FACULTAD DE INGENIERÍA

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA CIVIL

"AÑO DEL BICENTENARIO DEL PERÚ: 200 AÑOS DE

INDEPENDENCIA"

DOCENTE:

SANCHEZ SOLORZANO JOSE ROBERTO

INTEGRANTES:

 RIVERA IPARRAGUIRRE JUAN CARLOS

 TORRES QUIÑONES PABLO AYMAR

 MIRANDA ALVA JORGE JEYSON

 CERCADO SANCHEZ ANTHONH

TEMA:

ANALISIS DE REGRESION Y CORRELACION

CURSO:

ESTADISTICAS Y PROBABILIDADES

CICLO – GRUPO:

VI “A”

CHIMBOTE – PERÚ

ESCUELA: INGENIERÍA CIVIL.

ASIGANTURA: ESTADÍSTICA Y PROBABILIDADES

1) Asocie las ecuaciones de regresión lineal de X:Y = 16 – X, Y=-12 + 2X, Y= 5+0.5X a los
diagramas de dispersión siguientes:

a) 8 16
Y
 Y = 5 + 0.5x

b) 8Y 16
Y = -12 + 2x

0 X
8 16

c) 8Y 16

0 X
8 16 Y = 16 - x

2) Se usa un reactivo químico para obtener un precipitado de una sustancia en una solución
dada. Los datos son los siguientes:

REACTIVO REACTIVO PRECIPITADO

7.2 6.0 8.4
4.8 6.7 9.5
5.2 7.0 10.4
4.9 8.0 12.7
5.4 7.3 10.3
6.4 4.6 7.0
4.2 5.1
 PRECIPITADO
8.4
5.4
6.3
6.8
6.8
8.0
8.0
11.1
12.3
a) Dibujar un 13.3 diagrama de dispersión de Y sobre X.
14

12

10
PRECIPITADO

0
4 4.5 5 5.5 6 6.5 7 7.5 8 8.5
REACTIVO

b) Determinar la ecuación de regresión lineal de Y sobre X.

^y i=a+b x i

 ECUACIONES NORMALES DE REGRESION LINELA DE Y SOBRE X

n n
1) ∑ yi =na+b ∑ x i
i=1 i=1

n n n

2) ∑ x i y i=¿ a ∑ x i + b ∑ X 2i
i=1 i=1 i=1

REACTIVO X PRECIPITADO Y XY X2 Y2
7.2 8.4 60.48 51.84 70.56
4.8 5.4 25.92 23.04 29.16
5.2 6.3 32.76 27.04 39.69
4.9 6.8 33.32 24.01 46.24
5.4 8 43.2 29.16 64
6.4 11.1 71.04 40.96 123.21
6.8 12.3 83.64 46.24 151.29
8 13.3 106.4 64 176.89
6 8.4 50.4 36 70.56
 6.7 9.5 63.65 44.89 90.25
7 10.4 72.8 49 108.16
8 12.7 101.6 64 161.29
7.3 10.3 75.19 53.29 106.09
4.6 7 32.2 21.16 49
4.2 5.1 21.42 17.64 26.01
 92.5 135 874.02 592.27 1312.4

 REEMPLAZANDO VALORES

135=15 a+92.5 b
874.02=92.5 a+592.27 b

135−92.5 b
a=
15

874.02=92.5 ( 135−92.5
15
b
)+592.27 b
B= 1.89994
A= -2.7163

y i=−2.7163+ 1.89994 x
^

c) Graficar la recta de ajuste de regresión lineal de Y sobre X.

y=−2.7163+1.89994 x
 Chart Title
14

12 f(x) = 1.9 x − 2.72

10

8
Axis Title

0
4 4.5 5 5.5 6 6.5 7 7.5 8 8.5
Axis Title

d) Calcular e interpretar el coeficiente de correlación lineal.

REACTIVO X PRECIPITADO Y X-X Y-Y (X-X)2 (Y-Y)2 (x-x) (y-y)
7.2 8.4 1.03 -0.60 1.07 0.36 -0.62
4.8 5.4 -1.37 -3.60 1.87 12.96 4.92
5.2 6.3 -0.97 -2.70 0.93 7.29 2.61
4.9 6.8 -1.27 -2.20 1.60 4.84 2.79
5.4 8 -0.77 -1.00 0.59 1 0.77
6.4 11.1 0.23 2.10 0.05 4.41 0.49
6.8 12.3 0.63 3.30 0.40 10.89 2.09
8 13.3 1.83 4.30 3.36 18.49 7.88
6 8.4 -0.17 -0.60 0.03 0.36 0.10
6.7 9.5 0.53 0.50 0.28 0.25 0.27
7 10.4 0.83 1.40 0.69 1.96 1.17
8 12.7 1.83 3.70 3.36 13.69 6.78
7.3 10.3 1.13 1.30 1.28 1.69 1.47
4.6 7 -1.57 -2.00 2.45 4 3.13
4.2 5.1 -1.97 -3.90 3.87 15.21 7.67
 92.5 135     21.85 97.40 41.52

x́=6.17
ý=9

HACEMOS

X=
∑ ( x−x́ )( y− ý )
√∑ ¿¿ ¿ ¿
 41.52
X=
√ 21.85 √ 97.40
x=0.900 e) ¿Cuál es la cantidad de precipitado estimado si se usa 7,1 de reactivo?

