Un agronomo ha realizado la relacion entre la cantidad de agua aplicada (en mt3) y el correspondiente rendiem

siguientes datos.

Agua (x) 8 16
Rend. (y) 4.1 4.5

Utilizando regresion lineal, obtener el rendimiento que cabe esperar si la cantid

x y calculo
8 4.1 a
16 4.5 b
24 5.1 x
32 6.1
respuesta

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9795260924
Coeficiente de determinación R^2 0.9594713656
R^2 ajustado 0.9392070485
Error típico 0.2144761059
Observaciones 4

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 2.178 2.178
Residuos 2 0.092 0.046
Total 3 2.27

Coeficientes Error típico Estadístico t

Intercepción 3.3 0.2626785107 12.5628852958
Variable X 1 0.0825 0.0119895788 6.8809756639

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares
1 3.96 0.14 0.799456337
2 4.62 -0.12 -0.6852482889
3 5.28 -0.18 -1.0278724333
4 5.94 0.16 0.9136643852
mt3) y el correspondiente rendiemiento decierta cosecha (en toneladas por hectarea) obteniendo los
siguientes datos.

24 32
5.1 6.1

miento que cabe esperar si la cantidad de agua aplicada es de 12 mt3

calculo RESPUESTA:
3.3
y= 3.3 + 0.08x
0.08
12 y=3.3 + 0.08(12)

y= 4.26
4.26

F Valor crítico de F
47.347826087 0.0204739076

Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

0.0062764981 2.1697855888 4.4302144112 2.1697855888 4.4302144112
0.0204739076 0.030913006 0.134086994 0.030913006 0.134086994

Resultados de datos de probabilidad

s estándares Percentil Y
12.5 4.1
37.5 4.5
62.5 5.1
87.5 6.1
 Variable X 1 Gráfico de los residuales
0.2
0.1
Residuos

0
5 10 15 20 25 30 35
-0.1
-0.2
Variable X 1

Variable X 1 Curva de regresión ajustada

8
6
4 Y
Pronóstico para Y
Y

2
0
5 10 15 20 25 30 35
Variable X 1

Gráfico de probabilidad normal

8
6
4
Y

2
0
0 10 20 30 40 50 60 70 80 90 100
 Gráfico de probabilidad normal
8
6
4
Y 2
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 El numero de horas dedicadas al estudio de una asignatura y la calificacion obte

Horas (x) 20
Calif. (y) 6.5

A) calcular el coefinciente de correlacion linea

B) calcular la recta de regresion d
C) calcular la calificacion estimada para una persona q

x y
20 6.5
16 6
34 8
10 4
23 7

9
8 f(x) = 0.1569548872x + 3.
7
6
Resumen 5
4
Estadísticas de la regresión
3
Coeficiente de correlación múltiple 0.9452897493
Coeficiente de determinación R^2 0.8935727102 2

R^2 ajustado 0.8580969469 1

Error típico 0.5587367151 0
5 10 15 2
Observaciones 5

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 7.8634398496
Residuos 3 0.9365601504
Total 4 8.8

Coeficientes Error típico

Intercepción 3.0667293233 0.6909946047
Variable X 1 0.1569548872 0.0312734482

Análisis de los residuales

Observación Pronóstico para Y Residuos
1 6.2058270677 0.2941729323
2 5.5780075188 0.4219924812
3 8.4031954887 -0.4031954887
4 4.6362781955 -0.6362781955
5 6.6766917293 0.3233082707
o de una asignatura y la calificacion obtenida en el examen correspondiente de cinco personas es:

16 34 10 23
6 8 4 7

cular el coefinciente de correlacion lineal e interpretar su valor.

