Una determinada universidad realizó un estudio sobre la relación que existe entre el coeficiente intelectual (CI) c

horas de estudio semanal y el promedio de sus calificaciones, para dicho estudio se obtuvo una muestra aleatori
Una determinada universidad realizó un estudio sobre la relación que existe entre el coeficiente intelectual (CI) c
horas de estudio semanal y el promedio de sus calificaciones, para dicho estudio se obtuvo una muestra aleatori

Alumno CI Tiempo estudio (hrs.) Promedio notas X1* Y

1 110 2 55 220
2 115 5 63 575
3 128 9 68 1152
4 112 8 47 896
5 121 14 68 1694
6 111 3 49 333
7 126 8 67 1008
8 130 11 50 1430
9 125 20 66 2500
10 117 9 65 1053
1195 89 598 10861

Estadísticas de la regresión
Coeficiente d 0.66421764
Coeficiente d 0.44118507
R^2 ajustado 0.28152366
Error típico 6.33363472
Observacione 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 2 221.695499 110.847749387209 2.76325430085299 0.13044817
Residuos 7 280.804501 40.1149287465116
Total 9 502.5

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 101.04548 15.2235357 6.63745154325177 0.000293915628073 65.0475386
Variable X 1 0.75093218 0.4439968 1.69130090162082 0.134619963130805 -0.29895341
Variable X 2 0.1968432 0.27450895 0.71707389437343 0.496552260081493 -0.45226731
Análisis de los residuales Resultados de datos de probabilid

Observación Pronóstico CI Residuos Residuos estándares Percentil

1 107.61097 2.38902975 0.166934522764962 5
2 123.564987 -8.56498698 -0.598482297840676 15
3 133.772752 -5.77275221 -0.40337364374331 25
4 92.6586208 19.3413792 1.35148752690262 35
5 134.329234 -13.329234 -0.931386192009594 45
6 96.0071709 14.9928291 1.04763064331679 55
7 131.70894 -5.70893989 -0.398914729441742 65
8 98.8500577 31.1499423 2.17661615363751 75
9 131.09198 -6.0919803 -0.425679849209167 85
10 127.915204 -10.9152043 -0.762704787774351 95
 re el coeficiente intelectual (CI) con dos variables explicativas cantidad de
o se obtuvo una muestra aleatoria de estudiantes de 5º semestre. Tiempo estudio (hrs.) Gráfic
re el coeficiente intelectual (CI) con dos variables explicativas cantidad de 40
o se obtuvo una muestra aleatoria de estudiantes de 5º semestre. 30
20

Residuos
10
0
0 5 10
-10
X2*Y X1*X2 X1^2 X2^2 Y^2 -20
6050 110 4 3025 12100 Tiempo estudio
7245 315 25 3969 13225
8704 612 81 4624 16384
5264 376 64 2209 12544
8228 952 196 4624 14641 Gráfico de probabilid
5439 147 9 2401 12321 135
8442 536 64 4489 15876 130
125
6500 550 121 2500 16900 120
115

CI
8250 1320 400 4356 15625
110
7605 585 81 4225 13689 105
71727 5503 1045 36422 143305 100
0 10 20 30 40 50
Muestra perce

Conclusión: Por los datos recibidos por el programa,

puedo llegar a la conclusion que existe una
correlación fuerte.

or crítico de F

Superior 95%Inferior 95,0%

Superior 95,0%
137.043422 65.0475386 137.043422
1.80081778 -0.29895341 1.80081778
0.84595371 -0.45226731 0.84595371
esultados de datos de probabilidad

CI
110
111
112
115
117
121
125
126
128
130
po estudio (hrs.) Gráfico de los residuales Promedio notas Gráfico de los resid
40
30
20

Residuos
10
0
5 10 15 20 25 45 50 55 60
-10
-20
Tiempo estudio (hrs.) Promedio notas

Gráfico de probabilidad normal Promedio notas Curva de regresión a

150

100

CI
50

0
45 50 55 60
Promedio notas
10 20 30 40 50 60 70 80 90 100
Muestra percentil
CI Pronóstico CI

Tiempo estudio (hrs.) Curva de regresión

150
100
CI

50
0
0 5 10 15
Tiempo estudio (hrs.)

