Professional Documents
Culture Documents
DATOS:
EDAD PESO
X Y
2 14
3 20
5 32
7 42
8 44
DIAGRAMA DE DISPERSIÓN:
PESO Y
49
44
39
34
29
24
19
14
2 3 4 5 6 7 8 9
En el diagrama de dispersión se puede observar que existe una relación directa entre
los años de edad de los niños y el peso en kilos.
MODELO:
Y=A+BX
PESO Y
49
44
y = 5.1538x + 4.6308
39 R² = 0.9877
34
29
24
19
14
2 3 4 5 6 7 8 9
EJERCICIO 2:
DATOS:
Distancia N° de clientes
X Y
15 8
19 7
25 6
23 4
34 2
40 1
DIAGRAMA DE DISPERSIÓN:
N° DE CLIENTES Y
9
1
15 20 25 30 35 40 45
En el diagrama de dispersión se puede observar que existe una relación directa entre
la distancia y el número de clientes.
MODELO:
Y=A+BX
N° DE CLIENTES Y
9
y = -0.2841x + 12.053
8 R² = 0.9028
7
6
5
4
3
2
1
15 20 25 30 35 40 45
Número de clientes= A + B Distancia
Número de clientes= 12.053- 0.2841 Distancia
CONCLUSIÓN:
Si la distancia se incrementa en una unidad, el número de clientes se
decrementa en 0.2841 unidades.
R2 = 0.9028
CONCLUSIÓN:
Me indica que el número de clientes se explica un 90.28% con la variable de
la distancia, y el 9.72% con otra variable que no está en el modelo.
Pronóstico de un niño de seis años
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = 12.053 − 0.2841 × 𝑒𝑑𝑎𝑑 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑖ñ𝑜𝑠
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = 12.053 − 0.2841 × 2
𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔 = 𝟏𝟏. 𝟒𝟖𝟒𝟖 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
DATOS:
N° DE CLIENTES DISTANCIA
X Y
8 15
7 19
6 25
4 23
2 34
1 40
DIAGRAMA DE DISPERSIÓN:
DISTANCIA Y
45
40
35
30
25
20
15
1 3 5 7 9
En el diagrama de dispersión se puede observar que existe una relación directa entre
la distancia y el número de clientes.
MODELO:
Y=A+BX
DISTANCIA Y
45
y = -3.178x + 40.831
40 R² = 0.9028
35
30
25
20
15
1 2 3 4 5 6 7 8 9
DIAGRAMA DE DISPERSIÓN:
X1:
Ventas Y
520
510
500
490
480
470
460
450
440
35 40 45 50 55 60
Al aumentar el número de pedidos de sistemas aumenta el número de ventas
X2:
Ventas Y
520
500
480
460
440
98 108 118 128 138 148
X3:
Ventas Y
520
510
500
490
480
470
460
450
440
64 66 68 70 72 74 76
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.67065013
Coeficiente de determinación
R^2 0.44977159
R^2 ajustado 0.17465739
Coeficientes
Intercepción 934.808406
X1 0.68150804
X2 -0.44629638
X3 -6.25261138
20
Residuos
0
0 10 20 30 40 50 60
-20
-40
X1
20
Residuos
0
0 20 40 60 80 100 120 140 160
-20
-40
X2
X3 Gráfico de los residuales
40
20
Residuos
0
62 64 66 68 70 72 74 76
-20
-40
X3
R2 = 0.4495
CONCLUSIÓN:
Me indica que las variables de pedidos de sistemas, de aplicaciones
educativas y de automatizaciones empresariales explican un 44.95% del
rendimiento y el 55.05% restante con otra variable que no está en el modelo.