Enunciado del ejercicio

Se realizó un estudio sobre la cantidad de azúcar convertida en cierto proceso a distintas temperaturas.

Salidas de R

## [1] "Temperatura (x)"       "Azúcar convertida (y)"
## [1] "numeric"
## [1] "numeric"
## # A tibble: 11 × 2
##    `Temperatura (x)` `Azúcar convertida (y)`
##                <dbl>                   <dbl>
##  1               1                       8.1
##  2               1.1                     7.8
##  3               1.2                     8.5
##  4               1.3                     9.8
##  5               1.4                     9.5
##  6               1.5                     8.9
##  7               1.6                     8.6
##  8               1.7                    10.2
##  9               1.8                     9.3
## 10               1.9                     9.2
## 11               2                      10.5
## 
## Call:
## lm(formula = `Azúcar convertida (y)` ~ `Temperatura (x)`, data = Ejercicio_de_Regresión_lineal_R, 
##     na.action = na.exclude)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -0.7082 -0.4868 -0.1227  0.5109  1.0346 
## 
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)    
## (Intercept)         6.4136     0.9246   6.936 6.79e-05 ***
## `Temperatura (x)`   1.8091     0.6032   2.999    0.015 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.6326 on 9 degrees of freedom
## Multiple R-squared:  0.4999, Adjusted R-squared:  0.4443 
## F-statistic: 8.996 on 1 and 9 DF,  p-value: 0.01497
## [1] 0.7070361

## `geom_smooth()` using formula 'y ~ x'

Interpretación

Un valor de R cuadrado de 0.4999, se encuentra muy alejado del valor ideal de 1, por lo que esto es un indicativo de que el modelo de regresión lineal empleado, no se ajusta a los datos. Esto además, se puede observar en la gráfica generada, donde se observan puntos muy dispersos entre sí, confirmando, que estos datos no siguen el comportamiento lineal.