DIAGRAMAS DE DISPERSION

REGRESION: ANALISIS PARA ESTIMAR O PROYECTAR UNA VARIABLE EN BASE A OTRA, MEDIANTE UN MOD
CORRELACION: ANALISIS DE LA RELACION EXISTENTE DE DOS VARIABLES

PARETO ISHIKAWA
EFECTO CAUSAS
Y X

X: VAR INDEPENDITE
Y: VAR DEPENDIENTE

INTERPRETAR1. TENDENCIA: POSITIVA (DIRECTA) O NEGATIVA(INVERSA)

2. COMPORTAMIENTO: LINEAL O NO LINEAL (EXP, POT, LOG, POLINOMICO)

REGRESION Y CORRELACION

1. LINEAL SIMPLE 2 VARIBLES (1 IND Y 1 DEP)

2. LINEAL MULTIPLE N VARIBLES (2 O MAS IND Y 1 DEP)
3. NO LINEAL SIMPLE
4. NO LINEAL MULTIPLE
TRA, MEDIANTE UN MODELO MATEMATICO
EJERCICIO N°1
ANALISIS DE REGRESION Y CORRELACION LINEAL SIMPLE

EJERCICIO

METODO DE LOS MINIMOS CUADRADOS.

n= 10
Inversion (X) Ganancias (Y) X^2 X*Y Y^2
1 45 74 2025 3330 5476
2 40 77 1600 3080 5929
3 38 66 1444 2508 4356
4 35 70 1225 2450 4900
5 32 62 1024 1984 3844
6 30 58 900 1740 3364
7 28 60 784 1680 3600
8 27 52 729 1404 2704
9 25 46 625 1150 2116
10 22 40 484 880 1600
322 605 10840 20206 37889
60.5
A)

B)
COCIENTES
 PENDIENTE b= 1.537
ORDENADA EN EL ORIGEN a= 10.998

Y=a+bX Ec. de regresion lineal

Y=10,998+1,537*X

C) COEFICIENTE DE CORRELACION (r )

r 0.9308 tiene un alta relacion

D) ERROR DE ESTIMACION

Sy/x 4.6360 no muy alta

E)
SI Y= 55 (ganacias 55000) X=?

X= (Y-10,998)/1,537

X= 28.62

RPTA. 28622.34 $

F) COEFICIENTE DE DETERMINACION (r ) ^2

(r ) ^2 86.63 % MIDE EL PORCENTAJE DE DEP

LA VARIABLE "GANANCIAS" DEPENDEN EN UN 87% DE LAS INVERSIONES

 INDEPENDIENTE: SE DA PRIMERO
DEPENDIENTE: SE DA DESPUES DE LA INDEPIENTE

NOTA DE UN EXAMEN
NUMERO DE HORAS QUE ESTUDIARON

DENSIDAD
TEMPERATURA

GANANCIAS Y
estimacion INVERSIONES X
Y'
80.163
72.478 DIAGRAMA DE DISPERSION
69.404 90
64.793
80
60.182 f(x) = 1.5373197625106 x + 10.9983036471586
57.108 70
R² = 0.866348097800378
54.034 60
52.497
49.423 50

44.812 40

30

20

10

0
20 25 30 35 40 45 50
IDE EL PORCENTAJE DE DEPENDENCIA DE LA VALIABLE Y EN FUNCION A LA VARIABLE X

S INVERSIONES
LA INDEPIENTE

45 50
.-1 ≤ r ≤ +1
Si es - es tendencia negativa (inversa)
Si es + es tendencia positiva (directa)

