Professional Documents
Culture Documents
SEMESTRE: 5 °.
GRUPO: “U “
INDICE
PAG.
INTRODUCCION......................................................………. 3
PROBLEMA I……………………………………………........... 4
PROBLEMA II…………………………………………………... 7
CONCLUSION………………………………………………….. 11
BIBLIOGRAFIA…………………………………………………. 12
INTRODUCCION
En estos temas siguientes (Covarianza, correlación y el
coeficiente de determinación), resolveremos, analizaremos e
interpretaremos los resultados obtenidos y como cada uno de
ellos nos lleva a un mismo resultado para poder tomar
decisiones o ver el comportamiento de algún producto, por ello
es muy importante aprender correctamente sobre estos temas
del cual resolveremos unos ejemplos prácticos para su mejor
comprensión.
PROBLEMA I
Resuelva en el siguiente ejercicio determinando la covarianza, la correlación y el
coeficiente de determinación e interprete los resultados. Temas 1.4 y 1.5
𝑋̅ = 24.27 𝑌̅ = 1214.3
1 (∑𝑛 𝑛
𝑖=1 𝑥1 )(∑𝑖=1 𝑦𝑖 )
𝑆𝑋𝑌 = [∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ]
𝑛−1 𝑛
1 (2427)(12143)
𝑆𝑋𝑌 = [2957.05 − ]=
10−1 10
1 (2947.5)
𝑆𝑋𝑌 = [2957.05 − ]=
10−1 10
1
𝑆𝑋𝑌 = [2957.05 − 2947.10]= 9.95
10−1
1
𝑆𝑋𝑌 = [9.95]= 1105
10−1
1 1
𝑆𝑋𝑌 = ∑(𝑋𝑖 − 𝑋̅ )(𝑌𝑖 − 𝑌̅)= (9945)=1105
𝑛−1 9
𝑆𝑋 = 14.499 𝑆𝑌 = 76.252
𝑆𝑃𝑋𝑌
𝑟𝑥𝑦 =
√(𝑆𝑃𝑋𝑋 )(𝑆𝑃𝑌𝑌 )
2 (∑ 𝑥)2 2 (∑ 𝑦)2
𝑆𝑋𝑋 = ∑ 𝑥 - 𝑆𝑌𝑌 = ∑ 𝑦 -
𝑛 𝑛
147452.44
𝑆𝑃𝑌𝑌 = 14797.57 - = 52.326
10
∑ 𝑋𝑖 ∑ 𝑌𝑖 2427 𝑥 12143
𝑆𝑃𝑋𝑌 = ∑ 𝑋𝑖 𝑌𝑖 - = 2957.05 – = 2957.05 – 2947.10 = 9.95
𝑛 10
9.95
𝑟𝑥𝑦 = = 0.0180
√(590335.9)(52.326)
COEFICIENTE DE DETERMINACION
𝑋̅ = 24.27 𝑌̅ = 1214.3
̂1= 5.256
𝛽
PROBLEMA II
Los siguientes datos en miles de pesos representan los ingresos por ventas contra
los gastos de promoción de un producto.
𝑋̅ = 1.75 𝑌̅ = 6.41
1 (∑𝑛 𝑛
𝑖=1 𝑥1 )(∑𝑖=1 𝑦𝑖 )
𝑆𝑋𝑌 = [∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ]
𝑛−1 𝑛
1 (10.5)(38.5)
𝑆𝑋𝑌 = [78.75 − ]=
6−1 6
1 (404.25)
𝑆𝑋𝑌 = [78.75 − ]=
10−1 6
1
𝑆𝑋𝑌 = [78.75 − 67.37]= 11.38
6−1
1
𝑆𝑋𝑌 = [11.38]= 2.276
6−1
1 1
𝑆𝑋𝑌 = ∑(𝑋𝑖 − 𝑋̅ )(𝑌𝑖 − 𝑌̅)= (11.38) = 2.276 Las variables
𝑛−1 5
tienen relación directa por ser el resultado positivo
𝑆𝑋 = 0.9354 𝑆𝑌 = 2.4514
(∑ 𝑥)2 (∑ 𝑦)2
𝑆𝑋𝑋 = ∑ 𝑥 2 - 𝑆𝑌𝑌 = ∑ 𝑦 2 -
𝑛 𝑛
110.25
𝑆𝑃𝑋𝑋 = 22.75 - = 4.375
6
1482.25
𝑆𝑃𝑌𝑌 = 277.09 - = 30.049
6
∑ 𝑋𝑖 ∑ 𝑌𝑖 10.5 𝑥 38.5
𝑆𝑃𝑋𝑌 = ∑ 𝑋𝑖 𝑌𝑖 - = 78.75 – = 78.75 – 67.375 = 11.375
𝑛 6
𝑆𝑃𝑋𝑌
𝑟𝑥𝑦 =
√(𝑆𝑃𝑋𝑋 )(𝑆𝑃𝑌𝑌 )
11.378
𝑟𝑥𝑦 = = 0.9920 la correlación es positiva.
