ALUMNO: LUIS LEONARDO RAMÍREZ JUÁREZ

MATRICULA: 139187
GRUPO: ll76

MATERIA: ANÁLISIS ESTRATÉGICO DE LA INFORMACIÓN

DOCENTE: JAVIER ALBERTO REJÓN VIVAS

Actividad de Aprendizaje 2. Regresión, correlación y probabilidad

SAN FRANCISCO DE CAMPECHE A 13 DE MARZO DEL 2021

1. Los datos de la muestra la edad y el peso de seis niños.

Edad 4 6 3 7 2 8
(año)

Peso(Kg) 18 24 16 23 12 26

a) Realiza el diagrama de dispersion

Con relación a la d
Diagrama de dispersión puntos que se encu
gráfica nos damos
30
relacion resulta ser

25

20
Peso (kg)

15

10

0
1 2 3 4 5 6 7 8 9
Edad (años)

b) Encuentre la ecuacion lineal de minimos cuadrado que mejor se adapta a los

datos
N Edad E Peso (P) E*E EP P*P
1 4 18 16 72 324
2 6 24 36 144 576
 3 3 16 9 48 256
4 7 23 49 161 529
5 2 12 4 24 144
6 8 26 64 208 676
Total 30 119 178 657 2505

∑▒𝑌=𝑛𝑎+𝑏∑▒𝑋
= 119=6𝑎+30𝑏 Sistema de ecuaciones: (−5)(119=6𝑎+30𝑏)
∑▒ 〖𝑋𝑌 =𝑎∑▒ 〖𝑋 +𝑏∑▒𝑋^2
〗〗 Resolvemos: −595=−30𝑎−150𝑏
= 657=30𝑎+178𝑏 657 = 30𝑎 + 178b
62 = 28𝑏

Encontramo 𝑏= 62/28 =
s b:

Sustituimos en la ecuación para encontrar a: 119=6𝑎+30(2.21428571) =

Se calcula el Coeficiente de Correlacion: r = (𝑛∑▒𝑥𝑦−∑▒𝑥

∑▒𝑌)/√((𝑛∑▒ 〖𝑋 ^2−(∑▒𝑋)^2)
(𝑛∑▒ 〖𝑌 ^2−(∑▒𝑌)^2 〗〗 )
r=
((6∗657)−(30∗119))/√(((6∗178)−(30∗
30))((6∗2505)−(119∗119)))
r = 372/√145992=0.9735
r = 0.9735

Se calcula la ecuacion lineal de minimos

cuadrados:

𝑌= 〖𝑎𝑋〗 ^𝑏

∑▒ 〖𝑙𝑜𝑔𝑌 =𝑛𝑙𝑜𝑔 𝑎+𝑏∑▒log⁡𝑋 〗

∑▒ 〖 (log 〗〖
⁡ 𝑋 log⁡〖𝑌 )=log⁡〖𝑎 ∑▒ log⁡〖𝑋 +𝑏∑▒(log⁡𝑋 )^2 〗 〗
〗〗

𝑎=1.63
𝑌=b〖𝑎𝑋〗
=170.13
^𝑏
 𝑌= 〖𝑎𝑋〗 ^𝑏

Y =170.13𝑋^1.63

c) Coeficioente de correlacion

r=(𝑛∑▒𝑥𝑦−∑▒𝑥 ∑▒𝑌)/√((𝑛∑▒
〖𝑋 ^2−(∑▒𝑋)^2)(𝑛∑▒ 〖𝑌 ^2−
(∑▒𝑌)^2 〗〗 )
r=((6∗657)−(30∗119))/
√(((6∗178)−(30∗30))
((6∗2505)−(119∗119)))
r=372/√145992=0.9735
r = 0.9735

