LAS NOTAS DE 12 ALUMNOS DE UNA CLASE EN MATEMATICAS Y FISICA SON LAS

hallar el coeficiente de correlacion lineal e interpretarlo.

matematicas fsica
xi
yi
xiyi
2
1
2
2
1
3
3
9
3
3
4
2
8
4
2
4
4
16
4
4
5
4
20
5
4
6
4
24
6
4
6
6
36
6
6
7
4
28
7
4
7
6
42
7
6
8
7
56
8
7
10
9
90
10
9
10
10
100
10
10
72
60
431
6
5

SIGUIENTES:
xi2
4
9
16
16
25
36
36
49
49
64
100
100

504

12
10
8
Fsica

6
Column B

Linear (Column B)

2
0
1
2 la3recta
4 de5regresion
6
7 de 8y sobre
9
10
ecuacion
de
x

11

Matematicas

y y

xy
(x x)
x2

y=0.987x-0.922

ecuacin de la recta de regresin de x sobre y

xx

xy
( y y)
2
y

x=0.889y+1.1556

SIGUIENTES:
yi2
1
9
4
16
16
16
36
16
36
49
81
100

xy

f i xi yi
xy
N

380

2.44948974

2.5819889

xy
r
x y

Aplicamos:

Para el calculo de la recta de regresion:

i 1

nB

(Column B)

xi2 f i
x2
N

i 1

5.91666667

x2

2
i

x
x2
N

y2

6.66666667

covarianza

desviacin tpica

0.93550714
positivo, correlacin directa fuerte

varianza

Los valores de dos variables X e Y se distribuyen segn la tabla siguiente:

DETERMINAR EL COEFICIENTE DE CORRELAC
Y/X
0
2
4
1
2
1
3
2
1
4
2
3
2
5
0
xi

yi

fi

xifi

0
0
0
2
2
2
4
4

1
2
3
1
2
3
1
2

2
1
2
1
4
5
3
2

18
2

18
2

xi2fi

yifi

0
0
0
2
8
10
12
8
0

0
0
0
4
16
20
48
32
0

2
2
6
1
8
15
3
4
0

20

40

120

41

6
5
4
Axis Title

3
Column C

Linear (Column C)

1
0
0

0.5

1.5

2.5

Axis Title

3.5

4.5

COEFICIENTE DE CORRELACIN

.5

xy
yi2fi

xiyifi
2
4
18
1
16
45
3
8
0

0
0
0
2
16
30
12
16
0

97

76

Column C
Linear (Column C)

f i xi yi
xy
N
n

i 1

xi2 f i
x2
N

1.41

xy
r
x y

-0.153393

-0.2 COVARIANZA

x2
DESVIACIONES TPIs
0.92195445

correlacin inversa debil

Un centro comercial sabe en funcin de la distancia, en kilmetros, a la que se site de un ncleo de p

N de
Clientes
(X)
8
7
6
4
2
1

Distancia
(Y)
15
19
25
23
34
40

28
4.66666667

xi

yi

8
7
6
4
2
1

15
19
25
23
34
40

156
26

xiyi

28

156

120
133
150
92
68
40
603

45
40
35
30
25
Axis Title

20

Distancia (Y)

15

Linear (Distancia (Y))

10
5
0
0

Axis Title

a que se site de un ncleo de poblacin, acuden los clientes, en cientos, que figuran en la tabla:

xi2

stancia (Y)

near (Distancia (Y))

yi2
64
49
36
16
4
1
170

225
361
625
529
1156
1600
4496

xy

f i xi yi
xy
N
n

i 1

2.56038192

xy
r
x y

xi2 f i
x2
N
8.56348839

-0.95017434

uran en la tabla:

-20.8333333 covarianza

x2

negativo cercano a -1 correlacin inversa fuerte

Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan, respectivamente, 14, 20, 32, 42 y 44 kilos

xi

yi

xi2

yi2

xi yi

2
3
5
7
8

14
20
32
42
44

4
9
25
49
64

196
400
1024
1764
1936

28
60
160
294
352

25
5

152
30.4

151

5320

894

50
45
40

Axis Title

35
30
25
Column B

20
15

Linear (Column B)

10
5
0
1

Axis Title

20, 32, 42 y 44 kilos

1.- Hallar la ecuacin de larecta de regresinde la edad sobre el peso.
2.- Cul sera el peso aproximado de un nio de seis aos?

