Regression Analysis

r 0.987 n 8
r 0.994 k 1
Std. Error 4.652 Dep. Var. y cosecha ( toneladas)

ANOVA table
Source SS df MS F p-value
Regression 10,044.0536 1 ### 464.21 6.52E-07
Residual 129.8214 6 21.6369
Total 10,173.8750 7

Regression output confidence interval

variables coefficients std. error t (df=6) p-value 95% lower 95% upper
Intercept -1.4286 4.2765 -0.334 .7497 -11.8928 9.0356 B0
( cientos de kg) 3.0929 0.1435 21.546 ### 2.7416 3.4441 B1

PASDKAJCLKAHFN
A MAYOR CANTIDAD DE FERTILIZA
160

140
f(x) = 3.0928571429x - 1.4285714286
120 B. estimar el modelo regresion lineal
secha ( toneladas)

R = 0.9872397264
Y= B0+B1
100

80

60
 140
f(x) = 3.0928571429x - 1.4285714286
120

y cosecha ( toneladas)
R = 0.9872397264
100 Y= -1.43+3.09X
80

60 B1: por cada incremeto de fertilizantes

B0: si B0 es negativo no se intrepeta
40

20 c. calcule e interprete el coeficiente de

0 r
5 10 15 20 25 30 35 40 45 50
x fertilizantes ( cientos de kg)
r

d. estimar
La cosecha cuando la cantidad de fer
Y= -1.43+3.09X
Y= -1.43+3.09( 26)
Y=78.90 toneladas

la cantida de fetlixanates usado cuand

Y= 140
Y= -1.43+3.09X
140 = -1.43 + 3.09X

PRECIO DE VENTA DE LOS AUTOS SEGUN SU EDAD EN AOS

11
10
9
8 f(x) = - 0.4787556904x + 11.1772382398
7 R = 0.2955513341
Y

6
5
4
3
2
4 5 6 7 8 9 10 11 12 13
(en aos)

Regression Analysis

n 8
k 1
 Std. Error 4.652 Dep. Var. y cosecha ( toneladas)

ANOVA table
Source SS df MS F p-value
Regression 10,044.0536 1 ### 464.21 6.52E-07
Residual 129.8214 6 21.6369
Total 10,173.8750 7

Regression output confidence interval

variables coefficients std. error t (df=6) p-value 95% lower 95% upper
Intercept -1.4286 4.2765 -0.334 .7497 -11.8928 9.0356 B0
( cientos de kg) 3.0929 0.1435 21.546 ### 2.7416 3.4441 B1

precio de venta segun el tamao de la casa

A mayor tamao de casa mayor el pr
130
estimar el modelo de regresion lineal
120
Y= B0 + B1
110 Y= 67.18 +25.64X
(En miles de $) Y

100 f(x) = 25.641025641x + 67.1794871795 B1: por cada incremeto de tamao de

R = 0.0943841435
90 B0: el precio de venta es de 67.18 mil

80 estimar e intrepretar coeficiente de de

70 r

60
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 r
X

Regression Analysis

r 0.094 n 12
r 0.307 k 1
Std. Error 15.685 Dep. Var. (En miles de $) Y

ANOVA table
Source SS df MS F p-value
Regression 256.4103 1 256.4103 1.04 .3314
Residual 2,460.2564 10 246.0256
Total 2,716.6667 11
Regression output confidence interval
variables coefficients std. error t (df=10) p-value 95% lower 95% upper
Intercept 67.1795 29.2366 2.298 .0444 2.0362 132.3228 B0
X1 25.6410 25.1164 1.021 .3314 -30.3219 81.6039 B1
MAYOR CANTIDAD DE FERTILIZANTE MAYOR COSECHA

estimar el modelo regresion lineal

= -1.43+3.09X

1: por cada incremeto de fertilizantes la cosecha aumenta en 3.09 toneladas

0: si B0 es negativo no se intrepeta

calcule e interprete el coeficiente de determinacion y correlacion

0.987 Coeficiente de determinacion

la ecuacion estimada es un buen modelo

0.994 coeficiente de correlacion

correlacion directa . A mayor cantidad de fertilizante mayor cosecha

a cosecha cuando la cantidad de fertilizantes usado es 26 cientos de Kg.

= -1.43+3.09X
= -1.43+3.09( 26)
=78.90 toneladas

cantida de fetlixanates usado cuando la cosecha es 140 tobneladas

= -1.43+3.09X
40 = -1.43 + 3.09X
X= 41.77 cientos de Kg

A mayor edad de los autos menor precio de venta

estimar el modelo de regresion lineal

Y= B0 + B1
Y= 11.17 - 0.48X

B1: Por cada incremento de la edad de los autos dismuye en 0.48 miles de dolares
B0: El precio de venta es 11.18 mies de dolares cuando mla edad de auto es nuevo

estimar e intrepretar coeficiente de determiancion correlacion

La ecuacion estimada no es un modelo

r 0.987

r 0.994 correlacion inversa regular

a mayor cantidad de los autos menor precio de venta
mayor tamao de casa mayor el precio de venta

timar el modelo de regresion lineal

= 67.18 +25.64X

1: por cada incremeto de tamao de casa aumenta en 25.46 miles de dolares

0: el precio de venta es de 67.18 miles de doalres cuando el tamao de muestra no varia

timar e intrepretar coeficiente de determiancion correlacion

0.094 la ecuacion estimada no es un modelo

0.307 correlacion directa

mayor tamao de la casa mayor el precio de venta
caso n1

Edad X
Precio Venta (miles
N de auto N
de $) Y
(en aos)

1 9 8.1 1
2 7 6 2
3 11 3.6 3
4 12 4 4
5 8 5 5
6 7 10 6
7 8 7.6 7
8 11 8 8
9 10 8 9
10 12 6 10
11 6 8.6 11
12 6 8 12
Tamao de
la casa Precio de
(miles de venta
pies
(En miles
cuadrados)
de $) Y
X
1.4 100
1.3 110
1.2 105
1.1 120
1.4 80
1 105
1.3 110
0.8 85
1.2 105
0.9 75
1.1 70
1.1 95
x fertilizantes ( cientos de kg) y cosecha ( toneladas)
10 28
15 46
20 58
25 79
30 97
35 104
40 115
45 142