se hace un estudio sobre la concentración de cadmio atmosférico en ppm y su relación con la altura de los

muestreadores ( en metros) y la distancia de la fuente emisora( en metros). La siguiente tabla muestra los datos:

Concentración de Cd Altura Distancia Resumen

Y X1 X2
193 1.6 851 Estadísticas de la regresión
230 15.5 816 Coeficiente de correlación múltiple 0.92832634742
172 22 1058 Coeficiente de determinación R^2 0.86178980731
91 43 1201 R^2 ajustado 0.77
113 33 1357 Error típico 25.4978576828
125 40 1115 Observaciones 6

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 2
Residuos 3
Total 5

Coeficientes
β0 Intercepción 350.9943
β1 X1 -1.2720
β2 X2 -0.1539

Y=350.9943-1.272X1-0.1539X2
β0
β1
β2

H0:β1=0 ACEPTAR H0
H1:β1≠0

H0:β2=0 ACEPTAR H0
H1:β2≠0

Análisis de los residuales

Observación Pronóstico Y
1 217.986576946
2 205.692502283
3 160.179713903
4 111.459525125
5 100.170409207
6 128.511272536
uestra los datos:
X1 Curv
250
200 f(x) = − 2.85
R² = 0.8420
150
100

Y
50
0
0 5 10 15

Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
12161.5778 6080.78888 9.3530345759 0.05138189
1950.42224 650.140746
14112 X2 Curva
Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0% 250
74.753074 4.69538244 0.0182694844 113.096627 588.891915 113.096627 588.891915 200 f(x) = −
1.16914009 -1.08797436 0.3562003356 -4.99272001 2.44873112 -4.99272001 2.44873112 R² = 0.
150
0.08952967 -1.71903048 0.1841010186 -0.4388276 0.13101914 -0.4388276 0.13101914
100

Y
50

0
0 0 0
70 80 90 1

Y:

Residuos
-24.9865769
24.3074977
11.8202861
-20.4595251
12.8295908
-3.51127254
 X1 Curva de regresión ajustada
250
200 f(x) = − 2.85597084768713 x + 227.826846412712
R² = 0.84202636145626
150 Y
Pronóstico Y
100
Y

Linear (Pronóstico Y)
50
0
0 5 10 15 20 25 30 35 40 45 50
X1

X2 Curva de regresión ajustada

250

200 f(x) = − 0.230672940092109 x + 399.974245118218

R² = 0.936721702026047
150
Y
100 Pronóstico Y
Y

Linear (Pronóstico Y)
50

70
0
80
0
90
0 00 00 00 00 00
10 11 12 13 14
X2
Doce laminas de acero trabajadas en frio, que tienen diferente contenido del cobre(%)
y diferentes temperaturas de recocido (°F), tuvieron la siguiente dureza (kgf/mm2):

dureza cobre temp

78.8 0.02 1000
65.1 0.02 1100
55.4 0.02 1200
56.2 0.02 1300
80.9 0.1 1000
69.5 0.1 1100
57.4 0.1 1200
55.2 0.1 1300
85.6 0.18 1000
71.8 0.18 1100
60.2 0.18 1200
58.7 0.18 1300
Se tiene las medidas de los sólidos suspendidos y la turbiedad evaluados en una estacion de monitoreo sobre el rio Mayo,
en la provincia de Moyobamba, como se presentan a continuación:

turbiedad (UNT) sólidos S (mg/L)

Y X
42 71
72 146
360 505
35 61
65 136
120 169
100 190
190 269
650 978
230 394
105 176
75 120
69 99
125 133
85 140
32 53
34 54
85 123
450 568
51 84
37 73
62 84
de monitoreo sobre el rio Mayo,
En una investigación relacionada con la temperatura (°F), tomada como la variable respuesta,
en función de las variables regresora como la altitud (pies), longitud (grados) y latitud (grados).
La siguiente tabla muestra los resultados:

Temperatura (Y) Altitud (X1) Longitud (X2) Latitud (X3) Resumen

Y X1 X2 X3
55.7 1083 112 33 Estadísticas de la regresión
37.8 457 86 38 Coeficiente de correlación múltiple
56.4 312 98 34 Coeficiente de determinación R^2
51 305 90 32 R^2 ajustado
34.5 4221 115 40 Error típico
36.7 2842 116 44 Observaciones
33.4 807 94 41
32.6 4260 112 41 ANÁLISIS DE VARIANZA
49.1 3920 106 32 Grados de libertad
46.6 1054 84 34 Regresión
36.3 4397 120 39 Residuos
18.2 830 93 45 Total
36.7 465 90 39
13.3 1162 92 47
30.1 787 82 41 β0 Intercepción
β1 X1
β2 X2
β3 X3
Y= 89.79 - 0.0028X1 + 0.441X2 - 2.348X3
β0
β1
β2
β3

