Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sanchez Huacachi
2 19070129
Johant Manuel
Briceño Chambi
4 19070127
Maycol Jhordan
Venegas Jaramillo,
5 19070047
Evelyn del Rosario
Quispe Mendoza
6 19070038
Wilson Pavel
UPO 11
CORREO
jennifer.robles@unmsm.edu.pe
johant.sanchez@unmsm.edu.pe
solrubi.soto@unmsm.edu.pe
maycol.briceno@unmsm.edu.pe
evelyn.venegas@unmsm.edu.pe
wilsonpavel.quispe@unmsm.edu.pe
Estudiante
1
2
3
4
5
6
7
8
9
10
11
12
y
85
74
76
90
85
87
94
98
81
91
76
74
∑
1011
Matriz
C = 12 725
725 44475
43 2540
Y = 1011
61685
3581
B = b0 =
b1
b2
RPTA:
(a)
Ecuación múltiple: 𝑦 ̂=27,5467+0,92167844𝑥_1+0,28424953𝑥_2
(b) 𝑦 ̂=27,5467+0,92167844(60)+0,28424953(4) = 84
La calificación estimada de un estudiante que obtiene 60 en el examen y pierde 4 clases es de 84
Calificación
Calificción de Clases
del examen,
química, y perdidas, x2
x1
85 65 1
74 50 7
76 55 5
90 65 2
85 55 6
87 70 3
94 65 2
98 70 5
81 55 4
91 70 3
76 50 1
74 55 4
#NAME?
#NAME?
#NAME?
y x1 x2
0.231 740 1.1
0.107 740 0.62
0.053 740 0.31
0.129 805 1.1
0.069 805 0.62
0.03 805 0.31
1.005 980 1.1
0.559 980 0.62
0.321 980 0.31
2.948 1,235 1.1
1.633 1235 0.62
0.934 1235 0.31
Coeficiente de Correlacion:
1. Existe una correlacion fuerte positiva, esto significa que cuando la frecuencia de banda aumente ,
tambien lo hara la densidad optica y viceversa
2. Existe una correlacion debil positiva, esto significa que cuando el espesor de la pelicula aumente, la
densidad optica lo hara nada o muy poco, y viceversa.
3. No existe una correlacion entre la frecuencia de banda y el espesor de pelicula, lo que significa que si
alguno de los dos aumenta o disminuye, no afecta en lo absoluto al otro.
Coeficiente de Determinacion
El coeficiente de determinacion es mayor a 0.5 por lo que se puede continuar utilizando el metodo de
regresion.
El coeficiente de determinacion es mayor a 0.5 por lo que se puede continuar utilizando el metodo de
regresion.
Columna 1 Columna 2
Columna 1 1
Columna 2 0.82893661 1
Columna 3 0.36838498 0
Resumen
Estadisticas de regresion
Coeficiente de correlacion multiple 0.90750716
Coeficiente de determinacion con R*2 0.82284339
R*2 ajustado 0.78347526
Error tipico 0.4063014
Observaciones 12
Analisis de varianza
Grados de libertad Cuadrado
Regresion 2 6.90079277
Residuos 9 1.48572748
Total 11 8.38652025
12 1.38772881 -0.4537288
Columna 3
Percentil Y
4.16666667 0.03
12.5 0.053
20.8333333 0.069
29.1666667 0.107
37.5 0.129
45.8333333 0.231
54.1666667 0.321
62.5 0.559
70.8333333 0.934
79.1666667 1.005
87.5 1.633
95.8333333 2.948
Se lleva a cabo un experimento a fin de determinar si el flujo sanguíneo cerebral en seres humanos se puede
predecir a partir de la tensión de oxígeno arterial (milímetros de mercurio).Se utilizan quince pacientes en el
estudio y se observan los datos siguientes:
Tabla 1. Datos del experimento de flujo sanguíneo cerebral de los seres humanos.
