REGRESIÓN LINEAL SIMPLE

Ejemplo 1

Para ilustrar el método de mínimos cuadrados, supóngase que se recolectan datos de una muestra de
10 restaurantes Armand’s Pizza Parlors ubicados todos cerca de campus. universitarios.

Poblacion
de
estudiantes
(miles) Ventas
trimestrales
Restaurante i xi (miles de $) yi
1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202

14.2 MÉTODO DE MINIMOS CUADRADOS

Solución

Graficamos el diagrama de dispersión

DIAGRAMA DE DISPERSIÓN
250
Ventas trimestrales (miles $)

200

150

100

50

0
0 5 10 15 20 25 30
Poblacion de estudiantes en (miles)
Usamos la ecuación de regresión simple estimada la cual es:
�  ̂_(𝑖=𝑏_(0+) 𝑏_1 �_� )
donde:

ŷi = Valor estimado de las ventas trimestrales (en miles de dólares) del restaurante i
b0 = Intersección de la recta de regresión con el eje y
b1 = pendiente de la recta de regresión
xi = Tamaño de la población de estudiantes (en miles) del restaurante i

Ecuaciones de la pendiente e intersección con el eje y de la ecuacion de regresion estimada

𝑏_1=(∑▒ 〖〖 (� 〗 _�−�  )
(�_�−�  ) 〗 )/(∑▒ 〖 (𝑥_𝑖−𝑥  ̅) 〗
^2 )

𝑏_0=�  ̅−𝑏_1 𝑥  ̅

donde
xi = Valor de la variable independiente en la observación i
yi = Valor de la variable dependiente en la observacion i
𝑥  ̅ = Media de la variable independiente
�  ̅ = Media de la variable dependiente
n = Número total de observaciones

Elaboramos un cuadro del elemto restaurante i con sus respectivas variables

Restaurante (𝑥_𝑖−𝑥  ̅
i xi yi 𝑥_𝑖−𝑥  ̅ �_𝑖−�  ̅ (𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅  )  )^2
1 2 58 -12 -72 864 144
2 6 105 -8 -25 200 64
3 8 88 -6 -42 252 36
4 8 118 -6 -12 72 36
5 12 117 -2 -13 26 4
6 16 137 2 7 14 4
7 20 157 6 27 162 36
8 20 169 6 39 234 36
9 22 149 8 19 152 64
10 26 202 12 72 864 144
10 140 1300 2840 568
n ∑xi ∑yi (𝑥_𝑖−𝑥  ̅
(𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅
∑  ) ∑  )^2

Calculando la media de la población de estudiantes en miles (𝑥  ̅)

𝑥  ̅=∑▒𝑥ⅈ/�
 𝑥  ̅=∑▒𝑥ⅈ/�

𝑥  ̅ = 14

Calculando la media de las ventas trimestrales en miles de dólares (�  ̅)

�  ̅=∑▒�ⅈ/�

�  ̅ = 130

Reemplazando en las ecuaciones b1 y bo se tiene:

𝑏_1=(∑▒ 〖〖 (� 〗 _�−�  )
(�_�−�  ) 〗 )/(∑▒ 〖 (𝑥_𝑖−𝑥  ̅) 〗
^2 )

b1= 5

bo= 60
𝑏_0=�  ̅−𝑏_1 𝑥  ̅

Finalmente la ecuación de regresion estimanda es:

�  ̂_(𝑖=𝑏_(0+) 𝑏_1 �_� )
Verificación mediante la hoja de Excel �  ̂_𝑖=60+5𝑥

DIAGRAMA DE DISPERSIÓN
250
Ventas trimestrales (miles $)

200
f(x) = 5x + 60
150 R² = 0.90273363

100

50

0
0 5 10 15 20 25 30
Poblacion de estudiantes en (miles)
 Ventas trimestral
100

50

0
0 5 10 15 20 25 30
Poblacion de estudiantes en (miles)

14.3 COEFICIENTE DE DETERMINACIÓN

Calculamos la suma de cuadrados debida al error (SCE) en el ejemplo de Armand´s Pizza Parlors
mediante el siguiente cuadro.