CI Pronóstico CI
otas Gráfico de los residuales

55 60 65 70

Promedio notas

as Curva de regresión ajustada

55 60 65 70
Promedio notas

CI Pronóstico CI

hrs.) Curva de regresión ajustada

10 15 20 25
Tiempo estudio (hrs.)

CI Pronóstico CI
CI Tiempo estudiPromedio notas
110 2 55
115 5 63
128 9 68
112 8 47
121 14 68
111 3 49
126 8 67
130 11 50
125 20 66
117 9 65
Regression Analysis

Regression Statistics
Multiple R 0.6642
R Square 0.4412
Adjusted R Square 0.2815
Standard Error 6.3336
Observations 10

ANOVA
df SS MS F Significance F
Regression 2 221.6955 110.8477 2.7633 0.1304
Residual 7 280.8045 40.1149
Total 9 502.5000

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

Intercept 101.0455 15.2235 6.6375 0.0003 65.0475 137.0434
Tiempo estudio (hrs.) 0.7509 0.4440 1.6913 0.1346 -0.2990 1.8008
Promedio notas 0.1968 0.2745 0.7171 0.4966 -0.4523 0.8460
 Calculations
b2, b1, b0 intercepts 0.1968 0.7509 101.0455
b2, b1, b0 Standard Error 0.2745 0.4440 15.2235
R Square, Standard Error 0.4412 6.3336 #N/A
F, Residual df 2.7633 7 #N/A
Regression SS, Residual SS 221.69549877 280.80450123 #N/A

Confidence level 95%

t Critical Value 2.3646
Half Width b0 35.9979
Half Width b1 1.0499
Half Width b2 0.6491

Lower 95% Upper 95%

65.0475 137.0434
-0.2990 1.8008
-0.4523 0.8460
 El promotor inmobiliario selecciona al azar una muestra de 11 edificios de oficinas entre
1500 edificios y obtiene los datos siguientes.

Y X1 X2 X3 X4
N valor Superficie Oficinas Acceso Antigüedad
1 130000 2.310 2 2 20
2 144000 2.333 2 2 12
3 151000 2.356 3 1.5 33
4 360000 2.273 3 2 40
5 139000 2.402 2 3 53
6 169000 2.425 7 2 23
7 126000 2.448 2 1.5 99
8 142000 2.471 2 2 34
9 163000 2.494 3 3 23
10 189000 2.517 4 4 55
11 149000 2.540 2 3 22
TOTAL 1862000 26.569 32 26 414

Resumen

Estadísticas de la regresión
Coeficiente d 0.59306277611124
Coeficiente d 0.35172345640876
R^2 ajustado -0.0804609059854
Error típico 68370.5032042251
Observacione 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 4 1.5217E+10 3804256892 0.81382735 0.55992358
Residuos 6 2.8047E+10 4674525708
Total 10 4.3264E+10

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 1323528.63095787 704766.394 1.8779678513 0.10946298 -400972.611 3048029.87318
Variable X 1 -535380.93891505 316353.059 -1.692352655 0.1415257 -1309469 238707.109679
Variable X 2 11615.2222202644 14566.8786 0.797372077 0.45562277 -24028.6456 47259.0900279
Variable X 3 37206.274933135 35168.3815 1.0579467506 0.33080171 -48847.6545 123260.204411
Variable X 4 455.726971466962 930.894605 0.4895580757 0.64182893 -1822.09007 2733.5440122
Análisis de los residuales Resultados de datos de probabilidad

