Xi Yi (xi-ẋ) (Yi-Ẏ) (xi-ẋ)*(Yi-Ẏ) 1.

primero poner los datos de xi y luego los de yi

2 100 -29.15 -95.08 2771.86 2. luego sacar la media muestral o promedio de xi y tambie
5 150 -26.15 -45.08 1178.93 3.luego restar los datos de xi menos la media muestral de
9 140 -22.15 -55.08 1220.17 4.luego toca multiplicar los resultados de (xi-ẋ) con los resu
15 155 -16.15 -40.08 647.40 5.Luego sumar el total de los resultados de (xi-ẋ)*(Yi-Ẏ)
20 150 -11.15 -45.08 502.78 6. Luego contar el numero de datos
24 194 -7.15 -1.08 7.70 7. Luego sacar la covarinza de X y Y
29 200 -2.15 4.92 -10.60 8. Luego interpretar el res
31 200 -0.15 4.92 -0.76 9. Luego para sacar el coeficiente de correlacion se saca la
35 211 3.85 15.92 61.24 10. Luego sacar el coeficiente de correlacion
34 245 2.85 49.92 142.09 11. Interpretar según la teoria
58 245 26.85 49.92 1340.24 12.Luego sacar el grafico de dispersion
63 246 31.85 50.92 1621.70
80 300 48.85 104.92 5125.09
Chart Title
350

300

250

200

150

100

50

0
0 10 20 30 40 50 60 70
e xi y luego los de yi
stral o promedio de xi y tambien de yi COVARIANZA MUESTRAL
i menos la media muestral de xi y tambien restar lo
resultados de (xi-ẋ) con los resultados de (Yi-Ẏ) COEFICIENTE DE CORRELACION
s resultados de (xi-ẋ)*(Yi-Ẏ) Media ẋ 31.15385
Media Ẏ 195.0769

SUMA DE (xi-ẋ)*(Yi-Ẏ) 14607.85

iente de correlacion se saca la desviacion estandar d n Datos 13
e de correlacion
COV(X,Y) 1217.32
Existe una relacion lineal positiva fuerte

Chart Title SX Desviacion estandar 23.47

SY Desviacion estandar 55.25
COEF CORRELACION 0.94

40 50 60 70 80 90
 Xi Yi (xi-ẋ) (xi-ẋ)^2 (Yi-Ẏ) (xi-ẋ)*(Yi-Ẏ)
2 100 -29.2 849.95 -95.08 2771.86
5 150 -26.2 684.02 -45.08 1178.93
9 140 -22.2 490.79 -55.08 1220.17
15 155 -16.2 260.95 -40.08 647.40
20 150 -11.2 124.41 -45.08 502.78
24 194 -7.2 51.18 -1.08 7.70
29 200 -2.2 4.64 4.92 -10.60
31 200 -0.2 0.02 4.92 -0.76
35 211 3.8 14.79 15.92 61.24
34 245 2.8 8.10 49.92 142.09
58 245 26.8 720.72 49.92 1340.24
63 246 31.8 1014.18 50.92 1621.70
80 300 48.8 2385.95 104.92 5125.09
Suma x suma y
405 2536
SUMA DE (xi-ẋ)^2 6609.69
 Media ẋ 31.15
Media Ẏ 195.08

SUMA DE (xi-ẋ)*(Yi-Ẏ) 14607.85

n Datos 13

COV(X,Y) 1217.320512821
SX Desviacion estandar 23.46929253957
SY Desviacion estandar 55.2516387969
COEF CORRELACION 0.938771243767
M: PENDIENTE 2.21006447408235
B: PUNTO DE CORTE 126.22
B: PUNTO DE CORTE 126.22

