Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C1 50 45 45
C2 45 30 35
C3 30 25 20
C4 45 35 40
C5 40 30 35
RESUMEN
Grupos Cuenta Suma Promedio Varianza
C1 3 140 46.666666667 8.33333333
C2 3 110 36.666666667 58.3333333
C3 3 75 25 25
C4 3 120 40 25
C5 3 105 35 25
Total 1033.33333 14
A.A. A.R.
0.1
0 5.99
6.62
alor crítico para F
Análisis de varianza de un factor
RESUMEN
Grupos
Usted
Seymore
Gertchen
ANÁLISIS DE VARIANZA
Origen de las variaciones
Entre grupos
Dentro de los
Total
Afirmacion Usted Seymore Gertchen
1 2 2 3
2 1 3 4
3 0 1 4
4 4 6 5
5 2 3 4
6 1 4 3
nálisis de varianza de un factor
41.7777778 17
A.A. A.R.
0.05
0 3.68
4.10
Análisis de varianza de un fa
RESUMEN
Grupos
Comision
Salario
Bonificacione
ANÁLISIS DE VARIANZA
Origen de las variaciones
Entre grupos
Dentro de los
Total
Planta Comision Salario Bonificaciones
1 25 25 37
2 35 25 50
3 20 22 30
4 30 20 40
5 25 25 35
nálisis de varianza de un factor
985.6 14
A.A. A.R.
0.05
0 Limite 3.89
Prueba 9.88
Origen de las variaciones
\]
Análisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Mina 1 4 151.1 37.775 72.3158333
Mina2 4 207.5 51.875 58.7358333
Mina3 4 224 56 21.5266667
Total 1188.37 11
A.A. A.R.
0.05
0 Limite 8.02
Prueba 7.18
X Y A)Haga un diagrama de dispersion para los datos
28 14
54 21 Diagrama de dispersion
67 36
60
37 39
50
41 18
69 54 40
76 52 30
20
10
-
20 30 40 50 60 70 80
B)Relacion entre X y Y
Resumen
Estadísticas de la regresión
Coeficiente d 0.77
Coeficiente 0.59
R^2 ajustado 0.50
Error típico 11.42
Observacione 7.00
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 1.00 923.77 923.77 7.08
Residuos 5.00 651.94 130.39
Total 6.00 1,575.71
Y
60
50
f(x) = 0.678459567198178 x − 2.62670842824601
40
30
20
10
-
20 30 40 50 60 70 80
Valor crítico de F
0.04
Diagrama de dispersion
7
6
5
4 f(x) = 1.2716158974237 x − 0.248063306124611
3
2
1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Resumen
Estadísticas de la regresión
Coeficiente de 0.84
Coeficiente d 0.71
R^2 ajustado 0.68
Error típico 1.03
Observaciones 10.00
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1.00 21.08 21.08 19.78 0.00
Residuos 8.00 8.52 1.07
Total 9.00 29.60
y = 1.2716x - 0.2481
C) Si tiene una GPA de 2.33, cuantas ofertas laborales pronostica usted que recibira
(X)= 2.33
(Y)= 3
R/= Se pronostican 3 ofertas laborales
Inferior 95.0%
Superior 95.0%
- 2.00 1.50
0.61 1.93
A) Haga un diagrama de dispersion para los datos
Diagrama de Dispersion
30
25
15
10
0
5 10 15 20 25 30 35 40
Resumen
Estadísticas de la regresión
Coeficiente d 0.92
Coeficiente 0.84
R^2 ajustado 0.83
Error típico 2.25
Observacione 12.00
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1.00 275.66 275.66 54.50 0.00
Residuos 10.00 50.58 5.06
Total 11.00 326.24
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 1.77 1.58 1.12 0.29 - 1.76 5.30 - 1.76
Ingreso 0.56 0.08 7.38 0.00 0.39 0.73 0.39
y=1.78+0.56∗x El modelo de regresión lineal explica que si el ingreso aumenta un dólar, el incremento en dólares e
C)¿Qué consumo pronosticara el modelo para alguien que gana US$ 27,500?
y=1.78+0.56∗x
y=1.78+0.56∗27500
y=15402
Según el modelo de regresión lineal si el consumidor gana US$ 27,500 su consumo será de US$ 15,402.
