Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA DE SISTEMAS E INFORMTICA
TEMA: Ejercicios
CICLO: IV
Resultados:
Estadsticos descriptivos
Media Desviacin N
tpica
X 20,000 7,9057 5
Y1 29,460 2,5648 5
Y2 30,380 1,9486 5
Y3 30,260 2,2030 5
Correlaciones
X Y1 Y2 Y3
Correlacin de Pearson X 1,000 ,635 ,487 ,912
Y1 ,635 1,000 ,829 ,409
Y2 ,487 ,829 1,000 ,133
Y3 ,912 ,409 ,133 1,000
Sig. (unilateral) X . ,125 ,203 ,016
Y1 ,125 . ,041 ,247
Y2 ,203 ,041 . ,415
Y3 ,016 ,247 ,415 .
N X 5 5 5 5
Y1 5 5 5 5
Y2 5 5 5 5
Y3 5 5 5 5
, nos indica que es el 97% de la variacin de la resistencia a la comprensin esta explicada
por la concentracin.
P=0,219 (p>0.05). Por lo que debemos aceptarla Ho y rechazar 1 . El valor de F=10,791, tiene
un valor de P=0, 219 (p>0.05). Se concluye que no hay relacin entre Resistencia a la
comprensin y concentracin.
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 242,509 3 80,836 10,791 ,219a
Residual 7,491 1 7,491
Total 250,000 4
a. Variables predictores: (Constante), Y3, Y2, Y1
b. Variable dependiente: X
Ecuacin de Regresin:
Coeficientesa
Intervalo de
Coeficientes no Coeficientes confianza de 95.0%
estandarizados tipificados para B
Modelo
Lmite Lmite
B Error tp. Beta t Sig. inferior superior
1 (Constante) -124,179 30,440 -4,079 ,153 -510,953 262,596
Y1 -,368 1,134 -,119 -,325 ,800 -14,775 14,039
Y2 1,892 1,374 ,466 1,377 ,400 -15,565 19,348
Y3 3,224 ,745 ,898 4,330 ,144 -6,236 12,684
a. Variable dependiente: X
= 124,179 0.3681 + 1,8922 + 3,2243
A cada valor de Concentracin le corresponde un destino de Resistencia de correlacin basado
en la disminucin constante de -124,179 menos 0.368 veces el valor de la
resistencia de correlacin 1, ms 1,892 veces el valor de la resistencia de correlacin 2 y ms
3,224 veces el valor de la resistencia de correlacin 3.
= 124,179 0.3681
= 124,179 + 1,8922
= 124,179 + 3,2243
Tablas Resumen:
Matriz de Correlacin:
Variables X Y1 Y2 Y3
X 1 0.635 0.487 0.912
Y1 0.635 1 0.829 0.409
Y2 0.487 0.829 1 0.133
Y3 0.912 0.409 0.133 1
= 124,179 0.3681
Interpretacin de los grficos anteriores y su ecuacin de lnea de regresin:
= 124,179 + 3,2243
Nos indica que la relacin es positiva, ya que a mayor resistencia a la
compresin, mayor Concentracin.
= 124,179 + 1,8922
Nos indica que la relacin es positiva, ya que a mayor resistencia a la
Compresin, mayor Concentracin.
= 124,179 + 3,2243
PROBLEMA N3
Una compaa desea modelar la relacin entre sus ventas y las ventas de la industria en
general
Resultados
Los siguientes resultados son las salidas del SPSS:
1. La tabla I
Muestra las medidas para las variables dependiente e independiente
Tabla2. Correlaciones
Ventas de la Rentas de la
Cia Industria
Ventas de la Cia 1,000 ,973
Correlacin de Pearson
Rentas de la Industria ,973 1,000
Ventas de la Cia . ,001
Sig. (unilateral)
Rentas de la Industria ,001 .
Ventas de la Cia 6 6
N
Rentas de la Industria 6 6
2
3. La tabla 3 muestra el Coeficiente de correlacin y su cuadro. expresa la porcin de
varianza de la variable Dependiente, que esta explicada por la variable independiente.