LA ECUACION DE LA RECTA DE REGRESION LINEAL SIMPLE PARA

NUESTRO EJEMPLO ES Ӯ:2,21+26,22
 Xi Yi (xi-ẋ) (Yi-Ẏ) (xi-ẋ)*(Yi-Ẏ) (xi-ẋ)^2 xi*yi
0 1 -23.14 -41.54 961.26 535.59 0
1 1.5 -22.14 -41.04 908.65 490.31 1.5
2 3 -21.14 -39.54 835.90 447.02 6
10 19 -13.14 -23.54 309.33 172.73 190
13 27 -10.14 -15.54 157.58 102.88 351
15 31 -8.14 -11.54 93.93 66.31 465
22 43 -1.14 0.46 -0.53 1.31 946
27 51 3.86 8.46 32.65 14.88 1377
30 60 6.86 17.46 119.76 47.02 1800
33 64 9.86 21.46 211.58 97.16 2112
36 69 12.86 26.46 340.26 165.31 2484
40 70 16.86 27.46 462.97 284.16 2800
45 75 21.86 32.46 709.58 477.73 3375
50 81 26.86 38.46 1033.04 721.31 4050
SX SY M: PENDIENTE 1.70
324 595.5 B: PUNTO DE CORTE 3.09
B: PUNTO DE CORTE 3.09
Chart Title
90
f(x) = 1.70430891744855 x + 3.09313648190492
80
70
60
50
40
30
20
10
0
0 10 20 30 40 50 60
Ӯ=1,70X+3,09
Ӯ=1,70(200)+3,09
343.09
(Xi)^2
0
1
4 Media ẋ 23.14
100 Media Ẏ 42.54
169
225 SUMA DE (xi-ẋ)*(Yi-Ẏ) 6175.93
484 n Datos 14
729
900 COV(X,Y) 475.07
1089
1296 SX Desviacion estandar 16.70
1600 SY Desviacion estandar 28.72
2025 COEF CORRELACION 0.99
2500
SUMA DE (xi-ẋ)^2 3623.71
SUMA DE xi*yi 19957.50
SUMA DE (Xi)^2 11122
PARA GRAFICAR EN GEOGEBRA
 Xi Yi
1 1
2 4
3 7.9
4 17
5 25
6 37
1.PONGO LOS DATOS DE Xi Y DE Yi
2. SELECCIONO LOS DATOS DE Xi Y DE Yi Y VOY A GRAFICAR en diagrama de dispersion
3. luego selecciono los puntos y le doy clic derecho y le doy en linea de tendencia y sel
4. luego bajo y selecciono
5. ENTONCES CON EL RESULTADO DECIMOS QUE LA ECUACION ES Ӯ=1,0699x²-0,265x+

REGRESION CUADRATICA
40

35
f(x) = 1.069866071429 x² − 0.264955357143 x
30
R² = 0.999134849883926
25 EJERCICIO
20

15

10

0
0 1 2 3 4 5 6 7
ICAR en diagrama de dispersion el primero
doy en linea de tendencia y selecciono polinomica y dejamos el grado en 2

CUACION ES Ӯ=1,0699x²-0,265x+0

DATOS: CUANDO R² SE ACERQUE MUCHO A 1 QUIERE DECIR QUE EL MODELO ES MUY BUENO
UE EL MODELO ES MUY BUENO
Xi Yi
12 22
25 37
36 54
58 77
72 95
86 106
68 98
52 89 Chart Title
49 70
120
36 56
100f(x)
= − 0.00639849179257092 x² + 1.80381211170564 x
R² = 0.99541924631074
80

60

40

20

0
0 10 20 30 40 50 60 70 80 90 100
 R² ES UN MARGEN ACEPTABLE, DADO QUE ESTA UN 96% SEGURO.
INTERPRETACION: LA REGRESION PARABOLICAES BUENO, TANTO QUE NOS DESCRIBE UN 96%
11170564 x
Ӯ=-0,0064x²+1,8038x+0
Ӯ=-0,0064(100)²+1,8038(100)+0
Ӯ 116.38

90 100
RIBE UN 96%
Xi Yi Log Yi Xi*(Log Yi) Xi^2 1.Poner los datos en xi y en yi
2 16 1.2041 2.4082 4 2. Buscar en google calculadora cientifica y saca
6 34 1.5315 9.1890 36 3.Despues multiplicar los resustados de Log Yi c
14 42 1.6233 22.7262 196 4. Luego hacer otra columna y elevar los datos d
20 58 1.7634 35.2680 400 5.Luego sacar la sumatoria de los Xi
38 70 1.8451 70.1138 1444 6.Luego sumar los datos de Xi^2
7.Luego sumar los datos de Xi*(Log Yi)
8.Luego sumar los datos de Log Yi
9.Poner los datos de la ecuaciones donde van y
tos en xi y en yi
oogle calculadora cientifica y sacar el logaritmo(log) de cada uno de los datos de Yi
tiplicar los resustados de Log Yi con los datos de Xi
otra columna y elevar los datos de Xi a la 2
a sumatoria de los Xi
los datos de Xi^2
los datos de Xi*(Log Yi)
los datos de Log Yi
tos de la ecuaciones donde van y luego de tener las dSUMA DE Xi 80
SUMA DE Xi^2 2080
SUMA DE Xi*(Log Yi) 139.7052
SUMA DE Log Yi 7.9674

