a)

accidentes vehículos
5 15
7 1 Coeficientesa
Coeficientes no Coeficientes
5 13
estandarizados estandarizads
3 11
Modelo B Desv. Error Beta t Sig.
1 2
(Constant) 1 9.695 4.822 2.010 0.101
accidentes
1 8 -0.527 0.916 -0.249 -0.575 0.590
a. Variable
9 dependiente:
2 vehículos

a) R=0.249, existe una correlación lineal leve entre las variables (cantidad de vehículos y
cantidad de accidentes)
b) y=-0.5269x+9.6946 (Recta d regresión), la pendiente es m=-0.5269, esto quiere decir
que por cada accidente adicional el número de vehículos disminuye en 0.5269

c)

Resumen del modelob

R cuadrado Error estándar de la
Modelo R R cuadrado ajustado estimación
1 0.249 a
0.062 -.126 6.327
a. Predictores: (Constante), accidentes
b. Variable dependiente: vehículos
Error estándar de la estimación: 6.327 (Esto nos dice que el punto de datos promedio
cae 6.327 unidades de la línea de regresión.)

d)

Coeficiente de determinación: (En un 6.2 % indica que el modelo explica la

variabilidad de los datos de respuesta en torno a su media .)

e) y=-0.5269x+9.6946

Si x=4 entonces y=-0.5269(4) +9.6946= 7.587

Si x=6 entonces y=-0.5269(6) +9.6946= 6.5532

a)

conducta
edad agresiva
6 9
6 6
6.7 7
7 8
 7.4 7
7.9 4
8 2
8.2 3
8.5 3
8.9 1

Coeficientesa
Coeficientes
Coeficientes no estandarizado
estandarizados s
Modelo B Desv. Error Beta t Sig.
1 (Constante 22.512 3.613 6.231 <.001
)
edad -2.3475 .480 -.866 -4.887 .001
a. Variable dependiente: conducta agresiva
a) y=-2.3475x+22.512 (Recta d regresión), la pendiente es m=-0.5269, esto quiere decir
que por cada accidente adicional el número de vehículos disminuye en 0.5269
b)

c) y=-2.3475x+22.512
Para x= 7.2 entonces y=-2.3475(7.2)+22.512=5.61

Resumen del modelob

Error estándar
R cuadrado de la
Modelo R R cuadrado ajustado estimación
a
1 0.866 0.749 .718 1.460
a. Predictores: (Constante), edad
b. Variable dependiente: conducta agresiva
 d) Error estándar de la estimación: 1.460 (Esto nos dice que el punto de datos promedio
cae 1.460 unidades de la línea de regresión.)
e)
Coeficiente de determinación: (En un 7.49 % indica que el modelo explica
la variabilidad de los datos de respuesta en torno a su media .)

a)
gastos
publicitarios numero de pasajeros
10 15
b)
12 17
8 13
17 Resumen 23 del modelob
10 16 Error estándar
15 21 R cuadrado de la
10 14
Modelo R R cuadrado ajustado estimación
14 a 20
1 0.968 0.938 0.933 0.907
19 24
a. Predictores:
10 (Constante), gastos
17 publicitarios
b. Variable
11 dependiente: número 16 de pasajeros
13 18
16 23
10 15
12 16
Como R= 0.968 Existe una correlación lineal muy alta entre las variables.

c) y= 1.0813x+4.3863
d) Para x= 20 entonces tenemos y= 1.0813(20)+4.3863= 26.0123
a)

intereses casas
12.3 198
10.5 298
10.6 126
9.6 226
10.6 240
8.3 303
8.7 206
11.2 102
15.2 104
12 114

b)
 Resumen del modelo

R cuadrado Error estándar de

Modelo R R cuadrado ajustado la estimación
1 0.642 a
0.412 .339 62.724
a. Predictores: (Constante), intereses

Coeficientesa
Coeficientes
Coeficientes no estandarizado
estandarizados s
Modelo B Desv. Error Beta t
1 (Constante 463.861 116.642 3.977
)
intereses -24.969 10.545 -0.642 -2.368
a. Variable dependiente: casas
Y=-24.969x+463.861
c)
Si x= 9.5 entonces y= =-24.969(9.5) +463.861= 226.6555
Se venderán aproximadamente 227 casas cuando el interés sea de 9.5%
a)
Numero de
horas calificaciones
3 9
3 12
3 11
4 12
4 15
5 14
5 16
5 15
6 18
6 16
7 15
8 17
 Resumen del modelo
Error estándar
R cuadrado de la
Modelo R R cuadrado ajustado estimación
1 0.805a 0.649 0.613 1.652
a. Predictores: (Constante), Numero de horas

Coeficientesa
Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Desv. Error Beta t Sig.
1 (Constante) 7.677 1.584 4.847 <.001
Numero de 1.320 .307 .805 4.296 .002
horas
a. Variable dependiente: calificaciones

b) La pendiente es m= 1.3199. Esto quiere decir que por cada hora adicional de estudio, la
calificación aumenta en 1.3199

c) Para y= 8 tenemos que:

Sabemos que el modelo de regresión es:

Y=1.3199x + 7.6772

8=1.3199x + 7.6772
X= 0.24

Para una calificación de 8 , se debe estudiar 0.24 horas según el modelo encontrado.

a)
 peso altura
74 168
92 196 b) y= 0.831x+114.51 Esto quiere decir que por cada kilo adicional
63 170 de peso, la altura aumenta en 0.831 cm
72 175
58 162
78 169
b)85 190
85 186 c) La pendiente es m= 0.831
73 176
62 170 Resumen del modelo
80 176
72 179 R cuadrado Error estándar de
Modelo R R cuadrado ajustado la estimación
1 0.854 a
0.729 0.702 5.424
a. Predictores: (Constante), peso

Coeficientesa
Coeficientes
Coeficientes no estandarizado
estandarizados s
Modelo B Desv. Error Beta t Sig.
1 (Constant) 114.507 12.044 9.507 <.001
peso 0.831 0.160 .854 5.184 <.001
a. Variable dependiente: altura

d) R= 0.854 El nivel de correlación es muy alta entre las variables

e) Coeficiente de determinación: (En un 7.29 % indica que el modelo explica la

variabilidad de los datos de respuesta en torno a su media .)

f) Error estándar de la estimación es 5.4224 (Esto nos dice que el punto de datos promedio
cae 5.4224 unidades de la línea de regresión.)
a)

humedad contenido de huemdad

42 12
35 8
50 14
43 9
48 11
62 16
31 7
36 9
44 12
39 10
55 13
48 11