H0:β1=0
H1:β1≠0

H0:β2=0
H1:β2≠0

H0:β3=0
H1:β3≠0

Análisis de los residuales

Observación
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 la regresión
0.96712513
0.93533102
0.92
3.5563055
15

Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
3 2012.14894 670.716312 53.032334607 7.89173E-07
11 139.120397 12.6473088
14 2151.26933

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
89.79 14.0329835 6.39872746 5.0895045E-05 58.9068486 120.67962563486 58.9068486
-0.0028 0.00100751 -2.73754582 0.0193160102 -0.0049756 -0.000540588283 -0.0049756
0.441 0.12602184 3.50042273 0.004966594 0.16375752 0.7185019206924 0.16375752
-2.348 0.19996361 -11.7399255 1.4566552E-07 -2.78767481 -1.907440939816 -2.78767481
+ 0.441X2 - 2.348X3

RECHAZAR HO

RECHAZAR HO

RECHAZAR HO
Pronóstico Y Residuos
58.7433389 -3.04333886
37.2627442 0.5372558
52.3464561 4.05354393
53.5318407 -2.53184075
34.9789212 -0.47892119
29.8332322 6.86676778
32.7837751 0.61622489
31.2004085 1.39959154
50.6194033 -1.5194033
44.1241336 2.47586637
39.046703 -2.74670296
22.8889777 -4.6889777
36.6576404 0.04235957
16.8370447 -3.53704473
27.5453804 2.55461961
 X2 Curva de regresión ajustada
80
60
40 Y
Pronóstico Y

Y
X1 Curva de regresión ajustada
20
0
80
60
80 85 90 95
X3 Curva de regresión ajust
100 105 110 115 120 125
X2
80 Y
40
Pronóstico Y
Y

60
20
40
0

Y
0 20
500 100015002000250030003500400045005000
X1 0
30 32 34 36 38 40 42 44 46
X3

Superior 95.0%
120.679626
-0.00054059
0.71850192
-1.90744094
n ajustada

Y
Pronóstico Y

a5 de regresión ajustada
120 125

Y
Pronóstico Y

6 38 40 42 44 46 48
X3
Temperatur Longitud
Altitud (X1) Latitud (X3)
a (Y) (X2) Resumen
Y X1 X2 X3
55.7 1083 112 33 Estadísticas de la regresión
37.8 457 86 38 Coeficiente de correlación múltiple
56.4 312 98 34 Coeficiente de determinación R^2
51 305 90 32 R^2 ajustado
34.5 4221 115 40 Error típico
36.7 2842 116 44 Observaciones
33.4 807 94 41
32.6 4260 112 41 ANÁLISIS DE VARIANZA
49.1 3920 106 32 Grados de libertad
46.6 1054 84 34 Regresión
36.3 4397 120 39 Residuos
18.2 830 93 45 Total
36.7 465 90 39
13.3 1162 92 47
30.1 787 82 41 Intercepción
Variable X 1
Variable X 2
Variable X 3

Análisis de los residuales

Observación
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
a regresión
0.96712513
0.93533102
0.91769402
3.5563055
15

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
3 2012.14894 670.716312 53.0323346 7.89173E-07
11 139.120397 12.6473088
14 2151.26933

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
89.7932371 14.0329835 6.39872746 5.0895E-05 58.9068486 120.679626 58.9068486 120.679626
-0.00275809 0.00100751 -2.73754582 0.01931601 -0.0049756 -0.00054059 -0.0049756 -0.00054059
0.44112972 0.12602184 3.50042273 0.00496659 0.16375752 0.71850192 0.16375752 0.71850192
-2.34755788 0.19996361 -11.7399255 1.45666E-07 -2.78767481 -1.90744094 -2.78767481 -1.90744094

Pronóstico para YResiduos

58.7433389 -3.04333886
37.2627442 0.5372558
52.3464561 4.05354393
53.5318407 -2.53184075
34.9789212 -0.47892119
29.8332322 6.86676778
32.7837751 0.61622489
31.2004085 1.39959154
50.6194033 -1.5194033
44.1241336 2.47586637
39.046703 -2.74670296
22.8889777 -4.6889777
36.6576404 0.04235957
16.8370447 -3.53704473
27.5453804 2.55461961
 Variable X 1 Curva de regresión
ajustada
80
60
Variable X 2 Curva deY regresión
40 ajustada Pronóstico para Y
Variable X 3 Curva de regresión
Y

