Problemario Resuelto de Dispercion Regrecion Lineal y Multiple

lOMoARcPSD|34556111
Problemario resuelto de dispercion, regrecion lineal y multiple
Calculo diferencial (Instituto Tecnológico Superior de Irapuato)
Studocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)
lOMoARcPSD|34556111
INSTITUTO TECNOLOGICO SUPERIOR DE IRAPUATO
ING EN MATERIALES
FONSECA SALDAÑA DAVID RICARDO
PROBABILIDAD Y ESTADISTICA
PROBLEMARIO
DOCENTE
Alicia García torres
12/0/2022

lOMoARcPSD|34556111
Contenido
EJERCICIOS DE PRACTICA ......................................................................................... 3
DIAGRAMA DE DISPERSIÓN ...................................................................................... 3
EJERCICIOS REGRESIÓN LINEAL ........................................................................... 13
EJERCICIOS REGRESIÓN LINEAL MÚLTIPLE ...................................................... 21

lOMoARcPSD|34556111
EJERCICIOS DE PRACTICA
DIAGRAMA DE DISPERSIÓN
1. Grado de relación entre el esfuerzo al corte y el diámetro de los puntos de

soldadura
Diámetro de Esfuerzo al corte (Y)

soldadura (X) (lb/plg 2)
(10-3 pulg)
370 400
1550 1600
3530 3600
1960 2000
3840 4000
580 800
2920 2500
3200 4000
910 1250
920 700
2670 3100
1700 2200

lOMoARcPSD|34556111

lOMoARcPSD|34556111
2. Una empresa de fabricación de jabón se plantea cambiar la

composición de uno de sus productos utilizando una nueva
materia prima. Antes de tomar una decisión, la empresa decide
realizar un ensayo para estudiar la posible relación entre la
utilización dicha materia prima y el número de no
conformidades. Para ello analiza lotes con diferentes
porcentajes de la nueva materia prima y toma los siguientes
datos:
Muestra composición Productos no

conformes
1 1 10
2 2 5
3 1.5 7
4 1.5 6
5 3 2
6 4 1
7 1.6 8
8 2.6 3
9 3.6 2
10 4.6 1
11 5 1
12 0.5 15
13 4.3 1
14 3.2 3
15 5.1 1
16 2.5 3
17 1.8 7
18 2.1 6
19 3.9 3
20 1.2 9
21 2.4 4
22 4.3 1
23 3.5 3
24 2.7 2
25 0.5 16
26 0.8 14
27 1.2 9
28 3.6 2
29 5.3 1
30 1 11

lOMoARcPSD|34556111
3. Elaborar el Diagrama de Dispersión de la siguiente información:
Persona Hrs. De tiempo Número de errores

extra semanales semanales
1 1 4
2 3 14
3 2 6
4 3 12
5 10 39
6 1 3
7 6 26
8 2 9
9 4 17
10 3 10
11 8 33
12 10 42
13 5 20
14 4 15
15 7 27
16 2 8
17 9 33
18 1 5
19 8 32
20 3 11
21 7 29
22 5 21
23 9 35
24 4 13
25 6 24
26 9 36
27 10 40
28 5 19
29 6 13

lOMoARcPSD|34556111
4. La siguiente tabla muestra la información del registro del número de

horas de funcionamiento de una maquina (X) y la desviación
respecto a la meta (Y, en milímetros). Construir el diagrama de
dispersión y calcular el coeficiente de correlación lineal de Pearson.
X Y
10 3.20
11 3.21
12 3.00
13 3.21
14 3.25
15 3.23
16 3.24
17 3.28
18 3.30
19 3.30
20 3.38
21 3.35
22 3.38
23 3.38
24 3.40
25 3.42
26 3.45
27 3.45
28 3.50
29 3.58

lOMoARcPSD|34556111
5. En una planta química manejan un reactor químico. Dentro de las

variables que se manejan en dicho reactor se encuentran la
temperatura (X) y el porcentaje de espuma (Y), las cuales determinan
cuando detener la reacción química que se esta llevando a cabo. La
siguiente tabla muestra los datos obtenidos en 20 observaciones.
X Y
38 21
42 25
47 37
39 22
40 23
44 32
42 33
38 20
41 27
45 35
49 38
49 42
48 42
46 40
41 30
36 15
38 19
38 22
44 30
36 36

