Академический Документы
Профессиональный Документы
Культура Документы
(Y) y renta nacional disponible neta (X), tomados de la Contabilidad Nacional de Espaa base 1995 del INE , para el periodo 1995-2002 ambos expresados en miles de millones de euros:
Considerando que el consumo se puede expresar como funcin lineal de la renta, determine: a) Los parmetros a y b de la recta de regresin. b) El coeficiente de determinacin de dicha regresin. c) La prediccin del valor que tomar el consumo para una renta de 650.000 millones de euros.
Anlisis de la Varianza Grados de libertad 1 6 7 Suma de cuadrados 17884.16005 3.568699272 17887.72875 Promedio de los cuadrados 17884.16005 0.594783212
Intercepcin
Coeficientes -1.597252984
Estadstico t -0.84108735
Variable X 1
0.683429372
0.003941293
173.4023277
258.6 273.6
289.7 308.9 331.0 355.0 377.1 400.4
al de la renta, determine:
X^2 145694.9 161764.8 181902.3 206388.5 236682.3 270608.0 306140.9 348100.0 1857281.7
Estadsticas de la regresi Pendiente: Interseccion: Ecuacion: Prediccion: 0.68 -1.60 Y= 0,68X-1,60 442.63
F 30068.36725
Probabilidad 0.432534832
2.48169E-12
0.673785375
0.693073368
0.673785375
0.693073368
500.0
600.0
700.0
Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones
Se han observado, en varios modelos de automviles, los datos de potencia del motor (X), en caballos de fuerza, y la aceleracin (Y), medida en el nmero de segundos necesarios para acelerar de 0 a 100 Km./h. La tabla adjunta refleja los valores obtenidos.
Determine: a) La funcin de ajuste. b) Si aumenta la potencia de un motor en un 10%, en qu porcentaje repercutir dicho aumento en la aceleracin prevista? Depende ello de la potencia que tenga el motor en cuestin? La funcion es Potencial
X
50 75 90 100 120 150 585
Y
15 12 10.5 10 9 8 64.5
Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones
Y 15 12 10.5 10 9 8
Potencia aumentada en
Aceleracion
Anlisis de la Varianza Grados de libertad 1 4 5 Suma de cuadrados 28.12140657 2.753593429 30.875 Promedio de los cuadrados 28.12140657 0.688398357 F 40.85048471
Coeficientes
Error tpico
Estadstico t
Probabilidad
Intercepcin Variable X 1
17.37679671 -0.067967146
1.090750689 0.010634092
15.93104354 -6.391438392
9.07511E-05 0.003076155
Linear (Series1
a aumentada en un 10%
y = -14.741x + 265.71 R = 0.9108
10
12
14
16
Inferior 95%
14.3483873 -0.097492119
20.40520613 -0.038442172
En un nuevo proceso artesanal de fabricacin de un destilado gourmet, se ha considerado que era interesante ir anotando peridicamente el tiempo medio (medido en minutos) que se utiliza para envasar el destilado (variable Y) y el nmero de das desde que empez dicho proceso de fabricac (variable X). Con ello, se pretende analizar cmo los operarios van adaptndose al nuevo proceso mejorando paulatinamente su ritmo de produccin conforme van adquiriendo ms experiencia en partir de las cifras recogidas, que aparecen en la tabla adjunta, se decide ajustar una funcin exponencial que explique el tiempo de envasado en funcin del nmero de das que se lleva trabajando con ese mtodo.
Desde el correspondiente ajuste propuesto, se pide que determine: a) Qu tiempo se predecira para el envasado del destilado cuando se lleven 100 das de proceso? b) Qu tiempo transcurrira cuando el tiempo de envasado sea de 10 minutos?
X 10 20 30 40 50 60 70 280
Y 35 28 23 20 18 15 13 152
Estadsticas de la regresin Coeficiente de correlacin mltiple 0.972336414 Coeficiente de determinacin R^2 0.945438103 R^2 ajustado 0.934525723 Error tpico 1.969408903 Observaciones 7
Intercep Variable
n destilado gourmet, se ha considerado que era medio (medido en minutos) que se utiliza para as desde que empez dicho proceso de fabricacin os operarios van adaptndose al nuevo proceso, conforme van adquiriendo ms experiencia en l. A bla adjunta, se decide ajustar una funcin n funcin del nmero de das que se lleva
X 10 20 30 40 50 60 70
Y 35 28 23 20 18 15 13
Minutos
25 20
15 10 5 0 0 10 20
Coeficientes
Error tpico
Intercepcin Variable X 1
35.57142857 -0.346428571
1.664454314 0.03721833
20
30
40 Das
50
60
70
80
F 86.63904236
Estadstico t
Probabilidad
Inferior 95%
Superior 95%
Inferior 95,0%
21.37122556 -9.308009581
4.15932E-06 0.000240856
31.29281255 -0.442101334
39.8500446 -0.250755809
31.29281255 -0.442101334
Superior 95,0%
39.8500446 -0.250755809
Un estudiante de la Ingeniera Agrcola de la Universidad Tecnolgica, para poder pagarse sus estudios, debe trabajar como garzn en un bar de su localidad. A este establecimiento, suelen acudir todos los jvenes de la zona. Este ao, con los conocimientos aprendidos, decide por fin estudiar la relacin existente entre la cantidad de sal de las galletas saladas y el consumo de bebidas, ya que es costumbre dar al cliente este aperitivo cuando pide un consumo. Se sabe que las galletas no pueden tener una concentracin de sal superior a 3,5 gramos por cada 1000 galletas y, por ello, decide ir variando a partir de 1 gramo la concentracin de 0,5 en 0,5 gramos cada semana e ir anotando el incremento en caja semanalmente, obteniendo la siguiente tabla:
A partir de tales cifras, se quiere conocer: a) Considera justificado el planteamiento de un modelo lineal para expresar la relacin entre las variables? b) Si el propietario desea unos ingresos de 160.000 pesos, qu cantidad de sal debera aportar por cada 1000 galletas? Si aporta el mximo permitido de sal, cul sera el ingreso en caja? Explicar
Nuevos Gramos Gramos de sal por 1000 galletas 2 2.5 3 3.5 4 15 Ingresos (pesos) 166060 180500 194940 209380 223820 974700
cnolgica, para poder pagarse sus . A este establecimiento, suelen mientos aprendidos, decide por fin lletas saladas y el consumo de ndo pide un consumo. Se sabe que r a 3,5 gramos por cada 1000 galletas acin de 0,5 en 0,5 gramos cada teniendo la siguiente tabla:
Chart Title
250000
200000
Ingresos
150000 100000
50000
0
0 0.5 1 1.5 2 Gramos de Sal
Chart Title
y = 28880x + 108300 R = 0.9678
2.5
3.5
Ingresos
150000
100000
50000
y = 28880x + 108300 R = 1