x y xy 𝑥^2 𝑦^2

2 5 10 4 25 CORRELACION
2.5 5.5 13.75 6.25 30.25
3 6.2 18.6 9𝑟=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/√((𝑛∑▒
38.44 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2
3.5 6.4 22.4 12.25 40.96
4 7 28 16 49
15 30.1 92.75 47.5 183.65 𝑟=(5∗92.75−15∗30.1)/√((5∗47.5−15^2)(
∑▒𝑥 ∑▒𝑦 ∑▒𝑥𝑦 ∑▒𝑥^2 ∑▒𝑦^2
𝑛=5
EXISTE UNA CORRELACION FUER

DIAGRAMA DE DISPERSION
8

0
1.5 2 2.5 3 3.5 4 4.5
ORRELACION

((𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )(𝑛∑▒ 〖𝑦 ^2− 〖 (∑▒𝑦) 〗 ^2 〗 ))

−15∗30.1)/√((5∗47.5−15^2)(5∗183.65− 〖 30.1 〗 ^2))=0.99

XISTE UNA CORRELACION FUERTE ENTRE LA VARIABLE "X" Y LA VARIABLE "Y"

4 4.5
A) 𝑦=5𝑥+2

Cuando se intersecta en "y", el valor de "x" es cero. 𝑦=5(0)+2=2

INTERPRETACION
Cuando la variable se intersecta en el eje "y", tomará de valor 2.

B) La pendiente es aquel constante que acompaña a la variable "x". 𝑏_1=5

INTERPRETACION
Significa que por cada unidad adicional de "x", el valor de "y" aumenta en 5 unidades.

C) 𝑦=5(3)+2=17

INTERPRETACION
Significa que cuando la variable "x" toma el valor de 3, la variable "y" tomará el valor de 17.
 x y xy 𝑥^2 𝑦^2
12 199 2388 144 39601 CORRELACION
10 499 4990 100 249001
12.2 299 3647.8 148.84𝑟=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/√((𝑛∑▒
89401 〖𝑥 ^2− 〖 (∑▒𝑥) 〗
10.3 299 3079.7 106.09 89401
11.7 399 4668.3 136.89 159201
17.8 1850 32930 316.84 3422500𝑟=(10∗187572.6−149.9∗10221)/√((10∗25
16.1 1000 16100 259.21 1000000
11.8 1387 16366.6 139.24 1923769
19.8 2089 41362.2 392.04 4363921 Existe una correlación positiv
28.2 2200 62040 795.24 4840000
149.9 10221 187572.6 2538.39 16176795 COEFICIENTE DE DETERMINA
∑▒𝑥 ∑▒𝑦 ∑▒𝑥𝑦 ∑▒𝑥^2 ∑▒𝑦^2
𝑛=10 𝑅^2= 〖 (0.84) 〗 ^2=
Se explica a un 70.71% la rela

RECTA DE REGRESION

𝑏=𝑦 ̅−𝑎=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑
𝑎𝑥 ̅

𝑦 ̅=(∑▒𝑦)/𝑛

𝑥 ̅=(∑▒𝑥)/𝑛

𝑎=(10∗187572.6−149.9∗10221)/(
 𝑏=1022.1−117.9

DIAGRAMA DE DISPERSIÓN
2500

2000

1500

1000

500

0
5 10 15 20 25 30
ORRELACION

((𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )(𝑛∑▒ 〖𝑦 ^2− 〖 (∑▒𝑦) 〗 ^2 〗 ))

−149.9∗10221)/√((10∗2538.39− 〖 149.9 〗 ^2)(10∗16176795−10221^2))=0.84

xiste una correlación positiva fuerte entre la variable precio y velocidad de impresoras.

OEFICIENTE DE DETERMINACION 𝑅^2=𝑟^2

𝑅^2= 〖 (0.84) 〗 ^2=0.7071

e explica a un 70.71% la relación entre la variable velocidad y precio, mientras que el 29.29% no explica ambas relaciones.