ln ln ln ln
N Edad Peso E P E*P x2
1 4 18 1.38629436 2.89037176 4.00690607 1.92181206
2 6 24 1.79175947 3.17805383 5.69430804 3.210402
3 3 16 1.09861229 2.77258872 3.04600004 1.20694896
4 7 23 1.94591015 3.13549422 6.10139002 3.78656631
5 2 12 0.69314718 2.48490665 1.72240604 0.48045301
6 8 26 2.07944154 3.25809654 6.77502129 4.32407713
TOTAL 30 119 8.995165 17.719512 27.346031 14.930259

d) Estime el peso de un niño de 5 año

x = 4.5
Y
=170.13 〖 (4.5) 〗 ^1.63
Y =19.8 𝑘
 Edad
Peso(Kg) Resumen
(año)
4 18
Estadísticas de la
6 24
regresión El coeficiente de corre
de 97.35% de que la
Coeficiente de entre el peso de un n
3 16 correlación
múltiple 0.973595170223
Coeficiente de
7 23 determinación
Este coeficiente nos d
R^2 0.947887555482 94.78% de veracidad
2 12 R^2 ajustado 0.934859444353 en el peso de cada ni

8 26 Error típico 1.373646519999

Con relación a la dispersión de los
Observaciones 6
puntos que se encuentran en la
gráfica nos damos cuenta que la
relacion resulta ser lineal positiva
ANÁLISIS DE
VARIANZA

Grados de
libertad
Regresión 1
Residuos 4
Total 5

Coeficientes
Intercepción 8.761904761905
Edad (año) 2.214285714286

Análisis de los
residuales

Observación Pronóstico
Peso(Kg)
1 17.61904761905
2 22.04761904762
3 15.40476190476
4 24.2619047619
5 13.19047619048
6 26.47619047619
 Edad (año) G
(−5)(119=6𝑎+30𝑏)
residu
2.5
−595=−30𝑎−150𝑏 2
657 = 30𝑎 + 178b 1.5
1

Residuos
62 = 28𝑏
0.5
0
𝑏= 62/28 =
2.2142857 -0.5 1 2 3 4
-1
19=6𝑎+30(2.21428571) = 119=6𝑎+66.428571 -1.5
Edad
=119 −66.428571=6𝑎

𝑎= 52.571429/6 = 8.7619048
𝑋)^2)
Edad (año) Curva de
〗) ajustada
30
25
8)−(30∗ Peso(Kg)
20
f(x) = 2.21428571428571 x
R² = 1
15
10
5
0
1 2 3 4 5 6 7 8 9
Edad (año)

Gráfico de probabil
30
25
20
Peso(Kg)

15
10
5
0
0 10 20 30 40 50
Muestra pe
 25
20

Peso(Kg)
15
10
5
0
0 10 20 30 40 50
Muestra pe

ln
y2
8.3542489
10.1000261
7.68724822
9.83132398
6.17476106
10.6151931
52.762801
 El coeficiente de correlacion nos da un porcentaje
de 97.35% de que la relacion es positiva directa
entre el peso de un niño por edad

Este coeficiente nos da un porcentaje de

94.78% de veracidad de que la edad influye
en el peso de cada niño

Suma de Promedio de los F Valor crítico de F

cuadrados cuadrados
137.2857142857 137.2857142857 72.7570977918 0.001036617631
7.547619047619 1.886904761905
144.8333333333

Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

1.413937948264 6.196809960904 0.003448309688 4.836183666393 12.68762585742 4.83618366639284

0.259594791516 8.529777124392 0.001036617631 1.493535026046 2.935036402526 1.49353502604586

Resultados de
datos de
probabilidad

Residuos
Residuos estándares Percentil Peso(Kg)

0.380952380952 0.310063545315 8.333333333333 12

1.952380952381 1.589075669738 25 16
0.595238095238 0.484474289554 41.66666666667 18
-1.2619047619 -1.027085493855 58.33333333333 23
-1.19047619048 -0.968948579108 75 24
-0.47619047619 -0.387579431643 91.66666666667 26
 Edad (año) Gráfico de los
residuales
2.5
2
1.5
1
Residuos

0.5
0
-0.5 1 2 3 4 5 6 7 8 9
-1
-1.5
Edad (año)

