10
3840
384
144.00617271
20737.777778
Sxx
186640
0.894064328
Coef. de correlacin, r=
Coef. de determinacin, R2= 0.7993510226
Bo=Y-B1*X
156.1626661
B1=Sxy/Sxx
0.2534826404
SSE=Syy-B1*Sxy
3010.2362838
MSE=SSE/(n-2)
376.27953547
X2
28900
78400
90000
90000
96100
160000
176400
184900
372100
384400
0
0
0
0
0
Y2
32400
57600
40000
62500
62500
78400
62500
75625
90000
96100
0
0
0
0
0
XY
30600
67200
60000
75000
77500
112000
105000
118250
183000
192200
0
0
0
0
0
1661200
657625
1020750
Suma(Y2)
1661200
Suma(X2)
657625
Sxy
47310
yiestimada
199.254714959
227.137805401
232.207458208
232.207458208
234.742284612
257.555722246
262.625375054
265.160201457
310.787076725
313.321903129
156.162666095
156.162666095
156.162666095
156.162666095
156.162666095
ei
-19.2547149593
12.8621945992
-32.2074582083
17.7925417917
15.2577153879
22.444277754
-12.6253750536
9.8397985426
-10.7870767252
-3.321903129
-156.1626660952
-156.1626660952
-156.1626660952
-156.1626660952
-156.1626660952
Bandas de confianza
LIC
LSC
172.966677 225.542753
209.360057 244.915554
215.60209 248.812826
215.60209 248.812826
218.655041 250.829529
243.313637 271.797808
247.997094 277.253656
250.234464 280.085939
283.443584 338.13057
285.087234 341.556573
113.961546 198.363786
113.961546 198.363786
113.961546 198.363786
113.961546 198.363786
113.961546 198.363786
Bandas de prediccin
LIP
LSP
147.370366 251.139064
179.002858 275.272752
184.493068 279.921848
184.493068 279.921848
187.205728 282.278841
210.611481 304.499963
215.56253 309.68822
218.004052 312.316351
258.360067 363.214087
260.424632 366.219175
94.6658424 217.65949
94.6658424 217.65949
94.6658424 217.65949
94.6658424 217.65949
94.6658424 217.65949
n=
Sumas
Promedio
Desv.Est. insesgada
Varianza insesgada
Sumas de cuadrados
2535
253.5
40.8282309737
1666.9444444445
Syy
15002.5
-780.81333048
Si 1=0, =0, entonces la variacin de X no explica la variacin de Y o no hay regresin lineal entre X y Y
Si = 0.05
/2=
La regin de rechazo es:
212.50227
T=
1
1
246.84299
0.025
| t0 |>t/2
2.3060041352
H 0 : 1=0
H 1 : 1 0
MS E
5.6454073658
229.67263
El error estndar estimado de la prediccin:
S xx
20.777909
Un intervalo de prediccin para yo es:
181.75869
a
277.58658
H 0 : =0
H 1 : 0
T=
r n2
1r2
5.6454073658
Por lo tanto: Se rechaza Ho
400
Grfica de residuos
30
Diagrama de dispersin
350
20
300
10
ei
Linear (ei)
ei
250
200
-10100
150
200
300
400
-20
Linear
(Y)
100
LIC
LSC
LIP
50
0
100
-30
LSP
200x
300
400
500
600
700
-40
500
600
700
Var Indep.
X
1
2
3
4
5
6
n=
X2
1
4
9
16
25
36
Y2
7.84
23.04
67.24
144
231.04
327.61
XY
2.8
9.6
24.6
48
76
108.6
91
800.77
269.6
yiestimada
2.219047619
5.4047619048
8.5904761905
11.7761904762
14.9619047619
18.1476190476
ei
0.580952381
-0.6047619048
-0.3904761905
0.2238095238
0.2380952381
-0.0476190476
Bandas de confianza
LIC
LSC
1.2321869 3.20590834
4.66386912 6.14565469
8.01044504 9.17050734
11.1961593 12.3562216
14.221012 15.7027975
17.1607583 19.1344798
Bandas de prediccin
LIP
LSP
0.53585232 3.90224292
3.85293251 6.9565913
7.10869062 10.0722618
10.2944049 13.257976
13.4100754 16.5137342
16.4644237 19.8308144
Diagrama de dispersin
25
20
Sumas
Promedio
21
3.5
61.1
10.1833333333
Desv.Est. insesgada
Varianza insesgada
1.8708286934
3.5
5.9760912532
35.7136666667
Sumas de cuadrados
Sxx
17.5
Syy
178.5683333333
-1.33227E-015
No. Observ.