lOMoARcPSD|34556111
6. En una fábrica de pintura se quiere reducir el tiempo de secado del barniz. Los
siguientes datos corresponden al tiempo de secado del barniz y a la cantidad de
aditivo con el que se intenta lograr tal reducción.
a) Mediante un diagrama de dispersión, observe la relación entre el tiempo de
secado y la cantidad de aditivo utilizado.
b) Con base en la relación, ¿alrededor de qué cantidad de aditivo recomendaría para
reducir el tiempo de secado?
c) Obtenga el coeficiente de correlación entre ambas variables e interprételo.
d) Al parecer, el coeficiente de correlación lineal es muy bajo. ¿Quiere decir
entonces que el tiempo de secado no está relacionado con la cantidad de aditivo?
aditivo Tiempo
de
secado
0 14
1 11
2 10
3 8
4 7.5
5 9
6 10

lOMoARcPSD|34556111
7 11
8 13
9 12
10 15
grafica de aditivo y secado

15
14
13
tiempo de secado
12
11
10
7
0 2 4 6 8 10
aditivo
Correlación: aditivo, tiempo de secado
Correlación de Pearson de aditivo y tiempo de secado = 0.334

Valor p = 0.315
El aditivo y el secado tiene una correlación débil positiva

b) 4 en un tiempo de 7.5
c) 0.334
d)a pesar de que es bajo sé tiene relación

lOMoARcPSD|34556111
7. Se va a investigar por medio de un diagrama de dispersión, la relación entre la

resistencia en ohms y el tiempo de falla
Resistencia Tiempo de
del falla
dispositivo
43 32
29 20
44 45
33 35
33 22
47 46
34 28
31 26
48 37
34 33
46 47
37 30
36 36
39 33
36 21
47 44
28 26
40 45
42 39
33 25
46 36
28 25
48 45
45 36
Correlación: recistencia del dispositivo, tiempo de falla
Correlación de Pearson de recistencia del dispositivo y tiempo de falla =

0.809
Valor p = 0.000
grafica de resistencia y fallo

50
45
40
tiempo de falla
35
30
25
20
30 35 40 45 50
recistencia del dispositivo
La resistencia y el tiempo de fallo tienen una correlación fuerte positivo

lOMoARcPSD|34556111
8. En una industria se desea investigar cómo influye la temperatura (°C) en la

presión del vapor de B-tri-metilboro. Los datos obtenidos para tal propósito se
muestran a continuación.
vapor de B-tri-metilboro. Los datos obtenidos para tal propósito se muestran a
continuación.
a) Construya un diagrama de dispersión e interprételo.
b) Obtenga el coeficiente de correlación
temperatura presión
13 2.9
19.5 5.1
45.7 30.5
56.1 51.4
64.4 74.5
71.4 100.2
80.5 143.7
85.7 176.9
22.5 8.5
27.2 10.3
31.8 14.6
grafica de temperatura y presion

200
150
precion
100
50
10 20 30 40 50 60 70 80 90
temperatura
Correlación: temperatura, presión
Correlación de Pearson de temperatura y presión = 0.948

Valor p = 0.000
La temperatura y presión tienen una correlación fuerte positiva

lOMoARcPSD|34556111
EJERCICIOS REGRESIÓN LINEAL

1. Una empresa de manufactura basa las predicciones de sus ventas anuales en los
resultados oficiales de la demanda total en la industria. A continuación se dan los
datos de demanda total y las ventas efectuadas por la empresa en los últimos 11 años.
demanda ventas
200 9
220 6
400 12
330 7
210 5
390 10
280 8
140 4
280 7
290 10
380 14
a) Dibujar los diagramas de dispersión de los datos.

b) Identifique la ecuación que más se ajuste a los datos.
c) Valor de la correlación
d) Si la demanda total industrial es de 300,000 toneladas, ¿Qué volumen de ventas
se predeciría usando la recta de regresión calculada?
grafica de demandas y ventas