1) 7,9674= 5Log c + 80 log b

2) 139,7052 = 80 log c + 2080 log b
 Xi Yi Log Yi Xi*(Log Yi) Xi^2
5 30 1.4771 7.3855 25
7 49 1.6902 11.8314 49
10 150 2.1761 21.761 100
21 210 2.3222 48.7662 441
25 500 2.6990 67.475 625

cojo cualquier ecuacion y reemplazo

*68 1) 10,3646= 5 log c+ 68log b 1) 10,3646=5 log c+ 68 (0,0512)
*-5 2) 157,2191=68 log c+log b(1240) 1) 10,3646=5 log c+ 3,4816
1)10,3546-3,4816= 5 log c
resta vertical 1) 704,7928= 340 (Log c) + 4,624 (log b) 1) 6,883 = 5 log c
2)-786.0955=-340(log c) - 6200(log b) 1) log c= 6,883
5
-81,3027= 1576 log b LOG C=

Log b = -81,3027 Elog c= E (1,3766)

-1576 C= 3,9614
LOG B= 0.0512
Elog b= E (0,0512) El modelo de regresion exponencial e
b= 1,0525
 SUMA DE Xi 68
SUMA DE Xi^2 1240
SUMA DE Xi*(Log Yi) 157.2191
SUMA DE Log Yi 10.3646

ojo cualquier ecuacion y reemplazo el valor de log b

) 10,3646=5 log c+ 68 (0,0512)
) 10,3646=5 log c+ 3,4816
)10,3546-3,4816= 5 log c
) 6,883 = 5 log c
) log c= 6,883

1.3766

Elog c= E (1,3766)

modelo de regresion exponencial estimado es Ӯ=3,9614*1,0525

 X1 X2 Y variable respuesta
45 16 29
42 14 24
44 15 27
45 13 25
43 13 26
46 14 28
44 16 30
45 16 28
44 15 28
43 15 27
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.853770004335202
Coeficiente de determinación R^2 0.728923220302531 Presenta una eficiencia de aproximadamente
R^2 ajustado 0.651472711817539 65.14%
Error típico 1.07063883993524
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 21.5761273209549
Residuos 7 8.02387267904509
Total 9 29.6

Coeficientes Error típico

Intercepción -13.819629 13.3232998953547
Variable X 1 0.563660 0.303273880862841
Variable X 2 1.099469 0.313139013290041
 1) primero ingresar los datos de x1, de x2 y de Y variable respuesta
2) Luego ir a Datos-analisis de datos y seleccionar regresion y poner en Y los valores de Y variable respuesta y en los de X l
3) Interpretar el R^2 ajustado
4)Luego poner los datos en la formula
5)Ӯ=-13,819629+0,5636605X1+1,0994695X2
6)

a eficiencia de aproximadamente
65.14%

Promedio de los cuadrados F Valor crítico de F

10.7880636604775 9.4114710743802 0.01037106
1.14626752557787

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
-1.03725268933061 0.334114811692 -45.3242267 17.6849694 -45.3242267 17.6849694
1.85858563173959 0.1054301544113 -0.1534683 1.28078925 -0.1534683 1.28078925
3.51112269426119 0.0098444976237 0.35901339 1.8399256 0.35901339 1.8399256
able respuesta y en los de X los valores de x1 y x2

perior 95,0%
 Y x1 x2 x3 x4
57.5 78 48.2 2.75 29.5
52.8 69 45.5 2.15 26.3
61.3 77 46.3 4.41 32.2
67 88 49 5.52 36.5
53.5 67 43 3.21 27.2
62.7 80 48 4.32 27.7
56.2 74 48 2.31 28.3
68.5 94 53 4.3 30.3
69.2 102 58 3.71 28.7
Resumen
Estadísticas de la regresión
Coeficiente d 0.995373464124933
Coeficiente d 0.99076833308407
R^2 ajustado 0.98153666616814 98.15%
Error típico 0.861043070942651
Observacione 9
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 4 318.274419 79.5686048 107.322799 0.0002541
Residuos 4 2.96558068 0.74139517
Total 8 321.24

