UNIVERSIDAD CENTRAL DEL ECUADOR

Estadstica aplicada

NOMBRE: TOALOMBO JHONNYFECHA: QUITO, 28-02-2015

CURSO: Cuarto Petrleos CALIFICACIN:

COMANDOS#ejercicio 1setwd("C:/Users/jhonny david/Desktop/examen final estadistica aplicada")contenidodealcohol=read.csv(file="contenido de alcohol.csv",header=TRUE,sep=";",dec=",")contenidodealcoholView(contenidodealcohol)attach(contenidodealcohol)cervezas=contenidodealcohol[,1]contenido.de.alcohol=contenidodealcohol[,2]cervezascontenido.de.alcoholregresion1=lm(cervezas ~ contenido.de.alcohol)summary(regresion1)#construya el diagrama de dispercion#ecuacion de regresion lineal y=0.01x+0.0361 #coeficiente de correlacion r=0,7787, es altamente relacionado porque se encuentra en un valor cercano a 1#coeficiente de determinacion R^[2]=0,60652, ajustado R^[2]=0,58192 #si se acepta que hay una relacion positiva en la poblacion valor p=0.03138

#ejercicio 2setwd("C:/Users/jhonny david/Desktop/examen final estadistica aplicada")potenciadecibeles=read.csv(file="potencia decibeles.csv",header=TRUE,sep=";",dec=",")potenciadecibelesView(potenciadecibeles)attach(potenciadecibeles)potencia=potenciadecibeles[,1]decibeles=potenciadecibeles[,2]potenciadecibelesregresion1=lm(potencia ~ decibeles)summary(regresion1)z=log(potencia)zregresion2=lm(z~decibeles) summary(regresion2)#construya el diagrama de dispercion#el modelo logaritmico es y=11,82lnX+5,92#el coeficiente de determinacion es 0,8218#el t critico es 4,6040 y el valor de t calculado -2.359 por lo tanto se acepta la hipotesis de que estan relacionados.#con una potencia de 3000w y=11,82ln(3000)+5,92; y=100.12 decibeles

#ejercicio 3setwd("C:/Users/jhonny david/Desktop/examen final estadistica aplicada")densidaddevehiculos=read.csv(file="densidad y velocidad.csv",header=TRUE,sep=";",dec=",")densidaddevehiculosattach(densidaddevehiculos)View(densidaddevehiculos)densidad=densidaddevehiculos[,1]densidadvelocidad=densidaddevehiculos[,2]velocidad

regresion1=lm(densidad ~ velocidad)summary(regresion1)

z=log(velocidad)zregresion2=lm(z~densidad) summary(regresion2)a=exp(1.216e+01)a#construya el diagrama de dispercion#modelo exponecial y=73,62e^-0,021x#coeficiente de determinacion y correlacion r^2=0,9854, r=0,9926

CORRIDO> #ejercicio 1> setwd("C:/Users/jhonny david/Desktop/examen final estadistica aplicada")> contenidodealcohol=read.csv(file="contenido de alcohol.csv",header=TRUE,sep=";",dec=",")> contenidodealcohol estudiante cervezas contenido.de.alcohol1 1 6 0.102 2 7 0.093 3 7 0.094 4 4 0.105 5 5 0.106 6 3 0.077 7 3 0.108 8 6 0.129 9 6 0.0910 10 3 0.0711 11 3 0.0512 12 7 0.0813 13 1 0.0414 14 4 0.0715 15 2 0.0616 16 7 0.1217 17 2 0.0518 18 1 0.02> cervezas=contenidodealcohol[,1]> contenido.de.alcohol=contenidodealcohol[,2]> cervezas [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18> contenido.de.alcohol [1] 6 7 7 4 5 3 3 6 6 3 3 7 1 4 2 7 2 1> regresion1=lm(cervezas ~ contenido.de.alcohol)> summary(regresion1)

Call:lm(formula = cervezas ~ contenido.de.alcohol)

Residuals: Min 1Q Median 3Q Max -6.3142 -3.9297 -0.3908 3.7629 9.9549

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 14.929 2.558 5.835 2.53e-05 ***contenido.de.alcohol -1.269 0.538 -2.359 0.0314 * ---Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 4.74 on 16 degrees of freedomMultiple R-squared: 0.258,Adjusted R-squared: 0.2116 F-statistic: 5.564 on 1 and 16 DF, p-value: 0.03138

> #construya el diagrama de dispercion> #ecuacion de regresion lineal y=0.01x+0.0361> #coeficiente de correlacion r=0,7787, es altamente relacionado porque se encuentra en un valor cercano a 1> #coeficiente de determinacion R^[2]=0,60652, ajustado R^[2]=0,58192> #ejercicio 2> setwd("C:/Users/jhonny david/Desktop/examen final estadistica aplicada")> potenciadecibeles=read.csv(file="potencia decibeles.csv",header=TRUE,sep=";",dec=",")> potenciadecibeles potencia decibeles1 100 602 500 803 1000 904 5000 995 10000 120> potencia=potenciadecibeles[,1]> decibeles=potenciadecibeles[,2]> potencia[1] 100 500 1000 5000 10000> decibeles[1] 60 80 90 99 120> regresion1=lm(potencia ~ decibeles)> summary(regresion1)

