CPM Homework Banner
6-86.

Marissa fue con sus amigos al parque de diversiones en un hermoso día de primavera. El parque estaba abarrotado de gente. Marissa se preguntó si existe una asociación entre el clima y la cantidad de gente. En función de los datos que le dieron en la oficina de atención al público del parque, Marissa seleccionó diez sábados en forma aleatoria y analizó los datos.

  1. Marissa calculó la línea de regresión de mínimos cuadrados , donde es la cantidad de personas (en miles) y es la temperatura ( ) que hizo ese día. Interpreta la pendiente en este contexto.

    Con cada grado adicional de temperatura, predecimos un aumento de visitantes al parque.
    Asegúrate de saber por qué es ésta la respuesta.

  2. Puedes ver el diagrama de valor residual de Marissa a la derecha. Un día en que la temperatura es alrededor de , ¿crees que las predicciones de Marissa serán demasiado altas, demasiado bajas o bastante precisas?

    ¿Qué significa que los valores residuales sean positivos?
    ¿Son los valores reales mayores o menores que los valores estimados?

  3. ¿Cuál fue la cantidad real de personas que visitaron el parque el día en que la temperatura fue ?

    Sustituye la t por en la ecuación de la LRMC de la parte (a) para hallar lo que predice la LRMC.
    Luego, usa la ecuación real − predicción = valor residual para hallar el valor real.

  4. Marissa dibujó la recta de frontera superior en y la inferior en . ¿Cuáles son las cotas superior e inferior de la cantidad de personas que se predice que irá al parque con una temperatura de ?

    La asistencia estimada está entre y personas. Muestra el procedimiento que seguiste.

  5. ¿Confiarías en este modelo para realizar predicciones? ¿Por qué sí o por qué no?

    Mira el diagrama de valor residual. ¿Hay algún patrón? Observa que el rango para la asistencia estimada de la parte (d) es muy grande. ¿Es esto útil o no?