“AÑO DEL DIALOGO Y RECONCILIACION NACIONAL”

Facultad de Ciencias Económicas.

Escuela Académico Profesional de Contabilidad

Análisis de regresión y correlación no lineal

(MODELO CUADRATICO Y MODELO CUBICO)

PROFESOR: LIC. CASTAÑEDA GUZMAN, Walter J.

CICLO: V

INTEGRANTE:

 Cruz García, Ashley Dannixa.

 Olaya Feijoó, Adriana Loren.
 Quevedo Alemán, Erika Esperanza.
 Sifuentes Morán, Angie Berenice.

TUMBES – PERÚ
2018
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

DEDICATORIA
La concepción de este trabajo está dedicado
a dios, ya que nos ha permitido llegar hasta
este punto de nuestras vidas; está dedicada
también a nuestros padres, pilares
fundamentales en nuestras vidas. Sin ellos,
jamás hubiésemos podido conseguir lo que
hasta ahora hemos logrado, de igual manera
agradecerles por todas las cosas que hasta
ahora han hecho y seguirán haciendo por
sacarnos a adelante día a día. Su tenacidad
y lucha insaciable han hecho de ellos el gran
ejemplo a seguir y destacar. También
dedicamos este trabajo a nuestros
profesores que día a día nos enseñan un
poquito o mucho de lo que ellos saben para
poder salir a adelante y llegar a ser
profesionales y por eso y muchas cosas más
agradecerles por tanto apoyo que nos
brindan.

ESTADISTICA APLICADA 1
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

AGRADECIMIENTO
Agradecemos a Dios por permitirnos

tenernos en vida, porque sin él no se hubiera

hecho posible la realización de este trabajo.

Este trabajo fue un proceso de aprendizaje y

experimentación personal. Por esto,

agradecemos también a nuestro docente por

compartir sus conocimientos y guiarnos para

que esta asignatura sea de mayor

comprensión, porque día a día, clase a clase

y tema a tema pudo en nosotros una visión

investigadora y crítica de cómo aplicar lo

aprendido en clase a la realidad.

Gracias, y esperamos aprovechar todas las

enseñanzas han sido concedidas.

ESTADISTICA APLICADA 2
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

INDICE

OBJETIVOS........................................................................................................................................ 4
PRESENTACIÓN ................................................................................................................................ 5
INTRODUCCION ............................................................................................................................... 6
CAPITULO I ....................................................................................................................................... 8
ANALISIS DE REGRESION NO LINEAL ............................................................................................... 8
CAPITULO II .................................................................................................................................... 17
ANÁLISIS DE REGRESIÓN CÚBICA: ................................................................................................. 17
CAPITULO III ................................................................................................................................... 19
CORRELACION NO LINEAL ............................................................................................................. 20
EJEMPLO......................................................................................................................................... 22
CASOS PRACTICOS ......................................................................................................................... 36
CONCLUSION.................................................................................................................................. 50
LINKGOGRAFIA .............................................................................................................................. 51

ESTADISTICA APLICADA 3
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

OBJETIVOS

ESTADISTICA APLICADA 4
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

PRESENTACIÓN

Cumpliendo con la programación académica establecida en el Plan de Estudios

de la Escuela de Contabilidad – Facultad de Ciencias Económicas –Universidad
Nacional de Tumbes.

Finalmente el presente trabajo es un medio de apoyo, en la cual se espera

contribuir de que no solo se ha de consultar sino también de hacer un análisis para
aquellas personas interesadas en el tema.

ESTADISTICA APLICADA 5
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

INTRODUCCION

El análisis de regresión es una técnica para investigar y modelar la relación entre

variables. Aplicaciones de regresión son numerosas y ocurren en casi todos los
campos, incluyendo ingeniería, la física, ciencias económicas, ciencias biológicas
y de la salud, como también ciencias sociales.

El modelo de regresión de curva cubica permite describir el mundo real en

términos matemáticos, como por ejemplo, las variaciones de la temperatura, el
movimiento de los planetas, las sondas cerebrales, los ciclos comerciales, el ritmo
cardíaco , el crecimiento de la población entre otros.

ESTADISTICA APLICADA 6
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

ESTADISTICA APLICADA 7
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

CAPITULO I

ANALISIS DE REGRESION NO LINEAL

I. ANALISIS DE REGRESIÓN NO LINEAL CUADRÁTICA

1. CONCEPTO
En estadística, el análisis de regresión es un proceso estadístico para estimar
las relaciones entre variables. Ayuda a entender cómo el valor de la variable
dependiente varía al cambiar el valor de una de las variables independientes,
manteniendo el valor de las otras variables independientes fijas.
El modelo de regresión cuadrática es una alternativa cuando el modelo lineal
no logra un coeficiente de determinación apropiado, o cuando el fenómeno en

ESTADISTICA APLICADA 8
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

estudio tiene un comportamiento que puede considerarse como parabólico ya

que también es llamado así, siendo su grado igual a 2.
La forma más simple de tratar de establecer la tendencia es a través de un
diagrama de dispersión o nube de puntos, tal como la siguiente:

2. ECUACIÓN CARACTERÍSTICA

La función que define el modelo es la siguiente:

Yi =A+Bxi+Cxi2+E
En la cual:

Yi : Variable dependiente, iésima observación

A, B, C: Parámetros de la ecuación, que generalmente son desconocidos
E : Error asociado al modelo
Xi : Valor de la í-esima observación de la variable independiente

Al sustituir los parámetros por estimadores, el modelo adopta la siguiente forma:

Yi =a+bxi+cxi2
3. TABLA DE DATOS

Para el ajuste de un conjunto de datos al modelo cuadrático de regresión, se

construye la siguiente tabla de datos:

X Y X2 X3 X4 X* y X2*y y2

.. .. .. .. .. .. .. ..

Σx Σy Σx2 Σx3 Σx4 Σ x*y Σx2y Σy2

ESTADISTICA APLICADA 9
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

4. ESTIMADORES DEL MODELO

Los estimadores para el ajuste del modelo se calculan de la siguiente manera:

5. ANÁLISIS DE VARIANZA PARA LA REGRESIÓN

Con el objeto de determinar si el modelo explica o no el fenómeno en estudio,

se realiza el análisis de varianza, que se calcula de la siguiente manera:

HIPOTESIS DE PRUEBA EN EL ANOVA:

Ho: El modelo no explica el fenómeno en estudio

Ha: El modelo sí explica el fenómeno en estudio

Fuente de Grados Suma de Cuadrado F calculada F

Variación de cuadrados medio tabulada
libertad
Regresión 2 b* (Σxy- S.C. C.M.Reg/C.M.Error
Σx*Σy/n)+c*( Σx2y- Reg/2
Σx2* Σy/n)
Error n-3 S.C. Total- S.C. S.C.
Regresión Error/(n-
3)
Total n-1 Σ(y)2-(Σy)2 /n

ESTADISTICA APLICADA 10
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

 Para buscar en la tabla la F tabulada, se usa en el numerador los grados

de libertad de regresión y en el denominador, de acuerdo al nivel de
significancia escogido (los más usuales son al 5% y al 1%)

 Si el valor de F calculada es mayor que el de F tabulada, se rechaza Ho,

en caso contrario se acepta.

