Calificación 24 30 33 35 36 36 37

Productividad 24 39 47 51 43 40 57

Coeficiente de correlación
Indica que es una correlación fuerte y
0.776639864706 directa
37 38 40 43 49
46 50 59 61 52
 x 225 350 150 200 175 180 325
y 11.9 12.4 8.8 11.1 10 9.9 13.7

a Coeficiente de relación b
16
0.9447117 Indica una correlación directa y fuerte
14 f(x) = 0.0226
R² = 0.89248
12

10

0
100 150
 290 400 125
13.3 15 8.1

y
16

14 f(x) = 0.0226531393568147 x + 5.93794027565084 Y= 0,0227*x+5,9379

R² = 0.892480195141197
12

10

0
100 150 200 250 300 350 400 450
 Experiencia 8 5 5 11 4 3 9 3
Salario 539 525 490 651 516 527 578 401

1 0.7948983 Salario
800
700
600
f(x) = 15.8717273860646 x + 407.463222052916
500 R² = 0.631863363038538
400
300
200
100
0
0 2 4 6 8 10 12 14 16
 0 13 14 10 2 2 5 13 1 5
411 669 479 535 423 372 513 647 380 470

2
 1 5
438 474
a. Y=1,2728*x + 0,9582

a. y=0.9582 + 1.2728*x

Cómo R2=0,6032, el 60,032% de la variación de la

b. productividad, está explicada por la variación de la
calificación.
a. Pendiente 1.685 (acompaña a x). Lo que indica es que el esfuerzo axial aumenta en 1.685 Mpa por el aumento del
Coeficiente de posición -95.701 (intercepto). Indica que se inicia con un esfuerzo axial de -95.7 Mpa.

b. El coeficiente de determinación R2=0.9408, significa que el 94.08% de la variación del esfuerzo axial es explicada p

c. y=-95.701+1.685*X 76.169
Mpa por el aumento del esfuerzo cúbico en una unidad.

erzo axial es explicada por este modelo.

1 y=-0.8+0.6*x1+0.9*x2+e
4.9

2
1

3
y=-1.95+0.14*x1+2.11*x2

Cuando la potencia en caballos se mantiene fija, el cambio promedio del precio de los autos asociado con
un aumento a un metro en la longitud.

El 77.2% de la variabilidad del precio del auto es explicada en forma conjunta por la variación de la
potencia en caballos y lomgitud del auto.
Gasto alimen 0.43 0.31 0.32 0.46 1.25 0.44 0.52
Ingresos 2.1 1.1 0.9 1.6 6.2 2.3 1.8
Tamaño 3 4 5 4 4 3 6
0.29 1.29 0.35 0.35 0.78 0.43 0.47 0.38
1 8.9 2.4 1.2 4.7 3.5 2.9 1.4
5 3 2 4 3 2 3 4
Gasto_aliment 0.32, 0.46, 1.25, 0.44, 0.52,
Ingresos <-c(20.9, 1.6, 6.2, 2.3, 1.8,
Tamaño <-c(34, 5, 4, 4, 3,
datos <- data.frame(Gasto_alimentación, Ingresos, Tamaño)
datos

modelo <- lm(Gasto_alimentación ~ Ingresos + Tamaño, data = datos)

modelo

summary(modelo)
0.29, 1.29, 0.35, 0.35, 0.78, 0.43, 0.47)
1, 8.9, 2.4, 1.2, 4.7, 3.5, 2.9)
6, 5, 3, 2, 4, 3, 2, 3)