#Construcción de la Base de Datos

y = c(35, 63, 103, 121.8, 163.8, 373.0)
x1 = c(0, 4, 10, 10.72, 16, 21)
x2 = c(13, 9, 20, 10, 17, 19)
datos=data.frame(y,x1,x2)
pairs(ChickWeight)# diagramas de dispersion

Estadistica descriptiva

summary(ChickWeight)
##      weight           Time           Chick     Diet   
##  Min.   : 35.0   Min.   : 0.00   13     : 12   1:220  
##  1st Qu.: 63.0   1st Qu.: 4.00   9      : 12   2:120  
##  Median :103.0   Median :10.00   20     : 12   3:120  
##  Mean   :121.8   Mean   :10.72   10     : 12   4:118  
##  3rd Qu.:163.8   3rd Qu.:16.00   17     : 12          
##  Max.   :373.0   Max.   :21.00   19     : 12          
##                                  (Other):506

#Acabo de realizar un resumen descriptivo de mi base de datos y encuentro que la media es de

Correlación

cor(datos) # Correlacion
##            y        x1        x2
## y  1.0000000 0.9051452 0.5519687
## x1 0.9051452 1.0000000 0.6088234
## x2 0.5519687 0.6088234 1.0000000
##            y        x1        x2

Existe una correlacion perfecta positiva, indicando que con el paso del tiempo los pollos aumentan de peso

Ajuste de un Modelo Lineal (lm)

modelo=lm(y~x1)
summary(modelo)
## 
## Call:
## lm(formula = y ~ x1)
## 
## Residuals:
##       1       2       3       4       5       6 
##  39.142   9.822 -36.159 -27.676 -61.339  76.210 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept)   -4.142     41.848  -0.099   0.9259  
## x1            14.330      3.365   4.258   0.0131 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 57.6 on 4 degrees of freedom
## Multiple R-squared:  0.8193, Adjusted R-squared:  0.7741 
## F-statistic: 18.13 on 1 and 4 DF,  p-value: 0.01307
## 
## Call:
## lm(formula = y ~ x1)

El modelo de prograamacio lineal indica que

4)La nube de puntos y la recta: visualizacion de los residuales

par(mfrow=c(1,1))
plot(x1,y, type="p", xlim=c(0,200), ylim=c(0,1000))
abline(lm(y~x1), col="blue", v=mean(x1), h=mean(y))

5) Intervalos de confianza al 95%

confint(modelo, level=0.90)
##                    5 %     95 %
## (Intercept) -93.355395 85.07116
## x1            7.156267 21.50390