Este documento presenta el análisis de regresión lineal de dos conjuntos de datos: 1) Horas trabajadas vs unidades producidas, y 2) Edad vs altura de un niño. En el primer conjunto, el coeficiente de correlación de Pearson es 0.954 e indica una fuerte relación positiva directa. La ecuación de regresión es Y=3.4734X+31.741 con un R^2 de 0.91. En el segundo conjunto, el R^2 es 0.996 indicando que el 99.6% de la variabilidad en altura se explica por la
0 calificaciones0% encontró este documento útil (0 votos)
284 vistas4 páginas
Este documento presenta el análisis de regresión lineal de dos conjuntos de datos: 1) Horas trabajadas vs unidades producidas, y 2) Edad vs altura de un niño. En el primer conjunto, el coeficiente de correlación de Pearson es 0.954 e indica una fuerte relación positiva directa. La ecuación de regresión es Y=3.4734X+31.741 con un R^2 de 0.91. En el segundo conjunto, el R^2 es 0.996 indicando que el 99.6% de la variabilidad en altura se explica por la
Este documento presenta el análisis de regresión lineal de dos conjuntos de datos: 1) Horas trabajadas vs unidades producidas, y 2) Edad vs altura de un niño. En el primer conjunto, el coeficiente de correlación de Pearson es 0.954 e indica una fuerte relación positiva directa. La ecuación de regresión es Y=3.4734X+31.741 con un R^2 de 0.91. En el segundo conjunto, el R^2 es 0.996 indicando que el 99.6% de la variabilidad en altura se explica por la
Este documento presenta el análisis de regresión lineal de dos conjuntos de datos: 1) Horas trabajadas vs unidades producidas, y 2) Edad vs altura de un niño. En el primer conjunto, el coeficiente de correlación de Pearson es 0.954 e indica una fuerte relación positiva directa. La ecuación de regresión es Y=3.4734X+31.741 con un R^2 de 0.91. En el segundo conjunto, el R^2 es 0.996 indicando que el 99.6% de la variabilidad en altura se explica por la
a) Determine el coeficiente de correlación de Pearson. Interprete su resultado
El coeficiente de Pearson es 0.95399416. Al ver que el coeficiente es mayor a 0 (0.95399416>0) es positiva y existe una relación lineal muy fuerte entre ambas variables (0.8< r <1). Se dice que hay correlación positiva y ambas variables se relacionan de manera directa. b) Determinar la recta de regresión de Y sobre X, interprete los parámetros estimados. La recta de regresión de Y sobre X es:
c) El coeficiente de Determinación e interpretarlo
El coeficiente de determinación es: R² = 0,9101 y se interpreta como el 91.01% de la variabilidad de la producción se 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. Interprete su resultado El error de estimación es de 9.46643941
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 el excel, encuentre la presentación siguiente y realice el análisis de regresion Resumen
Estadísticas de la regresión Coeficiente de correlación múltiple 0,99798918 Coeficiente de determinación R^2 0,9959824 R^2 ajustado 0,99561717 Error típico 0,02009965 Observaciones 13
ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 1 1,10167912 1,10167912 2726,95549 1,5629E-14 Residuos 11 0,00444396 0,000404 Total 12 1,10612308
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