y=−2.7163+1.89994 ( 7.1 )
y=10.773
 La cantidad de precipitado estimado es de 10.773

f) Calcular e Interpretar el error estándar de estimación.

s n

y ⋅ x=
√ ∑ ( yi− ^y i)2
i=1
n−k
=
√ 97.40
15−2
¿s y .x =2.7372
=2.7372

g) Calcular e interpretar el coeficiente de determinación.

2SY2 . X
R =1− 2
SY
2
n
y 2i −
( ∑ n y i)
i −¿ ¿

( y i− ý ) ∑
−1

 n 2
n
S2Y . X =∑ = i=1
i=1 n−1 n−1
( 135 )2
1312.4−
15
S2Y . X =
15−1

S2Y . X =6.957
n n
2


∑ ( y i − ý ) ∑ yi2 2
s2y = i=1 = i =1 −( ý )
n n
2 1312.4
s=
y − ( 9 )2= 6.4933
15

SY2 . X 2
 R =1− 2
SY
6.957
R2=1−
6.4933
R2=−0.0714

3) Utilizando los datos de la pregunta n°2:

 REACTIVO X PRECIPITADO Y XY X2 X3 X2 y X4
7.2 8.4 60.48 51.84 373.248 435.456 373.248
4.8 5.4 25.92 23.04 110.592 124.416 110.592
5.2 6.3 32.76 27.04 140.608 170.352 140.608
4.9 6.8 33.32 24.01 117.649 163.268 117.649
5.4 8 43.2 29.16 157.464 233.28 157.464
6.4 11.1 71.04 40.96 262.144 454.656 262.144
6.8 12.3 83.64 46.24 314.432 568.752 314.432
8 13.3 106.4 64 512 851.2 512
6 8.4 50.4 36 216 302.4 216
6.7 9.5 63.65 44.89 300.763 426.455 300.763
7 10.4 72.8 49 343 509.6 343
8 12.7 101.6 64 512 812.8 512
7.3 10.3 75.19 53.29 389.017 548.887 389.017
4.6 7 32.2 21.16 97.336 148.12 97.336
4.2 5.1 21.42 17.64 74.088 89.964 74.088
92.5 135 874.02 592.27 3920.341 5839.606 3920.341

a) Determinar la ecuación de regresión cuadrática de Y sobre X.

Y^ i=a+b X i +c X 2i
n n n
 ∑ yi =na+b ∑ x i +c ∑ x i2
i=1 i=1 i=1

135¿ 15 a+92.5 b+ 592.27 c

n n n
 ∑ x i y i=aΣ x i+ b ∑ x + c ∑ X i3 2
i
i=1 i=1 i=1

874.02=92.5 a+592.27 b+3920.341 c

n n n n
2
y i=a ∑ x +b ∑ x + c ∑ x i 4
2 3
 ∑x i i i
i=1 i=1 i=1 i=1

5839.606=592.27 a+3920.341 b+3920.341 c

RESOLVIENDO

A= -0.6323
B= 1.5903
C= -4.424 x 10-3
Y^ i=a+b X i +c X 2i

Y^ i=−0.6323+1.5903 X i−4.424 x 10−3 X 2i

b) ¿Cuál es la cantidad de precipitado estimada si se usa 7,1 de reactivo?

Y^ i=−0.6323+1.5903 X i−4.424 x 10−3 X 2i

Y^ i=−0.6323+1.5903(7.1)−4.424 x 10−3 ¿

Y^ i=10.435 c) Calcular e Interpretar el error estándar de estimación.

s n

y ⋅ x=
√ ∑ ( yi− ^y i)2
i=1
n−k
=
√ 97.40
15−2
¿s y .x =2.7372
=2.7372

d) Calcular e interpretar el coeficiente de determinación.

2 SY2 . X
R =1−
S2Y
2

 2 ∑
n
y 2i −
( ∑ n y i)
i −¿ ¿
−1

n
( y i− ý ) i=1 n
S2Y . X =∑ =
i=1 n−1 n−1
( 135 )2
1312.4−
15
S2Y . X =
15−1

S2Y . X =6.957
n n
2


∑ ( y i − ý ) ∑ yi2 2
s2y = i=1 = i =1 −( ý )
n n
1312.4
s2y = − ( 9 )2= 6.4933
15

SY2 . X 2
 R =1− 2
SY
6.957
R2=1−
6.4933
R2=−0.0714
e) Determinar cuál de los dos modelos de regresión evaluados será el que mejor ajuste o
explique el comportamiento de relaciones entre las variables XeY.