Observación Pronóstico valor ResiduosResiduos estándares Percentil valor

1 151003.917758202 -21003.9178 -0.330107346 4.54545455 126000
2 151644.861642254 -7644.86164 -0.120150203 13.6363636 130000
3 163716.3219146 -12716.3219 -0.199855633 22.7272727 139000
4 160806.884844143 199193.115 3.1306116962 31.8181818 142000
5 160541.892344477 -21541.8923 -0.338562405 40.9090909 144000
6 208930.768068456 -39930.7681 -0.627570534 50 149000
7 163342.136788613 -37342.1368 -0.5868864 59.0909091 151000
8 160748.053896905 -18748.0539 -0.29465314 68.1818182 163000
9 173554.384186221 -10554.3842 -0.165877614 77.2727273 169000
10 189590.339402176 -590.339402 -0.009278049 86.3636364 189000
11 165664.384108154 -16664.3841 -0.261905216 95.4545455 360000
 Superficie Gráfico de los residuales
250000
200000
150000

Residuos
100000
50000
0
2.250
-50000 2.300 2.350 2.400 2.450 2.500 2.550 2.600
-100000
Superficie

Superficie Curva de regresión ajustada Acc

400000 400000
300000 300000

valor
valor

200000 200000
100000 100000
0 0
2.250 2.300 2.350 2.400 2.450 2.500 2.550 2.600 1
Superficie

valor Pronóstico valor

Gráfico de probabilidad normal

400000
300000
valor

200000
100000
0
0 20 40 60 80 100 120
Muestra percentil

Conclusión: Analizando todos los datos se deben hacer ajustes

porque existen valores positivos y negativos, un claro ejemplo es
Inferior 95,0%
Superior 95,0% el area de la superficie.
-400972.611 3048029.87
-1309469 238707.11
-24028.6456 47259.09
-48847.6545 123260.204
-1822.09007 2733.54401
os de probabilidad

Acceso Gráfico de los residuales

250000
200000
150000
Residuos

100000
50000
0
-50000 1 1.5 2 2.5 3 3.5 4 4.5
-100000
Acceso

Antigüedad Gráfico de los residuales

250000
200000
150000
Residuos

100000
50000
0
-50000 0 20 40 60 80 100 120
-100000
Antigüedad
 100000

Residu
50000
0
-50000 0 20 40 60 80 100 120
-100000
Antigüedad

Oficinas Curva de regresión ajustada

400000
300000

valor
200000
100000
0
1 2 3 4 5 6 7 8
Oficinas

valor Pronóstico valor

 Oficinas Gráfico de los residuales
250000
200000
150000
Residuos

100000
50000
0
-50000 1 2 3 4 5 6 7 8
-100000
Oficinas

Acceso Curva de regresión ajustada

400000
300000
valor

200000
100000
0
1 1.5 2 2.5 3 3.5 4 4.5
Acceso

valor Pronóstico valor

Antigüedad Curva de regresión ajustada

400000
300000
valor

200000
100000
0
0 20 40 60 80 100 120
Antigüedad

valor Pronóstico valor

se deben hacer ajustes

vos, un claro ejemplo es
cie.
 4 4.5

es

100 120
 100 120

da

7 8
valor Superficie Oficinas Acceso Antigüedad
130000 2.31 2 2 20
144000 2.333 2 2 12
151000 2.356 3 1.5 33
360000 2.273 3 2 40
139000 2.402 2 3 53
169000 2.425 7 2 23
126000 2.448 2 1.5 99
142000 2.471 2 2 34
163000 2.494 3 3 23
189000 2.517 4 4 55
149000 2.54 2 3 22
Regression Analysis

Regression Statistics
Multiple R 0.5931
R Square 0.3517
Adjusted R Square -0.0805
Standard Error 68370.5032
Observations 11

ANOVA
df SS MS F Significance F
Regression 4 15217027567.7881 3804256891.9470 0.8138 0.5599
Residual 6 28047154250.3937 4674525708.3990
Total 10 43264181818.1818

