X Y Xi2 yi2 xiyi

161 159 25921 25281 25599

203 206 41209 42436 41818
235 241 55225 58081 56635
176 163 30976 26569 28688
201 197 40401 38809 39597
188 193 35344 37249 36284
228 209 51984 43681 47652
 211 189 44521 35721 39879
191 169 36481 28561 32279
178 201 31684 40401 35778
Total 1972 1927 393746 376789 384209
media 197.2 192.7

B) DETERMINAR LA ECUACIÓN DE LA LINEA

Sxx 4867.6

Syy 5456.1

Sxy 4204.6

PARAMETROS
b 0.8637932451311
a 22.359972060153

c) DETERMINE SI U
FUNCION DEL ESTIM

ECUACION DE LA LINEA

y= 22.35997206 + 0.863793245x
ECUACION DE LA LINEA

y= 22.35997206 + 0.863793245x

d) UTILZANDO LA ECUACION DE REGRESIÓN OBTENIDA, ESTIME EL NÚMERO DE ESTIMUL

CANTIDAD DE ESTIMULOS VISUALES DE 210. COMENTE SI ES APROPIADO USAR EL MODE

y=22.35997206 + 0.863793245x
y= 203.75655354

ESTE MODELO ES EL ADECUADO PORQUE EL RESULTADO NO SE ALEJA DEMASIADO

e) UTILIZANDO UN NIVEL DE SIGNIFICANCIA DE 5% REALICE UN ANALISIS DE VARIANZA

FUENTE DE SUMA DE GRADOS DE LIBERTAD

VARIACION CUADRADOS
REGRESION 3631.9050785 1

ERROR 1824.1949215 8

TOTAL 5456.1 9

f) PRUEBE LA HIPOTESIS DE ASOCIACION DE LINEALIDAD, CON UN NIVEL DE 5%

 F TABLAS 0.05,1,8 5.32
F CALCULADA 15.927706127

SE LLEGA A LA CONCLUSION QUE SI EXISTE REGRESION LINEAL SIMPLE

PORQUE LA F CALCULADA ES MAYOR QUE LA F DE TABLAS

g) CALCULE EL COEFICIENTE DE CORRELACION MUESTRAL Y INTERPRETE EL RESULTADO

r 0.8158796182131

HAY BUENA CORRELACION LINEAL ENTRE LAS VARIABLES (X y Y) PORQUE LA ESTIMULACION

MUESTRAL ES CERCANA A LA UNIDAD (1)

h) OBTENGA EL COEFICIENTE DE DETERMINACIÓN MUESTRAL Y COMENTE EL RESULTADO

r2 0.6656595514155
R2 66.56595514155

ESTE RESULTADO INDICA QUE SI HAY REGRESION LINEAL SIMPLE

 X Y
161 159
203 206
235 241
176 163
201 197
188 193
228 209
211 189
191 169
178 201

a) DIAGRAMA DE DISPERSION

ESTUDIO DE TIEMPOS DE REACCION

300

250
ESTIMULO AUDITIVO

200 f(x) = 0.863793245131071 x + 22.3599720601528

R² = 0.665659551415498
150

100

50

0
150 160 170 180 190 200 210 220 23
ESTIMULO VISUAL

Column L Linear (Column L)

b 0.8637932451

SCT 5456.1
SCR 3631.9050785
SCE 1824.1949215

c) DETERMINE SI UN MODELO DE REGRESION LINEAL QUE RELACIONE EL ESTIMULO AUDITIVO EN

FUNCION DEL ESTIMULO VISUAL, ES APROPIADO A LA GRÁFICA DE RESIDUOS

Variable X 1 Gráfico de los residuales

30
20
10
Residuos

0
-10 0 2 4 6 8 10 12
-20
-30
 Variable X 1 Gráfico de los residuales
30
20
10

Residuos
0
-10 0 2 4 6 8 10 12
-20
-30
Variable X 1

ES APROPIADO EL MODELO DE REGRESIÓN LINEAL PORQUE LOS DATOS NO ESTAN MUY

DISPERSOS DE LA MEDIA CERO

ESTIME EL NÚMERO DE ESTIMULOS AUDITIVOS PARA UNA

I ES APROPIADO USAR EL MODELO

LTADO NO SE ALEJA DEMASIADO DE LA MEDIA CERO

E UN ANALISIS DE VARIANZA

CUADRADOS COCIENTE F
MEDIOS
3631.9050785 F CALCULADA
15.927706126703
228.02436519

ON UN NIVEL DE 5%
LINEAL SIMPLE
AS

RESULTADO

LA ESTIMULACION

RESULTADO
CION

210 220 230 240

umn L)
Resumen

Estadísticas de la regresión
Coeficiente d 0.81587962
Coeficiente d 0.66565955
R^2 ajustado 0.623867
Error típico 15.1004757
Observacione 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3631.90508 3631.90508 15.9277061 0.00399999
Residuos 8 1824.19492 228.024365
Total 9 5456.1