Tensión de oxígeno 90
Flujo sanguíneo , y
arterial , x 𝒚=𝟎,𝟎
603.4 84.33 85
582.5 87.8
556.2 82.2
Flujo sanguíneo
80
594.6 78.21
558.9 78.44
575.2 80.01 75
580.1 83.53
451.2 79.46 70
404 75.22
484 76.58
65
452.4 77.9 300 35
448.4 78.8
334.8 80.67
320.3 86.6
350.3 78.2
𝑌=141.61+0.2819𝑋+0,0003𝑋^2
90
𝒚=𝟎,𝟎𝟎𝟎𝟑𝒙^𝟐−𝟎,𝟐𝟖𝟏𝟗𝒙+𝟏𝟒𝟏.𝟔𝟏
85
Flujo sanguíneo
80
75
70
65
300 350 400 450 500 550 600 650
Tensión del oxígeno arterial
Se considera que la energía eléctrica que consume una planta química cada mes está relacionada con la
temperatura ambiente promedio X1, el número de días al mes X2, la pureza promedio del producto X3 y la
toneladas de producto fabricadas X4. Se dispone de datos históricos del año pasado y se presentan en la sigui
tabla.
𝑦y 𝑥_1
x1 𝑥_2
x2 𝑥_3
x3 𝑥_4
x4
240 25 24 91 100
236 31 21 90 95
290 45 24 88 110
274 60 25 87 88
301 65 25 91 94
316 72 26 94 99
300 80 25 87 97
296 84 25 86 96
267 75 24 88 110
276 60 25 91 105
288 50 25 90 100
261 38 23 89 98
mes está relacionada con la
omedio del producto X3 y las
do y se presentan en la siguiente
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.862989
Coeficiente de determinación 𝑅^2 0.74475
𝑅^2
ajustado 0.598893
Error típico 15.57933
Observaciones 12
Análisis de varianza
Grados de libde cuadradosDesarrollo de F Valor crítico de F
Regresión 4 4957.241 1239.31 5.106018 0.030303
Residuos 7 1699.009 242.7156
Total 11 6656.25
b) Para el consumo de energía para un mes en que x1=75 °F, x2=24 días, x3=90% y x4=98 toneladas:
𝑌=287.427
alor crítico de F
Superior 95%
388.7948
1.477673
21.45739
7.092741
1.748821
EJERCICIO 6
X Y x1 x2 x3 x4 x5
1 0 1 0 0 0 0 0
2 1 4 1 1 1 1 1
3 2 5 2 4 8 16 32
4 3 3 3 9 27 81 243
5 4 2 4 16 64 256 1024
6 5 3 5 25 125 625 3125
7 6 4 6 36 216 1296 7776
S 21 22 21 91 441 2275 12201
n 7
m 3 Obtencio de los coeficientes de la regresion con cuatro variables indepen
A*b = C
7 21 91 441 b0
21 91 441 2275 b1
91 441 2275 12201 b2
441 2275 12201 67171 b3
A
b
inv(A)
a). Regresion estimada
𝒚=𝟏.𝟎𝟕𝟏+𝟒.𝟔𝟎𝟑𝒙−𝟏.𝟖𝟒𝟓𝒙^𝟐+𝟎.𝟏𝟗𝟒𝒙^𝟑
f(x) = 0.194444444444
4 R² = 0.875
3
R
6
0
0 1
Por minimos cuadrados se obtiene la s
Sirve para obtener los coeficiente de u
polinomial
22
70
=
302
1492
b0 1.071
b1 4.603
b2 -1.845
b3 0.194
b = Inv(A)*C
3
Regresion polinomica cubica
6
0
0 1 2 3 4 5 6 7
uadrados se obtiene la siguiente Arreglo.