Coefficients Standard Error t Stat P-value Lower 95%

Intercept 1323528.6310 704766.3942 1.8780 0.1095 -400972.6113
Superficie -535380.9389 316353.0587 -1.6924 0.1415 -1309468.9875
Oficinas 11615.2222 14566.8786 0.7974 0.4556 -24028.6456
Acceso 37206.2749 35168.3815 1.0579 0.3308 -48847.6545
Antigüedad 455.7270 930.8946 0.4896 0.6418 -1822.0901
 Calculations
b4 through b0 intercepts 455.7270 37206.2749
b4 through b0 Standard Error 930.8946 35168.3815
R Square, Standard Error 0.3517 68370.5032
F, Residual df 0.8138 6
Regression SS, Residual SS 15217027567.788 28047154250

Confidence level 95%

t Critical Value 2.4469
Half Width b0 1724501.2422
Half Width b1 774088.0486
Half Width b2 35643.8678
Half Width b3 86053.9295
Half Width b4 2277.8170

Upper 95% Lower 95% Upper 95%

3048029.8732 -400972.6113 3048029.8732
238707.1097 ### 238707.1097
47259.0900 -24028.6456 47259.0900
123260.2044 -48847.6545 123260.2044
2733.5440 -1822.0901 2733.5440
11615.2222 -535380.93892 1323529
14566.8786 316353.058747 704766.39
#N/A #N/A #N/A
#N/A #N/A #N/A
#N/A #N/A #N/A
 Alumno Margen de beneficios ingresos (dólar )
1 0.75 3
2 0.71 3.61
3 0.66 3.32
4 0.61 3.07
5 0.7 3.06
6 0.72 3.11
7 0.77 3.21
8 0.84 5.25
9 0.9 3.42
10 0.82 3.42
11 0.75 3.45
12 0.77 3.58
13 0.78 3.66
14 0.8 4.78
15 0.79 3.82
16 0.7 3.97
17 0.68 4.07
18 0.72 4.25
19 0.55 4.41
20 0.63 4.49
21 0.56 4.7
22 0.41 4.58
23 0.61 4.69
24 0.47 4.71
25 0.32 4.78
17.02 98.41

Resumen

Estadísticas de la regresión
Coeficiente d 0.9537613765
Coeficiente d 0.9096607633
R^2 ajustado 0.86225470953
Error típico 0.21745324363
Observacione 25

