Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 418 vistas

    E6 Taller Encuentro 6

    Cargado por

    Jessica Cardona
    Este documento presenta tres ejemplos de regresión lineal simple y correlación. El primer ejemplo analiza la relación entre la estatura y el peso de 12 hombres. El segundo examina la relación entre el precio de venta y la demanda de un producto a lo largo de 10 meses. El tercer ejemplo estudia la relación entre el valor de la tierra y el costo de la vivienda para 10 casas. Cada ejemplo incluye un diagrama de dispersión de los datos y cálculos de coeficientes para analizar la correlación y fuerza de la relación entre las

    Copyright:

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

    E6 Taller Encuentro 6

    Cargado por

    Jessica Cardona
    418 vistas2 páginas
    Este documento presenta tres ejemplos de regresión lineal simple y correlación. El primer ejemplo analiza la relación entre la estatura y el peso de 12 hombres. El segundo examina la relación entre el precio de venta y la demanda de un producto a lo largo de 10 meses. El tercer ejemplo estudia la relación entre el valor de la tierra y el costo de la vivienda para 10 casas. Cada ejemplo incluye un diagrama de dispersión de los datos y cálculos de coeficientes para analizar la correlación y fuerza de la relación entre las

    Descripción original:

    para realizar

    Título original

    e6 Taller Encuentro 6

    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 tres ejemplos de regresión lineal simple y correlación. El primer ejemplo analiza la relación entre la estatura y el peso de 12 hombres. El segundo examina la relación entre el precio de venta y la demanda de un producto a lo largo de 10 meses. El tercer ejemplo estudia la relación entre el valor de la tierra y el costo de la vivienda para 10 casas. Cada ejemplo incluye un diagrama de dispersión de los datos y cálculos de coeficientes para analizar la correlación y fuerza de la relación entre las

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    418 vistas2 páginas

    E6 Taller Encuentro 6

    Cargado por

    Jessica Cardona
    Este documento presenta tres ejemplos de regresión lineal simple y correlación. El primer ejemplo analiza la relación entre la estatura y el peso de 12 hombres. El segundo examina la relación entre el precio de venta y la demanda de un producto a lo largo de 10 meses. El tercer ejemplo estudia la relación entre el valor de la tierra y el costo de la vivienda para 10 casas. Cada ejemplo incluye un diagrama de dispersión de los datos y cálculos de coeficientes para analizar la correlación y fuerza de la relación entre las

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 2

    INSTITUCIÓN UNIVERSITARIA “ANTONIO JOSÉ CAMACHO”

    TALLER SEXTO ENCUENTRO


    CUARTA UNIDAD CURSO DE ESTADÍSTICA APLICADA A LA SALUD OCUPACIONAL II
    Regresión lineal y logística

    Temas:
     Regresión lineal simple
     Correlación

    SEGUNDA PARTE
    1. Los datos de la siguiente tabla representan las estaturas (X, cm) y los pesos (Y, kg.) de una muestra de 12 hombres
    adultos. Para cada estatura fijada previamente se observó el peso de una persona seleccionada de entre el grupo
    con dicha estatura, resultando:

    Estatura (cm) Peso (Kg.)


    90
    152 50
    80
    155 61.5
    70
    152 54.5
    60
    155 57.5
    Peso (kg)

    50
    157 63.5
    40
    152 59
    30
    157 61
    20
    165 72
    10
    162 66
    0
    178 72
    150 155 160 165 170 175 180 185
    183 84
    178 82 Estatura (cm)

    SCx = 1410 SCy = 1206 SCxy = 1223

    a) Qué puede comentar del diagrama de dispersión?


    b) Calcule e interprete el coeficiente de determinación
    c) Se puede llegar a la conclusión de que existe una correlación significativa entre las dos variables?
    d) Cuál será el peso esperado de un hombre de 1.70 mt?
    e) Haga un comentario general del ejercicio
    2. El director de una empresa piensa que existe una relación entre la demanda de un producto que él comercializa y
    el precio de venta al público. Para estudiar la demanda de este producto se tomó la información de los últimos 10
    meses y obtuvo la siguiente información:

    Precio de venta Unidades 20


    (miles de $) vendidas
    1000 19

    Unidades vendidas
    1200 18 15
    1300 16
    1400 15 10
    1500 15
    1700 14
    5
    2000 14
    2100 13
    2200 12 0
    2000 13 500 1,000 1,500 2,000 2,500
    Precio de venta (miles de $)
    SCx = 1584000 SCy = 45
    SCxy = -7960

    a) Comente sobre el diagrama de dispersión


    b) Calcule e interprete el coeficiente de determinación
    c) Se puede llegar a la conclusión de que existe una correlación significativa entre las dos variables?
    d) En promedio, cuántas unidades se esperarían vender si el precio de venta fuera de $ 1’600.000?
    e) Haga un comentario general del ejercicio

    3. Los residentes de un pueblo pequeño están preocupados sobre el incremento en los costos de la vivienda en la
    zona. El alcalde considera que los precios de la vivienda fluctúan con los valores de la tierra. Los datos sobre 10
    casas vendidas recientemente y el costo del terreno sobre el cual se construyeron se observan en la siguiente tabla.
    Se trata el costo de las casas como la variable dependiente. Los datos recolectados fueron:

    Valor de la tierra Costo de la casa


    7 67 a) Plantee un modelo de regresión lineal simple
    b) Escriba el modelo estimado
    6,9 63
    c) Interprete o y 1.
    5,5 60
    d) Calcule e interprete el coeficiente de correlación.
    3,7 54 e) Calcule e interprete el coeficiente de determinación.
    5,9 58 f) Concluya acerca del modelo estimado
    3,8 36
    8,9 76 SCx = 52
    9,6 87 Scy = 2852
    9,9 89 Scxy = 369
    10 92

    También podría gustarte