ECTA DE REGRESION 𝑦=𝑎𝑥+𝑏

𝑎=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/(𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )

𝑦 ̅=(∑▒𝑦)/𝑛 𝑦 ̅=10221/10=1022.1

 ̅=(∑▒𝑥)/𝑛 𝑥 ̅=149.9/10=14.99

187572.6−149.9∗10221)/(10∗2538.39− 〖 149.9 〗 ^2 )=117.91

 𝑏=1022.1−117.91∗14.99=−745.37

𝑦=117.91𝑥−745.37

ERSIÓN

25 30
mbas relaciones.
 Reportadas Auditadas(Y
Revista
(X) )
YM 621 299.6
CosmoGirl 359.7 207.7
Rosie 530 325
Playboy 492.1 336.3
Esquire 70.5 48.6
TeenPeople 567 400.3
More 125.5 91.2
Spin 50.6 39.1
Vogue 353.3 268.6
Elle 263.6 214.3

x y xy 𝑥^2 𝑦^2
621 299.6 186051.6 385641 89760.16 A)
359.7 207.7 74709.69 129384.09 43139.29
530 325 172250 280900 105625
Diagr
492.1 336.3 165493.23 242162.41 113097.69
70.5 48.6 450
3426.3 4970.25 2361.96 400
567 400.3 226970.1 321489 160240.09 350 f(x) = 0.5

Auditadas (miles)
125.5 91.2 11445.6 15750.25 8317.44 300 R² = 0.90
250
50.6 39.1 1978.46 2560.36 1528.81 200
353.3 268.6 94896.38 124820.89 72145.96 150
263.6 214.3 56489.48 69484.96 45924.49 100
50
3433.3 2230.7 993710.84 1577163.21 642140.89 0
∑▒𝑥 ∑▒𝑦 ∑▒𝑥𝑦 ∑▒𝑥^2 ∑▒𝑦^2
0 100

𝑟=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/√((𝑛∑▒ 〖𝑥 ^2− 〖 (∑
B)

𝑟=(10∗993710.84−3433.3∗2230.7)/√((10∗1577163.21− 〖 3433.3 〗 ^2)

𝑏_0=26.724
𝑏_1=0.5719

C) RECTA DE REGRESION

𝑏=𝑦 ̅−𝑎=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑
𝑎𝑥 ̅

𝑦 ̅=(∑▒𝑦)/𝑛
 𝑦 ̅=(∑▒𝑦)/𝑛

𝑥 ̅=(∑▒𝑥)/𝑛

𝑎=(10∗993710.84−3433.3∗2230.7)/

D) Prediga cuanto es auditadas s

Aproximadamente auditadas
 Diagrama de dispersión
450
400
350 f(x) = 0.571887174515113 x + 26.7239763737263
Auditadas (miles)

300 R² = 0.901498787922813
250
200
150
100
50
0
0 100 200 300 400 500 600 700
Reportadas (miles)

▒𝑦)/√((𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )(𝑛∑▒ 〖𝑦 ^2− 〖 (∑▒𝑦) 〗 ^2 〗 ))

7163.21− 〖 3433.3 〗 ^2)(10∗642140.89− 〖 2230.7 〗 ^2))=2278446.09/√((3984083.21)(1445386.41))=0.9494729

Punto de corte en la ordenada

Que por cada unidad reportada aumenta la auditadas en 0.5719.

ECTA DE REGRESION 𝑦=𝑎𝑥+𝑏

𝑎=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/(𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )

𝑦 ̅=(∑▒𝑦)/𝑛 𝑦 ̅=2230.7/10=223.07
𝑦 ̅=(∑▒𝑦)/𝑛 𝑦 ̅=2230.7/10=223.07

 ̅=(∑▒𝑥)/𝑛 𝑥 ̅=3433.3/10=343.33

3710.84−3433.3∗2230.7)/(10∗1577163.21− 〖 3433.3 〗 ^2 )=0.5719

𝑏=223.07−0.5719∗343.33=26.724

𝑦=0.5719𝑥+26.724

rediga cuanto es auditadas si reportadas es 400000

𝑦=0.5719(400)+26.724=255.84

proximadamente auditadas son 255840.

