ALUMNA: AIDE GONZALEZ JUARE

MATERIA: ESTADISTICA INFERENCIAL

MAESTRA: ANDREA ELIZABETH JUAN JIMÉ

EJERCICIO: ACT. EN CLASES 17 DE FEB. REGRESION LIN

FECHA DE ENTREGA: 17 DE FEBRERO 2023

ONZALEZ JUAREZ

ICA INFERENCIAL 2

ABETH JUAN JIMÉNEZ

DE FEB. REGRESION LINEAL

7 DE FEBRERO 2023
 Costo de
Antigüedad
Autobús mantenimiento X*Y X^2 Y^2
(años) X
($) Y
7 1 320 320 1 102400
6 2 224 448 4 50176
3 3 471 1413 9 221841
2 5 682 3410 25 465124
1 8 859 6872 64 737881
8 8 651 5208 64 423801
4 9 708 6372 81 501264
5 11 1094 12034 121 1196836
9 12 1049 12588 144 1100401
59 6058 48665 513 4799724

COEFICIENTE DE
CORRELACION 0.937673261 Existe una correlacion lineal buena, la cual nos indica que es direct
entre mas antiguo sea el autobus mayor sera el costo de man

COEFICIENTE DE REGRESION B1 70.9181338

COEFICIENTE DE REGRESION B0 208.2033451 208.2033
ECUACION DE REGRESION LINEAL Y=70.9181+208.2033
 Título del gráfico
1200

1000

800
PRONOSTICO Ȳ

279.1214338 600

350.0395676
420.9577014 400
562.793969
775.5483704
200
775.5483704
846.4665042
988.3027718 0
1059.220906 0 2 4 6 8 10

Costo de mantenimiento ($) Y PRONOSTICO Ȳ

, la cual nos indica que es directa o sea, es decir

bus mayor sera el costo de mantenimiento

Por cada año de antigüedad que incrementa el autobus el costo de mantenimiento subira 70.81
El costo de un coche nuevo, es de 208.2033 pesos
 12 14

PRONOSTICO Ȳ

o subira 70.81
AUTOBUS ANTIGÜEDAD AÑOS X
1 1
2 2
3 3
4 5
5 8
6 8
7 9
8 11
9 12

R= 0.937673261
B0= 208.2033451
B1= 70.9181338
COSTO DE MANTENIMIENTO Y PRONOSTICO Título del gráfico
320 279.1214789 1200
224 350.0396127

COSTO DE MANTENIMIENTO
471 420.9577465 1000
682 562.7940141
800
859 775.5484155
651 775.5484155 600
708 846.4665493
400
1094 988.3028169
1049 1059.220951 200

0
0 5 10
ANTIGUEDAD EN AÑOS
del gráfico

COSTO DE
MANTENIMIENTO Y
PRONOSTICO

15
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.937673261
Coeficiente de determinación R^2 0.879231143
R^2 ajustado 0.86197845
Error típico 111.60975
Observaciones 9

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 7
Total 8

Coeficientes
Intercepción 208.2033451
Variable X 1 70.9181338

Análisis de los residuales

Observación Pronóstico para Y

1 279.1214789
2 350.0396127
3 420.9577465
4 562.7940141
5 775.5484155
6 775.5484155
7 846.4665493
8 988.3028169
9 1059.220951
Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
634819.7348 634819.7348 50.96196306 0.00018719
87197.15405 12456.73629
722016.8889

Error típico Estadístico t Probabilidad Inferior 95%

75.0017941 2.775978196 0.027456736 30.85228383
9.934230312 7.138764814 0.00018719 47.42741189

Residuos
40.87852113
-126.0396127
50.04225352
119.2059859
83.45158451
-124.5484155
-138.4665493
105.6971831
-10.2209507
 Variable X 1 Gráfico de los residuales
200
100