Consumidor Ingreso Consumo
1 24.3 16.2
2 12.5 8.5
3 31.2 15
4 28 17
5 35.1 24.2
6 10.5 11.2
7 23.2 15
8 10 7.1
9 8.5 3.5
10 15.98 11.5
11 14.7 10.7
12 15 9.2
Superior 95.0%
5.30
0.73
Diagram de dispersion
350
300
200
150
100
50
0
8 9 10 11 12 13 14 15 16
Resumen
Estadísticas de la regresión
Coeficiente d 0.87
Coeficiente 0.75
R^2 ajustado 0.72
Error típico 41.76
Observacione 10.00
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1.00 42,598.80 42,598.80 24.42 0.00
Residuos 8.00 13,952.80 1,744.10
Total 9.00 56,551.60
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 520.04 66.73 7.79 0.00 366.17 673.91 366.17
Interes - 27.44 5.55 - 4.94 0.00 - 40.24 - 14.64 - 40.24
y=520.0432−27.44∗x
C)Si la tasa de interés es del 9.5%, ¿Cuántas casas se venderían de acuerdo con el modelo?
y=520.0432−27.44∗x si x=9.5
y=520.0432−27.44∗9.5
y=259
Mes Interes Casas
1 12.3 196
2 10.5 285
3 15.6 125
4 9.5 225
5 10.5 248
6 9.3 303
7 8.7 265
8 14.2 102
9 15.2 105
10 12 114
Superior 95.0%
673.91
- 14.64
A)haga un diagrama de dispersion para los datos
Diagram de Dispersion
7
0
4 6 8 10 12 14 16
Estadísticas de la regresión
Coeficiente d 0.67778804
Coeficiente d 0.45939663
R^2 ajustado 0.36929607
Error típico 0.6172623
Observacione 8
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1.94267349 1.94267349 5.09870989 0.06472287
Residuos 6 2.28607651 0.38101275
Total 7 4.22875
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 3.71906277 0.61298031 6.06718142 0.00090972 2.21915397 5.21897156 2.21915397
Unidades 0.12588197 0.05574852 2.25803231 0.06472287 -0.01052976 0.26229369 -0.01052976
y=3.7131+0.1259∗x
C)Si la tasa de interés es del 9.5%, ¿Cuántas casas se venderían de acuerdo con el modelo?
y=3.7131+0.1259∗x x = 750
y=3.7131+0.1259∗750
y=98.1381
Unidades Costo
12.3 6.2
8.3 5.3
6.5 4.1
4.8 4.4
14.6 5.2
14.6 4.8
14.6 5.9
6.5 4.2
Superior 95.0%
5.21897156
0.26229369
A)haga un diagrama de dispersion para los datos
Ausencias
6
4
f(x) = 0.069740853658537 x + 2.64710365853659
3
0
0 2 4 6 8 10 12 14 16 18
Estadísticas de la regresión
Coeficiente de 0.25
Coeficiente d 0.06
R^2 ajustado - 0.04
Error típico 1.40
Observaciones 11.00
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1.00 1.16 1.16 0.59 0.46
Residuos 9.00 17.75 1.97
Total 10.00 18.91
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 2.65 0.72 3.69 0.00 1.03 4.27 1.03
Millas 0.07 0.09 0.77 0.46 - 0.14 0.28 - 0.14
y=2.67+0.07∗x
El modelo de regresión lineal explica que si la distancia para llegar al campus aumenta en una milla la posibilidad de faltar a cla
C) A cuantas clases faltaría usted si viviera a 3,2 millas del campus, según el modelo?
y=2.67+0.07∗x
y=2.67+0.07∗3.2 Según el modelo de regresión lineal si el estudiante viviera a 3,2 millas del campus el número de fa
y=2.89
Millas Ausencias
5 2
6 2
2 4
0 5
9 4
12 2
16 5
5 2
7 3
0 1
8 4
Superior 95.0%
4.27
0.28
milla la posibilidad de faltar a clase es tan solo de 0,07, es decir, que no es una variable significativa a la explicación de la ausencia de los es