x2

5.2

xy

y2

139.84 varianzas

f i xi yi
xy
N

xy
y y
(x x)
x2

26.8 covarianza

ecuacin de la recta
y=5.15x+4.65

umn B

ar (Column B)

xx

xy
( y y)
2
y

el peso aproximado de un nio de 6 aos es:

x=0.192y-0.76

y=5.15(6)+4.65

de la recta

= 35.55 kg

La siguiente tabla relaciona la cantidad de fibra (madera) en la pulpa con la resistencia del producto (papel)
DETERMINAR EL COEFICIENTE DE CORRELACION.
datos de resistencia de pulpa
porcentaje de fibra X
resistencia y
xi
yi
xi.yi
xi2
yi2
4
134
4
134
536
16
6
145
6
145
870
36
8
142
8
142
1136
64
10
149
10
149
1490
100
12
144
12
144
1728
144
14
160
14
160
2240
196
16
156
16
156
2496
256
18
157
18
157
2826
324
20
168
20
168
3360
400
22
166
22
166
3652
484
24
167
24
167
4008
576
26
171
26
171
4446
676
28
174
28
174
4872
784
30
183
30
183
5490
900
238
2216
238
2216
39150
4956
17 158.28571429 MEDIAS

xiyi n
(
x)
x
xi

yi
1.62417582

0 y 1 x

17956
21025
20164
22201
20736
25600
24336
24649
28224
27556
27889
29241
30276
33489
353342

130.674725

y
0 1 x

=130.6747-1.6241x Ecuacin de la recta de

mejor ajuste

Calculo de los residuos:

xi

Fuente de variacin

Regresin lineal
Error
Total

yi

e yi y
i
Residuos e
n
124.1783
9.8217
2
i
120.9301
24.0699
2
i 1
117.6819
24.3181
R
114.4337
34.5663
111.1855
32.8145
107.9373
52.0627
104.6891
51.3109
101.4409
55.5591
98.1927
69.8073
94.9445
71.0555
91.6963
75.3037
88.4481
82.5519
85.1999
88.8001
81.9517
101.0483
773.09 SUMATORIA DE RESIDUOS

Valor Ajustado y

4
6
8
10
12
14
16
18
20
22
24
26
28
30

134
145
142
149
144
160
156
157
168
166
167
171
174
183

Suma de Cuadrados

Grados de
libertad

2400.4198
180.43734286
2580.8571429

1
12
13

Cuadrado medio

Fo

n2

Valor-p

2400.4198
F(0.05,1,12)
15.0364452 159.640112
=4.75

49805.679

x
y
y2
xy
1

El mdelo de regresin lineal simple planteado si es signficativo, debido a que el

valor del estimador p resulta menor que el estimador Fo

 xy

f i xi yi
xy
N
n

i 1

x
aplicamos

n de la recta de

8.06225775

xi2 f i
N

xy
r
x y

105.571429 es >0 correlacion directa

13.5774423 desviaciones tipicas

0.96443232
positivo muy cercano a 1, correlacion directa fuerte

200
190
180
170
RESISTENCIA

160
Column B

150

Linear (Column B)

140
130
120
0

10

15

20

25

PORCENTAJE DE FIBRA

30

35

120
0

10

15

20

25

PORCENTAJE DE FIBRA

VARIANZA RESIDUAL

238
2216
353342
39150
1.6241
14

30

35

Los datos de produccin de trigo en toneladas (X) y el precio del kilo de harina en pesetas (Y) en la
ei2 72.3325478 38.5914943 14.421032585 0.07465552
Produccion de Trigo
30
28
32
25
Precio de la Harina
25
30
27
40
xiyi
750
840
864
1000
xi2
900
784
1024
625
yi2
625
900
729
1600
y i
33.5048544 36.2122053 30.797503467
40.27
ei=yi-yi -8.50485437 -6.21220527 -3.797503467 -0.27323162
n
-1.353675451

(x

i 1

x )( yi y )

(x

x )2
74.115117892
0i 1 y 1 x
i

la recta de regresin es:

y
0 1 x

y
74.115 1.3537 x

de harina en pesetas (Y) en la dcada de los 80 en Espaa fueron:

Ajusta la recta de regresion por
2.98172903 0.07465552 32.1006327 11.3777559 10.6505816 25.320019
25
25
22
24
35
40
42
40
50
45
30
25
1050
1000
1100
1080
1050
1000
625
625
484
576
1225
1600
1764
1600
2500
2025
900
625
40.2732316 40.2732316 44.334258 41.6269071 26.7364771 19.9680999
1.72676838 -0.27323162 5.66574202 3.37309293 3.26352288 5.03190014
Ejercicio 9, calcular la varianza residual:
Calculamos primero los residuos usando la recta de regresin:

1.3537 x

S R2

e
i 1

2
i

n2

25.990638 varianza residual

sta la recta de regresion por el mtodo de mnimos cuadrados.

suma
medias
286 x 28.6
354 y 35.4
9734
8468
13268
354
-7.105E-015 suma de ei2=
207.925104

ecta de regresin:

anza residual

PROBLEMA 1: Se seleccion una muestra de 12 casas vendidas la semana pasada en San Pedro Pochutla. Puede concluirse que a medida qu
aumenta la extensin del inmueble (indicada en miles de pies cuadrados), el precio de venta (en miles de pesos) aumenta tambin?
Extensin
del inmueble

Precio de
venta

1.4
1.3
1.2
1.1
1.4
1

100
110
105
120
80
105

1.3

a) Calcule el coeficiente de correlacin

b) Obtenga el coeficiente de determinacin
c) Establecidas
Ho: p0 ; Ha: p>0
Concluya si existe una asociacin positiva entre la extensin de una casa y su precio de venta.
Use un nivel de significancia de 0.05

xi

yi

xi.yi

x2

y2

110

1.4

100

140

1.96

10000

0.8

85

1.3

110

143

1.69

12100

1.2

105

1.2

105

126

1.44

11025

y2

0.9
1.1
1.1

75
70
95

1.1
1.4
1
1.3
0.8
1.2
0.9
1.1
1.1

120
80
105
110
85
105
75
70
95

132
112
105
143
68
126
67.5
77
104.5

1.21
1.96
1
1.69
0.64
1.44
0.81
1.21
1.21

14400
6400
11025
12100
7225
11025
5625
4900
9025

x2

13.8

1160

1344

16.26

114850

=
Medias=

xy

f i xi yi

xy
N

n=

xy
1

1.15 96.6666667

0.83333333

i 1

xi2 f i
x2
N

0.18027756

15.0462251

 xy

f i xi yi
xy
N

se que a medida que

menta tambin?

xy
x y
r2

0.30722002 positivo, correlacion directa debil

Dados
0.09438414 coeficiente de determinacin

xiyi n
(
x)
x
xi

Ho: p0 ; Ha: p>0

yi

25.6410256

0 y 1 x

Ecuacin de la recta de mejor ajuste:

y
0 1 x

12

67.1794872

=67.1794+25.6410x

13.8
1160
114850
16.26
1344
25.6410256

Fuente de
variacin

Regresin
lineal
Error
Total

Suma de
Cuadrados

256.410256
2460.25641
2716.66667

Grados de
libertad

Cuadrado medio

256.410256

10
11

246.025641

Fo

Valor-p

1.04220948

F(0.05,1,10)
= 4.96

El valor de p es mayor que el de Fo

ademas p>0, No existe una asociac
positiva entre la extensin de la cas
precio de venta.

Ha: p>0

or que el de Fo,
ste una asociacin
ensin de la casa y su

Problema 2.-En la siguiente tabla se presentan el nmero de pginas y el precio en dlares de 12 libros tcnicos:
Pginas
Precio
Pginas
Precio
Pginas
Precio
310
3.5
400
8
420
2.5
a) Ajustar una recta de regresin q
funcin del nmero de pginas e in
b) Construir la tabla ANOVA asocia
300
3.5
170
1.8
610
5
c) Calcular intervalos de confianza
libro de 500 pginas.
280
3.5
430
7
420
5.4
310

7.3

230

3.2

xi
310
300

yi
3.5
3.5

xi.yi
1085
1050

x2
96100
90000

y2
12.25
12.25

280

3.5

980

78400

12.25

310

7.3

2263

96100

53.29

400

3200
306
3010
736
1050
3050
2268
1665
20663

160000
28900
184900
52900
176400
372100
176400
202500
1714700

64
3.24
49
10.24
6.25
25
29.16
13.69
290.62

170
1.8
430
7
230
3.2
420
2.5
610
5
420
5.4
450
3.7
=
4330
54.4
Medias= 360.833333 4.53333333