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

Intercepción 7.14753239982125 16.4596113 0.43424673 0.68650676 -38.5516748 52.8467396
Variable X 1 0.10009446866705 0.33970898 0.2946477 0.78292216 -0.84308886 1.0432778
Variable X 2 0.726417378065001 0.78590156 0.9243109 0.40763734 -1.45559516 2.90842992
Variable X 3 3.07583698457218 1.05917874 2.90398295 0.04394217 0.13508537 6.0165886
Variable X 4 -0.030042148042838 0.16646232 -0.18047416 0.86555506 -0.49221564 0.43213134
 Ӯ=7,14753+0,10009X1+0,72642X2+3,07583X3-0,03004X4

INTERPRETACION DE CADA COEFICIENTE

7,14753 ES DONDE LA FUNCION CORTA AL EJE Y, ES DECIR DE LA VARIABLE DEPENDIENTE
0,10009 POR CADA DIA EXTRA , LA ALTURA DEL BEBE AUMENTARA 0,10009
0,72642 POR CADA CM QUE TIENE AL NACER LA ALTURA DEL BEBE AUMENTARA UN 0,72642
3,07583 POR CADA KG QUE TIENE AL NACER, LA ALTURA DEL BEBE SUBIRA 3.07583
POR CADA AUMENTO DE SU PESO CON RESPECTO AL INICIAL, LA ALTURA DEL BEBE DISMINUIRA EN 0,0300

Inferior 95,0%
Superior 95,0%
-38.5516748 52.8467396
-0.84308886 1.0432778
-1.45559516 2.90842992
0.13508537 6.0165886
-0.49221564 0.43213134
3X3-0,03004X4

ARIABLE DEPENDIENTE
ENTARA 0,10009
AUMENTARA UN 0,72642
EBE SUBIRA 3.07583
EL BEBE DISMINUIRA EN 0,03004
 Y x1 x2 x3 x5 x6
8500 1 2 2 0 0
8900 1 2 2 1 0
14000 0.5 4 3 1 0
5000 3 1 2 0 0
11000 0.5 4 4 0 0
8000 1 2 2 0 1
8500 1 2 2 0 0
12000 3 4 4 0 0
3900 0.5 1 1 0 0
12000 1 4 3 0 1

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total

Intercepción
Variable X 1
Variable X 2
Variable X 3
Variable X 4
Variable X 5
Variable X 6
 x7 Transformacion de Y a IN (Y)
1 9.048
0 9.094
0 9.547
0 8.517
0 9.306
0 8.987
1 9.048
0 9.393
0 8.269
0 9.393

Ӯ=7,8970+0,0191x1+0,1116x2+0,2407x3+0,4726x4+0,3375x5+0,4273x6

a regresión
0.99873229
0.99746619
0.99239856
0.0349488
10

Grados de libertad Suma de cuadrados Promedio de los cuadrados F

6 1.442478723132 0.240413120522 196.831007
3 0.00366425682216023 0.00122141894072008
9 1.44614297995416

Coeficientes Error típico Estadístico t Probabilidad

7.89707377 0.0469652947461686 168.147007487103 4.63818E-07
0.01901508 0.0173713075653746 1.09462597370735 0.35369482
0.11156685 0.0372982606751799 2.99120782541829 0.05807462
0.24065167 0.0487296841474044 4.938502527416 0.015923
0.47264478 0.0389011843452829 12.1498815788825 0.00120023
0.3375108 0.0392573981625986 8.59738088393445 0.00330837
0.42729556 0.0341691792553234 12.5052917558466 0.00110225
Valor crítico de F
0.00055631

Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
7.74760924 8.0465383 7.74760924 8.0465383
-0.03626817 0.07429834 -0.03626817 0.07429834
-0.00713286 0.23026656 -0.00713286 0.23026656
0.08557207 0.39573127 0.08557207 0.39573127
0.34884385 0.59644571 0.34884385 0.59644571
0.21257624 0.46244537 0.21257624 0.46244537
0.31855398 0.53603713 0.31855398 0.53603713