Call:lm(formula = potencia ~ decibeles)

Residuals: 1 2 3 4 5 1899.92 -1136.27 -2354.36 99.35 1491.36

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -12108.48 4248.46 -2.85 0.0651 .decibeles 171.81 46.19 3.72 0.0338 *---Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 2056 on 3 degrees of freedomMultiple R-squared: 0.8218,Adjusted R-squared: 0.7624 F-statistic: 13.84 on 1 and 3 DF, p-value: 0.03381

> z=log(potencia)> z[1] 4.605170 6.214608 6.907755 8.517193 9.210340> summary(regresion2)

Call:lm(formula = z ~ decibeles)

Residuals: 1 2 3 4 5 -0.08242 -0.08602 -0.19939 0.68418 -0.31635

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -0.15150 0.94114 -0.161 0.88234 decibeles 0.08065 0.01023 7.882 0.00426 **---Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 0.4554 on 3 degrees of freedomMultiple R-squared: 0.9539,Adjusted R-squared: 0.9386 F-statistic: 62.13 on 1 and 3 DF, p-value: 0.004255

> #construya el diagrama de dispercion> #el modelo logaritmico es y=11,82lnX+5,92> #el coeficiente de determinacion es 0,8218> #el t critico es 4,6040 y el valor de t calculado -2.359 por lo tanto se acepta la hipotesis de que estan relacionados.> #con una potencia de 3000w y=11,82ln(3000)+5,92; y=100.12 decibeles> #ejercicio 3> setwd("C:/Users/jhonny david/Desktop/examen final estadistica aplicada")> densidaddevehiculos=read.csv(file="densidad y velocidad.csv",header=TRUE,sep=";",dec=",")> densidaddevehiculos dato densidad velocidad1 1 12.7 62.42 2 17.0 50.73 3 66.0 17.14 4 50.0 25.95 5 87.8 12.46 6 81.4 13.47 7 75.6 13.78 8 66.2 17.99 9 81.1 13.810 10 62.8 17.911 11 77.0 15.812 12 89.6 12.613 13 18.3 51.214 14 19.1 50.815 15 16.5 54.716 16 22.2 46.517 17 18.6 46.318 18 66.0 16.919 19 60.3 19.820 20 56.0 21.221 21 66.3 18.322 22 61.7 18.023 23 66.6 16.624 24 67.8 18.3> View(densidaddevehiculos)> densidad=densidaddevehiculos[,1]> densidad [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24> velocidad=densidaddevehiculos[,2]> velocidad [1] 12.7 17.0 66.0 50.0 87.8 81.4 75.6 66.2 81.1 62.8 77.0 89.6 18.3 19.1 16.5 22.2[17] 18.6 66.0 60.3 56.0 66.3 61.7 66.6 67.8> regresion1=lm(densidad ~ velocidad)> summary(regresion1)

Call:lm(formula = densidad ~ velocidad)

Residuals: Min 1Q Median 3Q Max -11.0483 -5.9946 0.0053 5.6403 11.3555

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 11.91089 3.50903 3.394 0.00261 **velocidad 0.01082 0.05849 0.185 0.85491 ---Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 7.224 on 22 degrees of freedomMultiple R-squared: 0.001554,Adjusted R-squared: -0.04383 F-statistic: 0.03423 on 1 and 22 DF, p-value: 0.8549

> z=log(velocidad)> z [1] 2.541602 2.833213 4.189655 3.912023 4.475062 4.399375 4.325456 4.192680 4.395683[10] 4.139955 4.343805 4.495355 2.906901 2.949688 2.803360 3.100092 2.923162 4.189655[19] 4.099332 4.025352 4.194190 4.122284 4.198705 4.216562> regresion2=lm(z~densidad)> summary(regresion2)

Call:lm(formula = z ~ densidad)

Residuals: Min 1Q Median 3Q Max -1.1625 -0.7988 0.2529 0.4795 0.7264

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 3.69293 0.27930 13.22 6.04e-12 ***densidad 0.01114 0.01955 0.57 0.574 ---Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 0.6629 on 22 degrees of freedomMultiple R-squared: 0.01456,Adjusted R-squared: -0.03024 F-statistic: 0.3249 on 1 and 22 DF, p-value: 0.5744

> a=exp(1.216e+01)> a[1] 190994.5> #construya el diagrama de dispercion> #modelo exponecial y=73,62e^-0,021x> #coeficiente de determinacion y correlacion r^2=0,9854, r=0,9926> #>