6. GRADO DE AJUSTE DEL MODELO

Para determinar el grado de ajuste del modelo, se calcula el coeficiente de

determinación, de la siguiente manera:

7. CÁLCULO DE ESTIMADORES, COEFICIENTE DE DETERMINACIÓN Y

ANÁLISIS DE VARIANZA MEDIANTE EL USO DE MATRICES
Un método alternativo para realizar los cálculos, es el uso de matrices. En este
caso, el procedimiento es el siguiente:

i. Formar la matriz x: (matriz de variable independiente), agregando la

primera columna formada por unos y una tercera columna formada por los
valores de x elevados al cuadrado:

1 x1 X12

1 x2 X22

... ..... .....

1 xn Xn2

ii. Formar el vector de valores de y

y1

ESTADISTICA APLICADA 11
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

y2

.....
yn

iii. Formar la matriz x transpuesta ( x´)

1 1 ... 1

x1 x2 ... xn

X12 X22 ... Xn2

iv. Calcular el producto matricial x´x

v. Calcular la inversa del producto x´x, o sea [x´x]-1
vi. Calcular el producto x´y
vii. Calcular el producto (x´x)-1*(x´y) = D
viii. El resultado de esta operación es el vector de coeficientes de regresión en
el orden a, b, c.
ix. Para el cálculo del análisis de varianza, se tienen las siguientes
operaciones matriciales:

 Suma de cuadrados de regresión = 𝑏՛𝑥՛𝑦 − 𝑛𝑦𝑚2

 Suma de cuadrados total = 𝑦՛𝑦 − 𝑛𝑦𝑚2

Fuente de Grados Suma de Cuadrado F calculada F

Variación de cuadrados medio tabulada
libertad
Regresión 2 D´( x´ )(y)-nym2 S.C. Reg/2 C.M.Reg/C.M.Error *

Error n-3 y´y-D´( x´ )(y) S.C.

Error/(n-3)
Total n-1 y´y- nym2

NOTA: El valor de ym que se usa en los cálculos es el promedio de valores de y

(Σy/n)

ESTADISTICA APLICADA 12
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

8. PRUEBAS DE HIPÓTESIS PARA EL MODELO

Para el planteo y prueba de hipótesis, es necesario definir el término
“multiplicadores de Gauss”
Los multiplicadores de Gauss son los elementos de la matriz inversa x´x:

PARA EL COEFICIENTE DE b
Para probar la hipótesis de que el coeficiente b es igual a un valor b´, se procede
de la siguiente manera:

 Se plantea la hipótesis Ho: b= b´ y la alternativa Ha: b≠ b´

 Se calcula el estadístico:

 Sb es conocido como el error standard de b y se calcula de la siguiente

manera:

El cuadrado medio del error se obtiene del análisis de varianza.

 Se busca en la tabla de t de student el valor tabulado para los siguientes
datos: n-3 grados de libertad y un nivel α/2

 Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en

caso contrario, se acepta.

PARA EL COEFICIENTE c
Para probar la hipótesis de que el coeficiente c es igual a un valor c´, se procede
de la siguiente manera:

ESTADISTICA APLICADA 13
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

 Se plantea la hipótesis Ho: c= c´ y la alternativa Ha: c≠ c´

 Se calcula el estadístico:

 Sb es conocido como el error standard de b y se calcula de la siguiente

manera:

El cuadrado medio del error se obtiene del análisis de varianza.

 Se busca en la tabla de t de student el valor tabulado para los siguientes

datos: n-3 grados de libertad y un nivel α/2.

 Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en

caso contrario, se acepta.

PARA EL COEFICIENTE a
Se puede probar la hipótesis de que el coeficiente a es igual a un valor a´, para lo
cual se sigue el siguiente procedimiento:

 Se define la hipótesis: Ho: a=a´ y la alternativa Ha: a≠a´

 Se calcula el estadístico de prueba:

 Se calcula el error standard para a con la siguiente fórmula:

 Se obtiene en la tabla de t de student el estadístico comparador, con los

siguientes datos:
n-3 grados de libertad y nivel α/2

ESTADISTICA APLICADA 14
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

 Si el valor de t calculado es mayor que el tabulado, se rechaza la Ho, en

caso contrario, la hipótesis se acepta

9. INTERVALOS DE CONFIANZA

PARA EL COEFICIENTE b
El intervalo de confianza para el coeficiente b se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2

PARA EL COEFICIENTE c
El intervalo de confianza para el coeficiente c se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y
un nivel α/2
PARA EL COEFICIENTE a
El intervalo de confianza para el coeficiente a se calcula así:

El cuadrado medio del error se obtiene del análisis de varianza

El valor de t se obtiene de la tabla de t de student con n-3 grados de libertad y un
nivel α/2.

ESTADISTICA APLICADA 15
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

ESTADISTICA APLICADA 16
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

CAPITULO II

ANÁLISIS DE REGRESIÓN CÚBICA:

1. CONCEPTO:
El análisis de la regresión es un proceso estadístico para la estimación de
relaciones entre variables. Incluye muchas técnicas para el modelado y análisis

ESTADISTICA APLICADA 17
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

de diversas variables, cuando la atención se centra en la relación entre una

variable dependiente y una o más variables independientes.

2. Método de traslación de ejes

Para aplicarla en la estimación de a, b, c yd el valor de “X” debe estar en
progresión aritmética
𝑛−1
𝑊=
2
∑ 𝑥 2 ∗ ∑ 𝑥 3 . 𝑦 − ∑ 𝑥 4 ∗ ∑ 𝑥. 𝑦
𝑑=
∑ 𝑥 2 ∑ 𝑥 6 − (∑ 𝑥 4 )2

𝑛 ∗ ∑ 𝑥 2. 𝑦 − ∑ 𝑥 2 ∗ ∑ 𝑦
𝑐=
𝑛 ∗ ∑ 𝑥 4 − (∑ 𝑥 2 )2

∑ 𝑦 − 𝑐 ∑ 𝑥2
𝑎=
𝑛

∑ 𝑥. 𝑦 − 𝑑 ∗ ∑ 𝑥 4
𝑏=
∑ 𝑥2

ESTADISTICA APLICADA 18
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

CAPITULO III

ESTADISTICA APLICADA 19
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

CORRELACION NO LINEAL

1. CONCEPTO:
En estadística, la correlación indica la fuerza y la dirección de una relación
lineal y proporcionalidad entre dos variables estadísticas. Se considera que
dos variables cuantitativas están correlacionadas cuando los valores de una
de ellas varían sistemáticamente con respecto a los valores homónimos de la
otra: si tenemos dos variables (A y B) existe correlación entre ellas si al
disminuir los valores de A lo hacen también los de B y viceversa.

