100
0 -5 0 -40 0 0
10 5 730 365 50 100
-10 0 -210 0 0 100
0 5 0 230 0 0
10 -5 300 -150 -50 100
0 0 710 405 0 400

Ecuacion Y= 32.1 + 1.775X1 + 4.05X2

Coeficiente 0.980421430107018

Puedo llegar a la conclusion que a primera vista logramos ver

que nuestro coeficiente es 0.7818, con base en ello sabemos
que es significativo, positiva y directa.

Promedio de los cuadrados F Valor crítico de F

1450.25 37.1858974 0.0076349794852
39

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
12.3553165137056 0.00114225 23.386322094199 39.6136779 23.3863221 39.6136779
5.68454946008059 0.01078941 0.7812814596746 2.76871854 0.78128146 2.76871854
6.48519022910603 0.00744258 2.0625629193493 6.03743708 2.06256292 6.03743708
 X2^2 Y^2
0 121
25 64
25 5329
0 441
25 2116
25 900
100 8971

perior 95.0%
 2.- “Los datos de la tabla adjunta indican la Datos Y X1
gravedad específica  , contenido de humedad   y 11.14 0.99
fuerza   de diez vigas de madera. Encontrar el
modelo de regresión que mejor se ajusta a estos 12.74 0.558
datos”. Emplea el procedimiento de regresión 13.13 0.604
múltiple de PHSTAT2. 11.51 0.441
12.38 0.55
Ecuacion Y= 17.8648+0.8612x1-0.6536x2 12.6 0.528
Coeficiente 0.7818 11.13 0.418
11.7 0.48
Se puede llegar a la conclusion que a simple vista
nuestro coeficiente es de 0.7818, que esto nos dice 11.02 0.406
que es significativo, positivo y directo. 11.41 0.467
Totales 118.76 5.442
 X2
11.1
8.9
8.8
8.9
8.8
9.9
10.7
10.5
10.5
10.7
98.8
Y X1 X2
11.14 0.99 11.1
12.74 0.558 8.9
13.13 0.604 8.8
11.51 0.441 8.9
12.38 0.55 8.8
12.6 0.528 9.9
11.13 0.418 10.7
11.7 0.48 10.5
11.02 0.406 10.5
11.41 0.467 10.7
Regression Analysis

Regression Statistics
Multiple R 0.7818
R Square 0.6113
Adjusted R Square 0.5002
Standard Error 0.5430
Observations 10

ANOVA
df SS MS F Significance F
Regression 2 3.2460 1.6230 5.5037 0.0366
Residual 7 2.0642 0.2949
Total 9 5.3102

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 17.8648 1.9350 9.2323 0.0000 13.2892 22.4405
X1 0.8612 1.0874 0.7920 0.4543 -1.7100 3.4324
X2 -0.6536 0.1973 -3.3133 0.0129 -1.1201 -0.1871
 Calculations
b2, b1, b0 intercepts -0.6536 0.8612 17.8648
b2, b1, b0 Standard Error 0.1973 1.0874 1.9350
R Square, Standard Error 0.6113 0.5430 #N/A
F, Residual df 5.5037 7 #N/A
Regression SS, Residual SS 3.2459984437 2.0642415563 #N/A

Confidence level 95%

t Critical Value 2.3646
Half Width b0 4.5756
Half Width b1 2.5712
Half Width b2 0.4665

Lower 95% Upper 95%

13.2892 22.4405
-1.7100 3.4324
-1.1201 -0.1871
 3.- “En la tabla adjunta se presenta un indicador provincial global de consumo   el número de automóviles por mil
habitantes   y el número de teléfonos por mil habitantes   en ocho provincias españolas. Estudiar un modelo explicativo
que relaciones el indicador global con los dos indicadores de consumo (datos de 1974)”.: Emplea el procedimiento de
Análisis de Datos de Excel.

Provincia Y
Ávila 64
Palencia 778
Segovia 83
Burgos 88
Soria 89
Valladolid 99
Logroño 101
Santander 102
TOTAL 1404

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.389588410347783
Coeficiente de determinación R^2 0.151779129477312
R^2 ajustado -0.187509218731763
Error típico 265.634068765084
Observaciones 8

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 63130.7075565343
Residuos 5 352807.292443466
Total 7 415938

Coeficientes Error típico

Intercepción 367.505994589246 669.280471117501
X1 7.83987253519555 10.361949615511
X2 -5.78609039146716 6.16145731930312
 mo   el número de automóviles por mil
españolas. Estudiar un modelo explicativo
s de 1974)”.: Emplea el procedimiento de

X1 X2
58 111
84 131
78 158
81 147
82 121
102 165
85 174
102 169
672 1176

Ecuacion Y= 367.505+7.839X1-5.786X2
Coeficiente 0.389588410347783

Se puede llegar a la conclusion que el coeficiente es

0.389588410347783, que esto quiere decir que es debil, al igual que
positivo y directo.

Promedio de los cuadrados F Valor crítico de F

31565.3537782672 0.44734554 0.662631969671382
70561.4584886931

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
0.549106107900652 0.60655393 -1352.93422741152 2087.94622 -1352.93423 2087.94622
0.756602070662445 0.48339362 -18.7963669282157 34.476112 -18.7963669 34.476112
-0.939078223156723 0.39080442 -21.6246206575162 10.0524399 -21.6246207 10.0524399
perior 95.0%
 4.- “La demanda de un tipo de impresoras ha cambiado debido a una rápida varia
el precio. Se ha observado la demanda   en una amplia región geográfica y el pr
unitario   (en unidades de diez mil pesetas). Los resultados son los de la tabla ad
Ajustar un polinomio de regresión a estos datos que explique el comportamiento
demanda”. Emplea el procedimiento de Análisis de Datos de Excel.

Datos Y
1 360
2 305
3 230
4 242
5 180
6 172
7 121
8 83
9 122
10 91
11 105
Totales 2011

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.870856045428373
Coeficiente de determinación R^2 0.758390251859145
R^2 ajustado 0.731544724287939
Error típico 47.5282442448349
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 63815.2303546662
Residuos 9 20330.4060089701
Total 10 84145.6363636364

Coeficientes Error típico

Intercepción 497.155958003466 60.852078550379
X -24.4188950426421 4.5942604172702
 presoras ha cambiado debido a una rápida variación en
emanda   en una amplia región geográfica y el precio
mil pesetas). Los resultados son los de la tabla adjunta.
n a estos datos que explique el comportamiento de la
procedimiento de Análisis de Datos de Excel.

X
8.8 Ecuacion Y= 497.15 5- 24.418x
9.7 Coeficiente 0.870856045428373
9.9
10.3
Se puede llegar a la conclusion que el coeficiente
11 es de 0.870856045428373, que esto queire decir
12.5 que es fuerte, positivo y directo.
13.2
14.8
15.8 FORMULA: 𝑌=𝑎+𝑏_1 𝑋_1+𝑏_2 𝑋_2
17.4
18.2
141.6

Promedio de los cuadrados F Valor crítico de F

63815.2303546662 28.2501527 0.000484112487451
2258.93400099668

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

8.16990922654965 1.87062E-05 359.498992639567 634.812923 359.49899264
-5.31508726646176 0.00048411 -34.8118341533302 -14.0259559 -34.811834153
 Superior 95.0%
634.8129233674
-14.025955932