15.0
12.5
10.0
ventas
7.5
5.0
150 200 250 300 350 400

demandas
B- Ecuación de regresión
ventas = 0.39 + 0.02812 demandas
C- Correlación: demandas, ventas
Correlación de Pearson de demandas y ventas = 0.801

Valor p = 0.003
D- Predicción para ventas
Ecuación de regresión

lOMoARcPSD|34556111
ventas = 0.39 + 0.02812 demandas
Valor de
Variable configuración
demandas 300000
EE de
Ajuste ajuste IC de 95% IP de 95%
8436.03 2100.41 (3684.58, 13187.5) (3684.58, 13187.5) XX
XX denota un punto muy poco común en relación con los niveles de predictor
utilizados para
2. Se está estudiando la relación entre el número de años que una persona está afiliada
al sindicato y el nivel de satisfacción con la actuación de dicho sindicato. Para ello se
parte de los datos de 7 individuos tomados aleatoriamente de personas adscritas a
Años 8 7 10 3 6 13 4
Satisfacción7 5 8 5 9 9 3
partidos políticos, obteniéndose:
a) Realice la grafica
b) Calcular el coeficiente de correlación lineal. Comentar el resultado obtenido.
c) Identifique la ecuación que más se ajuste a los datos.
d) Predecir el índice de satisfacción de una persona que lleva 11 años militando al
sindicato. Conociendo que el índice de satisfacción es de 6 predecir los años que
lleva en el sindicato

lOMoARcPSD|34556111
Correlación: AÑOS, SATISFACCION
Correlación de Pearson de AÑOS y SATISFACCION = 0.711

Valor p = 0.073
SATISFACCION = 3.12 + 0.474 AÑOS
Predicción para SATISFACCION
SATISFACCION = 3.12 + 0.474 AÑOS
Valor de
Variable configuración
AÑOS 11
EE de
8.332 1.02604 (5.69448, 10.9695) (3.07269, 13.5913)
3. En un depósito cilíndrico, la altura del agua que contiene varia conforme pasa el
tiempo según esta tabla
Tiempo
(h) 8 22 27 33 50
Altura (m) 17 14 12 11 6
a) Halla el coeficiente de correlación lineal entre el tiempo y la altura e interprétalo

b) ¿Cual será la altura del agua cuando hayan transcurrido 40 horas?
c) Identifique la ecuación
Gráfica de efectos principales para C2

17.5 Medias ajustadas
15.0
Media de C2
12.5
10.0
7.5
5.0
10 20 30 40 50
C1

lOMoARcPSD|34556111
a) Correlación es positiva al tiempo y altura
b) Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.391506 99.30% 99.07% 97.58%
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 19.370 0.397 48.78 0.000
C1 -0.2632 0.0127 -20.68 0.000 1.00
C2 = 19.370 - 0.2632 C1
Predicción de tiempo
Ajuste EE de ajuste IC de 95% IP de 95%
8.84144 0.232351 (8.10199, 9.58088) (7.39259, 10.2903)
c) Ecuación de regresión
C2 = 19.370 - 0.2632 tiempo
4. En una cofradía de pescadores las capturas registradas de cierta variedad de

pescados, en kilogramos y el precio de subasta en lonja, en euros/kg, fueron los
siguientes:
a) ¿Cuál es el precio medio registrado?
b) Halla el coeficiente de correlación lineal e interprétalo.
c) Estima el precio que alcanzaría en la lonja el kilo de esa especie si se pescasen
2600kg
X(kg) euros
2000 1.8
2400 1.68
2500 1.65
v3000 1.32
2900 1.44
2800 1.5
3160 1.2
Estadísticos descriptivos: x(kg)
Variable Media
A) x(kg) 2680
B) Correlación: x(kg), euros

lOMoARcPSD|34556111
Correlación de Pearson de x(kg) y euros = -0.971

Valor p = 0.000
C)
1.55383 0.0215940 (1.49832, 1.60934) (1.39989, 1.70777)
5. En un determinado estudio médico se pretende medir la relación existente entre

la exposición al ruido y la hipertensión. Los siguientes datos han sido extraídos
del Jourrnal of Sound and Vibration Donde X representa la presión sonora en
dB, e Y el aumento de la presión sanguínea en mmHg.
a) Realizar un diagrama de dispersión de Y frente a X.
b) Realizar el modelo de regresión lineal simple
Y 1 0 1 2 5 1 4 6 2 3 5 4 6 8 4 5 7 9 7 6
X 60 63 65 70 70 70 80 80 80 80 85 89 90 90 90 90 94 100 100 100
c) Identifique la correlación
Correlación: Y, X
Correlación de Pearson de Y y X = 0.844