2. CARACTERISTICAS

a) “r” no tiene unidad de medida (valor abstracto).

b) Toma valores -1 ≤ r ≤ +1
c) Si ”r” es positivo : relación directa
d) Si “r” es negativo : relación inversa
e) Mientras más se acerca “r” a +1 o -1 la relación es más intensa.
f) Si “r” se acerca a 0 es poco intensa.
g) Si r=1 la correlación es perfecta.
h) Si r= -1 la correlación es negativa perfecta.
i) Si -1 < r ≤ -0.5 la correlación es negativa fuerte o alta.
j) Si -0.5 < r < 0 la correlación negativa es baja.
k) Si 0.5 ≤ r < 1 la correlación fuerte o alta.
l) Si 0 < r < 0.5 la correlación positiva baja.

3. CORRELACIÓN NO LINEAL CUADRÁTICA O PARABÓLICA:

Si la posición de los datos representados en un sistema de coordenadas

rectangulares tiene forma aproximada de una figura parabólica, el modelo de
regresión representativa de este fenómeno queda definido por la siguiente
relación funcional.

𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 𝑓(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2

ERROR ESTANDAR DE ESTIMACION REGRESIÓN CUADRÁTICA (e)

ESTADISTICA APLICADA 20
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 − 𝑐 ∑ 𝑥 2 𝑦
𝑒 = 𝑠𝑦𝑥 = √
𝑛
INDICE DE CORRELACION PARABOLICA (r)

Dado los puntos (x1; y1), (x2; y2),…… (Xn; yn); el índice o coeficiente de
correlación parabólica o cuadrática se define mediante las siguientes
formulas:

𝑎 ∑ 𝑦 + 𝑏 ∑ 𝑥𝑦 + 𝑐 ∑ 𝑥 2 𝑦 − 𝑛(𝑦̅)2
𝑟= √
∑ 𝑦 2 − 𝑛(𝑦̅)2

4. CORRELACIÓN NO LINEAL CUADRÁTICA O PARABÓLICA:

ERROR ESTANDAR DE ESTIMACION REGRESIÓN CÚBICA (e)

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 − 𝑐 ∑ 𝑥 2 𝑦 − 𝑑 ∑ 𝑥 3 𝑦
𝑒 = 𝑠𝑦𝑥 = √
𝑛

INDICE DE CORRELACION CUBICA (r)

Dado los puntos (x1; y1), (x2; y2), …… (xn; yn); el índice o coeficiente de
correlación parabólica o cuadrática se define mediante las siguientes formulas:

̅̅̅2
𝑎 ∑ 𝑦 + 𝑏 ∑ 𝑥𝑦 + 𝑐 ∑ 𝑥 2 𝑦 + 𝑑 ∑ 𝑥 3 𝑦 − 𝑛𝑦
𝑟= √
∑ 𝑦 2 − 𝑛𝑦 ̅̅̅2

ESTADISTICA APLICADA 21
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

EJEMPLO

1.- Se obtiene la siguiente información de las últimas 4 Semanas de servicio

técnico brindado por una empresa encargada de arreglar computadoras, en
brindado donde (x) las semanas; (y) las computadoras malogradas.

X Y
1 3
2 4
3 9
4 16

En base a los datos anteriores:

a) Construya un diagrama de dispersión.

b) Efectúe la estimación del modelo cuadrático.
c) Determine el grado de ajuste e interprételo.
d) Elabore el análisis de varianza (por medio de las fórmulas).
e) Si la información obtenida fuera de las últimas 5 semanas de servicio
técnico brindado por dicha empresa, ¿cuántas computadoras deberá
arreglar?
f) Pruebe la hipótesis que b=1, a=1 y c=1 con un 95% de confianza
g) Calcule intervalo de confianza al 95% para a, b y c.
h) Efectúe la estimación del modelo, el ANOVA y obtenga el coeficiente de
determinación por medio de matrices.
i) Encontrar e error estándar de estimación.
j) Realice el coeficiente de correlación y determinación según el modelo
cuadrático.

DESARROLLO:

Datos:
X: semanas

Y: las computadoras malogradas.

a) Diagrama de Dispersión:

ESTADISTICA APLICADA 22
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

Grafico N° 1
20

Computadoras Malogradas
15

10

0
0 1 2 3 4 5
Semanas

b) Estimadores del modelo:

TABLA DE DATOS:

x y x2 x3 x4 x.y x2.y Y2

1 3 1 1 1 3 3 9
2 4 4 8 16 8 16 16
3 9 9 27 81 27 81 81
4 16 16 64 256 64 256 256
SUMATORIA 10 32 30 100 354 102 356 362

(10)(32) (30)2 (30)(32) (30)(10)

[(102)− 4
][(354)− 4
]−[(356)− 4 ][(100)− 4 ]
c=
(10)2 (30)2 (30)(10) 2
[(30)− 4 ][(354)− 4 ]−[(100)− 4
]

b= -3.1

ESTADISTICA APLICADA 23
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

(10)2 (30)(32) (30)(10) (10)(32)

[(30)− 4 ][(356)− 4
]−[(100)− 4 ][(102)− 4 ]
c=
(10)2 (30)2 (30)(10) 2
[(30)− 4 ][(354)− 4 ]−[(100)− 4
]

c= 1.5

𝟑𝟐−(−𝟑.𝟏)(𝟏𝟎)−(𝟏.𝟓)(𝟑𝟎)
a=
𝟒
a= 4.5

ECUACION FINAL:
Yi= 4.5 - 3.1 xi + 1.5 xi2

C) GRADO DE AJUSTE DEL MODELO:

(𝛴𝑥)(𝛴𝑦) 2 (𝛴𝑥 2 )(𝛴𝑦)

𝑏 ∗ (𝛴𝑥𝑦 − ) + 𝑐 ∗ ((𝛴𝑥 𝑦) − )
𝑛 𝑛
𝑟2 =
(𝛴𝑦)2
𝛴𝑦 2 − 𝑛
(10)(32) (30)(32)
−3.1 ∗ (102 − 4 ) + (1.5) ∗ ((356) − 4 )
𝑟2 =
(32)2
362 − 4

𝑟 2 = 0.9981132075

Se concluye que el grado de ajuste del modelo es alto (¡Casi perfecto!), por lo
que el modelo es confiable para hacer predicciones.