Poblacion de Ventas
estudiantes trimestrales Ventas
pronosticadas ŷi Error Error al cuadrado
Restaurante (miles) (miles de $) = 60 +5xi yi - ŷi (yi - ŷi)^2
i yi
xi
1 2 58 70 -12 144
2 6 105 90 15 225
3 8 88 100 -12 144
4 8 118 100 18 324
5 12 117 120 -3 9
6 16 137 140 -3 9
7 20 157 160 -3 9
8 20 169 160 9 81
9 22 149 170 -21 441
10 26 202 190 12 144
𝑆��=∑▒ 〖 (�𝑖−�  ̂_𝑖) 〗 ^2  SCE= 1530

Calculamos la suma total de cuadrados (STC) en el ejemplo de Armand´s Pizza Parlors mediante el
siguiente cuadro.

Poblacion de Ventas
estudiantes trimestrales Desviación al
Restaurante (miles) (miles de $) Desviación cuadrado
i �_𝑖−�  ̅ (�𝑖−�  )^2
yi
xi
1 2 58 -72 5184
2 6 105 -25 625
3 8 88 -42 1764
4 8 118 -12 144
5 12 117 -13 169
6 16 137 7 49
7 20 157 27 729
8 20 169 39 1521
𝑆𝑇�=∑▒ 〖 (�𝑖−�  ̅) 〗 ^2 
9 22 149 19 361
10 26 202 72 5184
STC= 15730

RELACIÓN ENTRE STC, SCR Y SCE 𝑆𝑇�=𝑆�𝑅+𝑆��

 𝑆𝑇�=𝑆�𝑅+𝑆��

STC = Suma total de cuadrados.

SCR = Suma de cuadrados debida a la regresión.
SCE = Suma de cuadrados debida al error.

Tenemos como datos :

SCE= 1530
𝑆�𝑅=𝑆𝑇�−𝑆��
STC= 15730
Despejando SCR 𝑆�𝑅=15730−1530

SCR= 14200

Finalmente el coeficiente de determinación�^2=𝑆�𝑅/𝑆

es:
𝑇�

�^2=14200
/15730

�^
2
0.90273363

Si expresamos el coeficiente de determinación en forma de porcentaje:

= 90.27%
�^
2
En el ejemplo de Armand´s Pizza se concluye que el 90.27% de la variabilidad en las ventas se explica
por la relavión lineal que existe entre el tamaño de la población de estudiantes y las ventas.

Coeficiente de correlación muestral.

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�𝑜𝑒𝑓𝑖𝑐𝑖𝑒�𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒�𝑚𝑖�𝑎𝑐𝑖ó�)

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�^2 )

rxy= 0.9501229552

Este valor correspondiente a rxy indica que hay una fuerte relación lineal entre x y y.
 AUTOEXAMEN

MÉTODO

Ejercicio 1 Dadas las siguientes cinco observaciones de las variables x y y.

Xi Yi
1 3
2 7
3 5
4 11
5 14

a) Trace el diagrama de dispersión correspondiente a estos datos.

Diagrama de dispersión
16
14
12
10
8
yi

6
4
2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

xi

b) ¿Qué indica el diagrama de dispersión del inciso a) respecto a la relación entre las dos variables?

Viendo el diagrama de dispersion se puede apreciar que existe una relación lineal positiva entre x y y, esto refiere a
que si se trazara una linea esta tendría una pendiente positiva.

c)Trate de aproximar la relación entre x y y trazando una línea recta que pase a través de los puntos dados.

Gráfica lineal de la relacion entre x y y

16
14
12
10
8
yi

6
4
2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

xi
d) Con las ecuaciones (14.6) y (14.7) calcule b0 y b1 para obtener la ecuación de regresión estimada.
d) Con las ecuaciones (14.6) y (14.7) calcule b0 y b1 para obtener la ecuación de regresión estimada.

