GRUPO 11

APELLIDOS Y NOMBRES CÓDIGO

Robles Escobar
1 18070041
Jennifer Angelica

Sanchez Huacachi
2 19070129
Johant Manuel

3 Soto Flores, Sol Rubí 19070115

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

x1 x2 x1.x2 x12 x22 x1y x2y

65 1 65 4225 1 5525 85
50 7 350 2500 49 3700 518
55 5 275 3025 25 4180 380
65 2 130 4225 4 5850 180
55 6 330 3025 36 4675 510
70 3 210 4900 9 6090 261
65 2 130 4225 4 6110 188
70 5 350 4900 25 6860 490
55 4 220 3025 16 4455 324
70 3 210 4900 9 6370 273
50 1 50 2500 1 3800 76
55 4 220 3025 16 4070 296
725 43 2540 44475 195 61685 3581

43 inv(C) = 7.654747544 -0.11082199 -0.24444253

2540 -0.11082199 0.001692228 0.002395313
195 -0.24444253 0.002395313 0.027830433

#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

Ecuacion regresion lineal: 𝑌=2.712𝑋_1+2.049𝑋_2−3.372

Y= Densidad Optica
𝑋_1= Frecuencia de banda
𝑋_2= Espesor de Pelicula

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

Coeficiente Error Tipico

Intercepcion -3.3726733 0.63599634
Variable x1 0.000361672 0.00061214
variable x2 0.94759888 0.36089432

Analisis de los residuales

Observacion Pronostico Residuos

1 0.34605665 -0.1150566
2 -0.1087908 0.21579082
mente ,
3 -0.4025465 0.45554647
mente, la 4 0.5811433 -0.4521433
ifica que si 5 0.12629584 -0.0572958
6 -0.1674598 0.19745982
7 1.2140689 -0.2090689
etodo de 8 0.75922144 -0.2002214
9 0.46546579 -0.1444658
10 2.13633193 0.81166807
11 1.68148446 -0.0484345
etodo de

12 1.38772881 -0.4537288
Columna 3

Cubos F Valor critico de F

3.45039638 20.901254 0.00041458
0.16508083

Estadistica t Probabilidad inferior 95%

-5.3029759 0.00049192 -1.9339496
5.90831845 0.00022672 0.00223196
2.62569529 0.02755239 0.13119921

Resltados de datos de probabilidad

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

A) Estime la ecuación de regresión cuadrática.

𝝁_(𝒚/𝒙)=𝜷_𝟎+𝜷_𝟏 𝒙+𝜷_𝟐 𝒙^𝟐

𝑌=141.61+0.2819𝑋+0,0003𝑋^2

ANÁLISIS : Estos datos se ajustan mejor a un modelo de regresión cuadrática

ya que tienen un comportamiento parabólico de segundo grado.Pero como se
observa en el gráfico 1 los datos están dispersos no siguen la curva parabólica
esto quiere decir que no se puede pronosticar el flujo sanguíneo cerebral de los
seres humanos a partir de tensión del oxígeno arterial.
humanos se puede
nce pacientes en el

Gráfico 1. Regresión cuadrática para comparar la relación entre flujo

sanguíneo y tensión del oxígeno arterial.

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

Columna 1 Columna 2 Columna 3 Columna 4 Columna 5

Columna 1 1
Columna 2 0.751479 1
Columna 3 0.802857 0.660456 1
Columna 4 0.048848 -0.287566 0.112739 1
Columna 5 -0.009197 -0.023559 -0.025328 0.078914 1

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

Coeficientes Error típico Estadístico Probabilidad Inferior 95%

Intercepción -102.7132 207.8589 -0.494149 0.636329 -594.2213
Variable x1 0.605371 0.368897 1.641029 0.144797 -0.266932
Variable x2 8.923644 5.300522 1.683541 0.136146 -3.610099
Variable x3 1.437457 2.391621 0.601039 0.566759 -4.217827
Variable x4 0.013609 0.733821 0.018546 0.985721 -1.721603

Observación Pronóstico para Residuos Percentil Y

1 258.758 -18.75798 4.166667 236
2 234.1138 1.886231 12.5 240
3 266.6891 23.31089 20.83333 261
4 282.9565 -8.956456 29.16667 267
5 291.8148 9.185209 37.5 274
6 309.3564 6.643554 45.83333 276
7 295.1864 4.813651 54.16667 288
8 296.1568 -0.156766 62.5 290
9 284.8502 -17.85023 70.83333 296
10 288.9376 -12.93764 79.16667 300
11 281.3784 6.621568 87.5 301
 12 254.8021 6.197978 95.83333 316

a) Ecuación de regresión lineal: 𝑌=0.605 𝑥_1+8.92 𝑥_2+1.44 𝑥_3+0.014 𝑥_4−103

b) Para el consumo de energía para un mes en que x1=75 °F, x2=24 días, x3=90% y x4=98 toneladas:

