PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

> setwd("C:/Users/LENOVO/Desktop/SEMESTRE 6/DISE ESTA")

> DATOS<-read.csv('REGSIMPLE.csv', sep = ";", header = T)
> DATOS
CODIGO SEXO PN PD P8S
1 21G74 F 134 261 525
2 21G175C M 120 215 360
3 21G77 F 159 271 538
4 21G78 M 160 272 608
5 21G79 M 144 296 778
6 21G80 M 190 352 725
7 21G81 F 184 335 692
8 21G82 F 178 388 761
9 21G83 F 124 235 602
10 21G84 M 120 252 703
11 21G89A F 218 445 824
12 21G86 M 119 282 483
13 21G87 M 137 328 736
14 21G88 M 151 332 712
15 21G89B F 140 296 604
16 21G90 F 159 348 708
17 21G91 F 137 298 640
18 21G95 F 86 215 443
19 21G96 F 115 208 522
20 21G97 M 123 216 591
21 21G98 F 128 216 546
22 21G99 F 132 250 586
23 21G100 M 140 279 625
24 21G101 F 149 306 653
25 21G102 M 176 244 604
26 21G103 F 190 300 630
27 21G104 F 184 341 732
28 21G105 M 180 363 822
29 21G106 M 179 296 718
30 21G107 F 157 312 621
31 21G108 F 187 302 410
32 21G111 F 94 206 410
33 21G112 F 90 194 449
34 21G113 F 129 254 625
35 21G114 F 144 261 598
36 21G115 F 126 251 569
37 21G117 M 218 352 690
38 21G118 M 141 303 714
39 21G119 F 143 312 637
40 21G120 F 139 277 533
41 21G121 F 194 457 763
42 21G122 M 166 393 877
43 21G123 F 148 342 569
44 21G124 M 143 230 462
45 21G125 M 113 189 393
46 21G126 M 137 265 532
47 21G128 M 175 328 754
48 21G129 M 145 388 768

DISEÑOS ESTADISTICOS PECUARIOS 2022-2

PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

49 21G130 F 95 217 584

50 21G131 M 109 225 652
51 21G132 F 105 236 591
52 21G133 M 90 236 605
53 21G134 F 155 273 640
54 21G135 M 178 323 692
55 21G137 M 161 284 617
56 21G138 M 156 301 640
57 21G139 F 178 353 814
58 21G140 M 152 326 667
59 21G141 F 199 414 804
60 21G142 M 199 392 770
61 21G143 F 126 228 534
62 21G144 F 129 269 704
63 21G145 F 108 219 611
> head(DATOS)
CODIGO SEXO PN PD P8S
1 21G74 F 134 261 525
2 21G175C M 120 215 360
3 21G77 F 159 271 538
4 21G78 M 160 272 608
5 21G79 M 144 296 778
6 21G80 M 190 352 725
> str(DATOS)
'data.frame': 63 obs. of 5 variables:
$ CODIGO: chr "21G74" "21G175C" "21G77" "21G78" ...
$ SEXO : chr "F" "M" "F" "M" ...
$ PN : int 134 120 159 160 144 190 184 178 124 120 ...
$ PD : int 261 215 271 272 296 352 335 388 235 252 ...
$ P8S : int 525 360 538 608 778 725 692 761 602 703 ...
> #grafica de correlaciones lineales simples
> >pairs(DATOS)
Error: unexpected '>' in ">"
> #grafica de correlaciones lineales simples
> pairs(DATOS)
Error in pairs.default(DATOS) : non-numeric argument to 'pairs'
>
>
> #no me sale me dice argumento no numerico para pairs al parecer es
por SEXO
> #matriz de coeficientes de correlacion
> cor(DATOS)
Error in cor(DATOS) : 'x' must be numeric
> #me indica que x debe ser numerico
> regresion <- lm(PN ~ PD, data = DATOS)
> summary(regresion)

Call:
lm(formula = PN ~ PD, data = DATOS)

Residuals:
Min 1Q Median 3Q Max

DISEÑOS ESTADISTICOS PECUARIOS 2022-2

PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

-42.200 -11.463 -0.197 10.890 48.097

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 27.42666 11.32105 2.423 0.0184 *
PD 0.41179 0.03801 10.833 7.64e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 18.72 on 61 degrees of freedom

Multiple R-squared: 0.658, Adjusted R-squared: 0.6524
F-statistic: 117.4 on 1 and 61 DF, p-value: 7.636e-16

Los parámetros de la ecuación de la recta de mínimos cuadrados que

relaciona los pesos de los cuyes entre machos y hembras de PN y PD vine
dado por la columna de estimate.