√(4.375)(30.049)
COEFICIENTE DE DETERMINACION
X Y XY 𝑥𝑖 − 𝑋̅ 𝑦𝑖 − 𝑌̅ (𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) (𝑦 − 𝑌̅ )2
𝑋̅ = 1.75 𝑌̅ = 6.41
̂1= 2.6
𝛽
CONCLUSION
ESTADISTICA INFERENCIA II
TRABAJO NÚMERO 2
INDICE
INTRODUCCIÓN…………………………………….2
PROBLEMA 1………………………………………..3
PROBLEMA 2…………………………………….…5
CONCLUSIÓN………………………………………6
INTRODUCCIÓN
Se puede asumir que el peso de la planta (Y) depende de la altura (X) de la misma.
Los datos se muestran a continuación:
X Y ̅
𝒙𝒊 − 𝑿 ̅
𝒚𝒊 − 𝒀 ̅ )(𝒚𝒊 − 𝒀
(𝒙𝒊 − 𝑿 ̅) ̅ )𝟐
(𝒚 − 𝒀
EST
Altura Peso
247 1235
1 4.3 20.7 89.01 428.49
250 1250
2 7.3 35.7 260.61 1274.49
235 1175
3 -7.7 -39.3 302.61 1544.49
242 1210
4 -0.7 -4.3 3.01 18.49
227 1135
5 -15.7 -79.3 1245.01 6288.49
236 1178
6 -6.7 -36.3 243.21 1317.69
261 1316
7 18.3 101.17 1851.41 10342.89
270 1356
8 27.3 141.7 3868.41 20078.89
234 1168
9 -8.7 -46.3 402.81 2143.69
10 225 1120 -17.7 -94.3 1669.11 8892.49
COVARIANZA 𝑺𝑿𝒀 =
1 (∑𝑛 𝑛
𝑖=1 𝑥1 )(∑𝑖=1 𝑦𝑖 )
𝑆𝑋𝑌 = [∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ]
𝑛−1 𝑛
1 (2427)(12143)
𝑆𝑋𝑌 = [2957051 − ]=
10−1 10
1 ( 29471061 )
𝑆𝑋𝑌 = [2957051 − ]=
10−1 10
1
𝑆𝑋𝑌 = [2957051 − 2947106.1]=
10−1
1
𝑆𝑋𝑌 = [9944.9]= 1104.988
10−1
𝑆𝑋 = 14.499 𝑆𝑌 = 76.252
COEFICIENTE DE DETERMINACIÓN:
INTERPRETACIÓN:
Debido a que el resultado fue positivo podemos determinar que el peso de la planta
va aumentado conjuntamente en proporciones iguales a la altura.
PROBLEMA 2:
Los siguientes datos en miles de pesos representan los ingresos por ventas contra
los gastos de promoción de un producto.
EST
X Y 𝑥𝑖 − 𝑋̅ 𝑦𝑖 − 𝑌̅ (𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) (𝑦 − 𝑌̅ )2
Ingresos Gastos
1 0.5 3.5 -1.25 -2.91 3.63 8.47
1.0 4.1 1.73
2 -0.75 -2.31 5.34
COVARIANZA 𝑺𝑿𝒀 =
1 (∑𝑛 𝑛
𝑖=1 𝑥1 )(∑𝑖=1 𝑦𝑖 )
𝑆𝑋𝑌 = [∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ]
𝑛−1 𝑛
𝑥𝑖 𝑦𝑖 = 78.75 ∑𝑛𝑖=1 𝑥1 = 10.5 ∑𝑛
𝑖=1 𝑦𝑖 = 38.5 n= 6
1 (10.5)(38.5)
𝑆𝑋𝑌 = [78.75 − ]=
6−1 6
1 ( 404.25 )
𝑆𝑋𝑌 = [78.75 − ]=
6−1 6
1
𝑆𝑋𝑌 = [78.75 − 67.375]=
6−1
1
𝑆𝑋𝑌 = [11.375]= 2.275
6−1
𝑆𝑋 = 0.935 𝑆𝑌 = 2.451
COEFICIENTE DE DETERMINACIÓN:
̂𝟏 = 2.6
𝜷
INTERPRETACIÓN:
Debido a que el resultado fue positivo podemos determinar que el ingreso de las
ventas van de la mano con los gastos de la promoción del producto.