450

3.7

xiyi n
(
x)
x
xi

yi

Ecuacin de la recta de

y
0 1 x

lares de 12 libros tcnicos:

justar una recta de regresin que explique el precio en

cin del nmero de pginas e interpretar los resultados.
onstruir la tabla ANOVA asociada. Es el ajuste adecuado?
alcular intervalos de confianza al 90% para el precio de un
o de 500 pginas.

xiyi n
(
x)
x
xi

yi

0.00678741

0 y 1 x

2.08420793

Ecuacin de la recta de mejor ajuste:

y 0 1 x

=2.0842+0.006787x

Fuente de
variacin

Regresin
lineal
Error
Total

Suma de
Cuadrados

7.01592412
36.9907425
44.0066667

Grados de
libertad

Cuadrado medio

7.01592412

10

3.69907425

11

Para un libro de 500 paginas:

5.47791518
n=
x
y
y2
x2
xy
1

12
4330
54.4
290.62
1714700
20663
0.00678741

Fo

Valor-p

1.89667026

F(0.1,1,10)=
3.29

3.- Los siguientes datos muestran los rangos de consumo de oxigeno de ave

Temperatura
(C)
-18
-15
-10
-5
0
5

No es significativo

Consumo de
oxigeno a) Calcular la recta de regresin que mejor se ajus
(ml/g/hr) b) Construir la tabla ANOVA asociada.
5.2 c) Calcular el error estndar de la estimacin de la
4.7 d) Calcular el coeficiente de determinacin de la r
4.5 e) Existe una asociacin significativa entre la tem
3.6 95%
3.4
3.1

10

2.7

19

1.8

xi

=
Medias=

xiyi n
(
x)
x
xi

yi
-18

5.2

-15
-10
-5
0
5
10
19
-14
-1.75

4.7
4.5
3.6
3.4
3.1
2.7
1.8
29
3.625

yi

-0.0877587

0 y 1 x

y
0 1 x

=3.4466-0.1019x

de oxigeno de aves, medidas en diferentes temperaturas ambientales.

n que mejor se ajuste al modelo.

ociada.
e la estimacin de la regresin.
eterminacin de la regresin.
ficativa entre la temperatura y el consumo de oxigeno? Use un intervalo de confianza del

xi.yi

y2

-93.6

324

-70.5
-45
-18
0
15.5
27
34.2
-150.4

225
100
25
0
25
100
361
1160

0 y 1 x

19x

x2

3.47142228

xy

27.04

f i xi yi
xy
N
Fuente de

variacin
22.09
-12.45625
Regresin
20.25
n
lineal
xi2 f i

x2

12.96
Error
N
i 1
11.56
Total
9.61 11.9137526
1.05563962
7.29
3.24
xy
114.04
-0.99042834
x
y

r2

0.9809483

Suma de
Cuadrados

8.74515412
0.16984588
8.915

Grados de
libertad

1
6
7

Cuadrado medio

8.74515412
0.02830765

Si existe una asociacin significativa entre la te

oxigeno de las aves

Fo

Valor-p

F(0.05,1,8)=
308.932568
5.32

nificativa entre la temperatura y el consumo de

oxigeno de las aves.

n=
x
y
y2
x2
xy
1

8
-14
29
114.04
1160
-150.4
-0.0877587

Se ha solicitado a un grupo de 50 individuos informacin sobre el nmero de horas que dedican diariamente a dormir y ver la televisin. La
clasificacin de las respuestas ha permitido elaborar la siente tabla:
x
y
(fi)

6
4
3

1 Calcular elcoeficiente de correlacin.

2Determinar la ecuacin de larecta de regresinde Y
sobre X.
3 Calcular los residuos y la varianza residual
4Si una persona duerme ocho horas y media, cunto
cabe esperar que vea la televisin?
5 Determinar si el modelo planteado es significativo. Usar
un intervalo de confianza de 0.05 y para la regresin lineal
3 grados de libertad.