independientemente si es + o -

0,9 ≤ r ≤ 1 Relacion alta

0,75 ≤ r ≤ 0,9 Relacion moderada
0,5 ≤ r ≤ 0,75 Relacion baja
< 0,5 No hay relacion o bien no es el modelo matema
n o bien no es el modelo matematico adecuado
EJERCICIO DE REGRESION Y CORRELACION LINEAL SIMPLE
Una empresa de galletas, que distribuye su producto embolsado y por lotes cada 3 dias a
sucursales de toda la cuidad, se registro mediante estimacion (muestreo) que el % de
unidades defectuosas (bolsas) en un lote y en consecuencia se registraron el numero de
unidades devueltas cuando se vuelve a dichas sucursales, los datos del ultimo mes se
muestran en la tabla.
a) Realice el Diagrama de dispersion y determine la ec. de regresion lineal
b) ¿Existe relacion entre las variables?, cuantifique
c) Estime cuanto seria las unidades devueltas si el %de no conformes de un lote es de 0.5%
d) Determine el % de dependencia
e) Determine el error de estimacion.

Y X
Y Dependiente
Unidades Proporcion de
devueltas defectuoso
X Independiente
3 0.021
7 0.051 DIAGRAMA D
6 0.06 8
7 0.054 7
2 0.002 6
f(x) = 95.0839571110661 x +
5 0.04 R² = 0.851227806518116
5
2 0.02
4
4 0.032
3
1 0.009
2
3 0.007
1
0
Y X
𝑌=1,186+95,08∗𝑋 0 0.01 0.02 0.03

Unidades Proporcion de X*Y Y^2 X^2 Y'

devueltas defectuoso
1 3 0.021 0.063 9 0.000441 3.18268
2 7 0.051 0.357 49 0.002601 6.03508
3 6 0.06 0.36 36 0.0036 6.8908
4 7 0.054 0.378 49 0.002916 6.32032
5 2 0.002 0.004 4 0.000004 1.37616
6 5 0.04 0.2 25 0.0016 4.9892
7 2 0.02 0.04 4 0.0004 3.0876
8 4 0.032 0.128 16 0.001024 4.22856
9 1 0.009 0.009 1 0.000081 2.04172
10 3 0.007 0.021 9 0.000049 1.85156
SUM. 40 0.296 1.56 202 0.012716
n= 10

a 1.186 EC. DE REGRESION LINEAL

 b 95.084

B) r?

lineal r 0.9226 relacion alta

c) y ?
x 0.005 proporcion

𝑌=1,186+95,08∗(0,005)

Y 1.6614 2 unidades devueltas

d) Coef de determinacion % de dependencia de una v. dep. Respecto a la v. independiente

r^2 0.8512 85% que las unidades devueltas dependen en un 85 % de la p

e) s Y/x 0.8837726

r .-1<=r<=+1
mas o menos
r 0.9 a 1 relacion alta
r 0,75 a 0,9 relacion moderada
r 0,5 a 0,74 relacion baja
r 0 a 0,5 Relacion nula
 3 dias a
% de
mero de REGRESION LINEAL
es se

es de 0.5%

DIAGRAMA DE DISPERSION

f(x) = 95.0839571110661 x + 1.18551486951244 TENDENCIA CRECIENTE O DECRECIENTE

R² = 0.851227806518116 COMPORTAMIENTO LINEAL O NO LINEAL

0.01 0.02 0.03 0.04 0.05 0.06 0.07

COEFICIENTE DE CORRELACION

COEFICIENTE DE DETERMINACION (r ) ^2

r^2=(r )^2*100%
 ERROR DE ESTIMACION

o a la v. independiente

dependen en un 85 % de la proporcion de no conforme

DECRECIENTE
Un ingeniero está estudiando el efecto de la temperatura y la tasa de agitación en la producción de un determinado producto
El proceso se realiza 16 veces; en la tabla siguiente se muestran los resultados. Las unidades para la producción son porcentaj

X1 X2
Temp tasa agitacion
a) Realice el diagrama de dispersión en función de la tasa de agitación. 110 30
Interprete
b) Determine la ecuación de regresión considerando a la temperatura y 110 32
producción 111 34
c) Calcule 2 coeficientes de correlación en función a la variable 111 36
dependiente. ¿Qué variable tiene mejor relación?
d) Si se tiene un % de producción del 80% cuanto será la temperatura, 112 38
cuanto será la tasa de agitación. 112 40
e) Determine el % de dependía en las 2 situaciones, ¿En qué caso 114 42
depende más?
f) Calcule el error de estimación respecto a la temperatura. 114 44
117 46
117 48
122 50
122 52
130 54
130 56
143 58
143 60