𝑌=0.605 (75)+8.92 (24)+1.44 (90)+0.014 (98)−103

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

0.929 -1.020 0.310 -0.028

-1.020 2.316 -0.905 0.093
0.310 -0.905 0.387 -0.042
-0.028 0.093 -0.042 0.005

inv(A)
a). Regresion estimada

𝒚=𝟏.𝟎𝟕𝟏+𝟒.𝟔𝟎𝟑𝒙−𝟏.𝟖𝟒𝟓𝒙^𝟐+𝟎.𝟏𝟗𝟒𝒙^𝟑

b) Pronosticar la regresion cuando x=2

R
X 2 6
Y(x=2) 4.45
5

f(x) = 0.194444444444
4 R² = 0.875

3
 R
6

Grafica y Regresion cubia según excel f(x) = 0.194444444444

4 R² = 0.875

0
0 1
 Por minimos cuadrados se obtiene la s
Sirve para obtener los coeficiente de u
polinomial

x6 yx0 x1y x2y x3y

0 1 0 0 0
1 4 4 4 4
64 5 10 20 40
729 3 9 27 81
4096 2 8 32 128
15625 3 15 75 375
46656 4 24 144 864
67171 22 70 302 1492

uatro variables independientes

22
70
=
302
1492

b0 1.071
b1 4.603
b2 -1.845
b3 0.194

b = Inv(A)*C

Regresion polinomica cubica

6

f(x) = 0.194444444444444 x³ − 1.8452380952381 x² + 4.60317460317461 x + 1.07142857142857

4 R² = 0.875

3
 Regresion polinomica cubica
6

f(x) = 0.194444444444444 x³ − 1.8452380952381 x² + 4.60317460317461 x + 1.07142857142857

4 R² = 0.875

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

Obtencio de los coeficientes de la regresion con cuatr

12 857 932.7 522.5

857 62595.82 67417.3 37803.06
932.7 67417.3 73003.19 40901.83
522.5 37803.06 40901.83 22955.07
640.1 46636.29 50312.3 28215.59
A
 60.03259381 0.392818255063 -1.27900593712 -0.8173723603
0.392818255 0.011945093432 -0.00903636755 -0.0040266888
-1.279005937 -0.00903636755 0.036202132646 0.0047363471
-0.81737236 -0.004026688827 0.004736347086 0.0413362724
0.881064717 -0.006902982669 -0.02054090335 -0.0199288433
Estimar los coeficientes de la regresion
𝑦=3.631+0.425𝑥_1−0.301𝑥_2+0.012𝑥_3+0.125𝑥_4
 x2^2 x3^2 x4^2 x1*x2 x1*x3 x1*x4
5041 1482 1849 4012 2175 2430
5256 1459 2007 4314 2273 2666
5776 1806 2401 5259 2941 3391
6320 1884 3170 5923 3233 4194
7056 2256 3624 6821 3857 4888
7430 2247 3844 7586 4171 5456
6480 1980 3376 6295 3480 4543
5184 1747 2314 4968 2884 3319
4624 1772 2116 3951 2446 2673
7225 2314 3636 6843 3872 4854
5041 1406 2218 4139 2186 2746
7569 2601 4251 7308 4284 5477
73003.19 22955.07 34805.53 67417.3 37803.06 46636.29

la regresion con cuatro variables independientes

A*b = C

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

Prueba de significacncia de los coeficiente de la

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

est var 1.5

Regla de decisión
Sea H0: Bj =0
Ha: Bj ≠ 0

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

Prueba de hipotesis de validacion de la Regresion

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

sea H0: B1 = 0 0.5

Ha: B1 ≠ 0
0.0
0 2 4
-0.5

-1.0
 1.5

1.0

sea H0: B1 = 0 0.5

Ha: B1 ≠ 0
0.0
0 2 4
comop Fcalculado > Fcritico se rechaza la hipotesis nula por -0.5
lo tanto podemos afirmar que al menos unos de coeicientes
-1.0
aporten significativamente a la regresion, para un nivel
significacncia del 5% -1.5

-2.0

cncia de los coeficiente de la regresion

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

REGRESION LINEAL MULTIPLE

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

x3^2 x4^2 x5^2 x1*x2 x1*x3 x1*x4 x1*x5

223653.326 324 19.8025 38.34891 7363.3644 280.26 69.2865
1794930.06 90.25 47.8864 90.15296 58975.795 418.19 304.6184
384710.063 163.84 18.3184 80.4548 12665.505 261.376 87.3976
322998.989 1346.89 15.21 121.9037 10650.5042 687.758 73.086
2242805.76 1274.49 30.25 281.5716 73681.92 1756.44 270.6
1865491.59 576 21.16 517.4784 61353.0836 1078.08 206.632
2845969 1874.89 31.5844 320.61892 93594.76 2402.284 311.7976
2689337.61 2180.89 26.5225 353.84232 97214.4576 2768.376 305.292
8250279.63 6193.69 38.1924 798.63379 271119.2287 7428.493 583.3302
13359609.8 32580.25 37.8225 2573.97012 467923.3416 23107.61 787.323
8479744 3708.81 34.5744 1278.048 279552 5846.4 564.48
15374241 10753.69 23.8144 1415.52482 515297.82 13628.254 641.3296
14943404.5 16078.24 30.25 1977.22503 491751.8807 16130.228 699.655
59045392.8 24869.29 49 9153.4626 1943308.89 39882.33 1770.3
154911130 28696.36 116.2084 14200.4676 5093038.236 69318.48 4411.176
198511192 109825.96 49.7025 18178.8948 6533254.78 153670.18 3269.085
240994576 138086.56 40.3225 44150.86726 7920655.28 189597.752 3239.897
726239467 378624.1 630.6213 95531.46563 23931400.8468 528262.491 17595.2859

