El documento presenta los resultados de dos análisis de correlación. El primero analiza la relación entre el número de estudiantes ausentes y la temperatura media de 10 días, obteniendo una correlación débil y positiva. El segundo analiza la relación entre las calificaciones promedio de exámenes cortos y la calificación final de 15 estudiantes, obteniendo una fuerte correlación positiva. Ambos análisis buscan determinar el grado de relación lineal entre las variables mediante el cálculo de la correlación de Pearson.
0 calificaciones0% encontró este documento útil (0 votos)
100 vistas6 páginas
El documento presenta los resultados de dos análisis de correlación. El primero analiza la relación entre el número de estudiantes ausentes y la temperatura media de 10 días, obteniendo una correlación débil y positiva. El segundo analiza la relación entre las calificaciones promedio de exámenes cortos y la calificación final de 15 estudiantes, obteniendo una fuerte correlación positiva. Ambos análisis buscan determinar el grado de relación lineal entre las variables mediante el cálculo de la correlación de Pearson.
El documento presenta los resultados de dos análisis de correlación. El primero analiza la relación entre el número de estudiantes ausentes y la temperatura media de 10 días, obteniendo una correlación débil y positiva. El segundo analiza la relación entre las calificaciones promedio de exámenes cortos y la calificación final de 15 estudiantes, obteniendo una fuerte correlación positiva. Ambos análisis buscan determinar el grado de relación lineal entre las variables mediante el cálculo de la correlación de Pearson.
El documento presenta los resultados de dos análisis de correlación. El primero analiza la relación entre el número de estudiantes ausentes y la temperatura media de 10 días, obteniendo una correlación débil y positiva. El segundo analiza la relación entre las calificaciones promedio de exámenes cortos y la calificación final de 15 estudiantes, obteniendo una fuerte correlación positiva. Ambos análisis buscan determinar el grado de relación lineal entre las variables mediante el cálculo de la correlación de Pearson.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 6
INSTITUTO TECNOLÓGICO
SUPERIOR DE MISANTLA
INGENIERÍA EN GESTIÓN EMPRESARIAL
“ESTADISTICA INFERENCIAL II”
UNIDAD I REGRESION LINEAL SIMPLE Y
CORRELACION
TAREA 2
ANALISIS DE CORRELACION
ASESOR: DRA. YODAIRA BORROTO PENTON
INTEGRANTES:
DE LA LUZ LANDA LIDIA
CRUZ LAVOIGNET ADRIANA YAMINA
GARCIA MENDOZA YARENI
MISANTLA, VERACRUZ A 3 DE ENERO DEL 2020
12-1 (Levin) Un instructor está interesado en saber cómo se relaciona el número de estudiantes ausentes con la temperatura media del día. Usó una muestra aleatoria de 10 días para el estudio. Los siguientes datos indican el número de estudiantes ausentes (AUS) y la temperatura media (TEMP) para cada día.
2272−2245.8 26.2 r xy= = =0.0722 √ 131428.44 362.530 La fuerza emitida en la relación lineal entre las variables (x,y) es débil ya que se acerca al 0 y es positiva, lo que nos indica que es directamente proporcional.
12-10 (Levin) Un profesor intenta mostrar a sus estudiantes la importancia de los
exámenes cortos, aun cuando 90% de la calificación final esté determinada por los exámenes parciales. Él cree que cuanto más altas sean las calificaciones de los exámenes cortos, más alta será la calificación final. Seleccionó una muestra aleatoria de 15 estudiantes de su clase con los siguientes datos:
Realizar el Análisis de correlación:
Y= Promedio final.
X= promedio de exámenes cortos.
Formula de correlación: n n
n ∑ Xi∗∑ Yi ∑ Xi∗Yi− i=1 n i=1
i=1 r xy= n n n n
√ ∑ X i2−(∑ Xi ¿ ²) ¿ ∑ Y i2 −(∑ Yi ¿ ²) [ i=1 n i=1 ¿][ i=1 n i=1 ]