ESTADISTICA APLICADA 24
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

d) ELABORE EL ANÁLISIS DE VARIANZA POR MEDIO DE LAS

FORMULAS:

Análisis de Varianza del modelo.

 Suma de cuadrado de regresión

(𝛴𝑥)(𝛴𝑦) (𝛴𝑥 2 )(𝛴𝑦)
SCR= 𝑏 ∗ (𝛴𝑥𝑦 − 𝑛
) + 𝑐 ∗ ((𝛴𝑥 2 𝑦) − 𝑛
)

(10)(32) (30)(32)
𝑆𝐶𝑅 = −3.1 ∗ (102 − ) + (1.5) ∗ ((356) − )
4 4

SCR = 105.8

 Suma de cuadrados total

2
SCT= 𝛴𝑦2 − 𝛴(𝑛𝑦)

(32)2
𝑆𝐶𝑇 = 362 − = 106
4

 Suma de cuadrados del error:

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑅
SCE= 106 – 105.8 = 0.2

 Grado de Libertad de regresión :

GLR=2

 Grado de libertad de totales:

GLT= n-1
GLT=4 – 1 = 3

 Grados de libertad del error:

GLE= n-3
GLE= 4-3 = 1

 Cuadrado medio de regresión:

𝑆𝐶𝑅 105.8
𝐶𝑀𝑅 = = 2 = 52.9
𝐺𝐿𝑅

 Cuadrado medio del error:

𝑆𝐶𝐸 0.2
𝐶𝑀𝐸 = = = 0.2
𝐺𝐿𝐸 1

ESTADISTICA APLICADA 25
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

 F. calculada:
𝐶𝑀𝑅 52.9
𝐹𝐶 = = = 264.5
𝐶𝑀𝐸 0.2

 F. Tabulada (2,1,0.05)
Ft = 199.5

TABLA DE ANÁLISIS DE VARIANZA

FV GL SC CM FC Ft
REGRESIÓN 2 105.8 52.9 264.2 199.5
ERROR 1 0.2 0.2
TOTAL 3 106

Debido a que F calculada es mayor a F tabulada, se rechaza hipótesis nula

y se acepta la hipótesis alternativa, con la cual se concluye que el modelo
si explica el fenómeno en estudio y que los resultados obtenidos no se
deben a la casualidad.

e) ESTIMACIÓN FUTURA:

Para esto simplemente se utiliza la ecuación anteriormente encontrada por

estimación, sustituyendo el valor de x por 5.

Yi= 4.5 - 3.1 xi + 1.5 xi2

Y= 4.5 – 3.1 (5) + 1.5 (5)2 =26.5

Podemos concluir que en las últimas 5 semanas de servicio técnico

brindado por dicha empresa, deberá arreglar 26 computadoras.

f) PRUEBE LA HIPÓTESIS QUE a=1 CON UN 95% DE CONFIANZA

Se plantea:
𝐻0 : a = 1
𝐻1 : a ≠ 1

ESTADISTICA APLICADA 26
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

ERROR ESTÁNDAR DE “a”:

𝑆𝑎 = √0.05 ∗ 7.75 = 0.6224949799

 El valor de “t” student se calcula de la siguiente manera:

1 − (4.5)
𝑡𝑐 = = −5.622535302
0.6224949799

El valor de tabla de t se obtiene en la tabla t de student, con 4 – 3= 1

grados de libertad y α =0.025, siendo el valor igual a 12.706

Finalmente, Dado que t calculada es menor que t tabulada, se concluye

con un 95% que el coeficiente a es igual a 1.

PRUEBE LA HIPÓTESIS QUE b=1 CON UN 95% DE CONFIANZA

Se plantea:
𝐻0 : b = 1
𝐻1 : b ≠ 1

ERROR ESTÁNDAR DE “b”:

𝑆𝑏 = √0.05 ∗ 6.45 = 0.5678908346

 El valor de “t” student se calcula de la siguiente manera:

1 − (−3.1)
𝑡𝑐 = = 7.219697432
0.5678908346

El valor de tabla de t se obtiene en la tabla t de student, con 4 – 3= 1

grados de libertad y α =0.025, siendo el valor igual a 12.706

Finalmente, Dado que t calculada es menor que t tabulada, se concluye

con un 95% que el coeficiente b es igual a 1.

PRUEBE LA HIPÓTESIS QUE c=1 CON UN 95% DE CONFIANZA

Se plantea:
𝐻0 : c = 1
𝐻1 : c ≠ 1

ESTADISTICA APLICADA 27
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

ERROR ESTÁNDAR DE “c”:

𝑆𝐶 = √0.05 ∗ 0.25 = 0.1118033983

 El valor de “t” student se calcula de la siguiente manera:

1 − (1.5)
𝑡𝑐 = = −4.472135978
0.1118033983

El valor de tabla de t se obtiene en la tabla t de student, con 4 – 3= 1

grados de libertad y α =0.025, siendo el valor igual a 12.706

Finalmente, Dado que t calculada es menor que t tabulada, se concluye

con un 95% que el coeficiente c es igual a 1.

h) INTERVALOS DE CONFIANZA:

95% (α/2= 0.05/2 = 0.025) con 1 grado de libertad es 12.706

 4.5 ± 12.706 ∗ √0.05 ∗ 7.75 = 4.5 ± 7.909421215

−3.409421215 < 𝐴 < 12.409421215

 −3.1 ± 12.706 ∗ √0.05 ∗ 6.45 = −3.1 ± 7.215620944

−10.31562094 < 𝐵 < 4.115620944

 1.5 ± 12.706 ∗ √0.05 ∗ 0.25 = 1.5 ± 1.420573986

0.079426014 < 𝐶 < 2.920573986

i) ANÁLISIS DE VARIANZA MEDIANTE MATRICES:

MATRIZ X
1 1 1
1 2 4
1 3 9
1 4 16

ESTADISTICA APLICADA 28
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

VECTOR
MATRIZ X TRANSPUESTA (𝒙𝒕 ) Y
1 1 1 1 3
1 2 3 4 4
9
1 4 9 16
16

PRODUCTO 𝒙𝒕 𝒙
4 10 30
10 30 100
30 100 354

Matriz inversa (Xt.X)