Valor p = 0.000
Y = -9.81 + 0.1715 X
La correlación de ¨y¨ y ¨x¨ es alta positiva con 0.844
6. La resistencia del papel utilizado en la fabricación de cajas de cartulina (Y) está

relacionado con la concentración de madera dura en la pulpa original (X). Bajo
condiciones controladas, una planta piloto fabrica 16 muestras con un lote
diferente de pulpa y mide la resistencia a la tensión. Los datos obtenidos son los
siguientes:
Y 1.0 1.5 1.5 1.5 2.0 2.0 2.2 2.4 2.5 2.5 2.8 2.8 3.0 3.0 3.2 3.3
X 101.4 117.4 117.1 106.2 131.9 146.9 146.8 133.9 111.0 123.0 125.1 145.1 134.3 144.5 143.7 146.9

lOMoARcPSD|34556111
a) Representar gráficamente los datos y comentar los resultados.

b) Hallar el coeficiente de correlación.
c) Ajustar un modelo de regresión lineal
d) Predecir la resistencia de una caja fabricada con pulpa cuya concentración es
2.3.
Correlación: y, x
Correlación de Pearson de y y x = 0.692

Valor p = 0.003
La correlación es débil positiva
y = -1.65 + 0.03064 x
EE de
-1.57828 1.09558 (-3.92806, 0.771509) (-4.17614, 1.01959) XX
5. La siguiente tabla muestra el número de gérmenes patógenos por centímetro

cúbico de un determinado cultivo según el tiempo transcurrido:
Núm.
Num.horas Gérmenes
0 20
1 26
2 33
3 41
4 47
5 53
a) Calcula la recta de regresión para predecir el número de gérmenes por cm3 en

función del tiempo.

lOMoARcPSD|34556111
b) ¿Qué cantidad de gérmenes por cm3 es predecible encontrar cuando hayan

transcurrido 6 horas? ¿Es buena esa predicción
Gráfica de efectos principales para horas

Medias ajustadas
5
Media de horas
3
20 25 30 35 40 45 50 55
germenes

60.2667 0.602640 (58.5935, 61.9399) (57.8111, 62.7222)
6. Siendo C la variable consumo e Y la variable renta, estamos interesados en

estimar qué parte de esta última se destina al consumo mediante un modelo de
regresión lineal simple. Para ello se dispone de los datos que se muestran en la
Tabla, todos ellos medidos en euros mensuales y correspondientes a 20
individuos extraídos de forma aleatoria de la población objeto de estudio.
c y
327 470
169 269
24 89
283 415
493 676
37 101
511 694
586 784
356 505
570 771
18 81
258 384
472 651
360 512
239 351
521 710
219 327
296 423
532 721
34 104
a) Representar gráficamente los datos y comentar los resultados.
b) Hallar el coeficiente de correlación.
c) Ajustar un modelo de regresión lineal

lOMoARcPSD|34556111
y = 58.37 + 1.24833 c
Correlación: c, y
Correlación de Pearson de c y y = 1.000

Valor p = 0.000

lOMoARcPSD|34556111
EJERCICIOS REGRESIÓN LINEAL MÚLTIPLE
1. En un estudio sobre la población de un parásito se hizo un recuento de parásitos

en 15 localizaciones con diversas condiciones ambientales. Los datos obtenidos
son los siguientes:
Temperatura Humedad Recuento

