Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 344 vistas

    Practica Calificada N°2

    Cargado por

    kevin rios ruiz
    Este documento presenta dos conjuntos de datos y realiza análisis de regresión lineal para cada uno. En el primer conjunto, se analiza la relación entre horas trabajadas y unidades producidas en un taller, encontrando una fuerte correlación positiva. En el segundo conjunto, se estudia la relación entre la edad y la altura de un niño desde su nacimiento hasta los 12 años, donde el modelo lineal explica el 99.6% de la variación, lo que indica una adecuada relación lineal entre las variables. Ambos análisis incluyen el cálculo de

    Copyright:

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

    Practica Calificada N°2

    Cargado por

    kevin rios ruiz
    344 vistas3 páginas
    Este documento presenta dos conjuntos de datos y realiza análisis de regresión lineal para cada uno. En el primer conjunto, se analiza la relación entre horas trabajadas y unidades producidas en un taller, encontrando una fuerte correlación positiva. En el segundo conjunto, se estudia la relación entre la edad y la altura de un niño desde su nacimiento hasta los 12 años, donde el modelo lineal explica el 99.6% de la variación, lo que indica una adecuada relación lineal entre las variables. Ambos análisis incluyen el cálculo de

    Descripción original:

    doc.

    Título original

    practica calificada N°2

    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 presenta dos conjuntos de datos y realiza análisis de regresión lineal para cada uno. En el primer conjunto, se analiza la relación entre horas trabajadas y unidades producidas en un taller, encontrando una fuerte correlación positiva. En el segundo conjunto, se estudia la relación entre la edad y la altura de un niño desde su nacimiento hasta los 12 años, donde el modelo lineal explica el 99.6% de la variación, lo que indica una adecuada relación lineal entre las variables. Ambos análisis incluyen el cálculo de

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    344 vistas3 páginas

    Practica Calificada N°2

    Cargado por

    kevin rios ruiz
    Este documento presenta dos conjuntos de datos y realiza análisis de regresión lineal para cada uno. En el primer conjunto, se analiza la relación entre horas trabajadas y unidades producidas en un taller, encontrando una fuerte correlación positiva. En el segundo conjunto, se estudia la relación entre la edad y la altura de un niño desde su nacimiento hasta los 12 años, donde el modelo lineal explica el 99.6% de la variación, lo que indica una adecuada relación lineal entre las variables. Ambos análisis incluyen el cálculo de

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 3

    PRÁCTICA CALIFICADA 2

    1. A partir de los siguientes datos referentes a horas trabajadas en un taller (x) y a unidades
    producidas (y)
    Horas (x) Producción (y)
    80 300
    79 302
    83 315
    84 330
    78 300
    60 250
    82 300
    85 340
    79 315
    84 330
    80 310
    62 240
    936 3632

    a) Determine el coeficiente de correlación de Pearson, interprete su resultado.


    r = 0,953994158
    El coeficiente de Pearson es 0.95399416.
    Al ver que el coeficiente r > 0, implica que existe una relación lineal muy fuerte entre ambas
    variables las horas trabajadas varían directamente proporcional a las unidades producidas. Se
    dice que hay correlación positiva y ambas variables se relacionan de manera directa. Es decir, si
    una variable aumenta o disminuye, la otra también lo hará, pero en diferente proporción.

    b) Determinar la recta de regresión de y sobre x, interprete los parámetros estimados.

    DIAGRAMA DE DISPERSION

    HORAS VS PRODUCCION
    400

    350

    300 f(x) = 3.47 x + 31.74


    R² = 0.91
    250

    200

    150

    100

    50

    0
    55 60 65 70 75 80 85 90

     El valor de b=3,4734 indica el incremento de la producción, en promedio, por horas de


    trabajo realizadas en el taller.
     Este modelo es una aproximación de la verdadera relación entre x e y; para un dado
    valor de x, el modelo predice un cierto valor para y. Siendo 3.4734 la pendiente de la
    recta.

    c) El coeficiente de Determinación e interpretarlo.


    R² = 0,9101=91,01%
    Como el valor de R2 es cercano a 1 o al 100%, podemos concluir que el modelo lineal es
    adecuado para describir la relación entre las horas trabajadas y la producción.
    Explica mediante el cambio de horas; también se puede interpreter como un cambio
    en las horas de trabajo explica el 91.01% de la variación de la producción.
    d) Determine el error de estimación e interprete su resultado.
    El error de estimación es de 9.46643941
    Estima la dispersión que existe entre la producción y las horas de trabajo de taller;
    alrededor de la recta de regresión.
    2. Se tiene los datos de un niño desde su nacimiento hasta los doce años.

    Edad (Años) Altura (mts)


    0 0,54
    1 0,62
    2 0,73
    3 0,83
    4 0,89
    5 0,96
    6 1,04
    7 1,13
    8 1,21
    9 1,28
    10 1,32
    11 1,42
    12 1,48

    a) Usando Excel, encuentre la presentación siguiente y realice el análisis de


    regresión.

    EDAD VS ALTURA
    1.6
    1.4 f(x) = 0.08 x + 0.57
    1.2 R² = 1
    ALTURA (mts)

    1
    0.8
    0.6
    0.4
    0.2
    0Resumen
    0 2 4 6 8 10 12 14
    EDAD (años)
    Estadísticas de la regresiónAltura (mts)
    Linear (Altura
    (mts))
    Coeficiente de
    0,99798918
    correlación
    múltiple
    Coeficiente de
    determinación
    R^2 0,9959824
    R^2 ajustado 0,99561717
    Error típico 0,02009965
    Observacione
    s 13

    La relación entre la altura y la edad es positiva, es decir, directamente


    proporcional. Por lo que R, tomaría el valor de +0.998 y R 2 sería 0.996 o en
    porcentaje, 99.6%, lo que indicaría que el modelo lineal es bastante adecuado
    para medir la relación entre las variables, ya que su valor se acerca a 1 o al
    100%.

    b) Determine el error de estimación. Interprete su resultado.


    El error de estimación es: 0,02009965
    Estima la dispersión que existe entre la edad y la altura alrededor de la recta
    de regresión.

    c) Determine el coeficiente de no determinación. Interprete su resultado.


    EL COEFICIENTE DE NO DETERMINACION ES:

    1- R²

    1 - 0,9959824= 0.0040176

    También podría gustarte