Estudiante: Albeiro Alejandro Herrera Camargo

Código: 2018115019
Grupo: 13
Estadística II

Punto 1:

Hallamos el coeficiente de correlación

r = (∑x*y-∑x*∑y/n)/√(∑x2-(∑x)2/n)*(∑y2-(∑y2)/n)
r=(1075-710*14/10)/√(51750-7102/10)*( 25.5-14 2/10)=0.911
coeficiente de determinación=r 2=0.9112=0.830

Se concluye que existe correlación entre las variables ya que el coeficiente de relación
arroja un valor cercano a 1 lo que indica una relación directa entre las variables.

se halla la pendiente:

b= (10*1075-710*14)/(10*51750-710^2)=0.060
obtenemos a de la ecuación a = Ȳ - b
a= 14/10 - 0.060*710/10= -2.892

Ahora se hallan los valores estimados de y a través de la ecuación de regresión

Y= 0.06045*X -2.89179
Análisis de varianza
Grados de libertad:
Totales=9
Debido a regresión= 1
Variación de desviación de regresión=8

Sumas de cuadrados:
s.c. debido a regresión= b(∑x*y - ∑x*∑y) = 0.060*(1075-(710*14)/10)= 4.896

s.c. total=∑y2 – (∑y)2 =25.5-(14^2)/10 = 5.90

s. c. desviación de regresión= s.c. total- s.c. debido a regresión=5.90-4.896=1.004

Sumas de cuadrados medios:

c.m. debido a regresión= s. c. debido a regresión/g. l. debido a regresión= 4.896/1

c.m. desviación de regresión= s. c. desviación de regresión/ g. l. desviación de

regresión =1.004/8=0.125

Obtención de f calculada debido a regresión

f= c. m. debido a regresión/c, m. desviación de regresión
f= 4.896/0.125= 39.025

Tabla de análisis de varianza

Se concluye que f calculado es mayor que el f tabulado al 5% por lo que sí existe

significación.
Punto 2:

CALCULOS:
∑y2 = 52358.25 ∑x12 = 5135 ∑x22 = 351071
(∑y)2/12 = 51156.02 (∑x1)2/12 = 5084.083 (∑x2)2/12 = 350550.083
∑y*x1 = 16216.5 ∑y*x2 =134580.5 ∑x1*x2 = 42290
∑y*∑x1/12= 16127.042 ∑y*∑x2/12 = 133913.208 ∑x1*∑x2/12 = 42216.417

SUMAS DE CUADRADOS
s. c. y = 52358.25 – 51156.02 = 1202.23 s, c. x1 = 5135 – 5084.083 =50.92
s. c. x2 = 351071 – 350550.083= 520.92

PRODUCTOS
P(Y*X1) = 16216.5 – 16127.042 = 89.46 P(y*x2) =134580.5– 133913.208 =667.29
P(x1*x2) = 42290– 42216.417= 73.58

OBTENCION DE COEFICIENTES DETERMINACION LINEAL

r2y*x1 = 89.46 2/1202.23*50.92= 0.131
r2y*x2 = 667.292 /1202.23*520.92=0.711
r2x1*x2 = 73.582/520.92*50.92 = 0.204

OBTENCION DE COEFICIENTES DE CORRELACION LINEAL

r (y*x1) = √0.131= 0.362 r(y*x2) = √0.711 = 0.843 r(x1*x2) = √0.204 = 0,452

OBTENCION DE COEFICIENTES DE DETERMINACION PARCIAL

2
r y*x1. x2 = (0.362 -(0.843)*(0,452))^2/(1 - 0,711)*(1 – 0.204) = 0.002
r2 y*x2.x1 = (0,843-(- 0,362)*(0,452))^2/(1 - 0,131)*(1 - 0,204) = 0,668

OBTENCION DE COEFICIENTES DE CORRELACION PARCIAL

r(y*x1.x2) = √0.002 = 0.04 r(y*x2.x1) = √0,0.668 = 0.817
 OBTENCION DEL COEFICIENTE DE DETERMINACION MULTIPLE

R2(y*x1*x2) = (0,131 + 0,711 – 2((0,362)*(0.843)*(0.452))/(1 – 0,204) = 0.711

OBTENCION DEL COEFICIENTE DE CORRELACION MULTIPLE

R(y*x1*x2) = √0.711 = 0.843

Se concluye que el efecto de la edad sobre el peso de los estudiantes es leve,

aproximadamente de un 13,1% y el efecto que tiene la estatura en el peso es
significativa, de un 71.1% aproximadamente.