7
3
16

8
3
20

9
2
10

10
1
1

yifi

yi2fi

12
48
60
20
1

48
144
180
40
1

X = No de Horas dormidas

xi

yi

fi

xifi

xi2fi

6
7
8
9
10

4
3
3
2
1

3
16
20
10
1

18
112
160
90
10

108
784
1280
810
100
3082

40

13
n

i 1

50

xi2 f i
x2
N

xi
yi
xiyi

n
( x) 2
n

390

0.89442719

141

xy

0.55461698

-0.545

0 y 1 x

y
0 1 x

xiyifi

413

2.711 hrs

72
336
480
180
10
1078

f i xi yi
xy
N

r xy
x y

x=
y=

-0.436

-0.87891794

7.071

=7.071-0.545x Ecuacin de la recta

que mejor ajusta

Si una persona duerme ocho horas y media, cunto cabe esperar que vea la televisin?

7.071-0.545 (8)
=

Medias:

Correlacin inversa
Tenemos una
Correlacin
negativa
(Inversamente
Fuerte)

7.071-0.545 (8)
=

a televisin. La

gresinde Y

xi

yi

fi

6
7
8
9
10

4
3
3
2
1

3
16
20
10
1

y i
3.801
3.256
2.711
2.166
1.621

a, cunto

ei=yi-yi
0.199
-0.256
0.289
-0.166
-0.621
=

ei2
0.039601
0.065536
0.083521
0.027556
0.385641
0.601855

ificativo. Usar
egresin lineal

elacin inversa

enemos una
Correlacin
negativa
nversamente
Fuerte)

S R2

e
i 1

2
i

n2

n=
xfi
yfi
y2fi

7.80
2.82

x2fi
xyfi
1

Fuente de
variacin

Regresin
lineal
Error
Total

Suma de
Cuadrados

11.881
3.499
15.38

Grados de
libertad

Cuadrado medio

3.96033333

48
49

0.07289583

Fo

Valor-p

54.3286653

F(0.05,3,48)
= 2.80

El modelo planteado es signific

a medida que aumenten las hor
televisin disminuiran las hora
sueo reparador.

0.01253865

50
390
141
413
3082
1078
-0.545

nteado es significativo,
aumenten las horas de
minuiran las horas de
o reparador.

Un paleontologo encontr 11 gasterotopodos de la especie Sphaeronasa mutabilis, y midi la altura H;la altura de la ultima vuelta de la espiral del caracol (hv), la altura de
la boca (hb) y la anchura (A), con los siguientes resultados:
H
hv
hb
A
x1
x2
x3
y
1
2606
2037
1655
1781
2037
1655
1781
2606
1
2
3271
2570
1925
2048
2
2570
1925
2048
3271
3
2231
1735
1286
1370
3
1735
1286
1370
2231
4
2730
2085
1579
1693
4
2085
1579
1693
2730
5
1923
1466
1554
5
2064
1561
1706
2644
6
2644
2064
1561
1706
6
1762
1400
1474
2207
7
2207
1762
1400
1474
7
1784
1361
1472
2267
8
2267
1784
1361
1472
8
1697
1250
1466
2202
9
2202
1697
1250
1466
9
1666
1249
1355
2151
10
2151
1666
1249
1355
10
1582
1252
1308
2043
11
2043
1582
1252
1308
Resumen
Estadsticas de la regresin
Coeficiente de
correlacin
mltiple
Coeficiente de
determinacin
R^2
R^2 ajustado
Error tpico
Observaciones

0.99739256
0.99479192
0.99218788
33.1925867
10

ANLISIS DE VARIANZA
Grados de
libertad

Regresin
Residuos
Total

Suma de
cuadrados

Promedio de los
cuadrados

Valor crtico de F

3 1262665.11 420888.371 382.018795 3.0841E-007

6 6610.48686 1101.74781
9 1269275.6

Coeficientes

29.1925797
1.39524127
-0.31722079
0.13915752

Intercepcin
Variable X 1
Variable X 2
Variable X 3

Error tpico

75.4168439
0.19451134
0.29382081
0.27789243

Estadstico t

0.38708302
7.17305864
-1.0796403
0.50076038

Anlisis de los residuales

Observacin

1
2
3
4
5
6
7
8
9
10

Pronstico para Y

2594.13819
3289.30723
2232.63605
2672.97269
2651.19164
2248.61678
2291.40538
2204.39595
2146.01421
2021.32188

Residuos

Residuos
estndares

11.8618141
-18.3072284
-1.63605274
57.0273147
-7.19164065
-41.616779
-24.4053828
-2.39595491
4.98578857
21.6781213

