Nombre: Brayan Quintana 2075246

TALLLER DE REGRECION
1. El profesor ha notado que muchos de sus estudiantes se han ausentado de clase este semestre.
Considera que puede explicar esa falta de asistencia por las distancias a las que sus estudiantes viven del
campus. Se practica una encuesta a 11 estudiantes sobre cuantas millas deben viajar para asistir a clase y
el nmero de clases que han faltado.
Millas
ausencia

5
2

6
2

2
4

0
5

9
4

12
2

16
5

5
2

7
3

0
1

8
4

a) Construya un diagrama de dispersin.

b) Suponiendo que existe una relacin lineal, utilice el mtodo de mnimos cuadrados para calcular
los coeficientes de regresin bo y b1.
c) Interprete el significado de bo y b1.
d) Estime una lnea de regresin lineal.
e) Pronostique Y para X = 3.
f) Pronostique X para Y = 5.
g) Calcule el coeficiente de determinacin R2, interprete su resultado.
h) Calcule el coeficiente de correlacin R, interprete su resultado.
i) A cuantas clases faltara usted si viviera a 3.2 millas del campus, segn el modelo?
SOLUCION
a)
6
5
4
3
2
1
0
0

10

15

20

Estudiante
1

Millas (x)
5

Ausencia (y)
2

-1,363636364

-1,090909091

1,487603306

-0,363636364

-1,090909091

0,396694215

-4,363636364

0,909090909

-3,966942149

-6,363636364

1,909090909

-12,14876033

2,636363636

0,909090909

2,396694215

12

5,636363636

-1,090909091

-6,148760331

16

9,636363636

1,909090909

18,39669421

-1,363636364

-1,090909091

1,487603306

0,636363636

-0,090909091

-0,05785124

10

-6,363636364

-2,090909091

13,30578512

11

1,636363636

0,909090909

1,487603306

70

34

3,55271E-15

8,88178

16,6363636

Total
Media

6.36

Sx
Sy

4,884111532
1,375103302
b)

R=

B1 = 0.25(

3.0909

X )(Y Y )
( n 1) SxSy

(X

)= 0.07

Bo= 3.09-(0.07 )(6.36)=2.64

c) B1 es la pendiente By/Bx que es la relacin entre la distancia y la ausencia
d) Bo: es el corte con el eje x es decir la ausencia inicial

Ausencia (y)
6

y = 0,0697x + 2,6471
R = 0,0614

5
4
3

Ausencia (y)

Lineal (Ausencia (y))

1
0
0

10

15

20

e) E(y) = Bo + B1x
para x=3
y= 2.76 + (0.06*3) = 2.77
para Y= 3
x= y
g) R2 = 0.0614 el coeficiente de informacin es casi nulo por lo cual la informacin obtenida no es confiable
h) R = 0.25 el coeficiente de correlacin no es confiable, lo que nos dice es q los puntos estn muy
dispersos
i) x= 3.2 millas entonces
Y= 2.65 + 0.068(3.2) = 2.87
Segn el modelo si viviramos a 3.2 de acuerdo al modelo tendra 2.87 faltas.

2. Los siguientes datos representan la potencia diaria (magawatts), generada por una central
elctrica de servicio regional, y la temperatura atmosfrica (grados F.) registrada a las
11:00am en una localidad.
Temperatura
Potencia
Temperatura
Potencia

99
99
99
99
99
96
96 97
97
97
153.4 131.0 143.1 156.8 158.7 158.5 158.7 159.6 148.3 137.8
79
94.7

99 94
91 97
96
85
160 154 142.2 149.4147.9 114.2

76
84
90
76
78
81 90
93
90
96 98
95 95
95
112.5 123.6 131.1 119.4 111.9 103.5 103.7 125.4 129. 135.6 142.3 142.5 128.9124.3

a. Construya un diagrama de dispersin.

b. Suponiendo que existe una relacin lineal, utilice el mtodo de mnimos cuadrados

c.

para calcular los coeficientes de regresin o y 1.Interpretelos.

d. Estime una lnea de regresin lineal.

e. Calcule el coeficiente de determinacin R2, interprete su resultado.
SOLUCION

A) Diagrama de dispersin

120
100
80
60
40
20
0
0

Dato

50

Potencia (x)

100

Temperatura (y)

150

153,4

99

-17,8516129

131

99

4,5483871

143,1

99

-7,5516129

156,8

99

-21,2516129

158,7

99

-23,1516129

158,5

96

-22,9516129

158,7

96

-23,1516129

159,6

97

-24,0516129

200

6,87096774
6,87096774
6,87096774
6,87096774
6,87096774
3,87096774
3,87096774
4,87096774

122,6578564
-31,251821
51,88688866
146,0191467
159,0739854
88,84495317
89,61914672
117,1546306

148,3

97

-12,7516129

10

137,8

97

-2,2516129

11

160

99

-24,4516129

12

154

94

-18,4516129

13

142,2

91

-6,6516129

14

149,4

97

-13,8516129

15

147,9

96

-12,3516129

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

114,2
94,7
112,5
123,6
131,1
119,4
111,9
103,5
103,7
125,4
129
135,6
142,3
142,5
128,9
124,3

85
79
76
84
90
76
78
81
90
93
90
96
98
95
95
95

21,3483871
40,8483871
23,0483871
11,9483871
4,4483871
16,1483871
23,6483871
32,0483871
31,8483871
10,1483871
6,5483871
-0,0516129
-6,7516129
-6,9516129
6,6483871
11,2483871

Total
Promedio
Sx
Sy
B C)

135,5483871

92,12903226

18,80606057

7,4150384

18,81
7,41

Bo =

Bo = 92.13 (0.31)(135.55) = 50

(
r=

B1 = (0.80)(
(

= 0.80

4,87096774
4,87096774
6,87096774
1,87096774
1,12903226
4,87096774
3,87096774
7,12903226
13,1290323
16,1290323
8,12903226
2,12903226
16,1290323
14,1290323
11,1290323
2,12903226
-0,8709677
2,12903226
-3,8709677
-5,8709677
-2,8709677
-2,8709677
-2,8709677

62,11269511
10,96753382
168,0062435
34,52237253
-7,50988554
67,47075963
47,81269511
152,1933403
536,2997919
371,748179
97,12882414
9,470759625
260,4578564
334,1288241
356,6675338
67,8062435
-8,83891779
13,94172737
0,199791883
39,63850156
19,9578564
-19,0873049
-32,2937565
3326,806452

120
y = 0,3136x + 49,627
R = 0,6324

100
80
60

Lineal (Series1)

40
20
0
0

50

100

150

R2 = 0.64 el R2 es mayor a 0.5 por lo cual se pueden aceptar predicciones

200