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresión 2 10.9512239972083
Residuos 23
Total 25
Coeficientes Error típico
Intercepción 0 #N/A
ingresos (dóla0.13967369197
numero de ofi0.01433023674
Análisis de los residuales
Observación
Pronóstico Margen de beneficios
1 0.52344551101
2 0.60245580084
3 0.55881210833
4 0.52203075456
5 0.51983152438
6 0.52612735762
7 0.53960749876
8 0.82414058375
9 0.56866669958
10 0.56873835076
11 0.57302887318
12 0.59130109503
13 0.60501144229
14 0.75362166803
15 0.63228883444
16 0.6564641915
17 0.67346957089
18 0.70174915729
19 0.72961408915
20 0.7431668038
21 0.77781479695
22 0.76462218286
23 0.79824301058
24 0.78940033219
25 0.80116939353
5.47561199860417
1.08757600279166 0.047285913164855
12.0388
Estadístico t
#N/A
0.076909280835291 1.81608370862491
0.041841466634434 0.34248887266777
Residuos Residuos estándares
0.226554488986238 1.08620767698276
0.107544199157335 0.515616950528652
0.101187891673482 0.485141853711464
0.087969245441231 0.421765510646979
0.180168475618251 0.863811537094347
0.193872642383342 0.929515691593791
0.230392501235745 1.10460889422822
0.015859416251679 0.076037423765569
0.331333300420698 1.58856607153285
0.251261649237006 1.20466530393563
0.176971126820826 0.848481958654764
0.178698904971205 0.856765731355373
0.174988557711147 0.83897659949495
0.046378331967236 0.222359311677676
0.157711165558415 0.756140739219061
0.043535808497222 0.208730931022102
0.00653042911198 0.031309916952717
0.018250842712206 0.08750303538063
-0.1796140891468 -0.861153550293908
-0.113166803802736 -0.542574334413656
-0.217814796945756 -1.04430552518116
-0.354622182857572 -1.7002238144647
-0.188243010578659 -0.902524616236174
-0.319400332186424 -1.53135386724919
-0.481169393530753 -2.30695004773882
numero de oficinas X1* Y X2*Y X1*X2 X1 ^2 X2 ^2
2 2
7.287 2.25 5.46525 21.861 9 53.100369
6.855 2.5631 4.86705 24.74655 13.0321 46.991025
6.636 2.1912 4.37976 22.03152 11.0224 44.036496
6.506 1.8727 3.96866 19.97342 9.4249 42.328036
6.45 2.142 4.515 19.737 9.3636 41.6025
6.402 2.2392 4.60944 19.91022 9.6721 40.985604
6.368 2.4717 4.90336 20.44128 10.3041 40.551424
6.34 4.41 5.3256 33.285 27.5625 40.1956
6.349 3.078 5.7141 21.71358 11.6964 40.309801
6.354 2.8044 5.21028 21.73068 11.6964 40.373316
6.361 2.5875 4.77075 21.94545 11.9025 40.462321
6.369 2.7566 4.90413 22.80102 12.8164 40.564161
6.546 2.8548 5.10588 23.95836 13.3956 42.850116
6 3.824 4.8 28.68 22.8484 36
6.89 3.0178 5.4431 26.3198 14.5924 47.4721
7.115 2.779 4.9805 28.24655 15.7609 50.623225
7.327 2.7676 4.98236 29.82089 16.5649 53.684929
7.546 3.06 5.43312 32.0705 18.0625 56.942116
7.931 2.4255 4.36205 34.97571 19.4481 62.900761
8.097 2.8287 5.10111 36.35553 20.1601 65.561409
8.468 2.632 4.74208 39.7996 22.09 71.707024
8.717 1.8778 3.57397 39.92386 20.9764 75.986089
9.991 2.8609 6.09451 46.85779 21.9961 99.820081
9.179 2.2137 4.31413 43.23309 22.1841 84.254041
9.318 1.5296 2.98176 44.54004 22.8484 86.825124
181.402 66.0378 120.54795 724.95844 398.4213 1346.12767

Conclusión: De igual forma aca existen numero positivos y

negativos, por lo cual analizando los datos recibidos se puede
llegar a al conclusion que si se tendria que intervenir lo antes
posible.

F Valor crítico de F
 115.797954023101 2.09452E-12

Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
#N/A #N/A #N/A #N/A #N/A
0.082416190400757 -0.01942528 0.29877266 -0.01942528 0.29877266
0.735093182390304 -0.07222543 0.10088591 -0.07222543 0.10088591

Resultados de datos de probabilidad

Percentil
Margen de beneficios
2 0.32
6 0.41
10 0.47
14 0.55
18 0.56
22 0.61
26 0.61
30 0.63
34 0.66
38 0.68
42 0.7
46 0.7
50 0.71
54 0.72
58 0.72
62 0.75
66 0.75
70 0.77
74 0.77
78 0.78
82 0.79
86 0.8
90 0.82
94 0.84
98 0.9
 ingresos (dólar ) Gráfico de los residuales
0.4
0.2

Residuos
0
2.5 3 3.5 4 4.5 5 5.5
Y^2 -0.2
0.5625 -0.4
0.5041 -0.6
0.4356 ingresos (dólar )
0.3721
0.49
0.5184
0.5929
0.7056 ingresos (dólar ) Curva de regresión ajustada
Margen de beneficios

