Correlación y Regresión Lineal Simple Conclusiones.

9,914 views
9,506 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
9,914
On SlideShare
0
From Embeds
0
Number of Embeds
1,675
Actions
Shares
0
Downloads
15
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Correlación y Regresión Lineal Simple Conclusiones.

  1. 1. CORRELACIÓN Y REGRESIÓN LINEAL SIMPLE
  2. 2. Ejercicio 1.12 y = 0.821x + 3.714 R² = 0.6741086 Series1 Linear (Series1)420 0 1 2 3 4 5 6 7 8
  3. 3. • En conclusión la demanda de bebidas alcohólicas no debe ser mas alta que la venta. para que no genere inventarios , ni gastos extras y no debemos dejarnos engañar por la correlación que puedan mostrar al graficar los datos.
  4. 4. Ejercicio 2.43.042.041.0 Series140.039.038.0 Linear (Series1)37.036.035.034.0 104.6 104.8 105 105.2 105.4 105.6 105.8 106 106.2 106.4
  5. 5. • Particularmente en esta situación se recomienda, apoyarse de otros métodos que nos arrojen detalles para definir por que entre mas tención la dureza en mas baja y entre mas baja la tención mas alta es la dureza.
  6. 6. Ejercicio 3• Motivación y rendimiento. Cuando tenemos motivación, en cualquier aspecto de nuestra vida, ya sea como estudiante, trabajador, o en familia, etc. Nuestro rendimiento es muy alto• Es por eso que se sugiere que se busque la forma de fomentar la motivación.
  7. 7. Ejercicio 4.• Las matemáticas es la base de todas las demás materias que se cursan durante el ciclo escolar. Con ellas desarrollamos mas áreas de nuestro cerebro. Es muy importante que se cuente con buen profesor y las herramientas necesarias para llevar lo a la practica todos los días.
  8. 8. Ejercicio 5• En investigaciones con respecto al movimientos de la tierra tenemos que ser mas precisos y apoyarnos de todas la herramientas necesarias para saber causa y efecto. En una grafica de correlación por lo general no se estudia la causa y el efecto. La correlación solo nos deja ver que relación que hay entre las variables.

×