Edad (año) Curva de regresión

ajustada
30
25 Peso(Kg)
f(x) = 2.21428571428571 x + 8.76190476190476
20 R² = 1 Pronóstico Peso(Kg)
15 Linear (Pronóstico
10 Peso(Kg))
5
0
1 2 3 4 5 6 7 8 9
Edad (año)

Gráfico de probabilidad normal

30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
Superior 95.0%

12.68762585742
2.935036402526
3. La demanda (Q), de un producto depende del precio (P). Una compañía esta intentando estimar l

P Q
10 100
4.7 150

8.5 128

8 120

4.5 162

4 170

3 180

2 200

a) Realiza el diagrama de dispersión

Diagrama de dispersión
250 La gráfica nos mue
relacion resulta ser

200

150
Demanda (Q)

100

50

0
1 2 3 4 5 6 7 8 9 10 11
Precio (P)
 0
1 2 3 4 5 6 7 8 9 10 11
Precio (P)

b) Encuentre la ecuacion lineal de minimos cuadrado que mejor se adapta a los datos

N P Q P*P P*Q Q*Q

1 10 100 100 1000 10000
2 4.7 150 22.09 705 22500
3 8.5 128 72.25 1088 16384
4 8 120 64 960 14400
5 4.5 162 20.25 729 26244
6 4 170 16 680 28900
7 3 180 9 540 32400
8 2 200 4 400 40000
TOTAL 44.7 1210 307.59 6102 190828

∑▒𝑌=𝑛𝑎+𝑏∑▒𝑋
= 1210 =8𝑎+44.7𝑏
∑▒ 〖𝑋𝑌 =𝑎∑▒ 〖𝑋 +𝑏∑
▒𝑋^2 〗〗 = 6102 = 44.7𝑎 + 307.59b

Sistema de ecuaciones:

Encontramos a: 1210 =8𝑎+44.7𝑏

La ecuación lineal es: 𝑌 = 87.588 + 11.39X

c) Coeficioente de correlacion

r=(𝑛∑▒𝑥𝑦−∑▒𝑥 ∑▒𝑌)/√((𝑛∑▒ 〖𝑋
^2−(∑▒𝑋)^2)(𝑛∑▒ 〖𝑌 ^2−
(∑▒𝑌)^2 〗〗 )
r=(𝑛∑▒𝑥𝑦−∑▒𝑥 ∑▒𝑌)/√((𝑛∑▒ 〖𝑋
^2−(∑▒𝑋)^2)(𝑛∑▒ 〖𝑌 ^2−
(∑▒𝑌)^2 N〗〗 ) P Q P*P P*Q Q*Q
1 10 100 100 1000 10000
2 4.7 150 22.09 705 22500
3 8.5 128 72.25 1088 16384
4 8 120 64 960 14400
5 4.5 162 20.25 729 26244
6 4 170 16 680 28900
7 3 180 9 540 32400
8 2 200 4 400 40000
TOTAL 44.7 1210 307.59 6102 190828

Totales
N 8 N(P*Q) = 48816 (P*Q) - N(P*Q) =
P 44.7 P*Q = 54087 N (P*P) - (P*P) =
Q 1210 N(P*P) = 2460.72 N(Q*Q) - (Q*Q) =
P*P 307.59 P*P = 1998.09
P*Q 6102 N(Q*Q) = 1526624 (N (P*P) - (P*P) * N(Q*Q)
Q*Q 190828 Q*Q = 1464100 - (Q*Q) ) =
√28925478.12 =
esta intentando estimar la funcion para el producto y tiene los siguente datos.

Resumen

Estadísticas
de la
regresión
Teniendo en el coeficiente de correlación
Coeficiente de un porcentaje de 98% determinamos que
correlación 0.980060177666 es positivo entre la demanda por el precio
múltiple

Coeficiente de
determinació 0.960517951846
n R^2
Con un 96.05% en el coeficiente de
determinacion la certeza de la relacion
R^2 ajustado 0.953937610487 que exite entre el precio y la demanda.