CONCLUSIÓN.
Un modelo estadístico se construye para explicar una variable aleatoria que
llamaremos dependiente a través de otras variables aleatorias a las que llamaremos
factores.
GRUPO 5 “U”
ESTADISTICA INFERENCIAL II
Cuando se estudian dos características, una pregunta que surge con frecuencia es
si existe alguna relación entre ellas. Como ejemplo podemos mencionar el peso y
la estatura de un grupo de personas, el ingreso y el consumo por familia, las ventas
en una empresa y el número de empleados.
Se puede asumir que el peso de la planta (Y) depende de la altura (X) de la misma.
Los datos se muestran a continuación:
X Y
EST ∑XY 𝑥𝑖 − 𝑋̅ 𝑦𝑖 − 𝑌̅ (𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) (𝑦 − 𝑌̅ )2
Altura Peso
1 247 1235 305045 4.3 20.7 89.01 428.49
𝑋̅ = 242.7 𝑌̅ = 1214.3
COVARIANZA 𝑺𝑿𝒀 =
1 (∑𝑛 𝑛
𝑖=1 𝑥1 )(∑𝑖=1 𝑦𝑖 )
𝑆𝑋𝑌 = [∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ]
𝑛−1 𝑛
𝑆𝑋 = 14.49942528 𝑆𝑌 = 76.25257737
COEFICIENTE DE DETERMINACIÓN:
2
𝑟𝑥𝑦 =
̂𝟏 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) 5.2560(9935.201) 52219.41646
𝜷
∑(𝑦−𝑌̅ )2
= = =0.997884897
52330.1 52330.1
̂𝟏 = 5.2560
𝜷
Los siguientes datos en miles de pesos representan los ingresos por ventas contra
los gastos de promoción de un producto.
Y
X
EST Gastos de ∑XY 𝑥𝑖 − 𝑋̅ 𝑦𝑖 − 𝑌̅ (𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) (𝑦 − 𝑌̅ )2
Ventas
Promoción
1 0.5 3.5 1.75 -1.25 -2.916 3.645 8.5065
𝑋̅ = 1.75 𝑌̅ = 6.4166
COVARIANZA 𝑺𝑿𝒀 =
1 (∑𝑛 𝑛
𝑖=1 𝑥1 )(∑𝑖=1 𝑦𝑖 )
𝑆𝑋𝑌 = [∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − ]
𝑛−1 𝑛
𝑆𝑋 = 0.935414346 𝑆𝑌 = 2.451462149
COEFICIENTE DE DETERMINACIÓN:
2
𝑟𝑥𝑦 =
̂𝟏 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) 2.6(11.37275) 29.56915
𝜷
∑(𝑦−𝑌̅ )2
= = =0.984060556
30.0481 30.0481
̂𝟏 = 2.6
𝜷
CONCLUSIÓN.
NC. A16710165
V SEMESTRE GRUPO U
X Y 𝑥𝑖 𝑦𝑖 𝑥𝑖 − 𝑋̅ 𝑦𝑖 − 𝑌̅ (𝑥𝑖 − 𝑋̅)(𝑦𝑖 − (𝑦 − 𝑌̅ )2
𝑌̅)
𝑋̅=242.7 𝑌̅=1214.3
COVARIANZA
1 1
𝑆𝑋𝑌 = 𝑛−1 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅)=9 (9944.9)= 1104.99
COEFICIENTE DE CORRELACIÓN. (𝑟𝑥𝑦 )
𝑆 1104.99 1104.99
𝑟𝑥𝑦 = 𝑆 𝑋𝑌 =14.499 𝑋 76.252 = 1105.57 = 0.9994
𝑆
𝑋 𝑌
𝑆𝑋 = 14.499 𝑆𝑌 = 76.252
COEFICIENTE DE DETERMINACION
̂𝟏 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) 5.2560(9944.9) 52270.39
𝜷
2
𝑟𝑥𝑦 = ∑(𝑦−𝑌̅ )2
= 52330.10 =52330.10=0.9988
INTERPRETACION:
Esto significa que el 99% de la variabilidad total del peso de la planta está en
función de la altura de la misma, por lo tanto, la línea estimada se ajusta muy bien
a los datos.