En el ejemplo 2. Toma un valor moderado(es mximo 1) y 2, nos indica que es el
94.8% de la variacin de la cantidad de Ventas de la compaa esta explicada por las
Rentas de la industria
Corregida es una correccin a la baja de 2 que se basa en el nmero de casos y de
variables independientes.
El error tpico de estimacin es la desviacin tpica de los residuos, es decir la
desviacin tpica de las distancias entre las puntuaciones en la variable independiente
y los pronsticos efectuados con la regresin. En general cuanto mejor es el ajuste,
ms pequeo es este error tpico.
Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El
4. Ecuacin de la regresin
La tabla 05 Muestra los coeficientes de la recta de regresin. La columna denominada
Coeficientes no estandarizados contiene los coeficientes de regresin que definen la
ecuacin de regresin en puntuaciones directas. El coeficiente Constante(es el origen
de la recta 0 ) y el Coeficiente Rentas de Industria es dependiente de la recta de
regresin ( 1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que
definen la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables
originales, es decir, tras convertir las puntuaciones directas en tpicas.
Tabla N 5. Coeficientesa
Modelo Coeficientes no Coeficient t Sig. Intervalo de confianza de
estandarizados es 95,0% para B
tipificados
B Error tp. Beta Lmite Lmite superior
inferior
(Constante - ,304 - ,009 -2,274 -,586
) 1,430 4,703
1
Rentas de ,195 ,023 ,973 8,506 ,001 ,131 ,258
la Industria
i = 0,195Xi 1,430
1. La tabla I
Muestra las medidas para las variables dependiente e independiente
Estadsticos descriptivos
Correlaciones
coeficiente temperatura
coeficiente 1,000 ,287
Correlacin de Pearson
temperatura ,287 1,000
coeficiente . ,266
Sig. (unilateral)
temperatura ,266 .
coeficiente 7 7
N
temperatura 7 7
4. Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El
estadstico F permite contrastar la hiptesis nula de la pendiente de la recta de
regresin es cero. En el ejemplo el valor P=0.533(p>0.05). Por lo que debemos aceptar
la Ho y rechazar 1 es decir 1 = 0
Conclusin El valor de F=0,448, tiene un valor de P=0, 533 (p>0.05) Lo cual prueba que
1 = 0 lo que indica que debemos aceptar Ho y rechazar 1 lo que nos lleva a concluir
que no existe relacin entre coeficiente de absorcin relativa (Y) y la Temperatura
C(X).
ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrtica
Regresin 324,483 1 324,483 ,448 ,533b
1 Residual 3622,374 5 724,475
Total 3946,857 6
a. Variable dependiente: coeficiente
b. Variables predictoras: (Constante), temperatura
5. Ecuacin de la regresin
La tabla 05 Muestra los coeficientes de la recta de regresin. La columna denominada
Coeficientes no estandarizados contiene los coeficientes de regresin que definen la
ecuacin de regresin en puntuaciones directas.
El coeficiente Constante(es el origen de la recta 0 ) y el Coeficiente Rentas de
Industria es dependiente de la recta de regresin (1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes
que definen la ecuacin de regresin cuando esta se obtiene tras estandarizar las
variables originales, es decir, tras convertir las puntuaciones directas en tpicas.
Coeficientesa
Modelo Coeficientes no Coeficientes t Sig. Intervalo de confianza de
estandarizados tipificados 95,0% para B
B Error tp. Beta Lmite Lmite
inferior superior
(Constante) 11,701 23,472 ,498 ,639 -48,637 72,038
1
temperatura ,522 ,779 ,287 ,669 ,533 -1,482 2,525
a. Variable dependiente: coeficiente
i = 11,701 + 0,522Xi
DIAGRAMA DE DISPERCION
Cuando x=25
i = 11,701 + 0,522Xi
i = 11,701 + 0,522(25)
i = 24,751
i=22.75
Resultados de la investigacin
Coeficientes de absorcin
temperatura C
relativa
La correlacin de variables de inters del estudio muestra una relacin positiva o directa entre
las Coeficientes de absorcin relativa y temperatura C
FIGURA 01 DIAGRAMA DE DISPERSIN CON LA LNEA DE REGRESIN.
