Archivo Dino

Correlación y regresión lineal
Existen 2 tipos de variables
X: V. independiente
Y: V. dependiente
Ejemplo:
__Y__ : Peso
__X__ : Estatura
R. positiva
_________________
Ejercicio 2)
X Y
Vehículos Accidentes Coeficiente de correlación lineal ( r ) = 0.9953
15 5 Interpretación.-
18 7 El número de vehículos que circulan a alta velocidad y el número de accid
10 2 tienen alta correlación lineal positiva.
8 1
20 9
Coeficiente de determinación ( R2 ).-

Mide el % de las variaciones de Y que están explicada por X.
Coeficiente de determinación (R2 ) = 0.9907

R2 = 99.07
Interpretación.-
El 99.07% de las variaciones del número de accidentes, están explicados
Nota:
Sólo si r cae en los intervalos "A" o "E" pasamos a hallar la recta de regresión.
Recta de regresión: sirve para estimar valores de Y en base a valores de X.
X Y
Vehículos Accidentes
15 5 Accidentes
18 7 10
10 2 9
8 1 8 f(x) = 0.650763358778626 x − 4.440839
R² = 0.990671005997819
7
6
5
Accidentes
10
9
8 f(x) = 0.650763358778626 x − 4.440839
20 9 R² = 0.990671005997819
7
6
5
porcentaje 100
4
3
2
1
0
6 8 10 12 14
Accidentes
10
9
8
f(x) = 8.38901317789309 ln(x) − 16.9714
7 R² = 0.961251205884633
6
5
4
3
2
1
0
6 8 10 12 14
Accidentes
10
9 f(x) = 0.008325412260475 x^2.3418241
8 R² = 0.994134106446996
7
6
5
4
3
2
1
0
6 8 10 12 14
Diagrama de dispersión
Vehículos y Accidentes
10
9
8
a velocidad y el número de accidentes
7
6
5
4
3
2
1
0
6 8 10 12 14 16 18 20 22
de accidentes, están explicados por el número de vehículos que circulan a alta velocidad.
BUSCANDO EL MEJOR AJUSTE
Función Lineal (recta)
Accidentes Accidentes
10
f(x) = 0.29537004772287 exp( 0.176666
9 R² = 0.968980470814036
(x) = 0.650763358778626 x − 4.44083969465649 R2 = 99.07
8
² = 0.990671005997819
7
6
5
10
f(x) = 0.29537004772287 exp( 0.176666
9 R² = 0.968980470814036
(x) = 0.650763358778626 x − 4.44083969465649 8
² = 0.990671005997819
7
6
5
4
3
2
1
0
10 12 14 16 18 20 22 6 8 10 12 14
Función Logarítmica Función Polinómica de Ord
10
R2 = 96.13 9
f(x) = 0.020102214650767 x² + 0.09173
x) = 8.38901317789309 ln(x) − 16.971470458777 8 R² = 0.99875463920662
² = 0.961251205884633 7
6
5
4
3
2
1
0
10 12 14 16 18 20 22 6 8 10 12 14
Función Exponencial
Accidentes
R2 = 99.41
x) = 0.008325412260475 x^2.34182412746385
² = 0.994134106446996
10 12 14 16 18 20 22
Recta de regresión
tes Vehículos y Accidentes

10
9
8 f(x) = 0.650763358778626 x − 4.44083969465649
R² = 0.990671005997819
7
6
5
4
3
2
1
0
6 8 10 12 14 16 18
18 20 22
Y = mX + b <--- ecuación de la recta
Y = 0.6508X - 4.4408 <---- Recta de regresión
Estimación.-
Estimar el número de accidentes si el número de vehículos es 14.
x = 14
Y est = 0.6508(14)-4.4408
Y est = 4.6704 aprox 5
Interpretación .-
5 es el número estimado de accidentes, si el número de vehículos que circulan a alta
velocidad es 14.
Accidentes
(x) = 0.29537004772287 exp( 0.176666920673242 x )

