1.

Para un laboratorio X, cuando ratas son expuestas a fibras de asbesto, algunas ratas presentan
varios experimentos realizados por diferentes científicos.
EJERCICIO 1.

X Y

Porcentaje que
Exposición al presentaba
asbesto tumores x- (x- )^2 y- (y- )^2
(fibras/mL) pulmonares

1 50 2 -1211.111 1466790.12 -20.89 436.346

2 400 6 -861.111 741512.35 -16.89 285.235
3 500 5 -761.111 579290.12 -17.89 320.012
4 900 10 -361.111 130401.23 -12.89 166.123
5 1100 26 -161.111 25956.79 3.11 9.679
6 1600 42 338.889 114845.68 19.11 365.235
7 1800 37 538.889 290401.23 14.11 199.123
8 2000 28 738.889 545956.79 5.11 26.123
9 3000 50 1738.889 3023734.57 27.11 735.012
Suma total 11350 206 0.00 6918888.89 0.00 2542.889
Calcular:
Promedios 1261.111 22.889
a) Encuentre la recta de regresión para los datos.
b) Haga una gráfica de dispersión y grafique la recta de regresión. ¿La recta de regresión parece ser un modelo razonable
para los datos?
c) ¿Qué representa el punto de intersección y la pendiente de la recta de regresión?
d) Construya un análisis de varianza para esta regresión.
e) Cual fue el valor del r-cuadrado? ¿Qué le indica ese valor?

b)

GRÁFICA

Experimentos realizados
 GRÁFICA

Linea recta Experimentos realizados

ajustarse a todos
los puntos. 60
Distancia mínima
posible. f(x) = 0.0177212141x + 0.5404689256
50 R² = 0.8544682218
% Tumores Pulmunares

40

30

20

10

0
0 500 1000 1500 2000 2500 3000 3500

Exposición al Asbesto

�_𝑥�
〖 �= 〗 _
https://www.youtube.com/watch?v=SsFBnvkoZa4
Sxy 13623.4568 Sxy
Sx 876.792696 Coeficiente de SxSy
Sy 16.8090217 correlación
rxy 0.9243745
R2 0.85446822

R2 ajustado es un medida de bondad de ajuste corregida

modelos lineales. Identifica el porcentaje de varianza en e
mediante la entrada o entradas. R2 tiende a estimar de fo
lineal.
to, algunas ratas presentan tumores pulmonares. La siguiente Tabla es una lista de los resultados de

PREDICCIONES

(x-)(y-) X Y

25298.77
0.01772121
14543.21
13615.43
4654.32
-501.23
0.540
Si r = 1, existe una correlación positiva perfecta. El índice indica
6476.54 una dependencia total entre las dos variables
7604.32 denominada relación directa: cuando una de ellas aumenta, la
otra también lo hace en proporción constante. Si 0 < r < 1,
3776.54 existe unacorrelación positiva. Si r = 0, no existe relación lineal.
47143.21
122611.111

parece ser un modelo razonable

0.9243745

a)

INTERPRETACIÓN
 INTERPRETACIÓN

a)

En este ejercicio el valor de b=0.01772,

siendo el coeficiente de x
Si "x" cambia o varia en una unidad entonces esto va a provocar
un efecto en "y" en 0.01772.
Si "x" aumenta en una unidad, "y" va aumentar en 0.01772
unidades.
Existe una fuerte relación directa positiva entre las variables por
estar cerca a 1.

2500 3000 3500

〖 �= 〗 _ 〖 �= 〗 _
13623.4568 Fuerte relación directa por estar cerca 1
0.9243745
14738.0274

ajuste corregida (precisión de modelo) para los

de varianza en el campo objetivo que se explica
e a estimar de forma optimista el ajuste de la regresión
los resultados de

b=(∑▒{(𝑥_𝑖−𝑥  ̅)
(�_𝑖−�  ̅)} )/
(∑▒ 〖 (𝑥_𝑖−
�=� 〗b𝑥^2
〖 𝑥  ̅)  ̅−  ̅ 〗 )

a. El índice indica

ellas aumenta, la
Si 0 < r < 1,
te relación lineal.

〖 �= 〗 _
resión
 c)
b=(∑▒{(𝑥_𝑖−𝑥  ̅) b=
(�_𝑖−�  ̅)} )/ b=
(∑▒ 〖 (𝑥_𝑖− 122611.111 0.01772121 Indica el grado de inclinación de l
�=�
〖 𝑥  ̅)  ̅−  ̅ 〗�=
〗b𝑥^2 ) 6918888.89

�=
22.8888889 - 0.01772121 * 1261.11111 indica el lugar en el que la linea se
22.8888889 - 22.34842 = 0.54046893

r=(∑▒{(𝑥_𝑖−𝑥  ̅)
(�_𝑖−�  ̅)} )/({[∑▒( 𝑥_𝑖− 〖 �= 〗
(^ _
122611.111111111
〖 �= 〗 _
)^(1⁄2)

〖 𝑥  ̅) 〗 ^2 ][∑▒ 〖 (�_𝑖− 6918888.89 * 2542.889

〖 �= 〗 _
〖 �= 〗 _
〖 � ̅) 〗 ^2 〗 ]} ^(1⁄2) )
122611.111 0.9243745
132642.247

�=�+bx 〖 �= 〗 _
〖 �= 〗 _ 0.54046893 + 0.01772121 X

0.54046893 0.54046893 + 0 0

0.55819014 0.54046893 + 0.01772121 1

0.57591135 0.54046893 + 0.03544243 2

0.59363257 0.54046893 + 0.05316364 3

0.61135378 0.54046893 + 0.07088486 4

0.629075 0.54046893 + 0.08860607 5
6
7
ndica el grado de inclinación de la linea.

ndica el lugar en el que la linea se cruza con el eje y

〖 �= 〗
(^ _ )^(1⁄2)
122611.111111
17593965679

〖 �= 〗 _
194.4
〖 �= 〗 _
194.4
〖 �= 〗 _
127.4
EJERCICIO 8. En una industria se desea investigar cómo influye la temperatura (ºC) en la presión d
muestran a continuación:
EJERCICIO 1.

