Se ha identificado que en una variedad de grillos de rbol, el nmero de veces que frotan sus

patas para emitir un sonido (Crick) depende de la temperatura en el ambiente, se dispone de 20

datos para tratar de encontrar una relacin entre ambas variables, estimar el modelo, su
coeficiente de correlacin, de determinacin y su cuadro de anlisis de varianza, posteriormente
plantear una hiptesis y probarla en funcin del valor F.

Num
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Temperatura

Nmero de Cricks
61
103
67
123
72
150
75
171
81
190
71
145
79
178
68
132
64
116
81
187
79
178
70
141
74
157
68
132
71
145
64
116
70
141
79
178
62
107
79
178

e veces que frotan sus

ente, se dispone de 20
estimar el modelo, su
rianza, posteriormente

Nmero de C
200
f(x) = 4.2787146039x - 158.5977728285
R = 0.9918800851

180
160
140
120
100
80
60
40
20
0
60

65

70

75

Nmero de Cricks

Nmero de Cricks
Linear (Nmero de Cricks)

75

80

85

Resumen
Estadsticas de la regresin
Coeficiente de0.99539628
Coeficiente d 0.99081375
R^2 ajustado 0.9903034
Error tpico
2.50781057
Observacione
20
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
1 12209.996 12209.996 1941.44935 8.676090552E-020
Residuos
18 113.204049 6.28911383
Total
19
12323.2
Coeficientes Error tpico Estadstico t Probabilidad
Intercepcin -160.972829 7.12060521 -22.6066218 1.1506E-014
Variable X 1 4.31113479 0.09784273 44.0618809 8.6761E-020

Anlisis de los residuales

Observacin
Pronstico para Y Residuos
Residuos estndares
1 102.006393 0.99360682 0.41090278
2 127.873202 -4.87320192 -2.01529639
3 149.428876 0.57112413 0.23618648
4 162.36228 8.63771977 3.57210019
5 188.229089 1.77091103 0.73235435
6 145.117741 -0.11774108 -0.04869143
7 179.606819 -1.60681939 -0.6644948
8 132.184337 -0.18433671 -0.07623183
9 114.939798 1.06020245 0.43844319
10 188.229089 -1.22908897 -0.50828564
11 119.250932 0.74906766 0.30977443
12 145.117741 -0.11774108 -0.04869143
13 127.873202 0.12679808 0.05243692
14 110.628663 0.37133724 0.15356528
15 162.36228 -0.36228023 -0.14981978
16 127.873202 0.12679808 0.05243692
17 170.98455 -0.98454981 -0.40715729
18 140.806606 0.19339371 0.07997732
19 158.051145 -1.05114544 -0.43469769
20 140.806606 0.19339371 0.07997732

Inferior 95%
-175.9326654112
4.1055748381

Variable X 1 Grfico de los re

10

Variable X 1 Curva de r

Residuos

200

0
60
-10Y

65

100

70

0
60

65

Variable X 1
70
75
Variable X 1

Superior 95%Inferior 95.0%

Superior 95.0%
-146.012993 -175.932665 -146.012993
4.51669474 4.10557484 4.51669474

h0
ha

fc=ft
fc>ft

R2=0
R2 diferente a 0

75

1 Grfico de los residuales

ble X 1 Curva de regresin ajustada

65

70

75

80

85
Y
Pronstico para Y

65

Variable X 1
70
75
Variable X 1

80

85

Los siguientes datos fueron obtenido del sitio WEB http://curriculum.qed.qld.gov.au/kla/eda/ para
el ao 1997 y corresponden a dos variables cualesquiera emparejadas en 4 grupos, cada grupo
marca un comportamiento especfico que deber ser identificado mediante estadsticas
descriptivas, anlisis grfico, una regresin lineal, en el caso de considerar necesario relizar una
transformacin.
X1 Y1

Num
1
2
3
4
5
6
7
8
9
10
11
prom

X2

10
8.04
8
6.95
13
7.58
9
8.81
11
8.33
14
9.96
6
7.24
4
4.26
12 10.84
7
4.82
5
5.68
9 7.5009

Y2
10
8
13
9
11
14
6
4
12
7
5
9

X3

Y3

9.14
8.14
8.74
8.77
9.26
8.1
6.13
3.1
9.13
7.26
4.74
7.501

X4

10
7.46
8
6.77
13 12.74
9
7.11
11
7.81
14
8.84
6
6.08
4
5.39
12
8.15
7
6.42
5
5.73
9
7.5