Y(PROM) #REF!
B) X1 Y
Temp %produccion
110 0.7027
110 0.7229
111 0.7257
111 0.7469
112 0.7609
112 0.7314
114 0.7561
114 0.6956
117 0.7441
117 0.7349
122 0.7918
122 0.7544
130 0.8171
130 0.8303
143 0.7698
143 0.8099
de un determinado producto.
la producción son porcentajes de un máximo teórico.

Y
%produccion A)
0.7027
0.7229 TASA VS %PRODUCCION
0.7257 .8500000
0.7469
0.7609
.8000000
0.7314 f(x) = 0.00311875 x + 0.6155625
R² = 0.564463213641388
0.7561
0.6956 .7500000

0.7441
0.7349 .7000000
0.7918
0.7544 .6500000
0.8171
0.8303 .6000000
0.7698 25 30 35 40 45 50 55 60 65

0.8099

TEMP VS %PROD
.8500000

.8000000 f(x) = 0.00260940674522552 x + 0.443103616416091

D) Y
R² = 0.53628055251572 0.8

.7500000
e) EL %PROD. DEPENDE MAS DE LA TASA DE AGITACION
.7000000
F) ERROR
.6500000

.6000000
100 105 110 115 120 125 130 135 140 145 150
 REGRESION MULTIPLE LINEAL
Dada la siguiente informacion de una cantidad de familias

X1 X2 Y

Ingresos mensual N° Integrantes Gastos mensuales

1
(en miles de Bs)
12
(en miles de Bs)
8
(en miles de Bs)
8.9
𝒀 ̂=𝐚+𝐛𝟏∗𝐗𝟏+𝐛𝟐
2 5 3 3
3 6 4 4.4
4 8 5 6
5 6 4 5.1 𝒀 ̂=𝐚+𝐛𝟏∗𝐗𝟏+𝐛𝟐∗𝐗
6 11 7 9
7 3 2 2.5
8 7 5 5.2

Determine los gastos mensuales si una familia de 6 tiene unos ingresos de 10 mil Bs

Ingresos mensual N° Integrantes Gastos mensuales

(en miles de Bs) (en miles de Bs) (en miles de Bs)

12 5 8.9
5 4 3
6 4 4.4
8 5 6
6 4 5.1
11 7 9
3 2 2.5
7 5 5.2

X1 X2 Y X1*X2 X1^2
12 8 8.9 96 144
5 3 3 15 25
6 4 4.4 24 36
8 5 6 40 64
6 4 5.1 24 36
11 7 9 77 121
3 2 2.5 6 9
7 5 5.2 35 49
58 38 44.1 317 484
n 8
 METODO DE MINIMOS CUADRADOS

ECUACION DE REGRESION LINEAL MULTIPLE GRAL

𝐚+𝐛𝟏∗𝐗𝟏+𝐛𝟐∗𝐗𝟐+𝐛𝐧∗𝐗𝐧
ECUACION DE REGRESION LINEAL MULTIPLE (2 V. IND)

+𝐛𝟏∗𝐗𝟏+𝐛𝟐∗𝐗𝟐
aplicar sumatoria a cada termino
Sistema de ecuaciones

Ec. 1

multiplicar por X1 a la ec 1

multiplicar por X2 a la ec 1

X2^2 X1*Y X2*Y METODO DE MINIMOS CUADRADOS

64 106.8 71.2
9 15 9
16 26.4 17.6
25 48 30
16 30.6 20.4
49 99 63 a b1 b2
4 7.5 5 EC 1 8 58 38
25 36.4 26 EC 2 58 484 317
208 369.7 242.2 EC 3 38 317 208
MATRIZ INVERSA
E1 0.953125 -0.09375 -0.03125
E2 -0.09375 1.14583333 -1.72916667
E3 -0.03125 -1.72916667 2.64583333