Elementos xi yi 𝑥_𝑖−𝑥  ̅ �_𝑖−�  ̅ (𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅ ) (𝑥_𝑖−𝑥  ̅ )^2

1 1 3 -2 -5 10 4
2 2 7 -1 -1 1 1
3 3 5 0 -3 0 0
4 4 11 1 3 3 1
5 5 14 2 6 12 4
5 15 40 26 10
n ∑xi ∑yi ∑(𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅ )∑(𝑥_𝑖−𝑥  ̅ )^2

Calculando la media de la variable independiente (𝑥  ̅)

𝑥  ̅=∑▒𝑥ⅈ/�

𝑥  ̅ = 3

Calculando la media de la variable dependiente (�  ̅)

�  ̅=∑▒�ⅈ/�

�  ̅ = 8

Reemplazando en las ecuaciones b1 y bo se tiene:

𝑏_1=(∑▒ 〖〖 (𝑥 〗 _𝑖−𝑥  ̅)
(�_𝑖−�  ̅) 〗 )/(∑▒ 〖 (𝑥_𝑖−𝑥  ̅) 〗
^2 )
b1= 2.6

𝑏_0=�  ̅−𝑏_1 𝑥  ̅
bo= 0.2

Finalmente la ecuación de regresion estimanda es:

�  ̂_(𝑖=𝑏_(0+) 𝑏_1 𝑥_𝑖 )
�  ̂_𝑖=0.2+2.6𝑥
Verificación mediante la hoja de Excel

GRÁFICA DE LA ECUACIÓN DE REGRESIÓN ESTIMADA

16
14
12 f(x) == 2.6x
f(x) 2.6x++0.2
0.2
10 R² = 0.845
8
yi

6
4
2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
xi
4
2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
xi
e) Use la ecuación de regresión estimada para predecir el valor de y cuando x = 4.

Si la ecuación de regresión estimada es:

�  ̂_𝑖=0.2+2.6𝑥

�  ̂_𝑖=0.2+2.6(4)

ŷi= 10.6

Ejercicio 2 Dadas las siguientes cinco observaciones de las variables x y y.

xi yi
3 55
12 40
6 55
20 10
14 15

a) Trace el diagrama de dispersión correspondiente a estos datos.

Diagrama de dispersión
60

50

40

30
yi

20

10

0
2 4 6 8 10 12 14 16 18 20 22
xi

b) ¿Qué indica el diagrama de dispersión del inciso a) respecto a la relación entre las dos variables?
Viendo el diagrama de dispersion se puede apreciar que existe una relación lineal negativa entre x y y, esto refiere a
que si se trazara una linea esta tendría una pendiente negativa.

c)Trate de aproximar la relación entre x y y trazando una línea recta que pase a través de los puntos dados.

GRÁFICA DE LA ECUACIÓN DE REGRESIÓN ESTIMADA

60

50

40

30
yi

20

10

0
2 4 6 8 10 12 14 16 18 20 22
xi

d) Con las ecuaciones (14.6) y (14.7) calcule b0 y b1 para obtener la ecuación de regresión estimada.

Elementos xi yi 𝑥_𝑖−𝑥  ̅ �_𝑖−�  ̅ (𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅ ) (𝑥_𝑖−𝑥  ̅ )^2

1 3 55 -8 20 -160 64
2 12 40 1 5 5 1
3 6 55 -5 20 -100 25
4 20 10 9 -25 -225 81
5 14 15 3 -20 -60 9
5 55 175 -540 180
n ∑xi ∑yi ∑(𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅ )∑(𝑥_𝑖−𝑥  ̅ )^2

Calculando la media de la variable independiente (𝑥  ̅)

𝑥  ̅=∑▒𝑥ⅈ/�

𝑥  ̅ = 11

Calculando la media de la variable dependiente (�  ̅)

�  ̅=∑▒�ⅈ/�

�  ̅ = 35

Reemplazando en las ecuaciones b1 y bo se tiene:

𝑏_1=(∑▒ 〖〖 (𝑥 〗 _𝑖−𝑥  ̅)
(�_𝑖−�  ̅) 〗 )/(∑▒ 〖 (𝑥_𝑖−𝑥  ̅) 〗
^2 )
b1= -3
 𝑏_0=�  ̅−𝑏_1 𝑥  ̅
bo= 68

Finalmente la ecuación de regresion estimanda es:

�  ̂_(𝑖=𝑏_(0+) 𝑏_1 𝑥_𝑖 )
�  ̂_𝑖=68−3𝑥

Verificación mediante la hoja de Excel

GRÁFICA DE LA ECUACIÓN DE REGRESIÓN ESTIMADA

60
f(x) = - 3x + 68
R² = 0.8756756757
50

40

30

20

10

0
2 4 6 8 10 12 14 16 18 20 22

e) Use la ecuación de regresión estimada para predecir el valor de y cuando x = 4.

