Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ejercicio 1
Para estudiar el efecto de las aguas residuales de las alcantarillas que
afluyen a un lago, se toman medidas de la concentracin de nitrato en el
agua. Para monitorizar la variable se ha utilizado un antiguo mtodo manual.
Manual = X
25 40 120 75 150
Automtico =
Y
30
80
150
80
200
350
240
320
470
625
1600
14400
5625
22500
90000
72900
160000
202500
750
3200
18000
6000
30000
105000
64800
128000
211500
575
2405
> datos=read.table("agua.txt", header=T)
> attach(datos)
> datos
> regresion<-lm(y~x,data=datos)
> regresin
> summary(regresion)
583
2503
330625
900775
335225
902475
x y
1 25 30
2 40 80
3 120 150
4 75 80
5 150 200
6 300 350
7 270 240
8 400 320
9 450 470
10 575 583
Call:
lm(formula = y ~ x, data = datos)
Coefficients:
(Intercept)
x
26.1150
0.9322
Call:
lm(formula = y ~ x, data = datos)
Residuals:
Min 1Q Median 3Q Max
-78.98 -18.57 14.31 23.53 44.24
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 26.11496 21.20188 1.232 0.253
x
0.93216 0.07064 13.195 1.04e-06 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 40.11 on 8 degrees of freedom
Multiple R-squared: 0.9561, Adjusted R-squared: 0.9506
F-statistic: 174.1 on 1 and 8 DF, p-value: 1.036e-06
Y m X bn
Y=0.9(100)+26.11=116.11
Ejercicio 2
Sobre una hoja de papel cuadriculado dibuje aproximadamente 5 cuadrados
de diversos tamaos.
a. Cuntos cuadritos encierra cada
1
4
9
25
36
75
1
2
3
5
6
17
>
cuadrititos=read.table("cuadras.txt",header=T
)
> attach(cuadrititos)
> cuadrititos
> regresion <- lm(L ~ N, data = cuadrititos)
> summary(regresion)
NL
1
16
81
625
1296
2019
1
8
27
125
216
377
NL
1 11
2 42
3 93
4 25 5
5 36 6
Call:
lm(formula = L ~ N, data = cuadrititos)
Residuals:
1
2
3
4
5
-0.4895 0.1011 0.4188 0.2353 -0.2658
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))
Ejercicio 3
Ao
1995
1,25
1996
1997
11,25
1998
20
1999
30,5
Ejercicio 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
Ejercicio 5
En el anlisis de Regresin lineal se puede afirmar todo lo siguiente
excepto:
Ejercicio 6
Dado Los siguientes datos expuestos en la tabla
Edad
Estatura
60
80 100 110
112
B. y = 7,5x + 85,5
D. y = 14,4x + 47
E. y = 14x + 48,8
C. y = 13,4x + 52,2
Ejercicio 7
El Grafico para los puntos dispersos est dado por:
120
100
80
60
60
40
40
20
20
0
0
120
120
100
100
80
80
60
60
40
40
20
20
0
0
Rta:
100
80
120
Ejercicio 8
El diagrama de dispersin para la regresin lineal esta dado por
120
100
100
80
60
50
40
20
120
120
100
100
80
80
60
60
40
40
20
20
0
0
Rta:
Ejercicio 9
Los siguientes datos corresponden a 100 salarios tomados en una encuesta
aplicada a 380 habitantes de Villavicencio. Determinar en R el grado de
asimetra de los datos. establecer una conclusin.
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
>
salarios=c(289000,350000,886900,310000,650000,96
1200,320000,756000,1200000,345000,289000,35000
0,889000,320000,665500,965000,320000,756000,13
00000,320000,289000,350000,890000,320000,6895
00,996000,320000,759600,1700100,750000,289000,
566700,896500,320000,689500,999000,340000,759
600,1700100,1120000,310000,566700,900000,320000
,690000,1000000,340000,789000,1700100,345000,31
0000,566700,936200,320000,690000,1025000,3400
00,789000,1700100,863000,310000,600000,942500,3
20000,699000,1025000,340000,800000,1700100,886
000,320000,700000,1096000,320000,699000,106300
0,340000,800000,1700100,345000,320000,700000,11
16300,345000,859600,1777000,340000,800000,1700
100,850000,320000,750000,1120000,345000,862300,
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.
Ejercicio 12
Uno de los siguientes enunciados es verdadero
Ejercicio 13
En el anlisis de regresin lineal se puede afirmar todo lo siguiente, excepto
A. Ajusta todos los datos a una lnea recta
B. Predice el valor de una variable si se conoce el valor de la otra
C. Establece una relacin cuantitativa entre dos variables
D. El mtodo grafico es ms concreto que el mtodo matemtico
1
2
2
8
3
3
4
5
5
7
6
5
E. 1
Ejercicio 17
Retome los 100 datos y elabore una tabla en R para determinar el
coeficiente de Gini. Utilice la librera ineq, y compare los resultados.
Establezca conclusiones
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(289000,350000,886900,310000,65
0000,961200,320000,756000,1200000,34500
0,289000,350000,889000,320000,665500,96
5000,320000,756000,1300000,320000,28900
0,350000,890000,320000,689500,996000,32
0000,759600,1700100,750000,289000,56670
0,896500,320000,689500,999000,340000,75
9600,1700100,1120000,310000,566700,90000
0,320000,690000,1000000,340000,789000,17
00100,345000,310000,566700,936200,32000
0,690000,1025000,340000,789000,1700100,8
63000,310000,600000,942500,320000,69900
0,1025000,340000,800000,1700100,886000,3
20000,700000,1096000,320000,699000,1063
000,340000,800000,1700100,345000,320000,
700000,1116300,345000,859600,1777000,340
000,800000,1700100,850000,320000,750000,
1120000,345000,862300,1800000,345000,800
000,1700100,1750000)
> g=ineq(salarios,type="Gini")
>g
[1] 0.3122976
> plot(Lc(salarios),col="darkred",lwd=2)