0.43767893
-0.67550277
-0.06036731
2.10420212
-0.2653582
-1.53558194
-0.90051335
-0.08840629
0.18396635
0.79988246

Probabilidad

0.71205193
0.00037082
0.32177869
0.63437555

Inferior 95%

-155.345789
0.91928916
-1.03617442
-0.54082077

Superior 95%

213.730949
1.87119338
0.40173284
0.81913581

Inferior 95.0%

-155.345789
0.91928916
-1.03617442
-0.54082077

Superior 95.0%

213.730949
1.87119338
0.40173284
0.81913581

col (hv), la altura de

Los siguientes datos muestran el numero de habitaciones, el numero de baos y los precios a los que se vendieron hace poco 8 casas de una
muestra aletoria
N de
No de baos (x2)
habitaciones (x1)

Precio (y) en
Dolares

3
2
4

2
1
3

78800
74300
83800

74200

Coeficiente de
correlacin
mltiple

0.9981542124

Coeficiente de
determinacin
R^2

0.9963118317

R^2 ajustado

0.9948365644

79700

2
5
4

2
3
2

74900
88400
82900

Resumen
Estadsticas de la regresin

Error tpico

370.360185045

Observaciones

ANLISIS DE VARIANZA
Grados de
libertad

Regresin
Residuos
Total

Promedio de los
cuadrados

Valor crtico de F

2 185269166.6667 92634583.33333 675.3432563791 8.26088968E-007

5 685833.3333333 137166.6666667
7
Coeficientes

Intercepcin
Variable X 1
Variable X 2

Suma de
cuadrados

185955000
Error tpico

Estadstico t

Probabilidad

Inferior 95%

Superior 95%

Inferior 95.0%

65191.6667 418.000247 155.960833 2.0561E-010 64117.1628 66266.1705 64117.1628

4133.33333 228.591269 18.0817638 9.5054E-006 3545.72077 4720.9459 3545.72077
758.333333 340.497419 2.22713387 0.07643978 -116.943146 1633.60981 -116.943146

Variable X 1 Grfico de los residuales

1000
Residuos

500
0
1.5
-500

2.5

3.5

Variable X 1

4.5

1000
Residuos

Resumen

500
0
1.5
-500

2.5

3.5

4.5

Variable X 1

Estadsticas de la regresin
Coeficiente de0.99815421
Coeficiente d 0.99631183
R^2 ajustado 0.99483656
Error tpico
370.360185
Observacione
8
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
2 185269167 92634583.3 675.343256 8.2609E-007
Residuos
5 685833.333 137166.667
Total
7 185955000
Coeficientes
Intercepcin 65191.6667
Variable X 1 4133.33333
Variable X 2 758.333333

Error tpico
418.000247
228.591269
340.497419

Estadstico t
155.960833
18.0817638
2.22713387

Probabilidad
2.0561E-010
9.5054E-006
0.07643978

Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
64117.1628 66266.1705 64117.1628 66266.1705
3545.72077 4720.9459 3545.72077 4720.9459
-116.943146 1633.60981 -116.943146 1633.60981

Variable X 1 Curva de regresi

Anlisis de los residuales
Observacin
Pronstico para Y Residuos
1 79108.3333 -308.333333
2 74216.6667 83.3333333
3
84000
-200
4 74216.6667 -16.6666667
5 79108.3333 591.666667
6
74975
-75
7 88133.3333 266.666667

Resultados de datos de probabilidad

Percentil
6.25
18.75
31.25
43.75
56.25
68.75
81.25

Y
74200
74300
74900
78800
79700
82900
83800

90000
80000
Y

70000
60000
3

Variable X 1

8 83241.6667 -341.666667

93.75

88400

Superior 95.0%

66266.1705
4720.9459
1633.60981

Variable X 2 Curva de regresin ajustada

s residuales

90000
Y

80000

70000

Pronstico para Y

60000
2
4

4.5

5.5

Variable X 2

80000

70000

Pronstico para Y

60000
2
4

4.5

5.5

Variable X 2

Variable X 2 Grfico de los residuales

1000
Residuos

500
0
0.5
-500

1.5

2.5

Variable X 2

va de regresin ajustada

Grfico de probabilidad normal

90000
80000

Y
Pronstico para Y

Column F

70000
60000

eX1

6.25

18.75

31.25

43.75

56.25

Muestra percentil

68.75

81.25 93.75

3.5