PROBLEMA 2
Los siguientes datos en miles de pesos representan los ingresos por ventas contra
los gastos de promoción de un producto.
X Y 𝑥𝑖 𝑦𝑖 𝑥𝑖 − 𝑋̅ 𝑦𝑖 − 𝑌̅ (𝑥𝑖 − 𝑋̅)(𝑦𝑖 − (𝑦 − 𝑌̅ )2
𝑌̅)
𝑋̅=1.75 𝑌̅=6.416
COVARIANZA
1 1
𝑆𝑋𝑌 = 𝑛−1 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅)=5 (11.375)= 2.275
𝑆𝑋 = 0.9354 𝑆𝑌 = 2.451
COEFICIENTE DE DETERMINACION
̂𝟏 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) 2.6(11.375) 29.497
𝜷
2
𝑟𝑥𝑦 = ∑(𝑦−𝑌̅ )2
= 30048 =30.048= 0.9842
INTERPRETACION
Esto significa que el 98% de la variabilidad total de los ingresos por ventas está en
función de gastos de promoción que se le haga al producto, por lo tanto, la línea
estimada se ajusta muy bien a los datos.
INSTITUTO TECNOLÓGICO DE COMITANCILLO
MATERIA:
ESTADISTICA INFERENCIA II
DOCENTE:
INTEGRANTES:
CARRERA:
TEMA:
INTRODUCCION
MEDIDAS DE VARIACIÓN, CALCULO DE LOS COEFICIENTES DE
CORRELACION Y DETERMINACION.
Cuando se estudian dos características, una pregunta que surge con frecuencia es
si existe alguna relación entre ellas. Como ejemplo podemos mencionar el peso y
la estatura de un grupo de personas, el ingreso y el consumo por familia, las ventas
en una empresa y el número de empleados.
Si son valores positivos el coeficiente de correlación indica que las variables tienden
a crecer o decrecer simultáneamente.
Si son valores negativos el coeficiente de variación indica que cuando una variable
aumenta la otra disminuye.
La covarianza es positiva si existe una relación (lineal) creciente y negativa si existe
una relación decreciente.
X Y
247 1235
250 1250
235 1175
242 1210
227 1135
236 1178
261 1316
270 1356
234 1168
225 1120
𝚺 𝚺
2427 12143
𝒙𝒊 𝒚𝒊 𝒙 𝒊 . 𝒚𝒊
𝚺 𝚺 𝚺
𝟏 (∑𝒏 𝒏
𝒊=𝟏 𝒙𝟏 )(∑𝒊=𝟏 𝒚𝒊 )
𝑺𝑿𝒀 = 𝒏−𝟏 [∑𝒏𝒊=𝟏 𝒙𝒊 𝒚𝒊 − ]
𝒏
𝟏 ( 𝟐𝟗𝟒𝟕𝟏𝟎𝟔𝟏 )
𝑺𝑿𝒀 = 𝟏𝟎−𝟏 [𝟐𝟗𝟓𝟕𝟎𝟓𝟏 − ]=
𝟏𝟎
𝟏
𝑺𝑿𝒀 = 𝟏𝟎−𝟏 [𝟐𝟗𝟓𝟕𝟎𝟓𝟏 − 𝟐𝟗𝟒𝟕𝟏𝟎𝟔. 𝟏]=
𝟏
𝑺𝑿𝒀 = 𝟏𝟎−𝟏 [𝟗𝟗𝟒𝟒. 𝟗]= 1104.98
Coeficiente de correlación.