15 70 156
16 65 157
24 71 177
13 64 145
21 84 197
16 86 184
22 72 172
18 84 187
20 71 157
16 75 169
28 84 200
27 79 193
13 80 167
22 76 170
23 88 192
a) Identificar la ecuación
b) Cuál es el nivel de significancia de los predictores?
c) Obtener la gráfica de residuos
rencuentro = 25.7 + 1.582 temperatura + 1.542 humedad
Correlación: temperatura, humedad, rencuentro
temperatura humedad
humedad 0.356
0.193
rencuentro 0.697 0.860

0.004 0.000
Contenido de la celda: Correlación de Pearson

Valor p
Significativo fuerte positiva con la humedad

Significativo débil positiva con temperatura

lOMoARcPSD|34556111
2. Se pretenden estimar los gastos en alimentación de una familia en base a la

información que proporcionan las variables regresoras 'ingresos mensuales
y 'número de miembros de la familia'. Para ello se recoge una muestra aleatoria
simple de 15 familias, cuyos resultados se facilitan en la tabla adjunta. (El gasto
GASTO INGRESOS TAMAÑO e ingreso se expresan en cien
ALIMENTACIÓN mil euros).
0.43 2.1 3
0.31 1.1 4
0.32 0.9 5
0.46 1.6 4
1.25 6.2 4
0.44 2.3 3
0.52 1.8 6
0.29 1 5
1.29 8.9 3
0.35 2.4 2
0.35 1.2 4
0.78 4.7 3 a) Matriz de varianzas
0.43 3.5 2 b) Matriz de correlación.
0.47 2.9 3 c) Establecer un modelo
0.38 1.4 4 de regresión lineal que
explique anualmente los beneficios mediante los gastos en publicidad y
horas extras.
d) Calcule los siguientes gastos de alimentación
no tiene correlacion y su correlacion es negativa

gasto = -0.1605 + 0.14873 ingresos + 0.0769 tamaño

lOMoARcPSD|34556111
INGRESOS TAMAÑO Gastos Intervala de confianza

2 2 0.290826 (0.198667, 0.382985)
4.3 3 0.709814 (0.654158, 0.765470)
0.8 5 0.343100 (0.270406, 0.415793)
1.3 3 0.263633 (0.196288, 0.330978)
6.2 7 1.30006 (1.10814, 1.49197)
3. El gerente de una empresa estudia las posibles relaciones entre beneficios

anuales, gastos en publicidad anuales y horas extraordinarias anuales de los
empleados. Para ello utiliza datos, de estas tres variables, proporcionadas por
algunas Gastos empresas del sector.
Se desea Beneficios Publicidad Hrs. Extras saber:
(millones) (millones) (100 hrs)
1.3 0.3 4
3.5 1.5 9
2.8 0.7 6
3 1.1 7.5
3.3 1.2 8
4 2 7
Matriz de varianzas
3.7 2 8 a) Matriz de
correlación.
b) Establecer un modelo de regresión lineal que explique anualmente los
beneficios mediante los gastos en publicidad y horas extras.
c) Si una empresa destina 900.000 euros a publicidad y sus empleados
realizan 500 horas extraordinarias al año, ¿cuál sería la estimación de los
beneficios de dicha empresa?
Correlacion fuerte positiva

Establecer un modelo de regresión lineal que explique anualmente los beneficios
mediante los gastos en publicidad y horas extras.

lOMoARcPSD|34556111
Beneficios (millones) = 0.590 + 0.936 Gastos Publicidad + 0.187 Hrs. Extras
Si una empresa destina 900.000 euros a publicidad y sus empleados realizan 500 horas
extraordinarias al año, ¿cuál sería la estimación de los beneficios de dicha empresa?
2.36491 0.224366 (1.74197, 2.98785) (1.24629, 3.48352)
4. Sean los siguientes resultados muestrales
y x2 x3
1 7 10
3 3 3
1 6 8
2 3 1
3 8 6
4 6 3
1 9 13
Obtener:
a) Matriz de varianzas
b) Matriz de correlación.
c) Establecer un modelo de regresión lineal
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 2 6.661 3.3307 6.07 0.061
x2 1 2.204 2.2042 4.02 0.116
x3 1 5.880 5.8801 10.71 0.031
Error 4 2.196 0.5489
Total 6 8.857
X2 y y no tienen relación
X3 y y tienen Correlacion negartiva fuerte
X3 y x2 tiene una correlacion fuerte positiva
y = 1.914 + 0.459 x2 - 0.402 x3