Análisis de Regresión
b1*s. c. x1 + b2*P(x1*x2) = P(y*x1)
50.92*b1+73.58*b2=89.46
b1*P(x1*x2) + b2*s. c. x2 = P(y*x2)
73.58*b1+520.92*b2=667.29
Se resuelve el sistema de dos ecuaciones para hallar los valores de b1 y b2:
50.92*b1+73.58*b2=89.46 (1)
73.58*b1+520.92*b2=667.29 (2)
b2=1.298
b1=-0.120
Ahora para expresar una ecuación de regresión en términos de los valores originales,
necesitamos determinar a en la ecuación: Ȳ = a + b11 + b22.
Despejando a: a = Ȳ – b11 – b22
Reemplazando a = 783.5/12 -(-0.12*247/12) -(1.298*2051/12) = -154.088
A = -154.088

Ecuación de estimación: Yi =1.298x2– 0.12x1 - 154.088.

Análisis de varianza
Para la tabla A:
Se buscan las sumas de cuadrados de y así:
Suma de cuadrado total (s. c. y) es igual a: 1202.23
Suma de cuadrado regresión debido a x1 : (r2y*x1)*s. c. y = 0.131*1202.23= 157.174
Suma de cuadrado de Desviación de la regresión simple = (1 – r2y*x1)*s. c. y =
(1 – 0.131)*1202.23= 1045.054
Suma de cuadrados de regresión adicional debida a x2 = r2y*x2. X1(1-r2y*x1) *s. c. y =
0,668*(1-0.131)*1202.23 = 698.191
Suma de cuadrado de Desviación de la regresión múltiple: (1-R2y*x1*x2) *s. c. y =
(1-0,711)*1202.23 =0.289*1202.23 = 346.862
Cuadrados medios
s.c.m debido a regresión x1=s.c. debido a regresión/g.l. debido a regresión
s.c.m. debido a regresión x1= 157.174/2= 78.587
s.c.m desviación de regresión simple= s.c.d.rs/g.l. debido a desviación de regresión
1045.054/9=116.117
s.c.m.x2= s.c.r.ad.x2/g.l. debido a regresión = 698.192/2=349.096
s.c.m.d.rm= s.c.d.rm/ g.l. debido a desviación de regresión=346.863/9=38.540
fx1=78.587/116.117=0.677
fx2=349.096/38.540=9.058
Tabla A

Se concluye que No existe significancia entre la variable x1 sobre la variable y. el

aporte adicional de x2 si presenta significancia con la variable y, ya que se ubica entre
el rango de los f tabulados en un punto más cercano al valor mayor (10.04).
Procedimiento para la tabla B:
Suma de cuadrado regresión debido a x2 = r2y*x2*(s. c. y) = 0,5136*51.172,95 =
26.282,43
Suma de cuadrado desviación de regresión simple = (1-r2y*x2) *(s. c. y)
= (1-0,5136) *51.172,95
0,4864*51.172,95 = 24.890,52
Suma de cuadrado de regresión adicional debido a x1 = r2y*x1.x2(1-r2y*x2)*(s. c. y) =
0,8371*(1-0,5136)*51.172,95 = 20.835,85
Suma de cuadrado de desviación de regresión múltiple = (1 – R2y*x1*x2)* s. c. y =
(1 – 0,9208)*51.172,95 = 4.052,90.

Cuadrados medios
s.c.m. debido a regresión x2=s.c. debido a regresión/g.l. debido a regresión
s.c.m. debido a regresión x2= 854.797/2= 427.399
s.c.m desviación de regresión simple= s.c.d.rs/g.l. debido a desviación de regresión
347.432/9=38.604
s.c.m.x1= s.c.r.ad.x1/g.l. debido a regresión = 0.569/2=0.284
s.c.m.d.rm= s.c.d.rm/ g.l. debido a desviación de regresión=346.863/9=38.540
fx1=427.399/38.604=11.071
fx2=0.284/38.540=0.007
Tabla B

Se concluye que Sí existe significancia entre la variable x2 sobre la variable y. el aporte

adicional de x1 No presenta significancia con la variable y, ya que se ubica por debajo
del f tabulado.