B) calcular la recta de regresion de Y sobre X
calificacion estimada para una persona que hubiese estudiado 28 horas

A) 0,9452 relacion directa muy fuerte C)

a
b
B) x

B) respuesta

9
8 f(x) = 0.1569548872x + 3.0667293233
RESPUESTA:

7 y= 3.06 + 0.15x
6 y=3.06 + 0.15(28)
5
y= 7.46
4
3
2
1
0
5 10 15 20 25 30 35 40

Promedio de los cuadrados F Valor crítico de F

7.8634398496 25.1882589062 0.0152349282
0.3121867168

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

4.4381378706 0.021266031 0.8676760967 5.2657825499 0.8676760967
5.018790582 0.0152349282 0.0574288176 0.2564809568 0.0574288176

Resultados de datos de probabilidad

Residuos estándares Percentil Y
0.6079458073 10 4
0.8721011741 30 6
-0.8332547966 50 6.5
-1.3149498772 70 7
0.6681576924 90 8
 C)
3.0667
0.157
28

7.4627

RESPUESTA:

y= 3.06 + 0.15x

y=3.06 + 0.15(28)

y= 7.46
Variable X 1 Gráfico de los residuales
0.5

0
Residuos

5 10 15 20 25 30 35 40
-0.5

-1
Variable X 1

Variable X 1 Curva de regresión ajustada

Superior 95,0% 10
5.2657825499
5 Y
0.2564809568
Pronóstico para Y
Y

0
5 10 15 20 25 30 35 40
Variable X 1
 0
5 10 15 20 25 30 35 40
Variable X 1

Gráfico de probabilidad normal

10
8
6
Y 4
2
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 De un muelle cuelgan pesas, obteniendose los

Masa (gr)(x) 10 30
Alarg. (cm)(y) 0.5 1

A) calcular el coefinciente de correlacion line

B)Estimar el alargamiento del muelle sis e cuelg

x y A) 0,9951 relacion directa muy fuer

10 0.5
30 1 B)
60 3 a
90 5 b
120 6.5 x

respuesta

RESPUESTA:

y= -0.3624 + 0.0574x
Resumen
y= -0.3624 + 0..574(50)
Estadísticas de la regresión
y= 2.51gr
Coeficiente de correlación m 0.9950782163
Coeficiente de determinaci 0.9901806566
R^2 ajustado 0.9869075422
Error típico 0.2933988928
Observaciones 5

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadradosPromedio de los cuadrados
Regresión 1 26.041751269 26.041751269
Residuos 3 0.258248731 0.0860829103
Total 4 26.3

Coeficientes Error típico Estadístico t

Intercepción -0.364213198 0.2433296353 -1.4967893143
Variable X 1 0.0574873096 0.0033051819 17.3930851294

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares
1 0.2106598985 0.2893401015 1.1387267613
2 1.3604060914 -0.3604060914 -1.418414036
3 3.0850253807 -0.0850253807 -0.3346258465
4 4.8096446701 0.1903553299 0.7491623429
5 6.5342639594 -0.0342639594 -0.1348492217
pesas, obteniendose los siguientes alargamientos

60 90 120
3 5 6.5

ente de correlacion lineal e interpretar su valor.

nto del muelle sis e cuelga una pesa con 50 gramos

elacion directa muy fuerte

B)
-0.364213
0.057487
50

2.510137

TA:

4 + 0.0574x

4 + 0..574(50)

F Valor crítico de F
302.5194103194 0.0004141873

Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

0.2313559556 -1.1385966968 0.4101703008 -1.1385966968 0.4101703008
0.0004141873 0.0469687458 0.0680058735 0.0469687458 0.0680058735

Resultados de datos de probabilidad

Percentil Y
10 0.5
30 1
50 3
70 5
90 6.5
 Variable X 1 Gráfico de los residuales
0.4
0.2
Residuos

0
0 20 40 60 80 100 120 140
-0.2
-0.4
Variable X 1

Variable X 1 Curva de regresión ajustada

8
6
4 Y
Pronóstico para Y
Y

2
0
0 20 40 60 80 100 120 140
Variable X 1

Gráfico de probabilidad normal

8
6
4
Y

2
0
 Gráfico de probabilidad normal
8
6
4

Y
2
0
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
 Una persona se somete a una diesta de adelgazamiento durante 5 semanas. A continuaci