30 100 10 100 10 30
Xt.X =4 -10 30
100 354 30 354 30 100

|𝐗𝐭. 𝐗| = 4(620) – 10(540) + 30(100)

|𝐗𝐭. 𝐗| = 2480 – 5400 + 3000
|𝐗𝐭. 𝐗| = 80

t
30 100 10 100 10 30

100 354 30 354 30 100

COF Xt.X = 10 30 4 30 4 10
100 354 30 354 30 100

10 30 4 30 4 10
30 100 10 100 10 30

ESTADISTICA APLICADA 29
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD
𝑡
620 −540 100
COF- Xt.X = (−540 516 −100)
100 −100 20

𝑡
620 −540 100
𝐶𝑂𝐹 (𝒙𝒕 . 𝐗 )𝒕 = (−540 516 −100)
100 −100 20

Matriz inversa (Xt.X)

𝑡
1 620 −540 100
(−540 516 −100)
80
100 −100 20

MATRIZ INVERSA DE 𝒙𝒕 𝒙
7.75 -6.75 1.25
-6.75 6.45 -1.25
1.25 -1.25 0.25

PRODUCTO Xt.Y:

Y
1 1 1 1 3
1 2 3 4 4
1 4 9 16 9
16
PRODUCTO 𝒙𝒕 𝒚
32
102
356

Matriz inversa (Xt.X) (Xt.Y)

7.75 −6.75 1.25 32
(−6.75 6.45 −1.25) (102)
1.25 −1.25 0.25 356

ESTADISTICA APLICADA 30
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD
PRODUCTO
FINAL
4.5
-3.1
1.5

 ANÁLISIS DE VARIANZA

𝛴𝑦 32
𝑌𝑛 = = =8
𝑛 4

a) Suma de cuadrado de regresión:

𝒃՛𝒙՛𝒚 − 𝒏𝒚𝒎𝟐
32
SCR= (4.5 − 3.1 1.5) [102] − 4(8)2
356

𝑆𝐶𝑅 = (4.5)(32) + (−3.1)(102) + (1.5)(356) − 4(8)2

𝑆𝐶𝑅 = 105.8

b) Suma de cuadrados total:

𝒚՛𝒚 − 𝒏𝒚𝒎𝟐

y 3 4 9 16 y
3
4
9
16
SCT= (3) (3) + (4) (4) + (9) (9) + (16) (16) – 4(8)2
SCT=362 - 4(8)2
SCT= 106

c) Suma de cuadrados del error:

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑅

SCE= 106 – 105.8 = 0.2

d) Grado de Libertad de regresión :

GLR=2

ESTADISTICA APLICADA 31
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

e) Grado de libertad de totales:

GLT= n-1
GLT=4 – 1
GLT = 3

f) Grados de libertad del error:

GLE= n-3
GLE= 4-3
GLE= 1

g) Cuadrado medio de regresión:

𝑆𝐶𝑅 105.8
𝐶𝑀𝑅 =
𝐺𝐿𝑅
=
2
= 52.9

h) Cuadrado medio del error:

𝑆𝐶𝐸 0.2
𝐶𝑀𝐸 =
𝐺𝐿𝐸
= 1
= 0.2

i) F. calculada:
𝐶𝑀𝑅 52.9
FC = = = 264.5
𝐶𝑀𝐸 0.2

j) F. Calculada (2,1,0.05)
Fc = 199.5

TABLA DE ANÁLISIS DE VARIANZA

FV GL SC CM FC Fc
REGRESIÓN 2 105.8 52.9 264.2 199.5
ERROR 1 0.2 0.2
TOTAL 3 106

J) Error estándar de Estimación:

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 − 𝑐 ∑ 𝑥 2 𝑦
𝑒 = 𝑠𝑦𝑥 = √
𝑛

ESTADISTICA APLICADA 32
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

15428 − 4.5(32) − (−3.1)(102) − 1.5(356)

𝑒 = 𝑠𝑦𝑥 = √
4

𝑒 = 𝑠𝑦𝑥 = 61.372

K) Realice el coeficiente de correlación según el modelo cuadrático

𝑎 ∑ 𝑦 + 𝑏 ∑ 𝑥𝑦 + 𝑐 ∑ 𝑥 2 𝑦 − 𝑛(𝑦̅)2
𝑟= √
∑ 𝑦 2 − 𝑛(𝑦̅)2

(4.5 ∗ 32) + (−3.1 ∗ 102) + (1.5 ∗ 356) − 4(8)2

𝑟=√
362 − 4(8)2

𝑟 = 0.9990561584
Existe una correlación muy alta y una relación muy intensa entre las
variables.

2.- Con los datos del primer ejercicio realizar la regresión y correlación
cúbica:

MÉTODO DE TRASLACIÓN DE EJES

Para aplicarla en la estimación de a, b, c yd el valor de “X” debe estar en
progresión aritmética
𝑛−1 4−1
𝑊= = = 1.5
2 2

x y x.y x2 x3 x4 x5 x6 x3.y x2.y

-1.5 3 -4.5 2.25 -3.375 5.0625 -7.5938 11.391 -10.125 6.75
-0.5 4 -2 0.25 -0.125 0.0625 -0.0313 0.0156 -0.5 1
0.5 9 4.5 0.25 0.125 0.0625 0.0313 0.0156 1.125 2.25
1.5 16 24 2.25 3.375 5.0625 7.5938 11.391 54 36
0 32 22 5 0 10.25 0 22.813 44.5 46

ESTADISTICA APLICADA 33
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

Método de traslación de ejes:

∑ 𝑥 2 ∑ 𝑥 3 𝑦−∑ 𝑥 4 ∑ 𝑥𝑦 (5)(44.5)−(10.25)(22)
𝑑= = = 0.0244149566
∑ 𝑥 2 −∑ 𝑥 6 −(∑ 𝑥 4 )2 5−22.813−(10.25)2

𝑛 ∑ 𝑥 2 𝑦−∑ 𝑥 2 ∑ 𝑦 (4)(46)−(5)(32)
𝑐= = = 1.5
𝑛 ∑ 𝑥 4 −(∑ 𝑥 2 )2 (4)(10.25)−(5)2

∑ 𝑥𝑦−𝑑 ∑ 𝑥 4 22−(−0.0244149566)(10.25)
𝑏= ∑ 𝑥2
= = 4.349949339
5

∑ 𝑦−𝑐 ∑ 𝑥 2 32−(1.5)(5)
𝑎= = = 6.125
𝑛 4

ECUACION FINAL:
Yi= 6.125 + 4.349949339 xi + 1.5 xi2 + 0.0244149566 xi3

ERROR ESTANDAR DE ESTIMACIÓN:

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 − 𝑐 ∑ 𝑥 2 𝑦 − 𝑑 ∑ 𝑥 3 𝑦
𝑒 = 𝑠𝑦𝑥 = √
𝑛

𝑒 = 𝑠𝑦𝑥

362 − 6.125(32) − 4.349949339(22) − 1.5 (46) − 0.0244149566(44.5)

= √
4

𝑒 = 𝑠𝑦𝑥 = 0.2316511242

INDICE DE CORRELACION CUBICA (r)

̅̅̅2
𝑎 ∑ 𝑦 + 𝑏 ∑ 𝑥𝑦 + 𝑐 ∑ 𝑥 2 𝑦 + 𝑑 ∑ 𝑥 3 𝑦 − 𝑛𝑦
𝑟= √
∑ 𝑦 2 − 𝑛𝑦 ̅̅̅2

ESTADISTICA APLICADA 34
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

32 2
6.125(32) + 4.349949339(22) + 1.5 (46) + 0.0244149566(44.5) − (4) ( 4 )
𝑟= √
32 2
362 − (
4)

𝑟 = 0.5958056725
Existe una correlación alta y una relación intensa entre las variables.