² = 0.968980470814036
R2 = 96.9
Accidentes
(x) = 0.29537004772287 exp( 0.176666920673242 x )

² = 0.968980470814036
10 12 14 16 18 20 22
Función Polinómica de Orden 2 (parabola)
Accidentes
(x) = 0.020102214650767 x² + 0.091737649063032 x − 0.977427597955702 R2 = 99.88

² = 0.99875463920662
10 12 14 16 18 20 22
Vehículos y Accidentes
778626 x − 4.44083969465649
97819
12 14 16 18 20 22
vehículos que circulan a alta

FORMÚLAS
Función Lineal Y= mX+b
Función P. de orden 2 (cuadrática) : Y= aX2+bX+c
Función P. de orden 3 (cúbica) : Y= aX3+bX2+cx+d
La función P. de orden 2 es la que más se ajusta a estos datos

Y = 0.0201x2 + 0.0917x - 0.9774
Estimar el número de vehículos, si el número de accidentes es 14
x = 14
Y est = 0.0201*(14^2) + 0.0917*(14) - 0.9774
Y est = 4.246 aprox 4
Ejercicio 3)
x y
Mat I Mat II
13 12 Coeficiente de correlación lineal ( r ) = 0.9439
14 15 Interpretación
15 15 Las notas obtenidas en matematica I y matemática II, tiene alta corr
16 16
16 17
17 16
17 17
18 19
20 20

R2 = 89.09
Interpretación
El 89.09% de las variaciones de las notas obtenidas en matemática II, están explicadas por las notas obtenid
Intervalo: E
x y Función Lineal
Mat I Mat II
13 12 Mat II
14 15 25
15 15
16 16
20
16 17 f(x) = 1.05 x − 0.699999999999996
R² = 0.890909090909091
17 16
15
17 17
18 19
10
20 20
0
12 13 14 15 16 17 18
5
0
12 13 14 15 16 17 18
Función Logarítmica
Mat II
25
20
f(x) = 17.0605769147767 ln(x) − 31.0756689215461
R² = 0.89814365033996
15
10
0
12 13 14 15 16 17 18
Función Potencial
Mat II
25
20
f(x) = 0.821669362423834 x^1.0724026069157
R² = 0.883830352976773
15
10
0
12 13 14 15 16 17 18
Notas de matemática I y matemática II
25
20
matemática II, tiene alta correlación lineal positiva.
15
10
0
12 13 14 15 16 17 18 19
xplicadas por las notas obtenidas de mátematica I.
Función Lineal Función Exponencial
Mat II Mat II
25
R2 = 89.09%
20 f(x) = 5.58406383469973 exp( 0.065572131940494 x )
.699999999999996
90909091 R² = 0.865342856533438
15
10
0
15 16 17 18 19 20 21 12 13 14 15 16 17 18 19
5
0
15 16 17 18 19 20 21 12 13 14 15 16 17 18 19
Función Logarítmica Función Polinómica de Orden 2
Mat II Mat II
25
R2 = 89.81%
20
9147767 ln(x) − 31.0756689215461 f(x) = − 0.037002775208141 x² + 2.26530989824237 x − 10.53
033996 R² = 0.897216382137751
15
10
0
15 16 17 18 19 20 21 12 13 14 15 16 17 18 19
Función Potencial
Mat II La Función Logarítmica es la que m

Y = 17.061ln(x)
Estimar la notas de matemática II, si l
R2 = 88.38% x = 11
362423834 x^1.0724026069157 Y est = 17.061l
352976773
Y est = 9.8345
10 es la nota estimada en matemática II
15 16 17 18 19 20 21
y matemática II Recta de regresión
25
20
f(x) = 1.05 x − 0.699999999999996
R² = 0.890909090909091
15
10
0
17 18 19 20 21 12 13 14 15 16 17 18 19 20
Y = 1.05x - 0.7 <---- Recta de regresión
Estimación.-
x = 11
Y est = 1.05(11)-0.7
Y est = 10.85 aprox
Interpretación
11 es la nota estimada de matemática II, si la nota en matemátic
at II
R2 = 86.53%
065572131940494 x )
17 18 19 20 21
17 18 19 20 21
nómica de Orden 2
at II
R2 = 89.72%
2.26530989824237 x − 10.5311748381129
17 18 19 20 21
n Logarítmica es la que más se ajusta a estos datos

