INSTITUTO TECNOLÓGICO DE

MINATITLÁN

ESTUDIANTE:
CRUZ HERNÁNDEZ BRYANT

N° C: 19230988 3°SEMESTRE

MATERIA:
PROBABILIDAD Y ESTADÍSTICA
CATEDRÁTICO:
ING. LARA CRUZ ERASTO
CARRERA:
ING. ELECTROMECANICA
Actividad 5,1 Ejercicios Tema 5
1.- En una muestra de 1500 individuos se recogen datos sobre
dos medidas antropométricas X e Y. Los resultados que se
obtienen son x= 14, y= 100, sx= 2, sy= 25, sxy= 45
x=1 4 y=10 0 sx=2 sy=2 5 sxy=4 5
Obtener el modelo de regresión lineal que mejor aproxima Y en función de
X. Utilizando este modelo calcular de modo aproximado la cantidad Y
esperada cuando X= 15

sxy 45
b= = =11.2 5
sx
2
4

a= y−bx=100−( 11.25 ) ( 14 ) =−57.5

y=−57.5+ 11.25 ( 15 )=111.25

2.- De una muestra de 8 observaciones conjuntas de valores de dos

variables X e Y se obtiene la siguiente información: ∑xi= 24, ∑xiyi= 64, ∑yi=
40, s 2y= 12, S2 x= 6.
a) Obtener la recta de regresión de Y sobre X. Explicar el significado de los
parámetros. b) Calcular el coeficiente de determinación. Comentar el
resultado e indicar el porcentaje de variación de Y que no está explicado por
el modelo de regresión lineal. c) Si el modelo es adecuado, ¿cuál es la
predicción para un valor de x= 4 d) Obtener la recta de regresión de X sobre
Y.
a) Obtener la recta de regresión de Y sobre X. Explicar el significado de los
parámetros.

sxy xy−xy 8
b= 2 = =
64 24
−
8 ( )( 408 )= - 1.167
sx sx
2
6

a= y−bx=40 8−( 1.167 ) 24 8=8.5

y=8.5−1.167 x
b) Calcular el coeficiente de determinación. Comentar el resultado e indicar
el porcentaje de variación de Y que no está explicado por el modelo de
regresión lineal.
 2
sxy 2 (−7 )
R2=rxy 2= = =0.68
sx sy 6∗12
2 2

c) Si el modelo es adecuado, ¿cuál es la predicción para un valor de x= 4

y=8.5−1.167 ( 4 )=3.8 3
d) Obtener la recta de regresión de X sobre Y.

3.- La tabla siguiente contiene la edad X y la máxima de presión sanguínea Y de

un grupo de 10 mujeres:

xi yi xi
2 2
yi xiyi
56 14.8 3136 219.04 828.8
42 12.6 1764 158.76 529.2
72 15.9 5184 252.81 1144.8
36 11.8 1296 139.24 424.8
63 14.9 3969 222.01 938.7
47 13 2209 169 611
55 15.1 3025 228.01 830.5
49 14.2 2401 201.64 695.8
38 11.4 1444 129.96 433.2
 42 14.1 1464 198.81 592.2

500 137.8 26192 1919.28 7029

500
x= =5 0
10

137.8
y= =13.7 8
10

2 2 2 26192 2
sx =x −x = =−50 =119.2
10

1919.28
sy 2= y 2− y 2= =−13.728=2.04
10

7029
sxy=xy −xy= −50∗13.78=13.9
10

sxy 13.9
rxy= =
sxsy √ 119.2∗2.04
=0.89

sxy 13.9
b= = =0.12
sx 119.2
2

a= y−b=137.78−0.12∗50=7.95

c)
R 2=0.892=0.79
79% de Y esta explicado
21% está sin explicar de la variabilidad
d)
x=51
y=7.95+ 0.12∗51=13.90

5.-Se ha llevado a cabo un ajuste lineal a una nube de puntos formada por
observaciones de dos variables X e Y y se ha obtenido un coeficiente de
determinación de 0.03. Discutid si las siguientes afirmaciones son ciertas y
por qué:

a) El coeficiente de correlación lineal entre X e Y valdrá 0.173.

𝐹𝑎𝑙𝑠𝑜, 𝑟𝑥𝑦 = ± √𝑅2 = ± √0.03 = ±0.173.

b) La covarianza entre X e Y puede ser negativa.

Cierto ya que eso es lo que vale la correlación lineal

c) Las variables X e Y son casi independientes.

Es falso, ya que la relación que existe entre X y Y a veces son no lineal

d) El coeficiente de determinación entre−X e Y valdrá -0.03.

es falso ya que R2 nunca es negativo. En ese caso es R2=0.03

e) El coeficiente de determinación entre−X y –Y valdrá 0.03

cierto ya que R2=0.03

.f) Solo el 3%de la variabilidad total de Y queda sin explicar en el modelo.

Es falso porque solo enseña o explica el 3 por ciento de la variabilidad de Y por lo
ano resta un 97 por ciento por explicar