El valor positivo de la pendiente (1 ). Nos indica que la relacin es directa o positiva, es decir
amayorTemperatura C (X)mayorCoeficientes de absorcin relativa (Y).
PROBLEMA N8
Se desea purificar por destilacin a presin reducida Salicilato de metilo a una presin de 15
mmHg considerando que la temperatura de ebullicin es una funcin de la presin y a partir
de los siguientes datos experimentales de presin y temperatura de Salicilato de metilo.
P(MHG) - X T(C) - Y
1 54
5 81.6
10 95.3
20 110
40 126.2
60 136.7
100 150
200 172.6
400 197.5
760 223.2
Graficar un diagrama de dispersin.
Obtenga una ecuacin que mejor describa la relacin entre la temperatura y la presin y
determine si el modelo hallado es vlido.
Coeficientesa
Coeficientes no Coeficientes
estandarizados estandarizados 95.0% intervalo de confianza para B
Error
estnda Lmite
Modelo B r Beta t Sig. inferior Lmite superior
1 (Constante) -
-378,972 119,634 3,16 ,013 -654,848 -103,096
8
Presion en 4,80
3,998 ,833 ,862 ,001 2,078 5,918
mHg 2
a. Variable dependiente: Temperatura en C
P=0,001 (p<0.05). Por lo que debemos aceptarla H1 y rechazar H0. El valor de F=23.061, tiene
un valor de P=0, 001 (p<0.05).
1 ( )
= +
( )2
= 54.85
(1 )
2
153 (1 ) 54.85
2
2
1 ( )
= 1 + +
( )2
= 240.54
(1 )
2
PROBLEMA N9
Los datos de la tabla presentan las millas por galn que recorre un automvil de prueba
empleando gasolina de diversos niveles de octano.
a) Calcular r y r2
b) Dan los datos evidencia suficiente para indicar que existe correlacin entre el
rendimiento y el nmero de octano para el automvil de prueba?
- Como r > 0 si se dice que existe un alta correlacin positiva entre el Nmero
de Octano y el Rendimiento por galn.
= 230,839 + 3,464
d) Calcule un intervalo de confianza del 99% para , Bo y B1 e interprete
1 (1 ; 2)1
2
De la siguiente tabla obtenemos el valor de CME
21 =
( )2
Donde:
= 4403,628 = 66,35983
66.36
21 =
12.40
1 = 2.313
1 (1 ; 2)1
2
3,464 (1 ; 2) 2.313
2
3,464 (0,995; 6) 2.313
3,464 2,921 2.313
3,29 < < 10,22
PROBLEMA N10
Se llev a cabo un estudio para determinar si hay relacin lineal entre la resistencia a la ruptura
de vigas de madera y la densidad relativa x de la madera. Se seleccionaron al azar diez vigas de
las mismas dimensiones transversales y se les aplicaron esfuerzos hasta que se rompieron. A
continuacin se muestran las resistencias a la ruptura y la densidad de madera para cada una
de las diez vigas.
Densidad
0.499 0.558 0.604 0.441 0.550 0.528 0.418 0.480 0.406 0.467
relativa X
Resistencia
11.14 12.74 13.13 11.51 12.38 12.60 11.13 11.70 11.02 11.41
Y
RESULTADOS
Los resultados siguientes son la salida del ejercicio realizado en el software SPSS.Se han
generado los promedios y la desviacin estndar para ambas variables.
Resumen ANOVA nos informa si existe o no relacin entre las variables. El estadstico F
permite contrastar la hiptesis nula de la pendiente de la recta de regresin es cero.
= . + .