41))=0.9494729
 1717 1408 112854 138341 98818
∑▒𝑥 ∑▒𝑦 ∑▒𝑥𝑦 ∑▒𝑥^2 ∑▒𝑦^2
A) RECTA DE REGRESION

𝑏=𝑦 ̅−𝑎=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/(𝑛∑▒
𝑎𝑥 ̅ 〖𝑥 ^

𝑦 ̅=(∑▒𝑦)/𝑛

𝑥 ̅=(∑▒𝑥)/𝑛

𝑎=(22∗112854−1717∗1408)/(22∗138341−17

𝑏=64−(0.6839)(78.045)=10.62

𝑦=0.6839𝑥+10.625

B) Sí porque se puede predecir a traves de la rect

𝑟=(22∗112854−1717∗1408)/√((22∗138341−1717^2)(22∗98818
𝑟=(𝑛∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/√((𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )(𝑛∑▒ 〖𝑦 ^2− 〖 (∑▒𝑦) 〗 ^2 〗 ))

COEFICIENTE DE DETERMINACION

𝑅^2= 〖 (0.4827) 〗 ^2=0.2329

Se puede predecir en un 23.29%

C) Existe en base a los datos obtenidos una corre

 𝑦=𝑎𝑥+𝑏

∑▒𝑥𝑦−∑▒𝑥∗∑▒𝑦)/(𝑛∑▒ 〖𝑥 ^2− 〖 (∑▒𝑥) 〗 ^2 〗 )

𝑦 ̅=1408/22=64

𝑥 ̅=1717/22=78.045

1717∗1408)/(22∗138341−1717^2 )=0.6839

64−(0.6839)(78.045)=10.625

𝑦=0.6839𝑥+10.625

uede predecir a traves de la recta de regresión.

∗138341−1717^2)(22∗98818−1408^2))=0.4827

DE DETERMINACION 𝑅^2=𝑟^2

(0.4827) 〗 ^2=0.2329
ecir en un 23.29%

a los datos obtenidos una correlación baja entre las variables ingresos y gastos.
x y xy 𝑥^2 𝑦^2 A)
DIAGR
90 7 630 8100 4410
59 7.5 442.5 3481 3318.75 8
66 6.6 435.6 4356 2874.96 7 f(x) = − 0.0263294
6 R² = 0.624014137
87 7.2 626.4 7569 4510.08 5
90 7 630 8100 4410

Precio
4
106 5.4 572.4 11236 3090.96 3
94 6.4 601.6 8836 3850.24 2
1
57 7 399 3249 2793
0
138 5.1 703.8 19044 3589.38 50 60 70 80
87 7.2 626.4 7569 4510.08
874 66.4 5667.7 81540 37357.45

𝑦 ̅=66.4/10=6.64 B) Mediante la gráfica podemos obs

C) 𝑦=−0.0263𝑥+8.9412

D) 𝑎=−0.0263

E) Predice

𝑦=−0.0263(100000)+8.9412

F) Desviación estandar

DESVIACION ESTANDAR DE ESTIMACION

y 𝑦 ̅ (𝑦−𝑦 ̅) 〖 (𝑦−𝑦 ̅) 〗 ^2
7 0.36 0.1296
 7.5 0.86 0.7396
𝑆_𝑥𝑦=√(5.724/(10−
6.6 -0.04 0.0016
7.2 0.56 0.3136
7 6.64 0.36 0.1296
5.4 -1.24 1.5376
6.4 -0.24 0.0576
7 0.36 0.1296
5.1 -1.54 2.3716
7.2 0.56 0.3136
66.4 5.724
∑▒𝑦
∑▒ 〖 (𝑦−𝑦 ̅) 〗 ^2
 DIAGRAMA DE DISPERSIÓN
8
7 f(x) = − 0.0263294775250369 x + 8.94119633568822
6 R² = 0.624014137149983
5
Precio

4
3
2
1
0
50 60 70 80 90 100 110 120 130 140 150
Millas

Mediante la gráfica podemos observar que la pendiente es decreciente. Por lo tanto es una correlación inversa.

𝑦=−0.0263𝑥+8.9412

𝑎=−0.0263 Es decir que por cada milla adicional el precio disminuye e 0.0263 dólares

𝑥=100000

𝑦=−0.0263(100000)+8.9412=−2621

esviación estandar

STANDAR DE ESTIMACION
𝑆_𝑥𝑦=√((∑▒ 〖 (𝑦−𝑦 ̅) 〗 ^2 )/(𝑛−2))
𝑆_𝑥𝑦=√(5.724/(10−2))=0.846