Ejemplo 1.

LONGITUD Y PESO DE SERPIENTES

Datos:

donde: Y = Longitud(cm) X= Peso (gr)

Y
estimad Residuo
a
s

60

136

130.4244 5.575582

69

198

195.1512 2.848837

66

194

64

140

173.5756 20.42442
159.1919 19.19186

54

93

67

172

59

116

87.27325 5.726744
180.7674 8.767442
123.2326 7.232558

65
63
SUMATOR
IA

174
145

166.3837 7.616279
152
-7

SCR
31.08711
46
8.115872
25
417.1569
32
368.3274
9
32.79559
68
76.86803
92
52.30989
52
58.00770
58
49

0.00

1093.67

1) correlacin de las variables

. corr X Y
(obs=9)

X
Y

1.0000
0.9437

1.0000

100

Peso(gr)
150

200

Longitud y Peso de Serpientes

55

60

Longitud (cm)

Peso (g)

65

70

Tendencia

Hay una correlacin positiva muy fuerte entre el peso y longitud de la

serpiente
. reg Y X
Source

SS

df

MS

Model
Residual

8896.3314
1093.6686

1
7

8896.3314
156.238372

Total

9990

1248.75

Coef.

X
_cons

7.19186
-301.0872

Std. Err.
.9530806
60.18846

Y = -301.0872 + 7.19186X +

Number of obs
F( 1,
7)
Prob > F
R-squared
Adj R-squared
Root MSE

P>|t|

7.55
-5.00

0.000
0.002

=
=
=
=
=
=

9
56.94
0.0001
0.8905
0.8749
12.5

[95% Conf. Interval]

4.938183
-443.4103

9.445538
-158.7641

ei

EJEMPLO 2:
DATOS
Tiempo (min)
X
0
10
20
30
40
50
60

Y
0.02
0.25
0.54
0.69
1.07
1.5
1.74

Donde: Y= Leucina (ng)

X=

a) Utilizar regresin lineal para estimar la tasa de incorporacin de la leucina a

la protena.
. reg Y X
Source

SS

df

MS

Model
Residual

2.39557504
.035224996

1
5

2.39557504
.007044999

Total

2.43080003

.405133339

Coef.

X
_cons

.02925
-.0475

Std. Err.
.0015862
.0571917

t
18.44
-0.83

Number of obs
F( 1,
5)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

7
340.04
0.0000
0.9855
0.9826
.08393

P>|t|

[95% Conf. Interval]

0.000
0.444

.0251725
-.194516

.0333275
.099516

Y = 0.0475 + 0.02925 X
Interpretando coeficientes matemticamente:
La constante es el intercepto con el eje X. y el coeficiente de X es la
pendiente de la recta de regresin

.5

Leucina
1

1.5

b) Representar grficamente los datos y dibuja en la grfica la recta de

regresin obtenida.

20

Tiempo (min)

Leucina (ng)

40

60

Fitted values

Ejercicio 3.
Datos:

Y= Es el peso medio de una mazorca (gr. de grano por mazorca)

X= la densidad (nmero de plantas en la parcela)

a) Obtener la recta de regresin de Y sobre X.

Source

SS

df

MS

Model
Residual

10494.5522
1337.24775

1
18

10494.5522
74.2915419

Total

11831.8

19

622.726316

Coef.

X
_cons

-.7206263
316.3762

Std. Err.
.0606314
7.999501

Number of obs
F( 1,
18)
Prob > F
R-squared
Adj R-squared
Root MSE

P>|t|

-11.89
39.55

0.000
0.000

=
=
=
=
=
=

20
141.26
0.0000
0.8870
0.8807
8.6193

[95% Conf. Interval]

-.8480082
299.5699

-.5932443
333.1825

180

200

peso medio
220
240

260

280

b) Representar grficamente los datos y dibujar en la grfica la recta de

regresin obtenida.

50

100
150
densidad (N de plantas en la parcela)
Peso medio de mazorca (gr)

200

Fitted values

c) Calcular sY y sY|X.

Yestima
da

Y
137

212

107

241

132

215

135

225

115

250

103

241

102

237

Residuo Residuo
s
^2
- 31.92696
217.6504 5.650395
37
2.995727
239.2692 1.730817
49
- 39.10658
221.2535 6.253526
74
34.90862
219.0916 5.908352
34
272.1124
233.5042 16.49583
07
- 1.326385
242.1517 1.151688
25
- 34.48407
242.8723 5.872314
17

65
149

282 269.5355 12.46451

206 209.0029

-3.00288

246

255.123

-9.12296

173

194 191.7079

2.29215

124

241 227.0185 13.98146

157

196 203.2379

184

193

85

112
80

183.781 9.219039
224 235.666 11.66605
257 258.7261 1.726092

165

200 197.4729

160

190

157

208 203.2379

119
SUMATOR
IA

-7.23787

2.52714
201.076 11.07599

4.76213
224 230.6217 6.621668
SCR=

c) Calcular sY y sY|X.

0.5
1337.247
56

20 2

)
=

8.61925
SS (resid)=
35

155.3640
1
9.017288
29
83.22839
92
5.253951
62
195.4812
24
52.38676
21
84.99068
01
136.0967
23
2.979393
59
6.386436
58
122.6775
54
22.67788
21
43.84648
71
1337.247
56