Y = 17.061ln(x) - 31.076
as de matemática II, si las notas de matemática I es 11
x = 11
17.061ln(11) - 31.076
Aprox 10
timada en matemática II, si la nota en matemática I es 11
ón
18 19 20 21
11
ática II, si la nota en matemática I es 11.

Un hipermercado ha decidido ampliar al negocio. Decide estudiar de forma exhaustiva el número de
cajas registradoras que va a instalar, para evitar grandes colas. Para ello, se obtuvieron los siguientes
datos procedentes de otros establecimientos similares acerca del número de cajas registraodras y del
tiempo medio de espera.
x y
N° de cajas Tiempo Medio
Coeficiente de correlación lineal ( r ) = -0.86137387
registradoras de espera
12 51 El N° de cajas registradoras y el tiempo medio de espera tienen a
14 42
12 32
18 26
20 22

R2 = 74.20
INTERPRETACIÓN
El 58.34% de las variaciones del tiem
Intervalo: A
Función Lineal
x y
N° de cajas Tiempo Medio Tiempo Medio de espera

registradoras de espera
70
10 59
60
12 51
14 42 50 f(x) = − 3.23008849557522 x + 84.9646017699115
12 32 R² = 0.741964947064163
40
18 26
20 22 30
20
10
50 f(x) = − 3.23008849557522 x + 84.9646017699115
R² = 0.741964947064163
40
30
20
10
0
8 10 12 14 16 18
Función Logarítmic
Tiempo Medio de espera

70
60
50 f(x) = − 48.0010122234228 ln(x) + 165.049809805751

R² = 0.763198927912162
40
30
20
10
0
8 10 12 14 16
Función Potencia

70
60
f(x) = 1137.37191222666 x^-1.30760357752382
50 R² = 0.799067887988382
40
30
20
10
0
8 10 12 14 16
mero de
guientes
dras y del

70
edio de espera tienen alta correlacion lineal negativa. 60
50
40
30
20
10
0
8 10 12 14 16 18 20
las variaciones del tiempo medio de espera están explicadas por el numero de cajas registradoras.
BUSCAR EL MEJOR AJUSTE
Función Lineal
Tiempo Medio de
Medio de espera
70
60
50 f(x) = 130.46190665473 exp( − 0.08912302

7522 x + 84.9646017699115 R2= 74.2% R² = 0.796946000785067
163 40
30
20
10
0
7522 x + 84.9646017699115 R² = 0.796946000785067
163 40
30
20
10
0
8 10 12 14 1
14 16 18 20 22
o Medio de espera Tiempo Medio d

70
R2 = 76.32% 60
8 ln(x) + 165.049809805751 f(x) = 0.231864508393286 x² − 10.2598920

50 R² = 0.765936904346881
40
30
20
10
0
14 16 18 20 22 8 10 12 14
Función Potencial
o Medio de espera
R2 = 79.91%
^-1.30760357752382
14 16 18 20 22
edio de espera Tiempo Medio d
70
60
50 f(x) = − 3.23008849557522 x + 84.964601769

R² = 0.741964947064163
40
30
20
10
0
16 18 20 22 8 10 12 14
Y = mX + b
Y = -3.2301x + 84.965
Estimación.-
X= 15
Y est=
INTERPRETACIÓN
36.51 es el tiempo estima
(x) = 130.46190665473 exp( − 0.089123024391144 x )

R² = 0.796946000785067 R2 = 67.49%
R² = 0.796946000785067
12 14 16 18 20 22
Función Polinómica de Orden 2
R2 = 76.59%
(x) = 0.231864508393286 x² − 10.259892086331 x + 135.178657074341