ener los coeficiente de una regresion
EJERCICIO 7
corrida x1 x2 x3 x4 y x1^2
1 56.5 71 38.5 43 11.2 3192
2 59.5 72.5 38.2 44.8 14.5 3540
3 69.2 76 42.5 49 17.2 4789
4 74.5 79.5 43.4 56.3 17.8 5550
5 81.2 84 47.5 60.2 19.3 6593
6 88 86.2 47.4 62 24.5 7744
7 78.2 80.5 44.5 58.1 21.2 6115
8 69 72 41.8 48.1 16.9 4761
9 58.1 68 42.1 46 14.8 3376
10 80.5 85 48.1 60.3 20 6480
11 58.3 71 37.5 47.1 13.2 3399
12 84 87 51 65.2 22.5 7056
S 857 932.7 522.5 640.1 213.1 62595.82
640.1 b0 213.1
46636.29 b1 15688.43
=
50312.3 b2 16826.35
28215.59 b3 9444.07
34805.53 b4 11677.13
b C
0.8810647172186 b0 3.631
-0.006902982669 b1 0.425
-0.020540903353 b2 -0.301
-0.019928843285 b3 0.012
0.0389226694482 b4 0.125
b = Inv(A)*C
+0.012𝑥_3+0.125𝑥_4
1 1 1 1 1 1
56.5 59.5 69.2 74.5 81.2 88
71 72.5 76 79.5 84 86.2
38.5 38.2 42.5 43.4 47.5 47.4
43 44.8 49 56.3 60.2 62
x1 x2 x3 x4
1 56.5 71 38.5 43
1 59.5 72.5 38.2 44.8
1 69.2 76 42.5 49
1 74.5 79.5 43.4 56.3
1 81.2 84 47.5 60.2
1 88 86.2 47.4 62
1 78.2 80.5 44.5 58.1
1 69 72 41.8 48.1
1 58.1 68 42.1 46
1 80.5 85 48.1 60.3
1 58.3 71 37.5 47.1
1 84 87 51 65.2
coeficientes Cjj t0
b0 3.631 60.033 0.385
b1 0.425 0.012 3.193
b2 -0.301 0.036 1.300
b3 0.012 0.041 0.048
b4 0.125 0.039 0.521
x2*x3 x2*x4 x3*x4 y*x1 y*x2 y*x3
2734 3053 1656 633 795 431
2770 3248 1711 863 1051 554
3230 3724 2083 1190 1307 731
3450 4476 2443 1326 1415 773
3990 5057 2860 1567 1621 917
4086 5344 2939 2156 2112 1161
3582 4677 2585 1658 1707 943
3010 3463 2011 1166 1217 706
2863 3128 1937 860 1006 623
4089 5126 2900 1610 1700 962
2663 3344 1766 770 937 495
4437 5672 3325 1890 1958 1148
40901.83 50312.3 28215.59 15688.43 16826.35 9444.07
n 12
k 4
prueba de estadistici F
CMR 40.253 G
2.0
CME 1.483
Fcalc 27.150 1.5
F(alfa) 4.120 1.0
-1.0
1.5
1.0
-2.0
X'