PROBLEMA N12
MILLASPOR HORA X 50 55 60 65 70 75
MILLASPORGALN(Y) 34.8, 33.6 34.6, 34.1 32.8, 31.9 32.6, 30.0 31.6, 31.8 30.9, 31.7
Solucin
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que definen
la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables originales, es
decir, tras convertir las puntuaciones directas en tpicas.
i = 256,477 5,956 Xi
PROBLEMA N14
X C Y(GRAMOS)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
Solucin
X C Y(GRAMOS)
0 7.33
15 12
30 23.33
45 30.67
60 41.67
75 47.67
X C 6 6
El error tpico de estimacin es la desviacin tpica de los residuos, es decir la desviacin tpica
de las distancias entre las puntuaciones en la variable independiente y los pronsticos
efectuados con la regresin. En general cuanto mejor es el ajuste, ms pequeo es este error
tpico.
Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El estadstico F
permite contrastar la hiptesis nula de la pendiente de la recta de regresin es cero. En el
ejemplo el valor P=0,990(p>0.05). Por lo que debemos aceptar la Ho y rechazar 1 es decir 1 =
0
Conclusin El valor de F=416.925 tiene un valor de P=0, 990 (p>0.05) Lo cual prueba que 1 =
0 lo que indica que debemos aceptar
TABLA 04 ANOVAa
Modelo Suma de df Media F Sig.
cuadrados cuadrtica
Regresin 1269,054 1 1269,054 416,925 ,000b
1 Residual 12,175 4 3,044
Total 1281,230 5
Ecuacin de la regresin
La tabla 05 Muestra los coeficientes de la recta de regresin. La columna denominada
Coeficientes no estandarizados contiene los coeficientes de regresin que definen la ecuacin
de regresin en puntuaciones directas. El coeficiente Constante(es el origen de la recta 0 ) y el
Coeficiente Rentas de Industria es dependiente de la recta de regresin (1 ).
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que definen
la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables originales, es
decir, tras convertir las puntuaciones directas en tpicas.
Tabla N 5 Coeficientesa
Coeficientes no Coeficient t Sig. Intervalo de confianza
estandarizados es de 95,0% para B
Modelo tipificados
B Error tp. Beta Lmite Lmite
inferior superior
(Constante) 5.822 1,263 -4,611 ,010 2.317 9,328
1
X C ,568 ,028 ,995 20,419 ,000 ,491 ,645
a. Variable dependiente: Ventas de la compaa
i = 5,822+ 0,568 Xi
Ocho personas que han sido capacitadas en un nuevo programa, se escogen al azar, para utilizar
adecuadamente dicho programa y dar respuesta a las consultas hechas (Y) por los usuarios de
una empresa, despus del nuero indicado de das de capacitacin X, como se representan en el
cuadro adjunto. Los datos parecen sugerir que la relacin entre X e Y puede describirse en forma
curvilnea.
N DE CONSULTAS Y 15 18 25 30 35 45 53 70
TIEMPO DE 1 2 3 4 5 6 7 8
CAPACITACIN X
Solucion:
La tabla 1
Estadsticos descriptivos
Media Desviacin tpica N
Correlaciones
N de Tiempo de
consultas Capacitacion
N de consultas 1,000 ,989
Correlacin de Pearson
Tiempo de Capacitacion ,989 1,000
N de consultas . ,000
Sig. (unilateral)
Tiempo de Capacitacion ,000 .
N de consultas 7 7
N
Tiempo de Capacitacion 7 7
Conclusin El valor de F=234,349, tiene un valor de P=0, 000(p<0.05) Lo cual prueba que 1 =
0 lo que indica que debemos rechazar Ho y rechazar 1 lo que nos lleva a concluir que no existe
relacin entre el N de consultas(Y) esta explicada por las el Tiempo de capacitacin(X).
ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrtica
Regresin 1131,571 1 1131,571 234,349 ,000b
1 Residual 24,143 5 4,829
Total 1155,714 6
a. Variable dependiente: N de consultas
b. Variables predictoras: (Constante), Tiempo de Capacitacion
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que definen
la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables originales, es
decir, tras convertir las puntuaciones directas en tpicas.
En el anlisis de regresin lineal simple, el coeficiente de regresin estandarizado corresponde
a la nica variable independiente presente en la ecuacin coincide exactamente con el
coeficiente de correlacin de Pearson. En el anlisis de Regresin mltiple, los coeficientes de
regresin estandarizados permiten valorar la importancia de cada variable independiente
dentro de una ecuacin.