R² = 0.765936904346881
12 14 16 18 20 22
La Función P. de orden 2 es la que más se ajusta a estos datos

Y = 1137.4x-1.308
x = 15
Y est = 1137.4(15)^-1.308
Y est = 32.93
32.93 es el tiempo estimado de espera, si el número de cajas registradoras es 15.
8849557522 x + 84.9646017699115
947064163
12 14 16 18 20 22
<--- ecuación de la recta
<---- Recta de regresión
36.51
TERPRETACIÓN
36.51 es el tiempo estimado de espera, si el número de cajas regristradoras es 15.
Cinco niñas de 2,3,5,7 y 8 años de edad pesan respectivamente 14,20,30,42 y 44. Si es
posible estime el peso de una niña de 6 años.
x y
EDAD PESO Coeficiente de correlación lineal ( r ) = 0.9961
La edad y peso de las niñas tienen alta

3 20
correlación lineal positiva
5 30
7 42
8 44

R2 = 99.23
INTERPRETACIÓN
Intervalo: E El 99.23% de las variaciones del peso, están explicadas por sus ed
x y Función Lineal
EDAD PESO
2 14 PESO
3 20 50
5 30 45
7 42 f(x) = 5.15384615384615 x + 4.23076923076924
40 R² = 0.992263483642794
8 44
35
30
25
20
15
10
5
0
1 2 3 4 5 6
20
15
10
5
0
1 2 3 4 5 6
PESO
50
45
40 f(x) = 22.3824478747598 ln(x) − 3.2448695004557
R² = 0.977194056759234
35
30
25
20
15
10
5
0
1 2 3 4 5 6
Función Potencial
PESO
50
45
f(x) = 7.85375652251478 x^0.841963932362043
40 R² = 0.997330363962619
35
30
25
20
15
10
5
0
1 2 3 4 5 6
PESO
50
45
40
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9
están explicadas por sus edades.
Función Lineal Función Exponencial
PESO PESO
50
45 f(x) = 10.6499529863717 exp( 0.189202753937222 x )
76923076924 R² = 0.964507097258082
R2 = 99.23% 40
35
30
25
20
15
10
5
0
5 6 7 8 9 1 2 3 4 5 6
20
15
10
5
0
5 6 7 8 9 1 2 3 4 5 6
Función Logarítmica Función Polinómica de Orden
PESO PESO
50
45
R2 = 97.72% f(x) = − 0.170068027210884 x² + 6.85452642595499 x + 0.863
2448695004557 40 R² = 0.994706989780882
35
30
25
20
15
10
5
5 6 7 8 9 0
1 2 3 4 5 6
Función Potencial
PESO
La Función Lineal es la q
Y= 7
63932362043 R2 = 99.73% Estimar el peso por las edades d
Y est =
Y est =
35.50 es el peso estimado por las eda
5 6 7 8 9
PESO
50
45
f(x) = 5.15384615384615 x + 4.23076923076924
40 R² = 0.992263483642794
35
30
25
20
15
10
0
7 8 9 1 2 3 4 5 6 7
Y = 5.1538x + 4.2308 <---- Recta de regresión
Estimación.-
x= 6
Y est = 5.1538x + 4.2308
Y est = 35.1536 Aprox
Interpretación
35.15 Es el peso estimado por las edades de las niñas, si el peso de un
PESO
99529863717 exp( 0.189202753937222 x )

07097258082
R2 = 96.45%
4 5 6 7 8 9
4 5 6 7 8 9
PESO
0068027210884 x² + 6.85452642595499 x + 0.863422291993742 R2 = 99.47%

06989780882
4 5 6 7 8 9
La Función Lineal es la que más se ajusta a estos datos

Y = 7.8538x0.842
Estimar el peso por las edades de las niñas, si el peso de una niña es 6.
x= 6
7.8538*(6)^0.842
35.50
35.50 es el peso estimado por las edades de las niñas, si el peso de una niña es 6
SO
23076924
5 6 7 8 9
35.15
ades de las niñas, si el peso de una niña es 6.

