Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 60 vistas

    TP N°7

    Cargado por

    Andy Avallone
    Este documento proporciona instrucciones para realizar tres ejemplos de correlación y regresión lineal utilizando SPSS y Excel. Se solicita calcular la correlación, los parámetros de la recta de regresión, y valores predictivos de Y para diferentes valores de X. Los resultados muestran una fuerte correlación positiva entre las variables X e Y en los tres ejemplos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    TP N°7

    Cargado por

    Andy Avallone
    60 vistas5 páginas
    Este documento proporciona instrucciones para realizar tres ejemplos de correlación y regresión lineal utilizando SPSS y Excel. Se solicita calcular la correlación, los parámetros de la recta de regresión, y valores predictivos de Y para diferentes valores de X. Los resultados muestran una fuerte correlación positiva entre las variables X e Y en los tres ejemplos.

    Descripción original:

    aadasd

    Título original

    Tp N°7

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento proporciona instrucciones para realizar tres ejemplos de correlación y regresión lineal utilizando SPSS y Excel. Se solicita calcular la correlación, los parámetros de la recta de regresión, y valores predictivos de Y para diferentes valores de X. Los resultados muestran una fuerte correlación positiva entre las variables X e Y en los tres ejemplos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    60 vistas5 páginas

    TP N°7

    Cargado por

    Andy Avallone
    Este documento proporciona instrucciones para realizar tres ejemplos de correlación y regresión lineal utilizando SPSS y Excel. Se solicita calcular la correlación, los parámetros de la recta de regresión, y valores predictivos de Y para diferentes valores de X. Los resultados muestran una fuerte correlación positiva entre las variables X e Y en los tres ejemplos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 5

    Trabajo Práctico Nº 7 “Correlación y Regresión (Unidad 8)

    Nombre y Apellido: Andres Avallone


    Fecha:
    Comisión: Mendoza

    1- En los 3 ejemplos obtener índice de correlación y coeficientes derivados de r y


    trazar recta de regresión. Realizar gráfico de dispersión extendidos.

    a- Calcular con SPSS (obteniendo parámetros a y b) y con Excel (función


    Tendencia) cuánto vale Y para un X de: 7 y de 45

    EXCEL

    X Y
    10 12
    15 14
    18 17
    21 22
    25 24
    27 27
    29 30
    30 31
    31 33
    34 35
    36 37
    39 38
    7,3317651
    7
    7
    45,499362
    45
    9

    0,9914261
    r 2
    45.5
    f(x) = 1x + 0.3
    R² = 0.99

    37 38
    35
    33
    3031
    27
    24
    22

    17
    14
    12
    7.33

    SPSS

    Resumen del modelo

    R cuadrado Error típ. de la


    Modelo R R cuadrado corregida estimación
    1 ,991(a) ,983 ,981 1,22066
    a Variables predictoras: (Constante), x

    Coeficientes(a)

    Coeficientes
    Coeficientes no estandarizado
    estandarizados s

    Modelo B Error típ. Beta t Sig.


    1 (Constante) ,301 1,154 ,261 ,800
    x 1,004 ,042 ,991 23,993 ,000
    a Variable dependiente: y

    Y= 0.301+1.004*7= 7.329
    Y= 0.301+1.004*45= 45.481

    2- Calcular con SPSS (obteniendo parámetros a y b) y con Excel (función


    Tendencia) cuánto vale Y para un X de 25
    EXCEL

    X Y
    6 7
    8 8
    9 10
    11 11
    12 13
    14 15
    16 17
    19 19
    21 22
    22 23
    25,836194
    25 6
    0,9964257
    R 5

    f(x) = 1.01x + 0.53


    R² = 0.99

    Linear ()

    SPSS
    Correlaciones

    X Y
    X Correlación de Pearson 1 ,996(**)
    Sig. (bilateral) ,000
    N 10 10
    Y Correlación de Pearson ,996(**) 1
    Sig. (bilateral) ,000
    N 10 10
    ** La correlación es significativa al nivel 0,01 (bilateral).

    Coeficientes(a)
    Coeficientes
    Coeficientes no estandarizado
    estandarizados s

    Modelo B Error típ. Beta t Sig.


    1 (Constante) ,532 ,448 1,187 ,269
    X 1,012 ,030 ,996 33,363 ,000
    a = 0,532
    b =1,012
    Y= 0.532+1.012*25= 25.832

    3- Calcular con SPSS (obteniendo parámetros a y b) y con Excel (función


    Tendencia) cuánto vale Y para un X de 100
    EXCEL

    X Y
    55 57
    59 61
    62 64
    68 67
    70 71
    73 73
    75 76
    78 79
    79 81
    81 82
    100,09159
    100 7
    0,9939860
    r 1

    100.09
    f(x) = 0.97x + 3.45
    R² = 0.99
    82
    7981
    76
    71 73
    67
    64
    61
    57

    SPSS

    Resumen del modelo

    R cuadrado Error típ. de la


    Modelo R R cuadrado corregida estimación
    1 ,994(a) ,988 ,987 1,00581
    a Variables predictoras: (Constante), x

    Coeficientes(a)

    Coeficientes
    Coeficientes no estandarizado
    estandarizados s

    Modelo B Error típ. Beta t Sig.


    1 (Constante) 3,453 2,654 1,301 ,229
    x ,966 ,038 ,994 25,673 ,000
    a Variable dependiente: y

    Y= 3.453+0.966*100= 100.053

    También podría gustarte