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 22.3599721 42.9478338 0.52063096 0.61672231 -76.6779103 121.397854 -76.6779103
Variable X 1 0.86379325 0.21643784 3.99095303 0.00399999 0.3646867 1.36289979 0.3646867

Análisis de los residuales Resultados de datos de probabilidad

Observación
Pronóstico para YResiduos Percentil Y
1 161.430685 -2.43068453 5 159
2 197.710001 8.28999918 15 163
3 225.351385 15.6486153 25 169
4 174.387583 -11.3875832 35 189
5 195.982414 1.01758567 45 193
6 184.753102 8.24689786 55 197
7 219.304832 -10.304832 65 201
8 204.620347 -15.6203468 75 206
9 187.344482 -18.3444819 85 209
10 176.11517 24.8848303 95 241
 Variable X 1 Gráfico de los residuales
30
20
10

Residuos
0
-10 0 2 4 6 8 10 12
-20
-30
Variable X 1

Superior 95.0% Variable X 1 Curva de regresión

121.397854 ajustada
1.36289979
300
Y
200
Pronóstico para Y
100
Y

0
0 2 4 6 8 10 12
Variable X 1

Gráfico de probabilidad normal

300

200

100
Y

0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
uales

10 12

óstico para Y
EJERCICIO 5. REGRESION LINEAL SIMPLE
 60

50
f(x) = 0.903643210579323 x + 3.8
40 R² = 0.912940801014387

Axis Title
30

20

10

0
0 10 20
Axi

a) OBTENGA LA LINEA DE REGRESION QUE AJU

Sxx 4152.18182

Syy 38271.2271

Sxy 3752.09091
 PARAMETROS
b 0.90364321
a 3.8296332

ECUACION DE LA LINEA

y=3.8296332+ 0.90364321x

e) CALCULE EL COEFICIENTE DE CORRELACION

 r
ESTE VALOR INDICA QUE HAY BAJA REGRESION
COEFICIENTE DE CORRELACION MUESTRAL

f) OBTENGA EL COEFICIENTE DE DETERMINACION MUESTRAL Y

r2 0.0885927
R2 8.85927034

EN TÉRMINOS DE PORCENTAJE ESTE VALOR ES MUY LEJANO

 X Y
3 5
7 11
11 21
15 16
18 16
27 28
29 27
30 25
30 35
31 30
31 40
32 32
33 34
33 32
34 34
36 37
36 38
36 34
37 36
38 38
39 37
39 36
39 45
40 39
41 41
42 40
42 44
43 37
44 44
45 46
46 46
47 49
50 51
Total 1104 1124
media 33.45454545455 34.060606060606
 DIAGRAMA DE DISPERSION

Chart Title

f(x) = 0.903643210579323 x + 3.82963319758872

R² = 0.912940801014387

Column N
Linear
(Column N)

10 20 30 40 50 60
Axis Title

A LINEA DE REGRESION QUE AJUSTE A LOS DATOS A UN MODELO ADECUADO

b 0.9036432105793

SCT 38271.227138643
SCR 3390.5514754764
SCE 34880.675663167
 b) CALCULE LA CANTIDAD DEMANDA BIOQUIMICA DE OXIGENO CUANDO LA
REDUCCION DE SOLIDOS ES DE 25%

y=3.8296332+ 0.90364321x
y= 26.42071346207

21x
c) UTILIZANDO UN NIVEL DE SIGNIFICANCIA DE 5%. REALICE UN ANALISIS DE VARIANZA

FUENTE DE SUMA DE GRADOS DE

VARIACION CUADRADOS LIBERTAD
REGRESION 3390.551475476 1

ERROR 34880.67566317 31

TOTAL 38271.22713864 32

d) PRUEBE LA HIPÓTESIS DE ASOCIACION DE LINEALIDAD, CON UN NIVEL DEL 5%

F TABLAS 0.5,1,31 4.17

F CALCULADA 3.013333134792

L COEFICIENTE DE CORRELACION MUESTRAL E INTERPRETE EL RESULTADO

 0.29764526
DICA QUE HAY BAJA REGRESION LINEAL PORQUE NO SE ACERCA A 1, COMO LO INDICA EL CRITERIO DE
DE CORRELACION MUESTRAL