Error típico 7.171377684292

Observacione
8
s

ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los
F
libertad cuadrados cuadrados
Regresión 1 7506.928052655 7506.928052655 145.967800066
La gráfica nos muestra que la
Residuos 6 308.5719473445 51.42865789076
Total
relacion resulta ser lineal positiva 7 7815.5

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 214.9114843395 5.84752120735 36.75257886528 2.7072219E-08

p -11.3935542442 0.943041256889 -12.0817134574 1.9524786E-05

Análisis de los
residuales

Residuos
Observación Pronóstico q Residuos
estándares
1 100.9759418974 -0.97594189741 -0.14699235982
 2 161.3617793917 -11.3617793917 -1.71126454246
3 118.0662732637 9.933726736269 1.496177117348
a los datos 4 123.7630503858 -3.76305038584 -0.56677519205
5 163.6404902406 -1.64049024058 -0.24708390158
6 169.3372673627 0.662732637313 0.099818067599
7 180.7308216069 -0.7308216069 -0.11007334852
8 192.1243758511 7.875624148888 1.186194159477

15
10
5

Residuos
0
-5
-10
-15

cuaciones: 6760.875=44.7𝑎+249.761𝑏
6102 = 44.7𝑎 + 307.59𝑏
658.875 = −57.829𝑏=

𝑏= 658.875/57.829
11.3935049888
=

1210 =8𝑎+44.7𝑏 = 1210 =8𝑎+44.7(11.3935)

1210 - 509.2896 =8𝑎

𝑎 = 700.7103/8 =
87.5887875
 (P*Q) - N(P*Q) = 5271
N (P*P) - (P*P) = 462.63
N(Q*Q) - (Q*Q) = 62524

N (P*P) - (P*P) * N(Q*Q)

(Q*Q) ) = 28925478.12
√28925478.12 = 5378.24117347

r = 0.98
 oeficiente de
za de la relacion
io y la demanda.

Valor crítico de F

1.95247861119461E-05

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

200.603115397451 229.219853282 200.603115397 229.219853282

-13.7010930718138 -9.0860154166 -13.701093072 -9.0860154166

Resultados de datos de probabilidad

Percentil q

6.25 100
 18.75 120
31.25 128
43.75 150
56.25 162
68.75 170
81.25 180
93.75 200

p Gráfico de los residuales

15
10
5
Residuos

0
-5 1 2 3 4 5 6 7 8 9 10 11

-10
-15
P

p Curva de regresión ajustada

250
200
f(x) = − 11.3935542442124 x + 214.911484339537 q
150 R² = 1
Pronóstico q
100
Q

Linear (Pronóstico q)
50
0
1 2 3 4 5 6 7 8 9 10 11
P

Gráfico de probabilidad normal

250
200
150
100
Q

50
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 150
100

Q
50
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
4. Los datos corresponden a cargamentos de café recolectados por un agricultor

Carga de
Año
café

1996 90

1997 98

1998 110

1999 117

2000 124

2001 136

2002 150

a) Realiza el diagrama de dispersión

Diagrama de dispersion años-café

160

140

120

100
carga de cafe

80

60

40

20

0
1995 1996 1997 1998 1999 2000 2001 2002 2003
 carg
60

40

20

0
1995 1996 1997 1998 1999 2000 2001 2002 2003
años

b) Encuentre la ecuacion lineal de minimos cuadrado que mejor se adapta a los datos

Carga de
Año N café X*X X*Y Y*Y
1996 1 90 1 90 8100
1997 2 98 4 196 9604
1998 3 110 9 330 12100
1999 4 117 16 468 13689
2000 5 124 25 620 15376
2001 6 136 36 816 18496
2002 7 150 49 1050 22500
Total 28 825 140 3570 99865

∑▒𝑌=𝑛𝑎+𝑏∑▒𝑋 Sistema de ecuaciones:

= 825 =7𝑎+28𝑏
∑▒ 〖𝑋𝑌 =𝑎∑▒ 〖𝑋 +𝑏∑
▒𝑋^2 〗〗 = 3570 = 28𝑎 +
140b

b=
Encontramos a b:
270/28
=
Encontramos a: 3300 =28𝑎+112(9

3300 −1080 = 28
a=
2220/28
Y =79.28+9.64 𝑋 =
La ecuación lineal es:
c) Coeficioente de correlacion

r=(𝑛∑▒𝑥𝑦−∑▒𝑥
∑▒𝑌)/√((𝑛∑▒ 〖𝑋 ^2−
(∑▒𝑋)^2)(𝑛∑▒ 〖𝑌 ^2−
(∑▒𝑌)^2 〗〗 ) Carga de
Año N X*X X*Y Y*Y
café
1996 1 90 1 90 8100
1997 2 98 4 196 9604
1998 3 110 9 330 12100
1999 4 117 16 468 13689
2000 5 124 25 620 15376
2001 6 136 36 816 18496
2002 7 150 49 1050 22500
Total 28 825 140 3570 99865

r = 0.994
gricultor

Resumen

Estadísticas
de la
regresión
El coeficiente de correlación es veridico por lo que nos
Coeficiente muestra un orcentaje de 99.44%, casi el 100% de la relacion
de existente entre la carga de café que se realiza por año
0.9944228634
correlación
múltiple

Coeficiente
de
0.9888768313 Nos muestra una certeza de 98.88% dela
determinació
n R^2 recoleccion de carga de café que realiza el
agricultor por año

R^2 ajustado 0.9866521975

Error típico 2.420153478

Observacione
7
s

ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los
F
libertad cuadrados cuadrados
Regresión 1 2603.571428571 2603.5714285714 444.512195122
Residuos 5 29.28571428571 5.8571428571429
Total 6 2632.857142857

Coeficientes Error típico Estadístico t Probabilidad

Intercepción -19158.21429 914.2751254967 -20.95453955975 4.58536627E-06

año 9.6428571429 0.457366016959 21.083457854962 4.44818912E-06

Análisis de los
residuales
 Pronóstico Residuos
Observación Residuos
carga de café estándares

1 88.928571429 1.071428571431 0.4849656045863

2 98.571428571 -0.571428571428 -0.258648322445
3 108.21428571 1.785714285717 0.8082760076432
4 117.85714286 -0.857142857141 -0.387972483667
a los datos 5 127.5 -3.5 -1.584220974978
6 137.14285714 -1.142857142855 -0.51729664489
7 146.78571429 3.214285714286 1.4548968137555

Año gráfico de los residual

4

cuaciones: 3300 =28𝑎+112𝑏 1

Residuos

3570 = 28𝑎 + 140b 0

1995 1996 1997 1998 1999 2000 200
270 = 28𝑏 -1

-2
b=
270/289.64285714 -3

= -4
año
3300 =28𝑎+112(9.6428)

3300 −1080 = 28𝑎

a=
79.2857143
2220/28 Año curva de regresión ajust
= 160
140 f(x) = 9.6428571428574 x − 19158.2142857
120 R² = 1 carga de
carga de café

100
80 Pronósti
60 Linear (
40 café)
20
0
1994 1996 1998 2000 2002 2004
año
 f(x) = 9.6428571428574 x − 19158.2142857
120 R² = 1 carga de

carga de café
100
80 Pronósti
60 Linear (
40 café)
20
0
1994 1996 1998 2000 2002 2004
año

Gráfico de probabilidad nor

200
150

carga de café
100
50
0
0 10 20 30 40 50 60 70
Muestra percentil
co por lo que nos
si el 100% de la relacion
se realiza por año

Valor crítico de F

4.448189124E-06

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

-21508.43331609 -16807.99525534 -21508.43331609 -16807.99525534

8.467160367424 10.81855391829 8.467160367424 10.81855391829

Resultados de
datos de
probabilidad
 Percentil carga de café

7.142857142857 90
21.42857142857 98
35.71428571429 110
50 117
64.28571428571 124
78.57142857143 136
92.85714285714 150

o de los residuales

1998 1999 2000 2001 2002 2003

año

e regresión ajustada

1428574 x − 19158.2142857148
carga de café
Pronóstico carga de café
Linear (Pronóstico carga de
café)