20 100
0 ajustada Y
0 100050 2000 3000 4000 5000 Pronóstico para Y
100
Y

0 Variable X 1 Y
80 85 90 50 95 100 105 110 115 120 125 Pronóstico para Y
Y

0 Variable X 2
30 32 34 36 38 40 42 44 46 48
Variable X 3

perior 95.0%
n

onóstico para Y
340 234 124 23 Resumen
456 456 235 34
532 568 346 54 Estadísticas de la regresión
13 334 657 32 Coeficiente d 0.40735309
125 124 890 23 Coeficiente d 0.16593654
745 123 654 55 R^2 ajustado-0.06153532
123 457 345 87 Error típico 206.052399
225 875 657 65 Observacione 15
555 456 456 43
278 543 454 12 ANÁLISIS DE VARIANZA
431 234 546 23 Grados de libertad
Suma de cuadrados
236 789 343 54 Regresión 3 92916.0977
340 571 235 65 Residuos 11 467033.502
505 102 568 75 Total 14 559949.6
550 292 554 54
Coeficientes Error típico
Intercepción 535.341373 224.847005
Variable X 1 -0.34317119 0.25296501
Variable X 2 -0.23444345 0.28600518
Variable X 3 1.70706169 2.60343509

Análisis de los residuales

Observación
Pronóstico para YResiduos
1 465.230746 -125.230746
2 381.801197 74.1988026
3 351.484035 180.515965
4 321.318823 -308.318823
5 323.395893 -198.395893
6 433.693693 311.306307
7 446.143516 -323.143516
8 191.996246 33.003754
9 345.35275 209.64725
10 263.046831 14.9531688
11 366.29561 64.7043905
12 276.346533 -40.346533
13 395.255423 -55.2554232
14 495.203658 9.7963417
15 397.435045 152.564955
 Variable X 1 Cu
ajus
1000

500

Y
0
0 200 400 600 80
Variable X 1
Promedio de los cuadradosF Valor crítico de F
30972.0326 0.72948163 0.55556768
42457.5911
Variable X 2 Cur
ajus
Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0% 1000
2.38091396 0.03644218 40.4564514 1030.22629 40.4564514 1030.22629 500
-1.35659548 0.20209809 -0.89994342 0.21360104 -0.89994342 0.21360104

Y
-0.81971749 0.42978091 -0.86393661 0.39504971 -0.86393661 0.39504971 0
0 200 400 600 800
0.65569589 0.52549646 -4.02306031 7.43718369 -4.02306031 7.43718369
Variable X 2

Variable X 3
a
1000

500
Y

0
0 10 20 30 40 5
Variable
 Variable X 1 Curva de regresión
ajustada
00 Y
Pronóstico para Y
00
Linear (Pronóstico para Y)
0
0 200 400 600 800 1000
Variable X 1

Variable X 2 Curva de regresión

ajustada
0 Y
Pronóstico para Y
0
Linear (Pronóstico para Y)
0
0 200 400 600 800 1000
Variable X 2

Variable X 3 Curva de regresión

ajustada
1000 Y
Linear (Y)
500
Pronóstico para Y
0
0 10 20 30 40 50 60 70 80 90 100
Variable X 3
Energ. Electrica Y Temperatura.F X1 Días. X2 (%) pureza de producto x3
240 25 24 91
236 31 21 90
290 45 24 88
274 60 35 87
301 65 25 91
316 72 26 94
300 80 35 87
296 84 25 86
267 75 24 88
276 60 25 91
288 50 25 90
261 38 23 89

Calcular la ecuación regresión e interpretar los coheficientes.

Interpretar el coheficiente de correlacion y determinación
Realizar la prueba de hipotesis correspondientes a los coheficientes
Graficar la correlación para la energia consumida y la temperatura y presentarlo en una figura estadistica.
 Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total

figura estadistica. B0 Intercepción

B1 Variable X 1
B2 Variable X 2
B3 Variable X 3

Y: B0+B1+B2+B3
Y: -115+0.99X1+0.77X2+3.55X3
Análisis de los residuales

Observación
Variable X 1 Curva de regresión ajustada
1
350 2
300 3
250
200 4 Y
150 5 Pronóstico para Y
Y

100 6
50
0 7
20 30 40 50 60 70 80 8 90
Variable X 1 9
10
Variable X 2 Curva de regresión ajustada 11
12
400
300
200 Y
Pronóstico para
Y