1
2
3
4
5
6
15
10
5
Sxy
55.75
4
X
SSE=Syy-B1*Sxy
MSE=SSE/(n-2)
Si 1=0, =0, entonces la variacin de X no explica la variacin de Y o no hay regresin lineal entre X y Y
Si = 0.05
/2=
La regin de rechazo es:
2.7764451052
Un intervalo de prediccin para yo es:
H 0 : 1=0
H 1 : 10
T=
1
1
MS E
S xx
= 27.1359962085
Por lo tanto: Se rechaza Ho
H 0 : =0
H 1 : 0
T=
r n2
1r2
0.2004954
Si xo se fija en:
3.5
horas
La prediccin para la respuesta yo es: 10.183333
0.025
| t0 |>t/2
Si xo se fija en:
3.5
horas
La respuesta media esperada sera de: 10.183333
= 27.1359962085
Por lo tanto: Se rechaza Ho
8.7105374
11.656129
0.530461
Y = 0 + 1 X
y i= 0 + 1 x i+ i
i ~ N (0, )
Los i se suponen errores aleatorios con distribucin normal, media cero y varianza 2;
0 y 1 son constantes desconocidas (parmetros del modelo de regresin)
Ahora, el modelo de regresin lineal simple ajustado (o recta estimada) es:
^y = ^ 0 + ^ 1 x
^ 0 = y ^ 1
x
donde:
Suma de cuadrados de X
2
S xx = ( xi x ) = x
i =1
( )
i=1
S xx
i=1
xi
S xy
Suma de cuadrados de Y
n
^ 1=
S yy = ( y i y ) = y
i=1
i =1
( )
yi
i=1
i=1
i=1
S xy = ( x i
x ) y i = xi y i
Coeficiente de correlacin:
r=
( )( )
i=1
R =r
e i= y i ^y i
i =1
i =1
SS E = e 2i = ( y i ^y i )2
Tambin:
n 2
SS E =S yy ^ 1 S xy
SS E
=
n2
^ +
^ x
^ ( Y |x ) =
^Y = y
^ 0 =E
0
0
1 0
0
Bandas de confianza para la recta de regresin:
^y 0 t / 2, n2
xi
Coeficiente de determinacin:
S xx S yy
MS E = i=1
i=1
S xy
( y i ^y i ) 2
yi
[
MS E
x )2
1 ( x o
+
n
S xx
Bandas de prediccin:
^y 0 t / 2, n2 MS E
x )2
1 ( x o
1+ +
n
S xx
No. Observ.
1
2
3
4
5
6
n=
X2
1
4
16
16
49
144
Y2
5041
5041
5476
6400
6400
7396
XY
71
142
296
320
560
1032
yiestimada
71.45
72.8375
75.6125
75.6125
79.775
86.7125
ei
-0.45
-1.8375
-1.6125
4.3875
0.225
-0.7125
Bandas de confianza
LIC
LSC
67.1647411 75.7352589
69.0983479 76.5766521
72.6169957 78.6080043
72.6169957 78.6080043
76.4808953 83.0691047
80.4657154 92.9592846
Bandas de prediccin
LIP
LSP
63.1768167 79.7231833
64.8335399 80.8414601
67.9277642 83.2972358
67.9277642 83.2972358
71.9690251 87.5809749
77.2729854 96.1520146
100
95
90
85
Sumas
Promedio
30
5
462
77
Desv.Est. insesgada
Varianza insesgada
4
16
6
36
3.6514837167
13.333333333
5.4772255751
30
Sxx
80
Syy
180
Sumas de cuadrados
230
35754
2421
-1.42109E-014
75
70
65
60
Sxy
111
55
50
Coef. De Correlacin, r=
80
0.925
0.855625
Bo=Y-B1*X
B1=Sxy/Sxx
70.0625
1.3875
SSE=Syy-B1*Sxy
25.9875
MSE=SSE/(n-2)
6.496875
/2=
La regin de rechazo es:
0.025
| t0 |>t/2
2.7764451052
Un intervalo de prediccin para la calificacin es:
H 0 : 1=0
H 1 : 10
T=
1
1
MS E
S xx
4.8688425427
Por lo tanto: Se rechaza Ho
H 0 : =0
H 1 : 0
T=
r n2
1r2
horas
77
Si 1=0, =0, entonces la variacin de X no explica la variacin de Y o no hay regresin lineal entre X y Y
Si = 0.05
4.8688425427
Por lo tanto: Se rechaza Ho
69.356104
84.643896
5
77
horas
9 10 11 12 13 14 15