LINEAL MULTIPLE

76161.51 1807.4 100.19

23931400.8 528262.491 17595.2859
2898511.28 66290.6605 2060.65143
726239467 16003958.9 532308.641
16003958.9 378624.1 11918.406
532308.641 11918.406 630.6213

2.526663337 0.104765874767 0.001188176425 -0.00308838218

0.104765875 0.023236664479 -2.82726078E-05 -0.00073396636
0.001188176 -2.82726078E-05 -8.37608002E-05 1.21504228E-06
INV C
-0.00308838 -0.00073396636 1.21504228E-06 2.32282893E-05
-0.01280276 -0.00114554858 4.59422773E-06 3.451384E-05
-0.4795578 -0.02369764633 -0.00023866993 0.00070612916
 x2*x3 x2*x4 x2*x5 x3*x4 x3*x5 x4*x5 y*x1
1164.80196 44.334 10.96035 8512.56 2104.494 80.1 8820.7164
2743.808 19.456 14.17216 12727.625 9271.07 65.74 30674.0164
2443.785 50.432 16.8632 7939.2 2654.67 54.784 21096.923
3696.98665 238.7335 25.3695 20857.711 2216.487 143.13 30051.8388
8570.7648 204.3111 31.4765 53464.32 8236.8 196.35 79279.404
15734.3616 276.48 52.992 32779.92 6282.818 110.4 72468.0884
9749.173 250.2307 32.47798 73047.1 9480.94 243.346 102869.352
9788.68248 278.7523 30.74035 76584.264 8445.588 240.505 128077.404
24302.78413 665.8807 52.28898 226052.371 17750.9994 486.366 217623.696
73489.03848 3629.133 123.6519 659741.94 22478.742 1110.075 448573.119
38767.456 810.7617 78.28044 177340.8 17122.56 358.092 342901.44
42233.091 1116.9527 52.56248 406607.7 19134.48 506.056 491694.788
60084.10881 1970.8524 85.4865 490166.956 21261.185 697.4 512213.609
278118.3154 5707.7938 253.358 1211782.57 53788.7 1103.9 2615949.55
431924.98999 5878.6882 374.09834 2108408.3 134171.437 1826.132 4800803.96
552360.8376 12992.2056 276.3882 4669227.16 99330.27 2336.37 7147907.68
1343338.292 32155.6628 549.48455 5768718.4 98577.4 2359.66 9619917.48
2898511.2769 66290.6605 2060.65143 16003958.9 532308.641 11918.406 26670923.1
-0.01280275697 -0.4795578
-0.00114554858 -0.02369765
4.59422773E-06 -0.00023867
Y
3.451384E-05 0.000706129
0.0001228555 0.002526459
0.00252645907 0.095961802

2827.35413
-33.8120785
-4.23119114
β
2.38832185
-1.02047163
-568.404074

ECUACION DE REGRESION LINEAL MULTIPLE

y=2827.35−33.81𝑥_1−4.23𝑥_2+2.388𝑥_3−1.02𝑥_4−568.4𝑥_5
 y*x2 y*x3 y*x4 y*x5
1395.33876 267918.638 10197.36 2521.014
1427.08736 933564.595 6619.79 4821.9944
4070.611 640811.288 13224.32 4421.882
10431.5481 911385.355 58852.854 6254.118
9221.87051 2413187.71 57525.909 8862.535
18584.8704 2203452.56 38718.48 7421.042
10715.2484 3127984.79 80285.561 10420.4354
12896.323 3543129.16 100897.685 11126.8325
19507.5124 6622386.6 181449.146 14248.4844
70450.0166 12807144.5 632459.365 21549.1695
47552.5716 10401343.7 217528.101 21002.7132
40298.6194 14670029.4 387983.18 18258.032
62584.2004 15565197.6 510562.736 22145.86
374383.859 79482870.4 1631218.84 72406.67
407141.496 146022459 1987429.6 126472.793
604327.308 217187256 5108511.12 108675.327
1631532.12 292696482 7006313.62 119725.758
3326520.6 809496603 18029777.7 580334.66
 84634.16
26670923.1
3326520.6
809496603
18029777.7
580334.66

IPLE
_4−568.4𝑥_5