Semanas (x) 1
Peso (y) 88

A) calcular el coefinciente de correlacion lineal e

B) ¿Qué peso es de esperar que alcance esa persona si si

x y
1 88
2 87
3 84
4 82
5 79

Resumen

Estadísticas de la regresión
Coeficiente de correlación múlti 0.9897624107
Coeficiente de determinación R^ 0.9796296296
R^2 ajustado 0.9728395062
Error típico 0.6055300708
Observaciones 5

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 52.9
Residuos 3 1.1
Total 4 54

Coeficientes Error típico

Intercepción 90.9 0.6350852961
Variable X 1 -2.3 0.1914854216

Análisis de los residuales

Observación Pronóstico para Y Residuos
1 88.6 -0.6
2 86.3 0.7
3 84 0
4 81.7 0.3
5 79.4 -0.4
gazamiento durante 5 semanas. A continuacion se detalla su peso al termino de cada una de esas semanas

2 3 4 5
87 84 82 79

alcular el coefinciente de correlacion lineal e interpretar su valor.

o es de esperar que alcance esa persona si sigue la diesta 2 semanas mas?

A) 0,9897 relacion directa muy fuerte

B) RESPUESTA:
a 90.9
b -2.3 y= 90.9 + (-2.3)x
x 7 y= 90.9 + (-2.3)(7)

74.8 y= 74.8kg
respuesta

Promedio de los cuadrados F Valor crítico de F

52.9 144.2727272727 0.0012415447
0.3666666667

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

143.1303803709 0.000000752 88.8788751459 92.9211248541 88.8788751459
-12.0113582609 0.0012415447 -2.9093920723 -1.6906079277 -2.9093920723

Resultados de datos de probabilidad

Residuos estándares Percentil Y
-1.1441551071 10 79
1.3348476249 30 82
0 50 84
0.5720775535 70 87
-0.7627700714 90 88
 Variable X 1 Gráfico de los residuales
1
0.5
Residuos

0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
-0.5
-1
Variable X 1

Variable X 1 Curva de regresión ajustada

90
85
80 Y
Pronóstico para Y
Y

75
70
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Superior 95,0%
Variable X 1
92.9211249
-1.6906079

Gráfico de probabilidad normal

90
85
80
Y

75
70
0 10 20 30 40 50 60 70 80 90 100
 Gráfico de probabilidad normal
90
85
80

Y
75
70
0 10 20 30 40 50 60 70 80 90 100
Muestra percentil
es

5 5.5

ada

stico para Y

90 100
90 100
 De una distribucion bidimensional (X, Y) conocem

media de la variable X es = 3
Recta de regresion de Y sobre X: y= -2,3x + 90,9 Varianza de Y =

A) calcular la media de la vari

B) calcula el valor del coeficiente de cor

Resumen

Estadísticas de la regresión
Coeficiente de correlación múlt 0.9897624107
Coeficiente de determinación 0.9796296296
R^2 ajustado 0.9728395062
Error típico 0.6055300708
Observaciones 5

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 52.9 52.9
Residuos 3 1.1 0.3666666667
Total 4 54

Coeficientes Error típico Estadístico t

Intercepción 90.9 0.6350852961 143.1303803709
Variable X 1 -2.3 0.1914854216 -12.0113582609

Análisis de los residuales

Observación Pronóstico para Y Residuos Residuos estándares
1 88.6 -0.6 -1.1441551071
2 86.3 0.7 1.3348476249
3 84 0 0
4 81.7 0.3 0.5720775535
5 79.4 -0.4 -0.7627700714
mensional (X, Y) conocemos los siguientes resultados

Varianza de X = 2
Varianza de Y = 10,88

alcular la media de la variable Y

lor del coeficiente de correlacion lineal (r)

F Valor crítico de F
144.2727272727 0.0012415447

Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

0.000000752 88.8788751459 92.9211248541 88.8788751459 92.9211248541
0.0012415447 -2.9093920723 -1.6906079277 -2.9093920723 -1.6906079277

Resultados de datos de probabilidad

Percentil Y
10 79
30 82
50 84
70 87
90 88