Y=27.42666+0.41179*PD
> regresion <- lm(PD ~ P8S, data = DATOS)
> summary(regresion)

Call:
lm(formula = PD ~ P8S, data = DATOS)

Residuals:
Min 1Q Median 3Q Max
-75.087 -22.739 2.999 19.391 109.873

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 23.77638 27.86319 0.853 0.397
P8S 0.42379 0.04343 9.757 4.52e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 39.4 on 61 degrees of freedom

Multiple R-squared: 0.6095, Adjusted R-squared: 0.6031
F-statistic: 95.21 on 1 and 61 DF, p-value: 4.522e-14

Los parámetros de la ecuación de la recta de mínimos cuadrados que

relaciona los pesos de los cuyes entre machos y hembras de PD y P8S vine
dado por la columna de estimate.

Y=23.77638+0.42379*P8S

> regresion <- lm(PN ~ P8S, data = DATOS)

> summary(regresion)

Call:
lm(formula = PN ~ P8S, data = DATOS)

DISEÑOS ESTADISTICOS PECUARIOS 2022-2

PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

Residuals:
Min 1Q Median 3Q Max
-52.994 -17.495 -1.196 16.820 76.573

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 41.95362 18.00433 2.330 0.0231 *
P8S 0.16701 0.02806 5.951 1.41e-07 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 25.46 on 61 degrees of freedom

Multiple R-squared: 0.3673, Adjusted R-squared: 0.3569
F-statistic: 35.41 on 1 and 61 DF, p-value: 1.414e-07

Los parámetros de la ecuación de la recta de mínimos cuadrados que

relaciona los pesos de los cuyes entre machos y hembras de PN y P8S vine
dado por la columna de estimate.

Y=41.95362+0.0.3673*P8S

En los casos anteriores de PN y PD, PD y P8S el R cuadrado es muy cercano

a 1 quiere decir que mantienen una correlación alta, los pesos no
dependen de uno al otro, en el tercer caso PN y P8S tienen una correlación
baja.

DISEÑOS ESTADISTICOS PECUARIOS 2022-2

PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

> plot(DATOS$PN, DATOS$PD, xlab='PN', ylab='PD')

> abline(regresion)

> plot(DATOS$PD, DATOS$P8S, xlab='PD', ylab='P8S')

> abline(regresion)

DISEÑOS ESTADISTICOS PECUARIOS 2022-2

PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

> plot(DATOS$PN, DATOS$P8S, xlab='PN', ylab='P8S')

> abline(regresion)

> > #intervalo del coeficiente de regresion

Error: unexpected '>' in ">"
> #intervalo del coeficiente de regresion
> confint(regresion)
2.5 % 97.5 %
(Intercept) 5.9517235 77.9555075
P8S 0.1108896 0.2231271
> confint(regresion, level = 0.90)
5 % 95 %
(Intercept) 11.8824252 72.0248059
P8S 0.1201342 0.2138825
> # anslisis de varianza de la regresion
> anova(regresion)
Analysis of Variance Table

Response: PN
Df Sum Sq Mean Sq F value Pr(>F)
P8S 1 22948 22948 35.413 1.414e-07 ***
Residuals 61 39529 648
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> residuos <- rstandard(regresion)
> valores.ajustados <- fitted(regresion)
> plot(valores.ajustados, residuos)

DISEÑOS ESTADISTICOS PECUARIOS 2022-2

PRACTICA 8 REGRESION LINEAL SIMPLE ABRAHAN QUISPE QUISPE

DISEÑOS ESTADISTICOS PECUARIOS 2022-2