RESULTADOS E. REGRESION LINEAL MU

a -0.1953125
b1 0.67604167
b2 0.16979167 Y=−𝟎,𝟏𝟗𝟓+𝟎,𝟔
y=?
SI x1 10
x2 6
 𝒓^𝟐=𝟏−(∑▒ 〖 (𝒚−
UADRADOS (𝒚)) ̂ 〗 ^𝟐
)/(∑▒(𝒚−𝒚 ̅ )^𝟐 )

c
44.1
369.7
242.2
 𝒀 ̂=𝐚+𝐛𝟏∗𝐗𝟏+𝐛𝟐∗𝐗𝟐

. REGRESION LINEAL MULTIPLE

Y=−𝟎,𝟏𝟗𝟓+𝟎,𝟔𝟕𝟔∗𝒙𝟏+𝟎,𝟏𝟔𝟗𝟖∗𝒙𝟐

Y 7.58385416667 mil Bs

Gastos mensuales estimado 7583.85417 Bs

EJERCICIO 2

X1 X2 Y X1*X2 X1^2 X2^2 X1*Y

420 19 23.8 7980 176400 361 9996
600 8 24.2 4800 360000 64 14520
750 12 22 9000 562500 144 16500
880 15 26.2 13200 774400 225 23056
740 12 33.5 8880 547600 144 24790
904 16 34 14464 817216 256 30736
789 11 36.5 8679 622521 121 28798.5
465 9 32 4185 216225 81 14880
SUMATORIAS 5548 102 232.2 71188 4076862 1396 163276.5
 SOLO REGRESION

METODO DE MINIMOS CUADRADOS

X2*Y
452.2
193.6
264 REEMPLAZANDO...
393
402
544
401.5
288
2938.3

RESOLVIENDO EL SISTEMA DE ECUACIONES

a 25.443
b1 0.0103
b2 -0.282
 Y=a1+b1*X1+b2*X2 EC. REGRESION LINEAL MULTIPLE

Y=25,443 + 0,0103*X1 - 0,282*X2

SI x1= 810 x2= 24 (EN MILES)

Y= 25,443 + 0,0103*(810) - 0,282*(24)

Y= 27.018

Y= 27018 $ BENEFICIO SEMANAL

ION LINEAL MULTIPLE
 EJEMPLO- COMO PUEDEN APRECIAR EN EL GRAFICO SERIA MEJOR UN MODELO EXPONENCIAL QUE UNO LINEAL
EJERCICIO 3 EN ESTE EJERCICIO ES MEJOR UN MODELO NO LINEAL
¿Qué MODELO es el mejor?
X Y
2 12 MODELO EXPONENCIAL
4 15 350
6 19 f(x) = 10.0901340656515 exp( 0.118533823253952 x )
R² = 0.980967184889779
300
9 27
11 35 250
14 53
200
15 73
18 99 150
20 130
100
21 159
23 145 50
26 194
0
25 215 0 5 10 15 20 25 30 35
30 264
29 296
UN CRITERIO PARA ELEGIR CUAL ES EL MEJOR MODELO ES E

r PARA ESTE CASO EL R^2(EXPONENCIAL)

POR TANTO, ES MEJOR UN MODELO EXPO
EXPONENCIAL QUE UNO LINEAL, EN ESTE CASO DEBERA AJUSTARSE UNA ECUACION EXPONENCIAL TRANSFORMANDOLA EN LINEAL
R UN MODELO NO LINEAL

ONENCIAL
MODELO LINEAL
53952 x ) 350

300

250
f(x) = 9.89904739776951 x − 51.2305994423792
200 R² = 0.906347520446452

150

100

50

0 25 30 35
0
0 5 10 15 20 25 30 35

CUAL ES EL MEJOR MODELO ES EL COEFICIENTE DE CORRELACION Y DETERMINCAION

L R^2(EXPONENCIAL) >>> R^2(LINEAL)