Con los siguientes datos, si es posible usted estime un valor (póngalo ustes)
x y Coeficiente de correlación lineal ( r )
Producción de trigo Precio de la -0.8471

harina
30 25 INTERPRETACIÓN
La producción de trigo y el precio de la harina tienen alta co
28 30
lineal negativa.
32 27
25 40
25 42
25 40
22 50
24 45
35 30
40 25

R2 = 71.76
INTERPRETACIÓN
El 71.76% de las variaciones del precio de la harina, esta e
Invervalo: A
x y
Precio de la
Producción de trigo harina
30 25
28 30
32 27
25 40
25 42
25 40
22 50
24 45
35 30
40 25
RESULTADOS
Función Lineal 71.76%
Función Exponencial 72.98%
Función Logarítmica 77.9%
Función Polinómica de
Orden 2 91.45%
Función Potencial 77.90%
orrelación lineal ( r ) Precio de la harina
.8471 60
PRETACIÓN
50
o de la harina tienen alta correlación
negativa.
40
30
20
10
0
20 25 30 35 40 45
el precio de la harina, esta explicada por la producción de trigo.
Función Lineal
Precio de la harina
60
50
R2 = 71.76%
40 f(x) = − 1.35367545076283 x + 74.1151178918169
R² = 0.717646518166497
30
20
10
0
40
R² = 0.717646518166497
30
20
10
0
20 25 30 35 40 45
Precio de la harina
60
50
R2 = 77.9%
f(x) = − 42.3504415895412 ln(x) + 176.719565749388
40 R² = 0.778973798553464
30
20
10
0
20 25 30 35 40 45
Función Potencial
Precio de la harina
60
50 R2 = 78.45%
f(x) = 1950.30142648204 x^-1.21032056911131
40 R² = 0.784498225654537
30
20
10
0
20 25 30 35 40 45
RECTA DE REGRESIÓN
Precio de la harina
60
50
f(x) = − 1.35367545076283 x + 74.1151178918169

40 R² = 0.717646518166497
30
20
10
0
20 25 30 35 40 45
Y = -1.3537x + 74.115 <---- Recta de regresión
Estimación.- Estimar el precio de la harina, Si la producción de trigo es 15

x = 15
Y est = -1.3537*(15) + 74.115
Y est = 53.8095 Aprox 53.81
Interpretación
53.81 es precio estimado por el precio de la harina, si la produccion del trigo es 15.
Precio de la harina
60
50
R2 = 72.98%
40 f(x) = 104.45895268837 exp( − 0.038873582759506 x )
R² = 0.729751149487
30
20
10
0
40 f(x) = 104.45895268837 exp( − 0.038873582759506 x )
R² = 0.729751149487
30
20
10
0
20 25 30 35 40 45
Precio de la harina
60
50
f(x) = 0.136987314619624 x² − 9.78818010805681 x + 199.341093070527
R² = 0.914511969144648 R2 = 91.45%
40
30
20
10
0
20 25 30 35 40 45
La Función Polinómica de orden 2 es la que más se ajusta a estos datos

Y = 0.137x2 - 9.7882x + 199.34
x = 15
Y est = 0.137*(15^2) - 9.7882*(15) + 199.34
Y est = 83.34
83.34 es el precio estimado de la harina, si la producción del trigo es 15.
40 45
Si la producción de trigo es 15
a produccion del trigo es 15.