2002 2004
1428574 x − 19158.2142857148
carga de café
Pronóstico carga de café
Linear (Pronóstico carga de
café)

2002 2004

robabilidad normal

40 50 60 70 80 90 100
Muestra percentil
5. Los valores de la tabla corresponden a los pesos en (k) y los niveles de glucosa en la sangre en

Peso Glucosa
64 108

75.3 109

73 104

82.1 102

76.2 105
95.7 121

59.4 79

93.4 107

82.1 101

78.9 85

75.7 99
82.1 100
83.9 108
73 104

64.4 102

77.5 87
85 102
89 115
90 120
59 89

a) Realiza el diagrama de dispersión

Diagrama de dispersion
140

120
f(x) = 0.637260270978346 x + 52.6532577677537
100 R² = 0.381438903711327
 Diagrama de dispersion
140

120
f(x) = 0.637260270978346 x + 52.6532577677537
100 R² = 0.381438903711327
80
Glucosa

60

40

20

0
55 60 65 70 75 80 85 90 95 100
Peso

b) Encuentre la ecuacion lineal de minimos cuadrado que mejor se adapta a los datos

N Peso Glucosa P*P P*G G*G

1 64 108 4096 6912 11664
2 75.3 109 5670.09 8207.7 11881
3 73 104 5329 7592 10816
4 82.1 102 6740.41 8374.2 10404
5 76.2 105 5806.44 8001 11025
6 95.7 121 9158.49 11579.7 14641
7 59.4 79 3528.36 4692.6 6241
8 93.4 107 8723.56 9993.8 11449
9 82.1 101 6740.41 8292.1 10201
10 78.9 85 6225.21 6706.5 7225
11 75.7 99 5730.49 7494.3 9801
12 82.1 100 6740.41 8210 10000
13 83.9 108 7039.21 9061.2 11664
14 73 104 5329 7592 10816
15 64.4 102 4147.36 6568.8 10404
16 77.5 87 6006.25 6742.5 7569
17 85 102 7225 8670 10404
18 89 115 7921 10235 13225
19 90 120 8100 10800 14400
20 59 89 3481 5251 7921
Total 1559.7 2047 123737.69 160976.4 211751

∑▒𝑌=𝑛𝑎+𝑏∑▒𝑋
= 2047 =20𝑎+ 1559.7𝑏
∑▒ 〖𝑋𝑌 =𝑎∑▒ 〖𝑋 +𝑏∑
▒𝑋^2 〗〗
= 160976.4 =1559.7𝑎+123737.69𝑏
∑▒𝑌=𝑛𝑎+𝑏∑▒𝑋

∑▒ 〖𝑋𝑌 =𝑎∑▒ 〖𝑋 +𝑏∑

▒𝑋^2 〗〗
= 160976.4 =1559.7𝑎+123737.69𝑏

Sistema de ecuaciones: 160976.4 =1559.7𝑎+123737.69𝑏

159635.295 =1559.7𝑎+ 121633.205𝑏
1341.105 = 2104.4855𝑏

Encontramos b: 𝑏= 0.63726027
1341.105/2104.4
855 =
Encontramos a: 2047 =20𝑎+ 1559.7𝑏 = 2047 =20𝑎+ 1559.7(0.63726027)

a = 2047 −993.934845=20𝑎

a= 1053.06516/20 = 52.6532578

La ecuacion es: 𝑌=52.65+0.6372 𝑋

glucosa en la sangre en (mg 100 ml) de 20 hombres adultos, aparentemente saludables

Resumen

Estadísticas de
la regresión
Tenemos que un 61.76% en el coeficiente de
correlacion es significativamente positivo entre el
Coeficiente de peso de cada hombre adulto y sus niveles de
correlación 0.617607402572 glucosa en la sangre
múltiple

