Resumen

Estadísticas de la regresión
Coeficiente d 0.9984246
Coeficiente d 0.99685169
R^2 ajustado 0.99650188
Error típico 1.41487795
Observacione 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 5704.71036 5704.71036 2849.67704 1.42787E-12
Residuos 9 18.0169165 2.00187961
Total 10 5722.72727

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 301.653986 2.54417987 118.566297 1.09669E-15 295.898651 307.40932 295.898651
Variable X 1 0.53498226 0.0100217 53.3823664 1.42787E-12 0.51231159 0.55765293 0.51231159

Análisis de los residuales

Observación
Pronóstico para YResiduos
1 402.765633 -0.76563255
2 403.300615 0.69938519
3 412.930295 -0.93029546
4 423.094958 1.90504164
5 429.514745 -0.51474546
6 436.469515 -0.46951481
7 439.144426 0.8555739
8 448.239124 -1.23912449
9 458.403787 -0.40378739
10 466.428521 2.57147874
11 470.708379 -1.70837932
 Variable X 1 Gráfico de los residuales
3
2

Residuos
1
0
-1180 200 220 240 260 280 300 320 340
-2
Variable X 1

Variable X 1 Curva de regresión

Superior 95.0% ajustada
307.40932 Y
500
0.55765293 450 Pronóstico para Y
f(x) = 0.534982258020378 x + 301.653985788173
400 R² = 1 Linear (Pronóstico para Y)
Y

350
180 200 220 240 260 280 300 320 340
Variable X 1

Grafico de probabilidad normal

Resumen

Estadísticas de la regresión
Coeficiente d 0.9984246
Coeficiente d 0.99685169
R^2 ajustado 0.99650188
Error típico 1.41487795
Observacione 11

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 5704.71036 5704.71036 2849.67704 1.42787E-12
Residuos 9 18.0169165 2.00187961
Total 10 5722.72727

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Intercepción 301.653986 2.54417987 118.566297 1.09669E-15 295.898651 307.40932 295.898651
Variable X 1 0.53498226 0.0100217 53.3823664 1.42787E-12 0.51231159 0.55765293 0.51231159

Análisis de los residuales Resultados de datos de probabilidad

Observación
Pronóstico para YResiduos Percentil Y
1 402.765633 -0.76563255 4.54545455 402
2 403.300615 0.69938519 13.6363636 404
3 412.930295 -0.93029546 22.7272727 412
4 423.094958 1.90504164 31.8181818 425
5 429.514745 -0.51474546 40.9090909 429
6 436.469515 -0.46951481 50 436
7 439.144426 0.8555739 59.0909091 440
8 448.239124 -1.23912449 68.1818182 447
9 458.403787 -0.40378739 77.2727273 458
10 466.428521 2.57147874 86.3636364 469
11 470.708379 -1.70837932 95.4545455 469
 Variable X 1 Gráfico de los residuales
3
2 Variable X 1 Curva de regresión
ajustada
Residuos
1
0 Gráfico de probabilidad normal
-1180 200500 220 240 260 280 300 320 340
Y
450 500
-2 Pronóstico para Y
400

Y
450
350 Variable X 1
180 200 400
220 240 260 280 300 320 340

Y
350 Variable X 1
0 20 40 60 80 100 120
Muestra percentil

Superior 95.0%
307.40932
0.55765293
 n
ad normal
onóstico para Y

80 100 120
til
 x y a) Diagrama de dispersión
189 402
190 404
208 412 y
227 425 480
239 429
f(x) = 0.534982258020378 x + 301.653985788173
252 436 460 R² = 0.996851690532427
257 440
274 447 440
293 458
420
308 469
316 469
400

Estimación lineal 380

0.53498226 301.653986
0.0100217 2.54417987 360
180 200 220 240 260 280 300 320

Coeficiente de correlación. Interpretación de R²

0.9984246 El ajuste al modelo es de 99%.
Análisis de la correlación
La correlación es perefecta

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Columna 1 11 2753 250.272727 1993.21818
Columna 2 11 4791 435.545455 572.272727

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados dePromedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Entre grupos 188792.909 1 188792.909 147.178778 1.12075E-10 4.3512435
Dentro de los grupo 25654.9091 20 1282.74545

Total 214447.818 21
 H0 A medida que incrementa x incrementa y.
85788173
H1 A medida que incrementa x no incrementa y.

Estimación con 15
309.6

280 300 320 340

 Año Ventas
2001 408
2002 701 a) Diagrama de dispersión.
2003 803
2004 929
2005 230 Ventas
2006 1100 1400
2007 1160
2008 965 1200
f(x) = 67.9151515151515 x − 135357.436363636
2009 1050 1000 R² = 0.425678432264573
2010 1118
800

600
Estimación lineal
67.9151515 -135357.436 400
27.8906362 55934.7282
200

0
2000 2002 2004 2006 2008 2010 2012

Coeficiente de correlación
0.65244037

Análisis del coeficiente de correlación.

La correlación es moderada, por lo tanto se deduce que a través de los años

Estimación con 15
-134338.35
 H0 A medida que pasan los años las ventas incrementan
H1 A medida que pasan los años las ventas no incrementan

636

Interpretación de R²
El ajuste al modelo es de 42% por lo tanto no es muy confiable.
008 2010 2012
ncrementan
o incrementan
Un estudiante de Estudios Matemáticos recolectó datos para determinar si existe una
correlación entre las edades de los estudiantes de colegio y las horas que destinan,
semanalmente, a realizar sus tareas. Los resultados de 10 estudiantes aleatorios se
encuentran en la siguiente tabla:
A) Diagrama de dispersión e interpretarlo
B) Cálculo de coeficiente de correlación (puedes utilizar Excel)
C) Análisis del coeficiente de correlación.
A) Cálculo de la ecuación de la recta de regresión. (Puedes utilizar Excel
o minitab)
B) Realizar una estimación de la cantidad de horas que destina
semanalmente, un estudiante de 15 años.
c)Interpreta el valor de R para la curva de regresión obtenida.