Documente Academic
Documente Profesional
Documente Cultură
Las regresiones
Ejercicios
SOLUCION
Manual = X
25
40
120
75
150
300
270
400
450
575
2405
Automtico
=Y
30
80
150
80
200
350
240
320
470
583
2503
625
1600
14400
5625
22500
90000
72900
160000
202500
330625
900775
750
3200
18000
6000
30000
105000
64800
128000
211500
335225
902475
Y m X bn
Y=0.9(100)+26.11=116.11
Solucin
1
4
9
25
36
75
1
2
3
5
6
17
>cuadrititos=read.table("cuadras.txt",header=T)
> attach(cuadrititos)
> cuadrititos
NL
1 11
2 42
3 93
4 25 5
5 36 6
> regresion <- lm(L ~ N, data = cuadrititos)
> summary(regresion)
Call:
lm(formula = L ~ N, data = cuadrititos)
Residuals:
1
2
3
4
5
-0.4895 0.1011 0.4188 0.2353 -0.2658
NL
1
16
81
625
1296
2019
1
8
27
125
216
377
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.35302 0.28808 4.697 0.01826 *
N
0.13647 0.01434 9.519 0.00246 **
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 0.4287 on 3 degrees of freedom
Multiple R-squared: 0.968, Adjusted R-squared: 0.9573
F-statistic: 90.61 on 1 and 3 DF, p-value: 0.002459
> plot(cuadrititos)
> abline(lm(L~N))
1995
1,25
1996
1997
11,25
1998
20
1999
30,5
4) Cinco nias de 2,4, 6,7 y 8 aos pesan respectivamente 15, 19, 25, 38, y
34 kilogramos respectivamente, entonces una nia de 12 aos pesara
aproximadamente:
A. 45
B. 55
C. 15
D. 51
E. 61
5) En el anlisis de Regresin lineal se puede afirmar todo lo siguiente
excepto:
A. Ajusta los datos a una lnea recta
B. Predice valores de una variable si se conoce el valor de la otra
C. Establece una relacin cuantitativa entre dos variables relacionadas
D. El mtodo grfico para determinar la relacin entre dos variables es
ms concreto que el mtodo matemtico o de mnimos cuadrados
E. Una relacin lineal entre dos variables queda representada por una lnea
recta llamada ecuacin de regresin
6) Dado Los siguientes datos expuestos en la tabla
Edad
Estatura
60
80 100 110
112
100
100
80
80
60
60
40
40
20
20
0
0
120
120
120
100
100
80
80
60
60
40
40
20
20
0
0
120
120
100
100
80
80
60
60
40
40
20
20
0
0
120
120
100
100
80
80
60
60
40
40
20
20
0
0
350000
886900
310000
650000
961200
320000
756000
1200000
345000
289000
350000
889000
320000
665500
965000
320000
756000
1300000
320000
289000
350000
890000
320000
689500
996000
320000
759600
1700100
750000
289000
566700
896500
320000
689500
999000
340000
759600
1700100
1120000
310000
566700
900000
320000
690000
1000000
340000
789000
1700100
345000
310000
566700
936200
320000
690000
1025000
340000
789000
1700100
863000
310000
600000
942500
320000
699000
1025000
340000
800000
1700100
886000
320000
700000
1096000
320000
699000
1063000
340000
800000
1700100
345000
320000
700000
1116300
345000
859600
1777000
340000
800000
1700100
850000
320000
750000
1120000
345000
862300
1800000
345000
800000
1700100
1750000
>salarios=c(289000,350000,886900,310000,650000,961200,320000,756000,1200000,345000,289000,350000,889000,
320000,665500,965000,320000,756000,1300000,320000,289000,350000,890000,320000,689500,996000,320000,759
600,1700100,750000,289000,566700,896500,320000,689500,999000,340000,759600,1700100,1120000,310000,5667
00,900000,320000,690000,1000000,340000,789000,1700100,345000,310000,566700,936200,320000,690000,102500
0,340000,789000,1700100,863000,310000,600000,942500,320000,699000,1025000,340000,800000,1700100,886000,
320000,700000,1096000,320000,699000,1063000,340000,800000,1700100,345000,320000,700000,1116300,345000,
859600,1777000,340000,800000,1700100,850000,320000,750000,1120000,345000,862300,1800000,345000,800000,
1700100,1750000)
> par(mfrow=c(1,2))
> f=table(salarios)
> dd <- density(salarios)
> barplot(f)
> plot(dd,add=T)
> summary(salarios)
Min.
Max.
A.
B.
C.
D.
A.
B.
C.
D.
E.
A.
B.
C.
D.
E.
Xi
f
A.
B.
C.
D.
E.
1
2
2
8
3
3
4
5
5
7
6
5
2
1/3
3
1
289000
350000
886900
310000
650000
961200
320000
756000
1200000
345000
289000
350000
889000
320000
665500
965000
320000
756000
1300000
320000
289000
350000
890000
320000
689500
996000
320000
759600
1700100
750000
289000
566700
896500
320000
689500
999000
340000
759600
1700100
1120000
310000
566700
900000
320000
690000
1000000
340000
789000
1700100
345000
310000
566700
936200
320000
690000
1025000
340000
789000
1700100
863000
310000
600000
942500
320000
699000
1025000
340000
800000
1700100
886000
320000
700000
1096000
320000
699000
1063000
340000
800000
1700100
345000
320000
700000
1116300
345000
859600
1777000
340000
800000
1700100
850000
320000
750000
1120000
345000
862300
1800000
345000
800000
1700100
1750000
> library(ineq)
>salarios=c(289000,350000,886900,310000,650000,961200,320000,756000,1200000,345000,289000,350000,889000,320000,665
500,965000,320000,756000,1300000,320000,289000,350000,890000,320000,689500,996000,320000,759600,1700100,750000,289
000,566700,896500,320000,689500,999000,340000,759600,1700100,1120000,310000,566700,900000,320000,690000,1000000,34
0000,789000,1700100,345000,310000,566700,936200,320000,690000,1025000,340000,789000,1700100,863000,310000,600000,9
42500,320000,699000,1025000,340000,800000,1700100,886000,320000,700000,1096000,320000,699000,1063000,340000,80000
0,1700100,345000,320000,700000,1116300,345000,859600,1777000,340000,800000,1700100,850000,320000,750000,1120000,34
5000,862300,1800000,345000,800000,1700100,1750000)
> g=ineq(salarios,type="Gini")
>g
[1] 0.3122976
> plot(Lc(salarios),col="darkred",lwd=2)