Y4
8
8
8
8
8
8
8
19
8
8
8
9

Y2 estimada Y3 estimada

6.58
5.76
7.71
8.84
8.47
7.04
5.25
12.5
5.56
7.91
6.89
7.501

Y3
14
12
10

Y3

f(x) = 0.4997272727x + 3.0024545455

R = 0.6663240411

Linear (Y3)

6
4
2
0
2

10

12

14

16

Y4
14
12
10
8
6
4
2

f(x) = - 10103010091133.7x^2 + 272781272460611x - 1535657533852320

R = 0.5971017119
Y4
Polynomial (Y4)

12

R = 0.5971017119

10

Y4

Polynomial (Y4)

6
4
2
0
6

10

12

14

16

18

20

d.gov.au/kla/eda/ para
4 grupos, cada grupo
iante estadsticas
r necesario relizar una

Y1
12
10

Y4 estimada

f(x) = 0.5000909091x + 3.0000909091

R = 0.6665424595

8
6
4
2
0
2

10

12

14

16

Y2
10

f(x) = 0.5x + 3.0009090909

R = 0.6662420337

8
6
4
Y3
Linear (Y3)

7533852320

olynomial (Y4)

2
0
2

10

12

14

16

olynomial (Y4)

Y1

+ 3.0000909091
Y1
Linear (Y1)

10

12

14

16

Y2

0909
Y2
Linear (Y2)
Polynomial (Y2)

10

12

14

16

Se estima que el comportamiento del peso y la estn asociados, se sugiere realizar un anlisis de
regresin a los siguientes datos para identificar si esa relacin puede ser explicada
Num
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Altura

peso
159
160
168
157
157
155
165
157
167
163
169
158
169
158
157
163
170
165
167
169

57
47
53
50
43
48
48
48
55
52
55
50
60
51
51
50
49
57
47
55

realizar un anlisis de
icada

Portada
ExpliCCACION O INTRODUCCION DEL TRABAJO
Datos
Estadisticas descriptivas (media)
grafico de dispersion
Cuadro de analisis de varianza
parametros e hipotesis
conclusion en siguiente diapositiva

especializacion

X2

Y2
10
8
13
9
11
14
6
4
12
7
5
9

Y ESTIMADA Y2- y2 estimada

9.14
8.0009
1.1391
8.14
7.0009
1.1391
8.74
9.5009
-0.7609
8.77
7.5009
1.2691
9.26
8.5009
0.7591
8.1
10.0009
-1.9009
6.13
6.0009
0.1291
3.1
5.0009
-1.9009
9.13
9.0009
0.1291
7.26
6.5009
0.7591
4.74
5.5009
-0.7609
7.50090909

1.5
1
0.5

Y ESTIMADA

12

-0.5

10

-1

-1.5

Y-2
ESTIMADA

-2.5

4
2
0
2

X3

Y3
10
8
13
9

7.46
6.77
12.74
7.11

10

Y estimada
7.9995
7.0001
9.4986
7.4998

12

14

16

11
14
6
4
12
7
5
9

7.81
8.84
6.08
5.39
8.15
6.42
5.73
7.5

8.4992
9.9983
6.0007
5.0013
8.9989
6.5004
5.501

12
10
8
6
4
2
0

X4

10

Y4
8
8
8
8
8
8
8
19
8
8
8
9

y4 estimado Diferencia
6.58
7.0009
-0.4209
5.76
7.0009
-1.2409
7.71
7.0009
0.7091
8.84
7.0009
1.8391
8.47
7.0009
1.4691
7.04
7.0009
0.0391
5.25
7.0009
-1.7509
12.5
12.4998
0.0002
5.56
7.0009
-1.4409
7.91
7.0009
0.9091
6.89
7.0009
-0.1109
7.50090909

14
12
10
8
6
4
2
0

16

Y2- y2 estimada
1.5
1
0.5
0
-0.5

Y2- y2 estimada
2

-1
-1.5
Y-2
ESTIMADA
-2.5

10

12

14

16

Y estimada
12
10
8

Y estimada

6
4
2
0
2

10

12

14

16

y4 estimado
14
12
10
y4 estimado

8
6
4
2
0
6

10

12

14

16

18

20