100
0
20 22 24 26 28 30 32 34 36
Variable X 2

Variable X 3 Curva de regresión ajustada

400
300
200 Y
Pronóstico
Y

100
 Variable X 3 Curva de regresión ajustada
400
300
200 Y
Pronóstico

Y
100
0
85 86 87 88 89 90 91 92 93 94 95
Variable X 3

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.809035221817905
Coeficiente de determinación R^2 0.654537990141947
R^2 ajustado 0.524989736445177
Error típico 16.9539136452239
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 3
Residuos 8
Total 11

Coeficientes
B0 Intercepción -114.572973811731
B1 Variable X 1 0.989764548896263
B2 Variable X 2 0.769000091752083
B3 Variable X 3 3.54660348985092

Y: -114+0.98X1+0.76X2+3.54X3

Análisis de los residuales

Observación Pronóstico para Y

1 251.368059689159
2 251.453043217429
3 260.523540197532
4 280.282405950397
5 291.727641736762
6 310.06480414034
7 300.077696928323
8 292.800150716536
9 290.216476664419
10 286.77881899228
11 273.334570013467
12 256.372791753356
a regresión
0.80903522 Existe correlación alta entre la energ. Electrica
0.65453799 la temperatura, los dias y el %de pureza.
0.52498974 De cada 100 muestras, en 52 de ellas existe relación entre la energ. Elec,
16.9539136 la temperatura, los dias y el % de pureza.
12

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
3 4356.7685 1452.25617 5.05246479 0.02979487
8 2299.4815 287.435188
11 6656.25

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
-115 235.632904 -0.48623504 0.63983982 -657.943425 428.797477 -657.943425 428.797477
0.99 0.30112499 3.28688941 0.01107332 0.29536907 1.68416003 0.29536907 1.68416003
0.77 1.38605768 0.55481103 0.59419169 -2.42725465 3.96525483 -2.42725465 3.96525483
3.55 2.46829365 1.43686449 0.18868953 -2.14529188 9.23849886 -2.14529188 9.23849886

B1: Por cada grado de temperatura °F adicional la energia electrica

aumenta en 0.99

Pronóstico para YResiduos B2: Por cada día del mes adicional la energía electrica aumenta
ajustada251.36806 -11.3680597 en 0.77
251.453043 -15.4530432
260.52354 29.4764598 B3: Por cada % de pureza de producto adicional la energía electrica
280.282406
Y -6.28240595 aumenta en 3.55
291.727642 9.27235826
Pronóstico para Y
310.064804 5.93519586 Cuando probabilidad es menor que alfa : 0.05; se rechaza H0
300.077697 -0.07769693
80 292.800151
90 3.19984928 H0: B1=0 SE RECHAZA H0
290.216477 -23.2164767 H1: β1≠0 Existe relación lineal entre la energ., la temperatura.
286.778819 -10.778819
n ajustada 273.33457 14.66543
256.372792 4.62720825 H0: B2=0 SE ACEPTA H0
H1: β2≠0 No existe relación lineal entre la energ. Y los días.
Y
Pronóstico para Y
H0: B3=0 ACEPTAR H0
34 36
H1: β3≠0 NO existe relación lineal entrenla energ. Y la
% del producto.

ión ajustada

Y
Pronóstico para Y
ión ajustada

Y
Pronóstico para Y

93 94 95

Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
4356.7685 1452.25617 5.05246479 0.02979487
2299.4815 287.435188
6656.25

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

Superior 95.0%
235.632904 -0.48623504 0.63983982 -657.943425 428.797477 -657.943425 428.797477
0.30112499 3.28688941 0.01107332 0.29536907 1.68416003 0.29536907 1.68416003
1.38605768 0.55481103 0.59419169 -2.42725465 3.96525483 -2.42725465 3.96525483
2.46829365 1.43686449 0.18868953 -2.14529188 9.23849886 -2.14529188 9.23849886

B1: Por cada

B2
B3
Residuos
-11.3680597
-15.4530432
29.4764598
-6.28240595
9.27235826
5.93519586
-0.07769693
3.19984928
-23.2164767
-10.778819
14.66543
4.62720825
perior 95.0%

Variable X 1 Curva de regresión

nal la energia electrica ajustada
400
Y
200 Variable X 2 Curva de regresión
Pronóstico para Y
ajustada
Y

0
20 30 40Variable
400 50 60 X 70
3 Curva
80 90de regresión
rgía electrica Y
200
Variable X 1 ajustada Pronós
Y

400 0 Y
20 22 24 26 28 30 32 34 36 Pronóstico
200
Variable X 2
Y

0
85 86 87 88 89 90 91 92 93 94 95
mperatura.
Variable X 3
resión

Y
va de regresión
Pronóstico para Y
tada
90de regresión
Y
da Pronóstico para Y

Y
0 32 34 36 Pronóstico para Y

2 93 94 95