APLICACIONES EN SERIE DE TIEMPO
Ejercicio 1 de series de tiempo

X Y
Años Ventas (mlls S/) Si es posible estime las ventas para el año:
2011 15.8 a) 2021
2012 15 b) 2025
2013 17.9 c) 2008
2014 17.4
2015 18.5
2016 18.9
2017 17.9
2018 18.3
Años x Ventas (mlls S/) Solución

2011 0 15.8 Coeficiente de correlación lineal =
2012 1 15 INTERPRETACIÓN
2013 2 17.9 El tiempo y las ventas tienen alta correla
positiva.
2014 3 17.4
2015 4 18.5 Coeficiente de determinación (R2) =
2016 5 18.9 R2 =
2017 6 17.9 INTERPRETACIÓN
2018 7 18.3 59.40% de las variaciones en las venta

explicadas por el tiempo.
Intervalo: E
Ventas (mlls S/)

20
18
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8
6
4
2
0
0 1 2 3 4 5 6 7 8
Si es posible estime las ventas para el año:

a) 2022
b) 2025
c) 2008
x Ventas (mlls S/) Función Lineal

0 15.8
1 15 Ventas (mlls S/)
2 17.9 20
3 17.4
18 f(x) = 0.429761904761904 x + 15.9583333333333
4 18.5 R² = 0.594023346871055
16
5 18.9
14
6 17.9
12
7 18.3
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8
8
6
4
2
0
0 1 2 3 4 5 6 7 8
Función
Logarítmica
Ventas (mlls S/)

20
18
16
NO SE PUEDE 14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8
Función
Potencial
Ventas (mlls S/)

20
18
NO SE PUEDE 16
14
12
10
0
0 1 2 3 4 5 6 7 8
Ventas (mlls S/) (2011 - 2018)
20
18
s para el año: 16
14
12
10
8
6
4
2
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
e correlación lineal = 0.7707

INTERPRETACIÓN
s ventas tienen alta correlación lineal
positiva.
e determinación (R2) = 0.5940

R2 = 59.40
INTERPRETACIÓN
las variaciones en las ventas, están
explicadas por el tiempo.
Función Lineal
Ventas (mlls S/)

20
18 f(x) = 0.429761904761904 x + 15.9583333333333
R² = 0.594023346871055
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8
6
4
2
0
0 1 2 3 4 5 6 7 8
Recta de regresión = Y = 0.4298x + 15.958
a) Para el año 2022: x=11

Y est= 0.4298*(11) + 15.958
Y est= 20.69
INTERPRETACIÓN
20.69 (mlls soles) son las ventas estimadas para el año
2022.
b) Para el año 2025: x= 14

Y est= 0.4298*(14) + 15.958
Y est= 21.98
INTERPRETACIÓN
2025.
c) Para el año 2008: x=-3

Y est= 0.4298*(-3) + 15.958
Y est= 14.67
INTERPRETACIÓN
2008.
Ventas (mlls S/)

20
18 f(x) = 15.930413479181 exp( 0.025433030368383 x )
R2 = 59.40% R² = 0.589663435258506
16
14
12
10
8
6
4
2
0
6 7 8 0 1 2 3 4 5 6 7 8
8
6
4
2
0
6 7 8 0 1 2 3 4 5 6 7 8
Ventas (mlls S/)

20
18 f(x) = − 0.108928571428571 x² + 1.1922619047619 x + 15.1958333333333
16 R² = 0.746671407148099
14
12
10
8
6
4
2
0
6 7 8 0 1 2 3 4 5 6 7 8

PARA EL AÑO 2022
Y = -0,1089x2 + 1,1923x + 15,196
x= 11
Y est= -0,1089*(11)^2 + 1,1923*(11) + 15,196
Y est= 15.13
15,13 (mllsS/) son las ventas estimadas para el año 2022, si el tiempo es 11.