E DETERMINACION MUESTRAL Y COMENTE EL RESULTADO

AJE ESTE VALOR ES MUY LEJANO AL 100% POR LO TANTO NO HAY BUENA REGRESION LINEAL
xi2 yi2 xiyi
9 25 15
49 121 77
121 441 231
225 256 240
324 256 288
729 784 756
841 729 783
900 625 750
900 1225 1050
961 900 930
961 1600 1240
1024 1024 1024
1089 1156 1122
1089 1024 1056
1156 1156 1156
1296 1369 1332
1296 1444 1368
1296 1156 1224
1369 1296 1332
1444 1444 1444
1521 1369 1443
1521 1296 1404
1521 2025 1755
1600 1521 1560
1681 1681 1681
1764 1600 1680
1764 1936 1848
1849 1369 1591
1936 1936 1936
2025 2116 2070
2116 2116 2116
2209 2401 2303
2500 2601 2550
41086 41998 41355
E OXIGENO CUANDO LA

E UN ANALISIS DE VARIANZA

CUADRADOS COCIENTE F
MEDIOS
3390.5514754764 F CALCULADA
3.0133331347925
1125.1830859086

NIVEL DEL 5%
X Y
3 5
7 11
11 21
15 16
18 16
27 28
29 27
30 25
30 35
31 30
31 40
32 32
33 34
33 32
34 34
36 37
36 38
36 34
37 36
38 38
39 37
39 36
39 45
40 39
41 41
42 40
42 44
43 37
44 44
45 46
46 46
47 49
50 51

Resumen

Estadísticas de la regresión
Coeficiente d 0.95547936
Coeficiente d 0.9129408
R^2 ajustado 0.91013244
Error típico 3.22953763
Observacione 33
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 3390.55148 3390.55148 325.079545 5.47541E-18
Residuos 31 323.327312 10.4299133
Total 32 3713.87879

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

Intercepción 3.8296332 1.76844733 2.16553422 0.03815834 0.22286109 7.4364053
Variable X 1 0.90364321 0.05011897 18.0299624 5.47541E-18 0.80142489 1.00586153

Análisis de los residuales Resultados de datos de probabilidad

Observación
Pronóstico para YResiduos Percentil Y
1 6.54056283 -1.54056283 1.51515152 5
2 10.1551357 0.84486433 4.54545455 11
3 13.7697085 7.23029149 7.57575758 16
4 17.3842814 -1.38428136 10.6060606 16
5 20.095211 -4.09521099 13.6363636 21
6 28.2279999 -0.22799988 16.6666667 25
7 30.0352863 -3.0352863 19.6969697 27
8 30.9389295 -5.93892951 22.7272727 28
9 30.9389295 4.06107049 25.7575758 30
10 31.8425727 -1.84257273 28.7878788 32
11 31.8425727 8.15742727 31.8181818 32
12 32.7462159 -0.74621594 34.8484848 34
13 33.6498591 0.35014085 37.8787879 34
14 33.6498591 -1.64985915 40.9090909 34
15 34.5535024 -0.55350236 43.9393939 35
16 36.3607888 0.63921122 46.969697 36
17 36.3607888 1.63921122 50 36
18 36.3607888 -2.36078878 53.030303 37
19 37.264432 -1.26443199 56.0606061 37
20 38.1680752 -0.1680752 59.0909091 37
21 39.0717184 -2.07171841 62.1212121 38
22 39.0717184 -3.07171841 65.1515152 38
23 39.0717184 5.92828159 68.1818182 39
24 39.9753616 -0.97536162 71.2121212 40
25 40.8790048 0.12099517 74.2424242 40
26 41.782648 -1.78264804 77.2727273 41
27 41.782648 2.21735196 80.3030303 44
28 42.6862913 -5.68629125 83.3333333 44
29 43.5899345 0.41006554 86.3636364 45
30 44.4935777 1.50642233 89.3939394 46
31 45.3972209 0.60277912 92.4242424 46
32 46.3008641 2.69913591 95.4545455 49
33 49.0117937 1.98820627 98.4848485 51
 Variable X 1 Gráfico de los residuales
10
5
Residuos

0
0 10 20 30 40 50 60
-5
-10
Variable X 1

Variable X 1 Curva de regresión

ajustada
60
Y
40
Pronóstico para Y
20
Y

0
0 10 20 30 40 50 60
Variable X 1
 60
Y
40
Pronóstico para Y
20

Y
0
0 10 20 30 40 50 60
Variable X 1

Inferior 95.0%
Superior 95.0% Gráfico de probabilidad normal
0.22286109 7.4364053
60
0.80142489 1.00586153
40

20
Y

0
0 20 40 60 80 100 120
Muestra percentil
duales

50 60

ón

Y
Pronóstico para Y
 Y
Pronóstico para Y

mal

100 120