Coeficiente de En este caso teniendo un 38.14% en el

determinación 0.381438903711 coeficiente de determinacion, notamos que esta
R^2 por debajo del 50%. Por lo que el peso depende
de los niveles de glucosa en la sangre de cada
R^2 ajustado 0.347074398362 hombre adulto
Error típico 8.774701844538

Observaciones 20

ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los
F
libertad cuadrados cuadrados
Regresión 1 854.6329357104 854.6329357104 11.09979322657
Residuos 18 1385.91706429 76.99539246053
Total 19 2240.55

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 52.65325776775 15.04511126358 3.499692148852 0.002558475589

peso 0.637260270978 0.191275523657 3.331635218113 0.00371262763

Análisis de los
residuales

Observación Pronóstico Residuos Residuos

glucosa estándares
1 93.43791511037 14.56208488963 1.705028873468
2 100.6389561724 8.361043827577 0.978968413273
3 99.17325754917 4.826742450827 0.565148143678
 4 104.9723260151 -2.97232601508 -0.348020336063
5 101.2124904163 3.787509583696 0.443467624841
6 113.6390657004 7.360934299619 0.861868723584
7 90.50651786387 -11.5065178639 -1.347262108391
8 112.1733670771 -5.17336707713 -0.605733334644
9 104.9723260151 -3.97232601508 -0.465107201466
10 102.9330931479 -17.9330931479 -2.099729663684
11 100.8938602808 -1.89386028081 -0.221746163793
12 104.9723260151 -4.97232601508 -0.58219406687
13 106.1193945028 1.880605497163 0.220194202724
14 99.17325754917 4.826742450827 0.565148143678
15 93.69281921876 8.307180781241 0.972661758017
16 102.0409287686 -15.0409287686 -1.761095202271
17 106.8203808009 -4.82038080091 -0.564403278031
18 109.3694218848 5.630578115174 0.659266741916
a los datos 19 110.0066821558 9.993317844195 1.170086261359
20 90.25161375548 -1.25161375548 -0.146547531325

Peso Gráfico de los residuales

20
15
10
5
Residuos

0
-5 55 60 65 70 75 80 85 90 95 100
-10
-15
-20
peso

Peso Curva de regresión ajustada

140
120
100 f(x) = 0.637260270978346 x + 52.6532577677537
R² = 1 glucosa
80 Pronóstico glucosa
glucosa

60 Linear (Pronóstico
40 glucosa)
20
0
55 60 65 70 75 80 85 90 95 100
peso
 100 f(x) = 0.637260270978346 x + 52.6532577677537
R² = 1 glucosa
80 Pronóstico glucosa

glucosa
60 Linear (Pronóstico
40 glucosa)
20
0
55 60 65 70 75 80 85 90 95 100
peso

Gráfico de probabilidad normal

140
120
0.63726027)
100
80
glucosa

60
40
20
0
0 20 40 60 80 100 120
Muestra percentil
 ludables

en el coeficiente de
amente positivo entre el
ulto y sus niveles de

n el
mos que esta
eso depende
re de cada

Valor crítico de F

0.00371262763

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

21.04465191623 84.2618636193 21.04465191623 84.2618636193

0.235405307569 1.03911523439 0.235405307569 1.03911523439

Resultados de
datos de
probabilidad

Percentil glucosa

2.5 79
7.5 85
12.5 87
 17.5 89
22.5 99
27.5 100
32.5 101
37.5 102
42.5 102
47.5 102
52.5 104
57.5 104
62.5 105
67.5 107
72.5 108
77.5 108
82.5 109
87.5 115
92.5 120
97.5 121

iduales

85 90 95 100

ajustada

577677537
glucosa
Pronóstico glucosa
Linear (Pronóstico
glucosa)
577677537
glucosa
Pronóstico glucosa
Linear (Pronóstico
glucosa)

normal

0 100 120
Hernandez, E. (2006). Regresión y correlación. En Manual de estadistic. (pp. 75-85). Colombia: EDUEC-Universidad Corporativa
EDUEC-Universidad Corporativa de Colombia