Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 11 vistas

    Segunda Calibracion

    Cargado por

    david lira
    Este documento presenta los resultados de un análisis de regresión lineal simple. Muestra que existe una fuerte relación lineal positiva entre la variable independiente X y la variable dependiente Y, con un coeficiente de determinación R^2 de 0.99. El modelo de regresión lineal predice los valores de Y de manera muy precisa basándose en los valores de X.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd

    Segunda Calibracion

    Cargado por

    david lira
    11 vistas5 páginas
    Este documento presenta los resultados de un análisis de regresión lineal simple. Muestra que existe una fuerte relación lineal positiva entre la variable independiente X y la variable dependiente Y, con un coeficiente de determinación R^2 de 0.99. El modelo de regresión lineal predice los valores de Y de manera muy precisa basándose en los valores de X.

    Título original

    Segunda calibracion

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    XLSX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta los resultados de un análisis de regresión lineal simple. Muestra que existe una fuerte relación lineal positiva entre la variable independiente X y la variable dependiente Y, con un coeficiente de determinación R^2 de 0.99. El modelo de regresión lineal predice los valores de Y de manera muy precisa basándose en los valores de X.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    11 vistas5 páginas

    Segunda Calibracion

    Cargado por

    david lira
    Este documento presenta los resultados de un análisis de regresión lineal simple. Muestra que existe una fuerte relación lineal positiva entre la variable independiente X y la variable dependiente Y, con un coeficiente de determinación R^2 de 0.99. El modelo de regresión lineal predice los valores de Y de manera muy precisa basándose en los valores de X.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    de 5

    Potencial Ppm LOG2

    70 100 2
    20 10 1
    -10 1 0
    -100 0.1 -1

    Calibración LOG
    80 80
    f(x) = 54 x − 32
    60 60
    R² = 0.952941176470588
    40 40
    20 20
    0 0
    0 20 40 60 80 100 120 -1.5 -1 -0.5 0 0.5
    -20 -20
    -40 -40
    -60 -60
    -80 -80
    -100 -100
    -120 -120

    Resumen

    Estadísticas de la regresión
    Coeficiente d 0.99725651
    Coeficiente d 0.99452055
    R^2 ajustado 0.99178082
    Error típico 7.74596669
    Observacione 4

    ANÁLISIS DE VARIANZA
    Grados dePromedio
    libertad de los cuadradosF Valor crítico de F
    Regresión 1 21780 363 0.00274349
    Residuos 2 60
    Total 3

    Coeficientes Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%


    Superior 95.0%
    Intercepción -38 -8.9566859 0.01223703 -56.2546095 -19.7453905 -56.2546095 -19.7453905
    Variable X 1 66 19.0525589 0.00274349 51.0951737 80.9048263 51.0951737 80.9048263

    Análisis de los residuales

    Observación
    Pronóstico para
    Residuos
    Y estándares
    1 94 0.9486833
    2 28 -1.26491106
    3 -38 -0.31622777
    4 -104 0.63245553
    LOG
    80
    f(x) = 54 x − 32
    60
    R² = 0.952941176470588
    40
    20
    0
    -0.5 0 0.5 1 1.5 2 2.5
    -20
    -40
    -60
    -80
    -100
    -120

    Variable X 1 Curva de regresión


    ajustada
    200
    Y
    100
    Pronóstico para Y
    0
    Y

    -1.5 -1 -0.5
    -100 0 0.5 1 1.5 2 2.5
    -200
    Variable X 1

    perior 95.0%
    Resumen

    Estadísticas de la regresión
    Coeficiente d 0.99725651
    Coeficiente d 0.99452055
    R^2 ajustado 0.99178082
    Error típico 7.74596669
    Observacione 4

    ANÁLISIS DE VARIANZA
    Grados de libertad
    Suma de cuadrados
    Promedio de los cuadradosF Valor crítico de F
    Regresión 1 21780 21780 363 0.00274349
    Residuos 2 120 60
    Total 3 21900

    Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
    Intercepción -38 4.24264069 -8.9566859 0.01223703 -56.2546095 -19.7453905 -56.2546095
    Variable X 1 66 3.46410162 19.0525589 0.00274349 51.0951737 80.9048263 51.0951737

    Análisis de los residuales

    Observación
    Pronóstico para YResiduos
    1 94 6
    2 28 -8
    3 -38 -2
    4 -104 4
    Variable X 1 Gráfico de los residuales
    10
    5
    Residuos

    0
    -1.5 -1 -0.5 -5 0 0.5 1 1.5 2 2.5

    -10
    Variable X 1

    Variable X 1 Curva de regresión


    ajustada
    Superior 95.0%
    200
    -19.7453905 Y
    100
    80.9048263 Pronóstico para Y
    0
    Y

    -1.5 -1 -0.5
    -100 0 0.5 1 1.5 2 2.5
    -200
    Variable X 1

    También podría gustarte