Si la ecuación de regresión estimada es:

�  ̂_𝑖=68−3𝑥

�  ̂_𝑖=68−3(4)

ŷi= 56
Ejercicio 3 Dadas las observaciones siguientes sobre estas dos variables obtenidas en un estudio de
regresión.

Xi Yi
2 7
6 18
9 9
13 26
20 23

a) Trace el diagrama de dispersión correspondiente a estos datos.

Diagrama de dispersión
30

25

20

15
yi

10

0
0 5 10 15 20 25
xi

b) ¿Qué indica el diagrama de dispersión del inciso a) respecto a la relación entre las dos variables?

Viendo el diagrama de dispersion se puede apreciar que existe una relación lineal positiva entre x y y, esto refiere a
que si se trazara una linea esta tendría una pendiente positiva.(no tan pronunciada es decir tiende a ser plana)

c)Trate de aproximar la relación entre x y y trazando una línea recta que pase a través de los puntos dados.

Gráfica lineal de la relacion entre x y y

30

25

20

15
yi

10

5
 25

20

15

yi
10

0
0 5 10 15 20 25
xi

d) Con las ecuaciones (14.6) y (14.7) calcule b0 y b1 para obtener la ecuación de regresión estimada.

Elementos xi yi 𝑥_𝑖−𝑥  ̅ �_𝑖−�  ̅ (𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅ ) (𝑥_𝑖−𝑥  ̅ )^2

1 2 7 -8 -9.6 76.8 64
2 6 18 -4 1.4 -5.6 16
3 9 9 -1 -7.6 7.6 1
4 13 26 3 9.4 28.2 9
5 20 23 10 6.4 64 100
5 50 83 171 190
n ∑xi ∑yi ∑(𝑥_𝑖−𝑥  ̅ )(�_𝑖−�  ̅ ) ∑(𝑥_𝑖−𝑥  ̅ )^2

Calculando la media de la variable independiente (𝑥  ̅)

𝑥  ̅=∑▒𝑥ⅈ/�

𝑥  ̅ = 10

Calculando la media de la variable dependiente (�  ̅)

�  ̅=∑▒�ⅈ/�

�  ̅ = 16.6

Reemplazando en las ecuaciones b1 y bo se tiene:

𝑏_1=(∑▒ 〖〖 (𝑥 〗 _𝑖−𝑥  ̅)
(�_𝑖−�  ̅) 〗 )/(∑▒ 〖 (𝑥_𝑖−𝑥  ̅) 〗
^2 )
b1= 0.9

𝑏_0=�  ̅−𝑏_1 𝑥  ̅
bo= 7.6

Finalmente la ecuación de regresion estimanda es:

�  ̂_(𝑖=𝑏_(0+) 𝑏_1 𝑥_𝑖 )
�  ̂_𝑖=7.6+0.9𝑥
Verificación mediante la hoja de Excel

GRÁFICA DE LA ECUACIÓN DE REGRESIÓN ESTIMADA

30

25
f(x) = 0.9x + 7.6
R² = 0.5472972973
20

15
yi

10
 GRÁFICA DE LA ECUACIÓN DE REGRESIÓN ESTIMADA
30

25
f(x) = 0.9x + 7.6
R² = 0.5472972973
20

15

yi
10

0
0 5 10 15 20 25
xi

e) Use la ecuación de regresión estimada para predecir el valor de y cuando x = 4.

Si la ecuación de regresión estimada es:

�  ̂_𝑖=7.6+0.9𝑥

�  ̂_𝑖=7.6+0.9(4)

ŷi= 11.2
 AUTOEXAMEN

MÉTODO

Ejercicio 1 Los datos a continuación son los datos del ejercicio 1.