ES MEJOR UN MODELO EXPONENCIAL
FORMANDOLA EN LINEAL

35
REGRESION Y CORRELACION NO LINEAL

MODELO POTENCIAL n 10

X Y X' Y' X'*Y'

2 4 0.6931 1.3863 0.9609
4 12 1.3863 2.4849 3.4448
6 15 1.7918 2.7081 4.8522
8 16 2.0794 2.7726 5.7654
11 20 2.3979 2.9957 7.1835
14 32 2.6391 3.4657 9.1463
16 46 2.7726 3.8286 10.6152
19 57 2.9444 4.0431 11.9045
22 78 3.0910 4.3567 13.4668
23 95 3.1355 4.5539 14.2787
SUMATORIA 125 375 22.9312 32.5956 81.6182

PRMEDIO X' 2.29312

PROMEDIO Y' 3.25956 CALCULAR LA ECUACION DE REGRESION POTENC

b 1.18286348990613
𝒀=𝒂∗𝒙^𝒃
a' 0.547115510905953
SI O SI TRANSFORMAR
a 1.72826067208509 𝒀=𝟏,𝟕𝟐𝟖∗𝒙^(𝟏,𝟏𝟖𝟐)

CORRELACION r

r 0.973435244600565

COEF. DETERMINACION
r^2 0.947576175430563

ERROR DE ESTIMACION

Syx 0.237107960376227
 DEMOSTRACION

X'^2 Y'^2
0.4805 1.9218
1.9218 6.1748
3.2104 7.3335
4.3241 7.6872
5.7499 8.9744
6.9646 12.0113
7.6872 14.6585
8.6697 16.3463
9.5545 18.9809
9.8313 20.7378
58.3941 114.8266

ON DE REGRESION POTENCIAL
X=X' Y=Y'

^𝒃
DIAGRAMA DE DISPERSION

𝒙^(𝟏,𝟏𝟖𝟐) 100
90
80
70
f(x) = 1.72826067208509 x^1.18286348990613
60 R² = 0.947576175430566
50
40
30
20
10
0
0 5 10 15 20 25
MODELO EXPONENCIAL SE SIGUE ESTE PROCEDIMIENTO, CONVIRTIENDO EL MODELO EXPO
n 15
X Y Y' X*Y' X^2 Y'^2
VAR. IND. VAR. DEP.
2 12 2.485 4.970 4 6.175
4 15 2.708 10.832 16 7.334
6 19 2.944 17.667 36 8.670
9 27 3.296 29.663 81 10.863
11 35 3.555 39.109 121 12.640
14 53 3.970 55.584 196 15.763
15 73 4.290 64.357 225 18.408
18 99 4.595 82.712 324 21.115
20 130 4.868 97.351 400 23.693
21 159 5.069 106.447 441 25.694
23 145 4.977 114.465 529 24.768
26 194 5.268 136.964 676 27.750
25 215 5.371 134.266 625 28.844
30 264 5.576 167.278 900 31.091
29 296 5.690 165.020 841 32.380
SUMATORIAS 253 1736 64.662 1226.685 5415 295.187

CALCULAR LA ECUACION DE REGRESION EXPONENCIAL

PRMEDIO X
PROMEDIO Y'
16.8666667
4.31082861 𝒀=𝒂∗𝒆^𝒃𝒙
b 0.11853382

a' 2.31155812
𝒀=𝟏𝟎,𝟎𝟗∗𝒆^(𝟎,𝟏𝟏𝟖𝟓𝒙)
a 10.0901341

CORRELACION r

r 0.99043788

COEF. DETERMINACION
r^2 0.98096718
RTIENDO EL MODELO EXPONENCIAL A LINEAL

DEMOSTRACION

EN VEZ DE Y SERA Y'

GRAFICA DE DISPERSION
350
f(x) = 10.0901340656515 exp( 0.118533823253952 x )
R² = 0.980967184889779
300