PARA EL AÑO 2025
Y = -0,1089x2 + 1,1923x + 15,196
x= 14
Y est= -0,1089*(14)^2 + 1,1923*(14) + 15,196
Y est= 10.54
10,54 (mllsS/) son las ventas estimadas para el año 2025, si el tiempo es 14.
6 7 8
PARA EL AÑO 2008
Y = -0,1089x2 + 1,1923x + 15,196
x= -3
Y est= -0,1089*(-3)^2 + 1,1923*(-3) + 15,196
Y est= 10.64
10,64 (mllsS/) son las ventas estimadas para el año 2008, si el tiempo es -3.
18)
6 2017 2018 2019

R2 = 58.97%
R2 = 74.67%
X Y
Año Tasa de Si es posible estime la tasa de desempleo para el año:
Desempleo
2012 4.5 a) 2020
2013 4.2 b) 2023
2014 4 c) 2010
2015 4.7
2016 5.8
2017 6
Año x Tasa de Coeficiente de correlación lineal =

Desempleo
2012 0 4.5 INTERPRETACIÓN
El tiempo y la tasa de desempleo tienen alta
2013 1 4.2
correlación lineal positiva.
2014 2 4
2015 3 4.7 Coeficiente de determinación (R2) =
2016 4 5.8 R2 =
2017 5 6 INTERPRETACIÓN
68.72% de las variaciones de la tasa de desempleo,
están explicadas por el tiempo.
Intervalo: E
Tasa de Desempleo
7
0
0 1 2 3 4 5 6
Si es posible estime las ventas para el año:
a) 2020
b) 2023
c) 2010
Función Lineal
x Tasa de
Desempleo Tasa de Desempleo
0 4.5
7
1 4.2
2 4 6
3 4.7 f(x) = 0.371428571428572 x + 3.93809523809524
5 R² = 0.68717809704527
4 5.8
5 6 4
0
0 1 2 3 4 5
Tasa de Desempleo
7
NO SE PUEDE 5
0
0 1 2 3 4 5
Función Potencial
Tasa de Desempleo
7
NO SE PUEDE
6
0
0 1 2 3 4 5
desempleo para el año:
Tasa de Desempleo (2012 - 2017)
7
3
0.8290
2
ACIÓN
empleo tienen alta 1
l positiva.
0
2011 2012 2013 2014 2015 2016 2017
0.6872
68.72
ACIÓN
la tasa de desempleo,
or el tiempo.
Función Lineal
Tasa de Desempleo
7
6
f(x) = 0.371428571428572 x + 3.93809523809524
5 R² = 0.68717809704527
0
0 1 2 3 4 5 6
Recta de regresión = Y = 0.3714x + 3.9381

a) Para el año 2020: x=8
Y est= 0.3714*(8) + 3.9381
Y est= 6.91 Aprox 7
INTERPRETACIÓN
7 es la tasa de desempleo estimado para el año 2020.
b) Para el año 2023: x=11

Y est= 0.3714*(11) + 3.9381
Y est= 8.02 Aprox 8
INTERPRETACIÓN
c) Para el año 2010: x=-2

Y est= 0.3714*(-2) + 3.9381
Y est= 3.20 Aprox 3
INTERPRETACIÓN

empleo Tasa de Desempleo

7
6
24 f(x) = 4.00286712456495 exp( 0.073371391046977 x )
R2 = 68.72% 5 R² = 0.666890113127526
0
4 5 6 0 1 2 3 4 5 6
empleo Tasa de Desempleo

7
6 f(x) = 0.1375 x² − 0.316071428571429 x + 4.39642857142857

R² = 0.888079425318514
5
4 5 6 0
0 1 2 3 4 5 6
empleo La Función Polinómica de orden 2 es la que más se ajusta a estos datos

PARA EL AÑO 2020
Y = 0.1375x2 - 0.3161x + 4.3964
x= 8
Y est= 0.1375*(8^2) - 0.3161*(8) + 4.3964
Y est= 10.67 APROX
11 es la estimación de la tasa de desempleo para el año 2020, si el tiempo es
8.

PARA EL AÑO 2023
Y = 0.1375x2 - 0.3161x + 4.3964
x= 11
Y est= 0,1375*(11^2) - 0,3161*(11) + 4,3964
Y est= 17.56 APROX
4 5 6
18 es la estimación de la tasa de desempleo para el año 2023, si el tiempo es
11.