Xi Yi
1 3
2 7
La ecuación de regresión estimada para
estos datos es ŷi= 0.20 + 2.60x 3 5
4 11
5 14

a)Empleando las ecuaciones (14.8), (14.9) y (14.10) calcule SCE, STC y SCR.

Calculamos la suma de cuadrados debida al error (SCE) mediante el siguiente cuadro.

Error al
Elemento Ecuación Error cuadrado
xi yi estimada ŷi
i = 0.20 +2.60xi
yi - ŷi (yi -
ŷi)^2

1 1 3 2.8 0.2 0.04

2 2 7 5.4 1.6 2.56
3 3 5 8 -3 9
4 4 11 10.6 0.4 0.16
5 5 14 13.2 0.8 0.64
𝑆��=∑▒ 〖 (�𝑖−�  ̂_𝑖) 〗 SCE=
^2  12.4

�  ̅=∑▒�ⅈ/�
= 8

Calculamos la suma total de cuadrados (STC) mediante el siguiente cuadro

Desviación Desviación al
Elemento cuadrado
xi yi
i �_𝑖−�  ̅
(�𝑖−�  ̅)^2
1 1 3 -5 25
2 2 7 -1 1
3 3 5 -3 9
3 4 11 3 9
5 5 14 6 36
𝑆𝑇�=∑▒ 〖 (�𝑖−�  ̅) 〗 ^2 
STC= 80

RELACIÓN ENTRE STC, SCR Y SCE

𝑆𝑇�=𝑆�𝑅+𝑆��

Tenemos como datos : SCE= 12.4

 STC= 80

Despejando SCR
𝑆�𝑅=𝑆𝑇�−𝑆��

𝑆�𝑅=80−12.4

SCR= 67.6

b) Calcule el coeficiente de determinación r2. Haga un comentario sobre la bondad del ajuste.

El coeficiente de determinación es:

�^2=𝑆�𝑅/𝑆
𝑇�

�^2=67.8/8
0

�^ 0.845
2
Si expresamos el coeficiente de determinación en forma de porcentaje:

�^ = 84.50%
2

Para este ejercicio se concluye que el 84.50% de la variabilidad en y ha sido explicada por la
recta de minimos cuadrados ya calculada. Tambien podemos concluir que la bondad de ajuste
es buena.

c)Calcule el coeficiente de correlación muestral.

Coeficiente de correlación muestral.

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�𝑜𝑒𝑓𝑖𝑐𝑖𝑒�𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒�𝑚𝑖�𝑎𝑐𝑖ó�)

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�^2 )

rxy= 0.9192388155

Este valor correspondiente a rxy indica que hay una fuerte relación lineal entre x y
y.
Ejercicio 2 Los datos a continuación son los datos del ejercicio 2.

xi yi
3 55
12 40
La ecuación de regresión estimada para
estos datos es ŷi= 68 - 3x 6 55
20 10
14 15

a)Empleando las ecuaciones (14.8), (14.9) y (14.10) calcule SCE, STC y SCR.

Calculamos la suma de cuadrados debida al error (SCE) mediante el siguiente cuadro.

Error al
Elemento Ecuación Error cuadrado
xi yi estimada ŷi
i = 68 - 3xi
yi - ŷi (yi -
ŷi)^2

1 3 55 59 -4 16
2 12 40 32 8 64
3 6 55 50 5 25
4 20 10 8 2 4
5 14 15 26 -11 121
𝑆��=∑▒ 〖 (�𝑖−�  ̂_𝑖) 〗 SCE=
^2  230

�  ̅=∑▒�ⅈ/� = 35

Calculamos la suma total de cuadrados (STC) mediante el siguiente cuadro

Desviación Desviación al
Elemento cuadrado
xi yi
i �_𝑖−�  ̅
(�𝑖−�  ̅)^2
1 3 55 20 400
2 12 40 5 25
3 6 55 20 400
4 20 10 -25 625
5 14 15 -20 400
𝑆𝑇�=∑▒ 〖 (�𝑖−�  ̅) 〗 ^2 
STC= 1850

RELACIÓN ENTRE STC, SCR Y SCE

𝑆𝑇�=𝑆�𝑅+𝑆��

Tenemos como datos : SCE= 230

STC= 1850
Despejando SCR
𝑆�𝑅=𝑆𝑇�−𝑆��

𝑆�𝑅=1850−230

SCR= 1620

b) Calcule el coeficiente de determinación r2. Haga un comentario sobre la bondad del ajuste.