ESTADISTICA APLICADA 35
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

CASOS PRACTICOS

El dueño de una distribuidora de automóviles realizo un estudio, para determinar

las relaciones en un mes determinado, entre el número de automóviles
vendidos(X) y días que se demora para venderlo (Y).

X Y
2 6
6 36
8 34
10 100

En base a los datos anteriores:

a) Construya un diagrama de dispersión.

b) Efectúe la estimación del modelo cuadrático.
c) Determine el grado de ajuste e interprételo.
d) Elabore el análisis de varianza (por medio de las fórmulas).
e) Si el número de automóviles vendidos fueran 12 ¿Cuántos días demoran
en vender los automóviles?
f) Pruebe la hipótesis que b=1 con un 95% de confianza
g) Calcule intervalo de confianza al 95% para a, b y c.
h) Efectúe la estimación del modelo, el ANOVA y obtenga el coeficiente de
determinación por medio de matrices.
i) Encontrar el error estándar de estimación.
j) Realice el coeficiente de correlación y determinación según el modelo
cuadrático.

DESARROLLO:
Datos
X: número de automóviles vendidos.
Y: días que se demora para venderlo.

ESTADISTICA APLICADA 36
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

a) Diagrama de Dispersión:

DIAGRAMA DE DISPERSION
120

100

80

60

40

20

0
0 2 4 6 8 10 12

b) Estimadores del modelo:

TABLA DE DATOS:

X Y x² X³ X⁴ XY 𝑋2𝑌 Y²
2 6 4 8 16 12 24 36
6 36 36 216 1296 216 1296 1296
8 64 64 512 4096 512 4096 4096
10 100 100 1000 10000 1000 10000 10000

SUMA 26 206 204 1736 15408 1740 15416 15428

(26)(206) (204)2 (204)(206) (204)(26)

[(1740)− 4
][(15408)− 4
]−[(15416)− 4
][(1736)− 4
]
b=
(26)2 (204)2 (204)(26) 2
[(204)− 4 ][(15408)− 4
]−[(1736)− 4
]

b= -0.9227272727

ESTADISTICA APLICADA 37
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

2
(26) (204)(206) (204)(26) (26)(206)
[(204)−
4 ][(15416)− 4 ]−[(1736)−
4 ][(1740)−
4 ]
c= 2 2 2
(26) (204) (204)(26)
[(204)− ][(15408)− ]−[(1736)− ]
4 4 4

C= 1.056818182

𝟐𝟎𝟔−(−𝟎.𝟗𝟐𝟐𝟕𝟐𝟕𝟐𝟕𝟐𝟕)(𝟐𝟔)−( 𝟏.𝟎𝟓𝟔𝟖𝟏𝟖𝟏𝟖𝟐)(𝟐𝟎𝟒)
a=
𝟒
a= 3.599999991

ECUACION FINAL:

Yi= 3.599999991 -0.9227272727 xi + 1.056818182 xi2

C) GRADO DE AJUSTE DEL MODELO:

(𝛴𝑥)(𝛴𝑦) 2 (𝛴𝑥 2 )(𝛴𝑦)

𝑏 ∗ (𝛴𝑥𝑦 − ) + 𝑐 ∗ ((𝛴𝑥 𝑦) − )
𝑛 𝑛
𝑟2 =
(𝛴𝑦)2
𝛴𝑦 2 − 𝑛
(26)(206) (204)(206)
−0.922727 ∗ (1740 − 4 ) + (1.056818) ∗ ((15416) − 4 )
𝑟2 =
(206)2
15428 − 4

𝑟 2 = 0.997284099

Se concluye que el grado de ajuste del modelo es alto (¡Casi perfecto!), por lo
que el modelo es confiable para hacer predicciones.

ESTADISTICA APLICADA 38
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

d) ELABORE EL ANÁLISIS DE VARIANZA POR MEDIO DE LAS

FORMULAS:

Análisis de Varianza del modelo.

 Suma de cuadrado de regresión

(𝛴𝑥)(𝛴𝑦) (𝛴𝑥 2 )(𝛴𝑦)

SCR= 𝑏 ∗ (𝛴𝑥𝑦 − 𝑛
) + 𝑐 ∗ ((𝛴𝑥 2 𝑦) − 𝑛
)

SCR = −0.9227272727 ∗ (1740 − (26)(206)

4
) + 1.056818182 ∗ ((15416) −
(204)(206)
4
)

SCR= 4818.96363

 Suma de cuadrados total

2
SCT= 𝛴𝑦2 − 𝛴(𝑛𝑦)
(206)2
𝑆𝐶𝑇 = 15428 − 4
= 4819

 Suma de cuadrados del error:

SCE= 𝑆𝐶𝑇 − 𝑆𝐶𝑅

SCE= 4819 –4818.963637
SCE= 0.036363

 Grado de Libertad de regresión:

GLR=2

 Grado de libertad de totales:

GLT= n-1
GLT=4 – 1
GLT = 3

 Grados de libertad del error:

GLE= n-3
GLE= 4-3
GLE= 1

 Cuadrado medio de regresión:

𝑆𝐶𝑅 4818.963637
𝐶𝑀𝑅 = = 2
𝐺𝐿𝑅

ESTADISTICA APLICADA 39
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

𝐶𝑀𝑅 =2409.481819

 Cuadrado medio del error:

𝑆𝐶𝐸 0.036363
𝐶𝑀𝐸 = = = 0.036363
𝐺𝐿𝐸 1
 F. calculada:

𝐶𝑀𝑅 2409.481819
𝐹𝐶 = = = 66261.90961
𝐶𝑀𝐸 0.036363

 F. Observada (2,1,0.01)
FO = 4999

TABLA DE ANÁLISIS DE VARIANZA

FV GL SC CM FC FO

REGRESIÓN 2 4818.963637 2409.481819 66261.90961 4999

ERROR 1 0.036363 0.036363
TOTAL 3 4819

Debido a que F calculada es mayor a F tabulada, se rechaza hipótesis nula

y se acepta la hipótesis alternativa, con la cual se concluye que el modelo
si explica el fenómeno en estudio y que los resultados obtenidos no se
deben a la casualidad.

e) Si el número de automóviles vendidos fueran 12 ¿Cuántos días demoran

en vender los automóviles?

