DEPARTAMENTO DE CIENCIAS BSICAS

REA DE ESTADSTICA
INGENIA CIVIL
TALLER REGRESION LINEAL
NOMBRE: Erika Johana Rojas Duarte / Carlos Fabin Angulo Senz FECHA:__26 febrero
1. Se realiz un estudio en Virginia Tech para determinar si ciertas medidas de la fuerza esttica del
brazo Influyen en las caractersticas de levantamiento dinmico de un individuo. Veinticinco
individuos se Sometieron a pruebas de fuerza y luego se les pidi que hicieran una prueba de
levantamiento de peso, en el que el peso se elevaba en forma dinmica por encima de la cabeza.
A continuacin se presentan los datos.

2.

Individual

Fuerza
del brazo, x

Levantamiento
dinmico, y

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

17.3
19.3
19.5
19.7
22.9
23.1
26.4
26.8
27.6
28.1
28.2
28.7
29.0
29.6
29.9
29.9
30.3
31.3
36.0
39.5
40.4
44.3
44.6
50.4
55.9

71.7
48.3
88.3
75.0
91.7
100.0
73.3
65.0
75.0
88.3
68.3
96.7
76.7
78.3
60.0
71.7
85.0
85.0
88.3
100.0
100.0
100.0
91.7
100.0
71.7

a) Estime los valores de la

pendiente y el punto de corte
para la curva de regresin
Lineal

y=bx +a

b) Grafique los residuales en

comparacin con las x (fuerza
del brazo). Comente los
resultados.

Los fabricantes del auto Lexus han aumentado continuamente sus ventas desde el lanzamiento
que hicieron en Estados Unidos en 1989. No obstante, el porcentaje de aumento cambi en 1996
cuando Lexus introdujo una lnea de camiones. Las ventas del Lexus de 1996 a 2005 se muestran
en la tabla siguiente.

a. Grafique los datos usando una grfica de dispersin. Cmo describira usted la relacin entre ao y
ventas del Lexus?

DEPARTAMENTO DE CIENCIAS BSICAS

REA DE ESTADSTICA
INGENIA CIVIL

b. Encuentre la recta de regresin de mnimos cuadrados que relacione las ventas del Lexus con el ao
que se mide.

c. Si usted tuviera que predecir las ventas del Lexus en el ao 2015, qu problemas podran surgir con su
prediccin?

3.

A continuacin veamos el porcentaje de xido de aluminio, el porcentaje de xido de hierro y el

porcentaje de xido de magnesio en cinco muestras recolectadas en
Ashley Rails, en el Reino Unido.

a.

Encuentre los coeficientes de correlacin que describan las relaciones entre el contenido de
xido de hierro y el de magnesio, y entre el xido de aluminio y el de magnesio.

DEPARTAMENTO DE CIENCIAS BSICAS

REA DE ESTADSTICA
INGENIA CIVIL

b. Escriba una oracin que describa las relaciones entre estos tres productos qumicos y las muestras de
alfarera.
-El coeficiente de correlacin varia de un elemento a otro

4.

Los siguientes son algunos de los datos contenidos en un conjunto clsico denominado datos
piloto de graficacion que aparecen en Fitting Equations to Data, de Daniel y Wood, publicado
en 1971. La respuesta y es el contenido de cido del material determinado
por anlisis volumtrico; mientras que el regresar x es el contenido de cido
organico determinado por extraccion y ponderacion.
a) Grafique los datos; la regresin lineal simple parece un modelo adecuado?

b) Haga un ajuste de regresin lineal simple; calcule la pendiente y la interseccin.

DEPARTAMENTO DE CIENCIAS BSICAS

REA DE ESTADSTICA
INGENIA CIVIL

c) Grafique la recta de regresin en la grfica del inciso a.

DEPARTAMENTO DE CIENCIAS BSICAS

REA DE ESTADSTICA
INGENIA CIVIL

fuerzadelbrazo
<c(17.3,19.3,19.5,19.7,22.9,23.1,26.4,26.8,27.6,28.1,28.2,28.7,29.0,29.6,29.9,29.9,30.3,31.3,36.0,39.5,40.
4,44.3,44.6,50.4,55.9)
levantamientodinamico
<c(71.7,48.3,88.3,75.0,91.7,100.0,73.3,65.0,75.0,88.3,68.3,96.7,76.7,78.3,60.0,71.7,85.0,85.0,88.3,100.0,1
00.0,100.0,91.7,100.0,71.7)
regresion <- lm(levantamientodinamico ~ fuerzadelbrazo)
plot (levantamientodinamico, fuerzadelbrazo, xlab = "fuerzadelbrazo", ylab = "levantamientodinamico")
ao <-c(1996,1997,1998,1999,2000,2001,2002,2003,2004,2005)
Vmdv <-c(80,100,155,180,210,224,234,260,288,303)
regresion <- lm(Vmdv ~ ao)
plot (ao, Vmdv, xlab = "ao", ylab = "Vmdv")
nuevo.ao <- data.frame(ao = seq(2006, 2015))
predict (regresion, nuevo.ao)
Al <-c(17.7,18.3,16.7,14.8,19.1)
Fe <-c(1.12,1.14,0.92,2.74,1.64)
Mg <-c(0.56,0.67,0.53,0.67,0.60)
regresion <- lm(Mg ~ Fe)
regresion <- lm(Mg ~ Al)
cor(Mg, Al)
cor(Mg, Fe)
grasas <- read.table("http://www.uam.es/joser.berrendero/datos/EdadPesoGrasas.txt",
header = TRUE)
names(grasas)
pairs(grasas)
cor(grasas)
regresion <- lm(grasas ~ edad, data = grasas)
summary(regresion)
plot(grasas$edad, grasas$grasas, xlab = "Edad", ylab = "Grasas")
abline(regresion)
nuevas.edades <- data.frame(edad = seq(30, 50))
predict(regresion, nuevas.edades)
y <-c(76,62,66,58,88)
x <-c(123,55,100,75,159)
regresion <- lm(y ~ x)
regresion <- lm(y ~ x, data = y)