lOMoARcPSD|34556111
5. Dados los datos de la Tabla donde la variable endógena es el precio de los

coches (en miles de €), la primera exógena ( X2 ) mide la potencia en caballos
del coche y la segunda exógena ( X3 ) mide la longitud en metros del coche.
y x2 x3
15 90 3
20 100 3.2
15 80 3.2
15 70 3
20 100 4
Obtener:
a) Matriz de varianzas
b) Matriz de correlación.
c) Establecer un modelo de regresión lineal
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 2 23.158 11.579 3.38 0.228
x2 1 8.274 8.274 2.42 0.260
x3 1 1.981 1.981 0.58 0.526
Error 2 6.842 3.421
Total 4 30.000
No son significativo
X2 y y tienen una correlacion fuerte positiva

X3 y y tienen una correlacion débil positiva
X3 y x2 tiene una correlacion débil positiva
y = -1.95 + 0.1368 x2 + 2.11 x3

Problemario Resuelto de Dispercion Regrecion Lineal y Multiple

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Problemario Resuelto de Dispercion Regrecion Lineal y Multiple

Cargado por

Copyright:

Formatos disponibles

lOMoARcPSD|34556111

Problemario resuelto de dispercion, regrecion lineal y multiple

Calculo diferencial (Instituto Tecnológico Superior de Irapuato)

Studocu no está patrocinado ni avalado por ningún colegio o universidad.

INSTITUTO TECNOLOGICO SUPERIOR DE IRAPUATO

FONSECA SALDAÑA DAVID RICARDO

Alicia García torres

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

1. Grado de relación entre el esfuerzo al corte y el diámetro de los puntos de

Diámetro de Esfuerzo al corte (Y)

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

2. Una empresa de fabricación de jabón se plantea cambiar la

Muestra composición Productos no

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

3. Elaborar el Diagrama de Dispersión de la siguiente información:

Persona Hrs. De tiempo Número de errores

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

4. La siguiente tabla muestra la información del registro del número de

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

5. En una planta química manejan un reactor químico. Dentro de las

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

grafica de aditivo y secado

Correlación: aditivo, tiempo de secado

Correlación de Pearson de aditivo y tiempo de secado = 0.334

El aditivo y el secado tiene una correlación débil positiva

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

7. Se va a investigar por medio de un diagrama de dispersión, la relación entre la

Correlación: recistencia del dispositivo, tiempo de falla

Correlación de Pearson de recistencia del dispositivo y tiempo de falla =

grafica de resistencia y fallo

La resistencia y el tiempo de fallo tienen una correlación fuerte positivo

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

8. En una industria se desea investigar cómo influye la temperatura (°C) en la

grafica de temperatura y presion

Correlación: temperatura, presión

Correlación de Pearson de temperatura y presión = 0.948

La temperatura y presión tienen una correlación fuerte positiva

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

EJERCICIOS REGRESIÓN LINEAL

a) Dibujar los diagramas de dispersión de los datos.

grafica de demandas y ventas

150 200 250 300 350 400

C- Correlación: demandas, ventas

Correlación de Pearson de demandas y ventas = 0.801

D- Predicción para ventas

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

ventas = 0.39 + 0.02812 demandas

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

Correlación: AÑOS, SATISFACCION

Correlación de Pearson de AÑOS y SATISFACCION = 0.711

Predicción para SATISFACCION

SATISFACCION = 3.12 + 0.474 AÑOS

a) Halla el coeficiente de correlación lineal entre el tiempo y la altura e interprétalo

Gráfica de efectos principales para C2

Descargado por José Carlos Rosano Suárez (cs493139@gmail.com)

a) Correlación es positiva al tiempo y altura

b) Resumen del modelo

4. En una cofradía de pescadores las capturas registradas de cierta variedad de

Estadísticos descriptivos: x(kg)

B) Correlación: x(kg), euros