Coeficientesa
Modelo Coeficientes no Coeficien t Sig. Intervalo de
estandarizados tes confianza de
tipificado 95,0% para B
s
B Error tp. Beta Lmite Lmite
inferior superio
r
(Constante) 6,143 1,857 3,308 ,021 1,369 10,917
1
Tiempo de Capacitacion 6,357 ,415 ,989 15,308 ,000 5,290 7,425
a. Variable dependiente: N de consultas
i = 6,143 + 6,357 Xi
Tabla 01: Resumen estadstico de valores promedio, desviacin estndar, mnimo y mximo de las Ventas
de la Industria y Renta de la Compaa
Variables Media Mxima Mnima Desviacin estndar CV%
Nmero de Consultas 31,57 70 15 13,879 43,96
El valor positivo de la pendiente (1 ). Nos indica que la relacin es directa o positiva, es decir
amayor Tiempo de Capacitacin(X) mayor N de Consultas.
i = 41,1065
PROBLEMA N16
Se desea saber la relacin que existe entre la demanda mxima de una planta generadora de
energa elctrica y la temperatura mxima diaria. Se dispone de una muestra de 10 datos que
se presentan a continuacin:
DEMANDA_MAXIMA(Y) TEMPERATURA_MAXIMA(X)
214 95
152 82
156 90
129 81
254 99
266 100
210 93
204 95
213 93
150 87
Resultados
La tabla I
Tabla 2.Correlaciones
Demanda_maxima Temperatura_maxima
Demanda_maxima 1,000 ,944
Correlacin de Pearson
Temperatura_maxima ,944 1,000
Demanda_maxima . ,000
Sig. (unilateral)
Temperatura_maxima ,000 .
Demanda_maxima 10 10
N
Temperatura_maxima 10 10
Tabla 4 Resumen ANOVA nos informa si existe o no relacin entre las variables. El estadstico F
permite contrastar la hiptesis nula de la pendiente de la recta de regresin es cero. En el
ejemplo el valor P=0,000(p<0.05). Por lo que debemos rechazar la Ho y aceptar 1 es decir 1
0
Conclusin El valor de F=65,605, tiene un valor de P=0, 000 (p<0.05) Lo cual prueba que 1 0
lo que indica que debemos rechazar Ho y aceptar 1 lo que nos lleva a concluir que existe
relacin entre Demanda Mxima (Y) y la Temperatura Mxima del Da (X)
Tabla 4. ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrtica
Regresin 17169,871 1 17169,871 65,605 ,000b
1 Residual 2093,729 8 261,716
Total 19263,600 9
a. Variable dependiente: Demanda_maxima
b. Variables predictoras: (Constante), Temperatura_maxima
Ecuacin de la regresin
Los coeficientes Beta (coeficientes de regresin estandarizados) son los coeficientes que definen
la ecuacin de regresin cuando esta se obtiene tras estandarizar las variables originales, es
decir, tras convertir las puntuaciones directas en tpicas.
Tabla 5.Coeficientesa
Modelo Coeficientes no Coeficientes t Sig. Intervalo de confianza de
estandarizados tipificados 95,0% para B
B Error tp. Beta Lmite Lmite
inferior superior
(Constante) -419,849 76,058 -5,520 ,001 -595,239 -244,460
1 Temperatur 6,717 ,829 ,944 8,100 ,000 4,805 8,630
a_maxima
a. Variable dependiente: Demanda_maxima
i = -419,849 + 6,717 Xi
i = -419,849 + 6,717 Xi
Nos piden la temperatura a 98 F
i = -419,849 + 6,717 (98)
i = 238.417
Forma de presentar los resultados en una investigacin
Temperatura Mxima
91,5000 100 81 6,50214 7.1
Del Da
Del Da
El valor positivo de la pendiente (1 ). Nos indica que la relacin es directa o positiva, es decir
amayorTemperatura Mxima Del Da (X) mayor Demanda Mxima (Y).