Residuos
0
0 2 4 6 8
-100
-200
Variable X 1

Superior 95%Inferior 95.0%Superior 95.0%

385.554406 30.8522838 385.554406
94.4088557 47.4274119 94.4088557
s residuales

8 10
 Número de catálogos Número de ordenes
Ciudad X*Y
distribuidos X recibidas Y
1 6 24 144
2 2 16 32
3 5 23 115
4 1 15 15
5 10 32 320
6 7 25 175
7 15 18 270
8 3 18 54
9 11 35 385
10 13 34 442
11 2 15 30
12 12 32 384
87 287 2366

COEFICIENTE DE No existe ninguna relacion line

CORRELACION 5.784362632

COEFICIENTE DE REGRESION B1 1.113170732

COEFICIENTE DE REGRESION B0 15.84617886
ECUACION DE REGRESION LINEAL Y=1.11+15.8461
 X^2 Y^2 PRONOSTICO Ȳ

36 576 22.52520325
4 256 18.07252033
25 529 21.41203252
1 225 16.95934959
100 1024 26.97788618
49 625 23.63837398
225 324 32.54373984
9 324 19.18569106
121 1225 28.09105691
169 1156 30.31739837
4 225 18.07252033
144 1024 29.20422764
887 7513

existe ninguna relacion lineal, lo cual nos indica que no tiene nada que ver el numero de ordenes recibidas y el
numero de catalogos distribuidos

NOTA: AL ACOMODAR LAS CANTIDADES DE X DE MENOR A MAYOR SE MUEVEN

TODOS LOS VALORES, LOS PRONOSTICOS LOS CAMBIA A NEGATIVOS, Y TAMBIEN
CAMBIA MIS VALORES DEL COEFICIENTE DE CORRELACION, TAMBIEN SE ME
DIFICULTA IDENTIFICAR CUAL ES LA VARIABLE DEPENDIENTE Y CUAL LA
INDEPENDIENTE.
A MAYOR SE MUEVEN
EGATIVOS, Y TAMBIEN
N, TAMBIEN SE ME
DIENTE Y CUAL LA
 Número de
Número de ordenes
Ciudad catálogos PRONOSTICO
recibidas Y
distribuidos X
1 6 24 22.52520325
2 2 16 18.07252033
3 5 23 21.41203252
4 1 15 16.95934959
5 10 32 26.97788618
6 7 25 23.63837398
7 15 18 32.54373984
8 3 18 19.18569106
9 11 35 28.09105691
10 13 34 30.31739837
11 2 15 18.07252033
12 12 32 29.20422764
R= 0.699518576
B0= 15.84617886
B1= 1.113170732
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.699518576
Coeficiente de determinación R^2 0.489326238
R^2 ajustado 0.438258862
Error típico 5.756602431
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 317.531951 317.531951
Residuos 10 331.384715 33.1384715
Total 11 648.916667

Coeficientes Error típico Estadístico t

Intercepción 15.84617886 3.09175795 5.12529736
Variable X 1 1.113170732 0.3596121 3.09547627

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 22.52520325 1.47479675
2 18.07252033 -2.0725203
3 21.41203252 1.58796748
4 16.95934959 -1.9593496
5 26.97788618 5.02211382
6 23.63837398 1.36162602
7 32.54373984 -14.54374
8 19.18569106 -1.1856911
9 28.09105691 6.90894309
10 30.31739837 3.68260163
11 18.07252033 -3.0725203
12 29.20422764 2.79577236
 Variable X 1 Gráfico de los
10

Residuos
0
0 2 4 6
-10

-20

F Valor crítico de F
9.58197335 0.01133769

Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%

0.00044723 8.95731285 22.7350449 8.95731285 22.7350449
0.01133769 0.31190503 1.91443643 0.31190503 1.91443643
X 1 Gráfico de los residuales

6 8 10 12 14 16

Variable X 1
 Número de
Ciudad catálogos
distribuidos X

1 6
2 2
3 5
4 1
5 10
6 7
7 15
8 3
9 11
10 13
11 2
12 12
Número de ordenes
recibidas Y

24
16
23
15
32
25
18
18
35
34
15
32