4) Se realizó una prueba para determinar la relación entre el contenido de fósforo en una
solución y la temperatura de cristalización, Los datos son los siguientes:

Cantidad de P (g/l) Temperatura de Cristalización (°C)

1.1 -1.7
2.3 -0.4
3.2 0.2
4.3 1.1
5.4 2.3
6.6 3.1
7.8 4.2
8.8 5.3

a) Dibujar un diagrama de dispersión de Y sobre X.

b) Determinar la ecuación de regresión lineal de Y sobre X.

c) Graficar la recta de ajuste de regresión lineal de Y sobre X.

d) Calcular e interpretar el coeficiente de correlación lineal.
e) Estimar la temperatura de cristalización (°C) cuando la cantidad de fósforo es de 5g/l.

f) Calcula e interpretar el error estándar de estimación.

g) Calcular e interpretar el coeficiente de determinación.

5) Utilizando los datos de la pregunta N°4:

a) Determinar la ecuación de regresión cuadrática de Y sobre X.

b) Estimar la temperatura de cristalización (°C) cuando la cantidad de fósforo es de 5g/l.

c) Calcular e interpretar el error estándar de estimación.

d) Calcular e interpretar el coeficiente de determinación.

e) Determinar cuál de los dos modelos de regresión evaluados será el que mejor ajuste o
explique el comportamiento de relación entre las variables XeY.

6) Sea: Producción +.M de la fábrica A de Chimbote: 2013-2019

Años X Producción
(T.M) Y
2013 3
2014 4
2015 4
2016 6
2017 7
2018 10
2019 11

a) Construya el diagrama de dispersión

b) Determinar la ecuación de regresión lineal de Y sobre X

c) Determinar la ecuación de regresión cuadrática de Y sobre X

d) Calcular e interpretar el coeficiente correlación lineal
e) Determinar cuál modelo de regresión explica mejor el comportamiento de las variables
(cual modelo se ajusta mejor)
7) Sea: Exportación de productos pesqueros: 1977-1982

años Exportación
(millones
de dólares)
1977 184
1978 196
1979 256
1980 195
1981 141
1982 202
Fuente: ministerio de pesquería.

Estimar la exportación de productos pesqueros para 1984:

a) Con una recta

b) Con una parábola de 2do grado
c) Ver cuál de las curvas anteriores se ajusta mejor

8) El número de peruanos (en millones) ocupados en la agricultura, para los años que se
indican es:

Año 2003 2004 2005 2006 2007 2008 2009 2010

Ocupado 2.1 2.04 1.96 1.74 1.69 1.49 1.25 1.16
s

a) Podría explicarse su evolución mediante una recta de regresión?

b) Para el año 2012, ¿cuántos peruanos estarían ocupados en la agricultura?
c) ¿Qué limitaciones tendrían las estimación hechas por esa recta?
9) a) Determinar la ecuación de regresión lineal, en la distribución siguiente:

X 10 7 5 3 0
Y 2 4 6 8 10
b) ¿Cuál es el valor que correspondería según dicha recta a X=7?

Ecuación de regresión lineal de Y sobre X.

^y i=a+b x i

Ecuaciones normales de regresión lineal de Y sobre X.

n n
1) ∑ yi =na+b ∑ x i
i=1 i=1

n n n
2) ∑ x i y i=¿ a ∑ x i + b ∑ X 2i
i=1 i=1 i=1

X Y XY  X2

10 2 20 100

7 4 28 49

6 5 30 36

3 8 24 9

0 10 0 0

26 29 102 194

Remplazando valores

29 = 5a + 26b

102 =26a + 194b

A = -0.83 B = 10.12

= ^y i= -0.83+10.12Xi

b) Si x=7 entonces

^y i= -0.83+10.12(7)
^y i=70.01

10) El número de pacientes atendidos en un consultorio, después de un cierto número de

horas, viene expresado en la siguiente tabla:

X: N° de horas 1 2 3 4 5
Y: N° de pacientes 9 13 24 36 37

a) Calcula la ecuación de regresión lineal.

b) Si han pasado 420 minutos ¿Cuántos pacientes han sido atendidos en el consultorio?

Ecuación de regresión lineal de Y sobre X.

^y i=a+b x i

Ecuaciones normales de regresión lineal de Y sobre X.

n n
1) ∑ yi =na+b ∑ x i
i=1 i=1

n n n
2) ∑ x i y i=¿ a ∑ x i + b ∑ X 2i
i=1 i=1 i=1

X Y XY  
1 9 9 1
2 13 26 4
3 24 72 9
4 36 144 16
5 37 185 25

15 119 436 55
Remplazando valores

119 = 5a + 15b

185 =15a + 55b

A = 75.4 B = -17.2

= ^y i= 75.4 – 17.2Xi

b) Si han pasado 420 minutos entonces x = 7 H

^y i= 75.4 – 17.2(7)

^y i= -45 Pacientes