250

200

150

100

50

𝟖𝟓𝒙)
0 5 10 15 20 25 30 35
MODELO CUADRATICO
3 incognitas
𝒀=𝒂+𝒃_𝟏∗𝒙+𝒃_𝟐∗𝒙^𝟐

MULTIPLICAR A TODO LA SUMATORIA

∑▒𝒀=∑▒𝒂+∑▒𝒃𝟏∗𝒙+∑▒ 〖𝒃 _𝟐∗𝒙^𝟐
〗
∑▒𝒀=𝒏𝒂+𝒃_𝟏 ∑▒𝒙+𝒃_𝟐 ∑▒𝒙^𝟐
EC. 1

SUMATORIAS
Ec 1.....multiplicamos por X

∑▒ 〖𝒙∗𝒚〗 =𝒂∗∑▒𝒙+𝒃_𝟏 ∑▒𝒙^𝟐 +𝒃_𝟐 ∑▒𝒙^𝟑

EC. 2

Ec 2....multiplicamos por X

∑▒ 〖𝒙 ^𝟐∗𝒚 〗 =𝒂∗∑▒𝒙^𝟐 +𝒃_𝟏 ∑▒𝒙^𝟑 +𝒃_𝟐

𝒀=𝒂+𝒃_𝟏∗𝒙+𝒃_𝟐∗𝒙^𝟐 EC. 3
∑▒𝒙^𝟒
𝒀=𝒂+𝒃_𝟏∗𝒙+𝒃_𝟐∗𝒙^𝟐
n 10

X Y X^2 X*Y X^3 X^2*Y X^4

0.2 12 0.04 2.4 0.008 0.48 0.0016
0.4 15 0.16 6 0.064 2.4 0.0256
0.6 18 0.36 10.8 0.216 6.48 0.1296
0.8 25 0.64 20 0.512 16 0.4096
1 32 1 32 1 32 1
1.2 32 1.44 38.4 1.728 46.08 2.0736
1.4 31 1.96 43.4 2.744 60.76 3.8416
1.6 30 2.56 48 4.096 76.8 6.5536
1.9 27 3.61 51.3 6.859 97.47 13.0321
2.2 23 4.84 50.6 10.648 111.32 23.4256
11.3 245 16.61 302.9 27.875 449.79 50.4929
PROMEDIO 24.5

a b1 b2 c
EC 1 10 11.3 16.61 245
EC 2 11.3 16.61 27.875 302.9
EC 3 16.61 27.875 50.4929 449.79

MATRIZ INVERSA
E1 1.21897168083 -2.1261044609 0.77274314
E2 -2.12610446092 4.52704650413 -1.79979415
E3 0.77274314269 -1.7997941534 0.75919582

RESULTADOS E. REGRESION PARA UN MODELO CUADRATICO

a 2.22315874162
b1 40.8173809314
𝒀=𝟐,𝟐𝟐𝟑+𝟒𝟎,𝟖𝟏∗𝒙+𝟏𝟒,𝟑𝟓∗𝒙^𝟐
b2 -14.3568929525

Y? SI X = 40 X 2.2

Y 22.53
 Chart Title
35

DE LA ECUACION
YEST (Y-YEST)^2 (Y-YPROM)^2 30 f(x) = − 14.3568929524807 x² + 40.817380931373 x + 2.22315874
R² = 0.928853253291668
9.8123592097944 4.785772226971 156.25
16.253008241771 1.570029653946 90.25 25
21.54510583755 12.56777539943 42.25
25.68865199713 0.47424157315 0.25 20
28.683646720511 10.99819907438 56.25
30.530090007694 2.16063538548 56.25 15
31.227981858679 0.051975727887 42.25
30.777322273465 0.604229916825 30.25
10
27.947798952772 0.898322854876 6.25
22.534034900633 0.217123473828 2.25
5
245 34.32830528677 482.5

0
0 0.5 1 1.5

COEFICIENTE DE CORRELACION

0.07114675
r^2 0.92885325
igual al de la grafica

𝒓^𝟐=𝟏−(∑▒ 〖 (𝒚−
UN MODELO CUADRATICO (𝒚)) ̂ 〗 ^𝟐
ERROR DE ESTIMACION
)/(∑▒(𝒚−𝒚 ̅ )^𝟐 )
𝒙+𝟏𝟒,𝟑𝟓∗𝒙^𝟐
S y/x 1.19700899