PARA EL AÑO 2010
Y = 0.1375x2 - 0.3161x + 4.3964
x= -2
Y est= 0,1375*(-2)^2 - 0,3161*(-2) + 4,3964
Y est= 5.58 APROX
6 es la estimación de la tasa de desempleo para el año 2010, si el tiempo es -2.
leo (2012 - 2017)
2015 2016 2017 2018

pleo
77 x )
R2 = 66.69%
4 5 6
Polinómica de Orden 2
mpleo
42857142857 R2 = 88.81%
4 5 6
ue más se ajusta a estos datos

020
+ 4.3964
3161*(8) + 4.3964
11
para el año 2020, si el tiempo es

023
+ 4.3964
3161*(11) + 4,3964
18
para el año 2023, si el tiempo es

010
+ 4.3964
3161*(-2) + 4,3964
6
ra el año 2010, si el tiempo es -2.

Archivo Dino

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Archivo Dino

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Archivo Dino

Cargado por

Copyright:

Formatos disponibles

Correlación y regresión lineal

Existen 2 tipos de variables

Coeficiente de determinación ( R2 ).-

Coeficiente de determinación (R2 ) = 0.9907

Recta de regresión: sirve para estimar valores de Y en base a valores de X.

BUSCANDO EL MEJOR AJUSTE

Función Lineal (recta)

Función Logarítmica Función Polinómica de Ord

tes Vehículos y Accidentes

Y = mX + b <--- ecuación de la recta

Y = 0.6508X - 4.4408 <---- Recta de regresión

Y est = 4.6704 aprox 5

(x) = 0.29537004772287 exp( 0.176666920673242 x )

(x) = 0.29537004772287 exp( 0.176666920673242 x )

Función Polinómica de Orden 2 (parabola)

(x) = 0.020102214650767 x² + 0.091737649063032 x − 0.977427597955702 R2 = 99.88

vehículos que circulan a alta

La función P. de orden 2 es la que más se ajusta a estos datos

Coeficiente de determinación ( R2 ).-

xplicadas por las notas obtenidas de mátematica I.

BUSCANDO EL MEJOR AJUSTE

Función Lineal Función Exponencial

Función Logarítmica Función Polinómica de Orden 2

Mat II La Función Logarítmica es la que m

Y = mX + b <--- ecuación de la recta

Y = 1.05x - 0.7 <---- Recta de regresión

n Logarítmica es la que más se ajusta a estos datos

ática II, si la nota en matemática I es 11.

Coeficiente de determinación ( R2 ).-

N° de cajas Tiempo Medio Tiempo Medio de espera

Tiempo Medio de espera

50 f(x) = − 48.0010122234228 ln(x) + 165.049809805751

Tiempo Medio de espera

Tiempo Medio de espera

edio de espera tienen alta correlacion lineal negativa. 60

BUSCAR EL MEJOR AJUSTE

50 f(x) = 130.46190665473 exp( − 0.08912302

o Medio de espera Tiempo Medio d

8 ln(x) + 165.049809805751 f(x) = 0.231864508393286 x² − 10.2598920

50 f(x) = − 3.23008849557522 x + 84.964601769

Tiempo Medio de espera

(x) = 130.46190665473 exp( − 0.089123024391144 x )

Función Polinómica de Orden 2

Tiempo Medio de espera

(x) = 0.231864508393286 x² − 10.259892086331 x + 135.178657074341

La Función P. de orden 2 es la que más se ajusta a estos datos

<--- ecuación de la recta

<---- Recta de regresión

La edad y peso de las niñas tienen alta

Coeficiente de determinación ( R2 ).-

están explicadas por sus edades.

BUSCANDO EL MEJOR AJUSTE

Función Lineal Función Exponencial

Función Logarítmica Función Polinómica de Orden

Y = mX + b <--- ecuación de la recta

Y = 5.1538x + 4.2308 <---- Recta de regresión

99529863717 exp( 0.189202753937222 x )

Función Polinómica de Orden 2

0068027210884 x² + 6.85452642595499 x + 0.863422291993742 R2 = 99.47%