𝒙𝒊 𝒚𝒊 𝒙 𝒊 . 𝒚𝒊 𝒙𝒊 ² 𝒚𝒊 ²
𝚺 𝚺 𝚺 𝚺 𝚺
𝑺𝑷𝑿𝒀
𝒓𝒙𝒚 =
√(𝑺𝑷𝑿𝑿 )(𝑺𝑷𝒀𝒀 )
(∑ 𝒙)𝟐 (∑ 𝒚)𝟐
𝑺𝑿𝑿 = ∑ 𝒙𝟐 - 𝑺𝒀𝒀 = ∑ 𝒚𝟐 -
𝒏 𝒏
𝟓𝟖𝟗𝟎𝟑𝟐𝟗
𝑺𝑷𝑿𝑿 = 590925 - = 590925-589032.9 =1892.1
𝟏𝟎
𝟏𝟒𝟕,𝟒𝟓𝟐,𝟒𝟒𝟗
𝑺𝑷𝒀𝒀 = 14797575 - = 14797575-14745244.9 = 52330.1
𝟏𝟎
∑ 𝑿𝒊 ∑ 𝒀𝒊 𝟐𝟒𝟐𝟕 𝒙 𝟏𝟐𝟏𝟒𝟑
𝑺𝑷𝑿𝒀 = ∑ 𝑿𝒊 𝒀𝒊 - = 2957051 – = 2957051-2947106.1=9944.9
𝒏 𝟏𝟎
𝑺𝑷𝑿𝒀
𝒓𝒙𝒚 =
√(𝑺𝑷𝑿𝑿 )(𝑺𝑷𝒀𝒀 )
𝟗𝟗𝟒𝟒.𝟗 𝟗𝟗𝟒𝟒.𝟗
𝒓𝒙𝒚 = = 𝟗𝟗𝟓𝟎.𝟓𝟔𝟔𝟗= 0.9994
√(𝟏𝟖𝟗𝟐.𝟏)(𝟓𝟐𝟑𝟑𝟎.𝟏)
̅
𝒙𝒊 − 𝑿 ̅
𝒚𝒊 − 𝒀 ̅ )(𝒚𝒊 − 𝒀
(𝒙𝒊 − 𝑿 ̅) ̅ )𝟐
(𝒚 − 𝒀
𝚺 𝚺 𝚺 𝚺
9944.9 52330.1
̂𝟏 ∑(𝑿𝒊 − 𝑿
𝜷 ̅ )(𝒀𝒊 − 𝒀
̅ ) 𝟓.𝟐𝟓(𝟗𝟗𝟒𝟒.𝟗) 𝟓𝟐𝟐𝟏𝟎.𝟕𝟐𝟓
𝒓𝟐𝒙𝒚 = ∑(𝒚−𝒀 ̅ )𝟐
= 𝟓𝟐𝟑𝟑𝟎.𝟏 = 𝟓𝟐𝟑𝟑𝟎.𝟏 = 0.9977
̂𝟏 = 5.25
𝜷
̂𝟏 [𝒏 ∑ 𝒙𝒚−(∑ 𝒙)(∑ 𝒚)] 𝟓.𝟐𝟓[𝟏𝟎(𝟐𝟗𝟓𝟕𝟎𝟓𝟏)−(𝟐𝟒𝟐𝟕)(𝟏𝟐𝟏𝟒𝟑)]
𝜷 𝟓.𝟐𝟓[𝟏𝟎(𝟐𝟗𝟓𝟕𝟎𝟓𝟏)−𝟐𝟗𝟒𝟕𝟏𝟎𝟔𝟏]
𝒓𝟐𝒙𝒚 = = = =
𝒏 ∑ 𝒚𝟐 − (∑ 𝒚)𝟐 𝟏𝟎(𝟏𝟒𝟕𝟗𝟕𝟓𝟕𝟓)−(𝟏𝟐𝟏𝟒𝟑)² 𝟏𝟒𝟕𝟗𝟕𝟓𝟕𝟓𝟎−𝟏𝟒𝟕𝟒𝟓𝟐𝟒𝟒𝟗
𝟓.𝟐𝟓[𝟐𝟗𝟓𝟕𝟎𝟓𝟏𝟎−𝟐𝟗𝟒𝟕𝟏𝟎𝟔𝟏] 𝟓𝟐𝟐,𝟏𝟎𝟕.𝟐𝟓
=
𝟓𝟐𝟑𝟑𝟎𝟏 𝟓𝟐𝟑𝟑𝟎𝟏
=0.9977
Planteamiento del problema.
Los siguientes datos en miles de pesos representan los ingresos por ventas contra
los gastos de promoción de un producto.