VALOR ESTIMADO
 Chart Title

+ 40.817380931373 x + 2.22315874161902

1 1.5 2 2.5
 40 49 50 59
cerrado cerrados X/Y 44.5 54.5
90 99 94.5
80 89 84.5
70 79 74.5
LARGO
60 69 64.5 4 6
50 59 54.5 5 5
40 49 44.5 3 2
fy 12 13
fy*Y 534 708.5
fy*y^2 23763 38613.25

DESVIACION ESTANDAR POBLACIONAL Media aritmetica (pr

coef. Correlacion
𝜎𝑥=√((∑▒ 〖𝑥 ^2∗𝑓𝑥 〗 )/ Cov(x,y)
X(barra)=

𝑛−𝑥 ̅ )^2 r=
σy*σx y(barra)=

varianza sigma^2

𝜎𝑦=√((∑▒ 〖𝑦 ^2∗𝑓 〗 𝑦 )/𝑛−𝑦 ̅ ) Matriz de productos de X*Y

"^2"
X/Y 44.5 54.5
94.5 4205.25 5150.25
84.5 3760.25 4605.25
74.5 3315.25 4060.25
64.5 2870.25 3515.25
54.5 2425.25 2970.25
44.5 1980.25 2425.25

Matriz de frecuencias

x/y 44.5 54.5

94.5
84.5
74.5
64.5 4 6
54.5 5 5
44.5 3 2

Matriz de frecuencias * productos de X*Y

Xi*Yj*fij 44.5 54.5
94.5 0 0
84.5 0 0
74.5 0 0
64.5 11481 21091.5
54.5 12126.25 14851.25
44.5 5940.75 4850.5
suma 29548.00 40793.25
 ANCHO
60 69 70 79 80 89 90
64.5 74.5 84.5 94.5
3 7 2 2
8 4 1 10
5 10 5 2
6 9 4
1 1
10
33 31 12 14
2128.5 2309.5 1014 1323
137288.25 172057.75 85683 125023.5

Calculo de parametros

Media aritmetica (promedio) PROMEDIO (X) 70.413

Suma( fx*X) PROMEDIO (Y) 69.717

Suma( fy*Y) DESV(X) 15.373

n DESV (Y) 14.286

COV (XY) 124.80151229

64.5 74.5 84.5 94.5

6095.25 7040.25 7985.25 8930.25 Cov
(x,y)=(∑▒ 〖𝑥𝑖∗𝑦𝑗∗𝑓𝑖𝑗〗 )/
5450.25 6295.25 7140.25 7985.25
4805.25 5550.25 6295.25 7040.25
4160.25
3515.25
4805.25
4060.25
5450.25
4605.25
6095.25
5150.25
 ̅∗𝑦 ̅
2870.25 3315.25 3760.25 4205.25

64.5 74.5 84.5 94.5 Cov(x,y)

r=
3 7 2 2 σy*σx
8 4 1 10
5 10 5 2
6 9 4
1 1
10
 64.5 74.5 84.5 94.5
18285.75 49281.75 15970.5 17860.5
43602 25181 7140.25 79852.5
24026.25 55502.5 31476.25 14080.5
24961.5 43247.25 21801 0
3515.25 4060.25 0 0
28702.5 0 0 0
143093.25 177272.75 76388.00 111793.50 578888.75 Suma total X*Y*f
 99
94.5 fx fx*X fx*X^2
2 14 1323 125023.5
10 23 1943.5 164225.75
2 22 1639 122105.5
29 1870.5 120647.25
12 654 35643
15 667.5 29703.75
14 115 8097.5 597348.75
1323 8017.5
125023.5 582428.75

n = 115

〖𝑥𝑖∗𝑦𝑗∗𝑓𝑖𝑗〗 )/𝑛−𝑥

r 0.5682604