1 1 1 1 1 1
78.2 69 58.1 80.5 58.3 84
80.5 72 68 85 71 87
44.5 41.8 42.1 48.1 37.5 51
58.1 48.1 46 60.3 47.1 65.2
(X'*X)^-1
60.03259380961 0.39281825506246 -1.2790059371 -0.8173723603 0.8810647172
0.392818255062 0.01194509343197 -0.0090363675 -0.0040266888 -0.006902983
-1.27900593712 -0.0090363675498 0.03620213265 0.00473634709 -0.020540903
-0.81737236027 -0.0040266888267 0.00473634709 0.04133627236 -0.019928843
0.88106471722 -0.0069029826688 -0.0205409034 -0.0199288433 0.0389226694
X'*X
12 857 932.7 522.5 640.1
857 62595.82 67417.3 37803.06 46636.29
932.7 67417.3 73003.19 40901.83 50312.3
522.5 37803.06 40901.83 22955.07 28215.59
640.1 46636.29 50312.3 28215.59 34805.53
de decisión
t0>t Acepta H0
t0<t Rechaza H0
t Decision
Para los coeficentes b0, b2,b3,b4 se rechaza la
2.365 Rechaza H0
hipotesis nula es decir bj ≠ 0 (los coeficienrtes
2.365 Acepta H0
son diferentes de cero) por lo tanto aportan
2.365 Rechaza H0 significativamente a la regresion.
2.365 Rechaza H0
2.365 Rechaza H0
Ym 17.76
y*x4 e^2 e (ye-ym)2 (yi-ym)2
482 0.8 -0.9 32.1 43.0
650 1.9 1.4 21.4 10.6
843 0.2 0.4 1.0 0.3
1002 1.2 -1.1 1.3 0.0
1162 2.7 -1.6 10.1 2.4
1519 1.3 1.1 31.6 45.5
1232 0.6 0.8 7.0 11.8
813 0.8 -0.9 0.0 0.7
681 0.5 0.7 13.4 8.8
1206 0.1 -0.4 6.7 5.0
622 0.0 -0.2 19.4 20.8
1467 0.4 0.6 17.0 22.5
11677.13 S 10.4 0.0 161.0 171.4
egresion
Se puede observar
R2 0.939 que se tiene un R2
cercano a uno esto
R2adj 0.905
nos indica que hay
una la regresion es un
buen ajuste de los
Grafica de errores datos
2.0
1.5
1.0
0.5
0.0
0 2 4 6 8 10 12 14
-0.5
-1.0
1.5
1.0
0.5
0.0
0 2 4 6 8 10 12 14
-0.5
-1.0
-1.5
-2.0
y estimado
12.1
13.1
16.8
18.9
20.9
23.4
20.4
17.8
14.1
20.4
13.4
21.9
213.1
LUGAR X1
1 15.57
2 44.02
3 20.42
4 18.74
5 49.2
6 44.92
7 55.48
8 59.28
9 94.39
10 128.02
11 96
12 131.42
13 127.21
14 252.9
15 409.2
16 463.7
17 510.22
2520.69
x1^2 x2^2
242.4249 6.066369
1937.7604 4.194304
416.9764 15.5236
351.1876 42.315025
2420.64 32.752729
2017.8064 132.7104
3078.0304 33.396841
3514.1184 35.628961
8909.4721 71.588521
16389.1204 404.251236
9216 177.235969
17271.2164 116.014441
16182.3841 241.584849
63958.41 1310.00564
167444.64 1204.29821
215017.69 1536.95362
260324.448 7487.96009
SUMATORIAS 788692.326 12852.4808
17 2520.69 308.775
2520.69 788692.326 95531.4656
308.775 95531.4656 6.066369
C
76161.51 23931400.8 2898511.28
1807.4 528262.491 66290.6605
100.19 17595.2859 2060.65143
X2 X3 X4 X5 y
2.463 472.92 18 4.45 566.52
2.048 1339.75 9.5 6.92 696.82
3.94 620.25 12.8 4.28 1033.15
6.505 568.33 36.7 3.9 1603.62
5.723 1497.6 35.7 5.5 1611.37
11.52 1365.83 24 4.6 1613.27
5.779 1687 43.3 5.62 1854.17
5.969 1639.92 46.7 5.15 2160.55
8.461 2872.33 78.7 6.18 2305.58
20.106 3655.08 180.5 6.15 3503.93
13.313 2912 60.9 5.88 3571.89
10.771 3921 103.7 4.88 3741.4
15.543 3865.67 126.8 5.5 4026.52
36.194 7684.1 157.7 7 10343.81
34.703 12446.33 169.4 10.78 11732.17
39.204 14089.4 331.4 7.05 15414.94
86.533 15524 371.6 6.35 18854.45
308.775 76161.51 1807.4 100.19 84634.16
LINEAL MULTIPLE
2827.35413
-33.8120785
-4.23119114
β
2.38832185
-1.02047163
-568.404074
IPLE
_4−568.4𝑥_5