X Y
0.5 3.5
1.0 4.1
1.5 5.5
2.0 7.2
2.5 8.7
3.0 9.5
𝒙𝒊 𝒚𝒊 𝒙 𝒊 . 𝒚𝒊
𝟏 ( 𝟒𝟎𝟒.𝟐𝟓 )
𝑺𝑿𝒀 = 𝟔−𝟏 [𝟕𝟖. 𝟕𝟓 − ]=
𝟔
𝟏
𝑺𝑿𝒀 = 𝟔−𝟏 [𝟕𝟖. 𝟕𝟓 − 𝟔𝟕. 𝟑𝟕𝟓]=
𝟏
𝑺𝑿𝒀 = 𝟔−𝟏 [𝟏𝟏. 𝟑𝟕𝟓]= 2.275
𝒙𝒊 𝒚𝒊 𝒙 𝒊 . 𝒚𝒊 𝒙𝒊 ² 𝒚𝒊 ²
𝚺 𝚺 𝚺 𝚺 𝚺
𝑺𝑷𝑿𝒀
𝒓𝒙𝒚 =
√(𝑺𝑷𝑿𝑿 )(𝑺𝑷𝒀𝒀 )
(∑ 𝒙)𝟐 (∑ 𝒚)𝟐
𝑺𝑿𝑿 = ∑ 𝒙𝟐 - 𝑺𝒀𝒀 = ∑ 𝒚𝟐 -
𝒏 𝒏
𝟏𝟏𝟎.𝟐𝟓
𝑺𝑷𝑿𝑿 = 22.75 - = 22.75-18.375=4.375
𝟔
𝟏𝟒𝟖𝟐.𝟐𝟓
𝑺𝑷𝒀𝒀 = 277.09 - = 277.09-247.0416 = 30.0484
𝟔
∑ 𝑿𝒊 ∑ 𝒀𝒊 (𝟏𝟎.𝟓)(𝟑𝟖.𝟓)
𝑺𝑷𝑿𝒀 = ∑ 𝑿𝒊 𝒀𝒊 - = 78.75 – = 78.75-67.375=11.375
𝒏 𝟔
𝑺𝑷𝑿𝒀
𝒓𝒙𝒚 =
√(𝑺𝑷𝑿𝑿 )(𝑺𝑷𝒀𝒀 )
𝟏𝟏.𝟑𝟕𝟓 𝟏𝟏.𝟑𝟕𝟓
𝒓𝒙𝒚 = = 𝟏𝟏.𝟒𝟔𝟓𝟔𝟕𝟕𝟎𝟒= 0.9920
√(𝟒.𝟑𝟕𝟓)(𝟑𝟎.𝟎𝟒𝟖𝟒)
̅
𝒙𝒊 − 𝑿 ̅
𝒚𝒊 − 𝒀 ̅ )(𝒚𝒊 − 𝒀
(𝒙𝒊 − 𝑿 ̅) ̅ )𝟐
(𝒚 − 𝒀
𝚺 𝚺 𝚺 𝚺
11.375 30.05
̂𝟏 ∑(𝑿𝒊 − 𝑿
𝜷 ̅ )(𝒀𝒊 − 𝒀
̅ ) 𝟐.𝟔(𝟏𝟏.𝟑𝟕𝟓) 𝟐𝟗.𝟓𝟕𝟓
𝒓𝟐𝒙𝒚 = ∑(𝒚−𝒀 ̅ )𝟐
= 𝟑𝟎.𝟎𝟓 = 𝟑𝟎.𝟎𝟓 = 0.9841
̂𝟏 = 2.6
𝜷
̂𝟏 [𝒏 ∑ 𝒙𝒚−(∑ 𝒙)(∑ 𝒚)] 𝟐.𝟔[𝟔(𝟕𝟖.𝟕𝟓)−(𝟏𝟎.𝟓)(𝟑𝟖.𝟓)]
𝜷
𝒓𝟐𝒙𝒚 = = =
𝒏 ∑ 𝒚𝟐 − (∑ 𝒚)𝟐 𝟔(𝟐𝟕𝟕.𝟎𝟗)−(𝟑𝟖.𝟓)²
=0.9842
CONCLUSION
http://colegiocci.edu.mx/claroline/claroline/document/document.php?cidreset=true&
cidreq=gec0914 (apuntes proporcionados por el ingeniero Felipe Salinas
Velásquez).