Yi= 3.599999991 -0.9227272727 xi + 1.056818182 xi2

Yi= 3.599999991 -0.9227272727 (12) + 1.056818182 (12)2
Yi =210 días

f) PRUEBE LA HIPÓTESIS QUE B=1 CON UN 95% DE CONFIANZA

Se plantea:
𝐻0 : a = 1
𝐻1 : a ≠ 1

ESTADISTICA APLICADA 40
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

ERROR ESTÁNDAR DE “a”:

𝑆𝑎 = √0.036363 ∗ 4.6 = 0.4089863078

 El valor de “t” student para “a”:

El valor de tabla de t se obtiene en la tabla t de student, con 4 – 3= 1
grados de libertad y α =0.025, siendo el valor igual a 12.706

Finalmente, Dado que t calculada es menor que t tabulada, se concluye

con un 95% que el coeficiente a es igual a 1.

PRUEBE LA HIPÓTESIS QUE b=1 CON UN 95% DE CONFIANZA

Se plantea:
𝐻0 : b = 1
𝐻1 : b ≠ 1

ERROR ESTÁNDAR DE “b”:

𝑆𝑏 √0.036363 ∗ 0.1183908046 = 0.06561284042

 El valor de “t” student para “b”:

b= 1
1 − (−0.9227272727)
𝑡𝑐 = = 29.30413103
0.06561284042

El valor de tabla de t se obtiene en la tabla t de student, con 4 – 3= 1

grados de libertad y α =0.025, siendo el valor igual a 12.706
Finalmente, Dado que t calculada es menor que t tabulada, se concluye
con un 95% que el coeficiente a es igual a 1.

PRUEBE LA HIPÓTESIS QUE c=1 CON UN 95% DE CONFIANZA

Se plantea:
𝐻0 : c = 1
𝐻1 : c ≠ 1
ERROR ESTÁNDAR DE “c”:

𝑆𝑐 = √0.036363 ∗ 0.004971591 = 0.01344551834

ESTADISTICA APLICADA 41
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

 El valor de “t” student para “c”:

1 − (1.056818182)
𝑡𝑐 = = −4.225808226
0.01344551834

El valor de tabla de t se obtiene en la tabla t de student, con 4 – 3= 1

grados de libertad y α =0.025, siendo el valor igual a 12.706

Finalmente, Dado que t calculada es menor que t tabulada, se concluye

con un 95% que el coeficiente c es igual a 1.

g) INTERVALOS DE CONFIANZA:
95% (α/2= 0.05/2 = 0.025)

 −0.9227272727 ± 12.7062 ∗ √0.036363 ∗ 0.710795455 = −0.9227272727 ± 2.042762426

−2.965489699 < 𝐵 < 1.120035153

 3.599999991 ± 12.7062 ∗ √0.036363 ∗ 4.6 = 3.599999991 ±

5.196661825
−1.596661834 < 𝐴 < 8.796661816

 1.056818182 ± 12.70652 ∗ √0.036363 ∗ 0.004971591 = 1.056818182 ±

0.1708457477

0.8859724343 < 𝐶 < 1.22766393

- El valor de “t” de student al 95% de confianza con 1 grados de libertad es

de 12.7062

h) ANÁLISIS DE VARIANZA MEDIANTE MATRICES:

MATRIZ X
1 2 4
1 6 36
1 8 64
1 10 100

ESTADISTICA APLICADA 42
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

VECTOR
MATRIZ X TRANSPUESTA (𝒙𝒕 ) Y
1 1 1 1 6
2 6 8 10 36
4 36 64 100 64
100

PRODUCTO 𝒙𝒕 𝒙
4 26 204
26 204 1736
204 1736 15408

Matriz inversa (Xt.X)

120 800 26 1736 26 204

Xt.X =4 -26 204
800 5664 204 15408 204 1736

|𝐗𝐭. 𝐗| = 4(129536) – 26(46464) + 204(3520)

|𝐗𝐭. 𝐗| = 518144 – 1208064 + 718080
|𝐗𝐭. 𝐗| = 28160

120 1736 26 1736 26 204

COF Xt.X =
800 5664 204 15408 204 1736

26 1736 4 204 4 26
204 15408 204 15408 204 1736

26 204 4 204 4 204

204 1736 26 1736 26 204

ESTADISTICA APLICADA 43
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

129536 −46464 3520 𝒕

𝐶𝑂𝐹 (𝐗𝐭. 𝐗 ) = (−46464 20016 −1640)
3520 −1640 140

129536 −46464 3520 𝒕

𝐶𝑂𝐹 (𝒙𝒕 . 𝐗 )𝒕 = (−46464 20016 −1640)
3520 −1640 140

Matriz inversa (Xt.X)

1 129536 −46464 3520 𝒕

(−46464 20016 −1640)
28160
3520 −1640 140

MATRIZ INVERSA DE 𝒙𝒕 𝒙
4.6 -1.65 0.125
-1.65 -0.7108 -0.058236
0.125 -0.0582 0.004975

PRODUCTO Xt.Y:

y
1 1 1 1 3
2 6 8 10 5
4 36 64 100 7
10

PRODUCTO
𝒙𝒕 𝒚
206
1740
15416

Matriz inversa (Xt.X) (Xt.Y)

4.6 −1.65 0.125 25

(−1.65 0.710795455 −0.058238636) ( 192 )
0.125 −0.058238636 0.004971591 1640

ESTADISTICA APLICADA 44
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD
PRODUCTO FINAL:

PRODUCTO
FINAL
3.599999991
-0.9227272727
1.056818182

 ANÁLISIS DE VARIANZA

𝑦 206
𝑌𝑛 = = = 51.5
𝑛 4

a) Suma de cuadrado de regresión

206 (206)2
SCR= (3.599999991 − 0.9227272727 1.056818182) [ 1740 ] − 4 ( 4 )
15416

𝑆𝐶𝑅 = (3.599999991)(206) + (−0.9227272727 )(1740)

+ (1.056818182)(15416) − 4(51.5)2

𝑆𝐶𝑅 = 4818.963637
b) Suma de cuadrados total
SCT=
y 6 36 64 100 y
6
36
64
100

SCT=(6 ∗ 6) + (36 ∗ 36) + (64 ∗ 64) + (100 ∗ 100) − 4(51.5)2

SCT= 4819

d) SUMA DE CUADRADOS DEL ERROR:

SCE= SCT-SCR
SCE= 4819 − 4818.963637
SCE= 0.036363

e) GRADO DE LIBERTAD DE REGRESIÓN:

GLR= 2

ESTADISTICA APLICADA 45
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

f) GRADO DE LIBERTAD TOTAL:

GLT= n-1
GLT= 4-1
GLT= 3

g) GRADOS DE LIBERTAD DEL ERROR:

GLE= n-3
GLE= 4-3
GLE= 1

h) CUADRADO MEDIO DE REGRESIÓN:

𝑆𝐶𝑅 4818.963637
CMR= = = 2409.481819
𝐺𝐿𝑅 2

i) CUADRADO MEDIO DEL ERROR:

𝑆𝐶𝐸 0.036363
CME= = = 0.036363
𝐺𝐿𝐸 1

j) FCALCULADA:

𝐶𝑀𝑅 2409.481819
FC = = = 66261.90961
𝐶𝑀𝐸 0.036363

k) FOBSERVADA= FO= 4999

TABLA DE ANÁLISIS DE VARIANZA

FV G SC CM FC FO
L
REGRESIÓ 2 4818.963637 2409.48181 66261.90961 4999
N 9
ERROR 1 0.036363 0.036363
TOTAL 3 4819

j) Error estándar de Estimación:

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 − 𝑐 ∑ 𝑥 2 𝑦
𝑒 = 𝑠𝑦𝑥 = √
𝑛

ESTADISTICA APLICADA 46
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

15428 − 3.5999(206) − (−0.922727)(1740) − 1.0568(15416)

𝑒 = 𝑠𝑦𝑥 = √
4
𝑒 = 𝑠𝑦𝑥 = 0.2901637

k) Realice el coeficiente de correlación según el modelo cuadrático.

𝑎 ∑ 𝑦 + 𝑏 ∑ 𝑥𝑦 + 𝑐 ∑ 𝑥 2 𝑦 − 𝑛(𝑦̅)2
𝑟= √
∑ 𝑦 2 − 𝑛(𝑦̅)2

(3.599999991 ∗ 206) + (−0.9227272727 ∗ 1740) + (1.056818182 ∗ 15416) − 4(51.5)2

𝑟=√
15428 − 4(51.5)2

𝑟 = 0.9999962271

Existe una correlación muy alta y una relación muy intensa entre las
variables.

2.- Con los datos del primer ejercicio realizar la regresión y correlación
cúbica:

MÉTODO DE TRASLACIÓN DE EJES

Para aplicarla en la estimación de a, b, c yd el valor de “X” debe estar en
progresión aritmética
𝑛−1 4−1
𝑊= = = 1.5
2 2

X y X2 X3 X4 X5 X6 x.y X2.y X3.y

-1.5 6 2.25 -3.375 5.0625 -7.59375 11.390625 -9 13.5 -20.25
-0.5 16 0.25 -0.125 0.0625 -0.03125 0.015625 -8 4 -2
0.5 36 0.25 0.125 0.0625 0.03125 0.015625 18 9 4.5
1.5 64 2.25 3.375 5.0625 7.59375 11.390625 96 144 216
0 122 5 0 10.25 0 22.8125 97 170.5 198.25

ESTADISTICA APLICADA 47
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

Método de traslación de ejes:

∑ 𝑥 2 ∑ 𝑥 3 𝑦−∑ 𝑥 4 ∑ 𝑥𝑦 (5)∗(198.25)−(10.25)∗(97)
𝑑= ∑ 𝑥 2 −∑ 𝑥 6 −(∑ 𝑥 4 )2
= (5)∗(22.8125)−(10.25)2
= −0.33333

𝑛 ∑ 𝑥 2 𝑦−∑ 𝑥 2 ∑ 𝑦 4(170.5)−(5)∗(122)
𝑐= = = 4.5
𝑛 ∑ 𝑥 4 −(∑ 𝑥 2 )2 4(10.25)−(5)2

∑ 𝑥𝑦−𝑑 ∑ 𝑥 4 (97)−(−0.33333)∗(10.25)
𝑏= ∑ 𝑥2
=
5
= 20.083333

∑ 𝑦−𝑐 ∑ 𝑥 2 (122)−4.5(5)
𝑎= = = 24.875
𝑛 4

ECUACION FINAL:
Yi= 24.875 + 20.083333 xi + 4.5 xi2 - 0.33333 xi3

ERROR ESTANDAR DE ESTIMACIÓN:

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 − 𝑐 ∑ 𝑥 2 𝑦 − 𝑑 ∑ 𝑥 3 𝑦
𝑒 = 𝑠𝑦𝑥 = √
𝑛

𝑒 = 𝑠𝑦𝑥

5684 − 24.875 ∗ 122 − 20.083333 ∗ 97 + 4.5 ∗ 170.5 − (−0.33333) ∗ 198.25

= √
4

𝑒 = 𝑠𝑦𝑥 = 10.78

INDICE DE CORRELACION CUBICA (r)

̅̅̅2
𝑎 ∑ 𝑦 + 𝑏 ∑ 𝑥𝑦 + 𝑐 ∑ 𝑥 2 𝑦 + 𝑑 ∑ 𝑥 3 𝑦 − 𝑛𝑦
𝑟= √
∑ 𝑦 2 − 𝑛𝑦 ̅̅̅2

ESTADISTICA APLICADA 48
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

122 2
(24.875)(122) + (20.083)(97) + (4.5)(170.5) + (−0.333)(198.25) − (4)( )
𝑟= √ 4
122 2
(5684)2 − (4)( )
4

𝑟 = 1.00000
Existe una correlación es perfecta entre las variables.

ESTADISTICA APLICADA 49
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

CONCLUSION

 La aplicación de distintas regresiones sobre un mismo problema nos permite

realizar comparaciones, sin limitarse solamente al caso lineal.

 La facilidad de que nos brindan las nuevas tecnologías permite en poco tiempo
efectuar comparaciones que nos permitan la correcta elección de un modelo
adecuado, que describa los datos en problemas de ingeniería, así como nos
proporciona elementos de juicio suficientes para la toma de decisiones en
condiciones de incertidumbre.

ESTADISTICA APLICADA 50
 Análisis de regresión y correlación no lineal (MODELO CUADRATICO Y MODELO CUBICO) |
ESCUELA DE CONTABILIDAD

LINKGOGRAFIA

https://es.slideshare.net/ronnygonzalezalvarez9/trabajo-de-regresion-
curva-cubica

Análisis de Regresión y Correlación. Isaac Córdova Baldeon.

ESTADISTICA APLICADA 51