El coeficiente de determinación es:

�^2=𝑆�𝑅/𝑆
𝑇�

�^2=1620/
1850

�^ 0.8756756757
2
Si expresamos el coeficiente de determinación en forma de porcentaje:

�^ = 87.57%
2

Para este ejercicio se concluye que el 87.57% de la variabilidad en y ha sido explicada por la
recta de minimos cuadrados ya calculada. También podemos concluir que la bondad de ajuste
es buena.

c)Calcule el coeficiente de correlación muestral.

Coeficiente de correlación muestral.

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�𝑜𝑒𝑓𝑖𝑐𝑖𝑒�𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒�𝑚𝑖�𝑎𝑐𝑖ó�)

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�^2 )

rxy= -0.935775441

Este valor correspondiente a rxy indica que hay una fuerte relación lineal entre x y
y.
Ejercicio 3 Los datos a continuación son los datos del ejercicio 3.

Xi Yi
2 7
La ecuación de regresión estimada para 6 18
estos datos es ŷi= 7.6 + 0.9x 9 9
13 26
20 23

¿Qué porcentaje de la suma total de cuadrados puede explicarse mediante la ecuación de

regresión estimada?

Calculamos la suma de cuadrados debida al error (SCE) mediante el siguiente cuadro.

Error al
Elemento Ecuación Error cuadrado
xi yi estimada ŷi
i = 7.6 + 0.9xi
yi - ŷi (yi -
ŷi)^2

1 2 7 9.4 -2.4 5.76

2 6 18 13 5 25
3 9 9 15.7 -6.7 44.89
4 13 26 19.3 6.7 44.89
5 20 23 25.6 -2.6 6.76
𝑆��=∑▒ 〖 (�𝑖−�  ̂_𝑖) 〗 SCE=
^2  127.3

�  ̅=∑▒�ⅈ/� = 16.6

Calculamos la suma total de cuadrados (STC) mediante el siguiente cuadro

Desviación Desviación al
Elemento cuadrado
xi yi
i �_𝑖−�  ̅
(�𝑖−�  ̅)^2
1 2 7 -9.6 92.16
2 6 18 1.4 1.96
3 9 9 -7.6 57.76
4 13 26 9.4 88.36
5 20 23 6.4 40.96
𝑆𝑇�=∑▒ 〖 (�𝑖−�  ̅) 〗 ^2 
STC= 281.2

RELACIÓN ENTRE STC, SCR Y SCE

𝑆𝑇�=𝑆�𝑅+𝑆��
 𝑆𝑇�=𝑆�𝑅+𝑆��

Tenemos como datos : SCE= 127.3

STC= 281.2

Despejando SCR
𝑆�𝑅=𝑆𝑇�−𝑆��

𝑆�𝑅=281.2−127.3

SCR= 153.9

El coeficiente de determinación es:

�^2=𝑆�𝑅/𝑆
𝑇�

�^2=153.9/
281.2

�^ 0.5472972973
2
Si expresamos el coeficiente de determinación en forma de porcentaje:

�^ = 54.73%
2

Para este ejercicio se concluye que el 54.73% de la variabilidad en y ha sido explicada por la
recta de minimos cuadrados ya calculada. También podemos concluir que la bondad de ajuste
es regular.

¿Cuál es el valor del coeficiente de correlación muestral?

Coeficiente de correlación muestral.

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�𝑜𝑒𝑓𝑖𝑐𝑖𝑒�𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒�𝑚𝑖�𝑎𝑐𝑖ó�)

�_𝑥�=(𝑠𝑖𝑔�𝑜 𝑑𝑒 𝑏_1 )∗√(�^2 )

rxy= 0.7397954429

Este valor correspondiente a rxy indica que hay una moderada relación lineal entre
x y y.