X Y

Temperatura Presión x- (x- )^2 y- (y- )^2

1 13.0 2.9 -34.073 1160.95 -53.34 2844.768
2 19.5 5.1 -27.573 760.26 -51.14 2614.928
3 45.7 30.5 -1.373 1.88 -25.74 662.360
4 56.1 51.4 9.027 81.49 -4.84 23.390
64.4 74.5 17.327 300.23 18.26 333.560
5
71.4 100.2 24.327 591.82 43.96 1932.801
6
7 80.5 143.7 33.427 1117.38 87.46 7649.888
8 85.7 176.9 38.627 1492.07 120.66 14559.713
9 22.5 8.5 -24.573 603.82 -47.74 2278.760
10 27.2 10.3 -19.873 394.93 -45.94 2110.150
11 31.8 14.6 -15.273 233.26 -41.64 1733.587
Suma total 517.8 618.6 0.00 6738.08 0.00 36743.905
Promedios 47.073 56.236
Calcular:
a) Hallar la ecuación de la regresión de Y sobre X.
b) Calcular el coeficiente de correlación lineal e intérprete el significado de esta medida en este ejemplo.
c) ¿Cuál sería la presión, si la temperatura fuese de 12.5 y 12.8?
d) Realice el gráfico correspondiente.

d) GRÁFICA
 200

180

160

140
f(x) = 2.2129889947x - 47.9350637692
R² = 0.8980685205
120

100

80

60

40

20

0
0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0 90.0

https://www.youtube.com/watch?v=SsFBnvkoZa4
Sxy 1355.57281 Sxy
Sx 24.7498059 �_𝑥� Coeficiente de
〖 �= 〗 _ SxSy
Sy 57.7958047 correlación
rxy 0.94766477
R2 0.89806852
peratura (ºC) en la presión del vapor de B-trimetilboro. Los datos obtenidos con tal propósito se

PREDICCIONES
(x-)(y-) X Y
1817.32
2.21298899
1409.97
35.33
-43.66
316.46
-47.935
1069.52

2923.67

4660.91
1173.01
912.88
635.90
14911.301

n este ejemplo. 0.94766477

a)

INTERPRETACIÓN
 En este ejercicio el valor de b=2.213,
siendo el coeficiente de x
Si "x" cambia o varia en una unidad entonces esto va a provocar
un efecto en "y" en 2.213.
Si "x" aumenta en una unidad, "y" va aumentar en 2.213
unidades.

70.0 80.0 90.0

1355.57281 Fuerte relación directa por estar cerca 1

〖 �= 〗 1430.43495
_ 〖 �= 〗0.94766477
_
propósito se

b= 14911.301 b=2.21298899
6738.08

�=�  ̅ b𝑥  ̅ �=56.2363636
−
b=(∑▒{(𝑥_𝑖−𝑥  ̅) - 2.21298899 * 47.0727273

(�_𝑖−�  ̅)} )/ �=56.2363636 - 104.171427 = -47.935064

(∑▒ 〖 (𝑥_𝑖−
〖 𝑥  ̅) 〗 ^2 〗 )

r=(∑▒{(𝑥_𝑖−𝑥  ̅) 14911.301

〖 �= 〗 _
(^ 6738.08 * 36743.905)^(1⁄2)
(�_𝑖−�  ̅)} )/({[∑▒( 𝑥_𝑖−
〖 𝑥  ̅) 〗 ^2 ][∑▒ 〖 (�_𝑖−
〖 �= 〗
14911.301
_ 〖 �= 〗 _
〖 � ̅) 〗 ^2 〗 ]} ^(1⁄2) ) 15734.7844

�=𝑏𝑥 −� 〖 �= 〗2.213
_ X -47.935

〖 �= 〗-20.272701
_ 〖 �= 〗2.213
_ 12.5 -47.935064

27.6623624 -47.935064

c)

�=𝑏𝑥 −�
〖 �= 〗2.213
_ X -47.935
〖 �= 〗 _ 〖 �= 〗 _
 〖 �= 〗 _
〖 �= 〗-19.608805
_ 〖 �= 〗2.213
_ 12.8 -47.935064
28.3262591 -47.935064
 14911.301
〖 �= 〗
)^(1⁄2) (^ _
247583441.272
)^(1⁄2)

〖 �= 〗0.94766477
_ b)
〖 �= 〗 _
194.4
〖 �= 〗 _
127.4
 15 30
10 15
20 20
25 25
30 25
30 20
20 25
30 15
15 25
20 10
25 20
30 25
30 15
15 25
25 15
30 25
10 10
25 25
25 30
25 15
10 20
25 20
15 20
21.3043478261