0.81 1
0.6724 0.8
0.6
0.5625 0.4
0.5929 0.2
0
0.6084 2.5 3 3.5 4 4.5 5 5.5
0.64 ingresos (dólar )
0.6241
0.49 Margen de beneficios Pronóstico Margen de beneficios
0.4624
0.5184
0.3025
0.3969 Gráfico de probabilidad normal
0.3136 1
Margen de beneficios

0.1681 0.8
0.3721 0.6
0.2209 0.4
0.1024 0.2
12.0388 0
0 20 40 60 80 100 120
Muestra percentil

ma aca existen numero positivos y

izando los datos recibidos se puede
si se tendria que intervenir lo antes
posible.
 numero de oficinas Gráfico de los residuales
0.4
0.2
Residuos 0
5.5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5
-0.2
-0.4
-0.6
numero de oficinas

numero de oficinas Curva de regresión ajustada

Margen de beneficios

1
0.8
0.6
0.4
0.2
0
5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5
numero de oficinas

Margen de beneficios Pronóstico Margen de beneficios

Margen de ben
ingresos (dólanumero de oficinas
0.75 3 7.287
0.71 3.61 6.855
0.66 3.32 6.636
0.61 3.07 6.506
0.7 3.06 6.45
0.72 3.11 6.402
0.77 3.21 6.368
0.84 5.25 6.34
0.9 3.42 6.349
0.82 3.42 6.354
0.75 3.45 6.361
0.77 3.58 6.369
0.78 3.66 6.546
0.8 4.78 6
0.79 3.82 6.89
0.7 3.97 7.115
0.68 4.07 7.327
0.72 4.25 7.546
0.55 4.41 7.931
0.63 4.49 8.097
0.56 4.7 8.468
0.41 4.58 8.717
0.61 4.69 9.991
0.47 4.71 9.179
0.32 4.78 9.318
Regression Analysis

Regression Statistics
Multiple R 0.8061
R Square 0.6498
Adjusted R Square 0.6180
Standard Error 0.0848
Observations 25

ANOVA
df SS MS F Significance F
Regression 2 0.2935 0.1467 20.4132 0.0000
Residual 22 0.1581 0.0072
Total 24 0.4516

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

Intercept 1.3766 0.1211 11.3714 0.0000 1.1255 1.6276
ingresos (dólar ) 0.0164 0.0319 0.5150 0.6117 -0.0497 0.0825
numero de oficinas -0.1048 0.0194 -5.4055 0.0000 -0.1450 -0.0646
 Calculations
b2, b1, b0 intercepts -0.1048 0.0164 1.3766
b2, b1, b0 Standard Error 0.0194 0.0319 0.1211
R Square, Standard Error 0.6498 0.0848 #N/A
F, Residual df 20.4132 22 #N/A
Regression SS, Residual SS 0.2934522282 0.1581317718 #N/A

Confidence level 95%

t Critical Value 2.0739
Half Width b0 0.2511
Half Width b1 0.0661
Half Width b2 0.0402

Lower 95% Upper 95%

1.1255 1.6276
-0.0497 0.0825
-0.1450 -0.0646
modelo lineal calcula es estimado

ado el modelo lineal calcula estimado.

X1= 20, + X2= 11, + X3= 10

0)
X1= 15, + X2= 14, + X3= 20
0)
X1= 35, + X2= 19, + X3= 25
5)

X1= 10, + X2= 17, + X3= 30

0)

ado el modelo lineal calcula estimado.

X1= 20, + X2= 11, + X3= 10

0)

X1= 15, + X2= 14, + X3= 20

0)
X1= 35, + X2= 19, + X3= 25
5)
X1= 10, + X2= 17, + X3= 30
0)

ado el modelo lineal calcula estimado.

X11= 20, + X22= 11, + X33= 10

10)

X11= 15, + X22= 24, + X33= 20

20)
X11= 20, + X22= 19, + X33= 25
25)
X11= 10, + X22= 9, + X33= 30
0)