Lección 4

Ajustemos una recta a los datos

Analicemos diagramas de dispersión como un todo.

Problema 1

El diagrama de dispersión muestra el número de hits y home runs de 20 jugadores de béisbol que tuvieron por lo menos 10 hits la temporada pasada. La tabla muestra los valores de 15 de esos jugadores.

Esta es la gráfica del modelo \(y = 0.15x - 1.5\), junto con un diagrama de dispersión.

Scatterplot.

Usa la gráfica y la tabla para responder estas preguntas.

  1. El jugador A tuvo 154 hits en 2015. ¿Cuántos home runs hizo? ¿Cuántos se había predicho que haría?
  2. El jugador B fue el jugador que más superó la predicción. ¿Cuántos hits tuvo el jugador B la temporada pasada?
  3. ¿Qué esperarías ver en la gráfica para un jugador que bateó muchos menos home runs de los que predice el modelo?
hits home runs home runs predichos
12 2 0.3
22 1 1.8
154 26 21.6
145 11 20.3
110 16 15
57 3 7.1
149 17 20.9
29 2 2.9
13 1 0.5
18 1 1.2
86 15 11.4
163 31 23
115 13 15.8
57 16 7.1
96 10 12.9

Problema 2

Este es un diagrama de dispersión que compara puntos por partido con intentos tiros libres por partido de los jugadores de baloncesto en un torneo. Esta es la gráfica del modelo \(y = 4.413x + 0.377\), junto con el diagrama de dispersión. En este caso, \(x\) representa los intentos de tiro libre por partido y \(y\) representa los puntos por partido.

  1. Marca alguno de los datos que parezca ser un dato atípico.
  2. ¿Qué quiere decir que un punto esté muy por encima de la recta en esta situación?
  3. Basado en el modelo, ¿cuántos puntos por partido esperarías que un jugador con 4.5 intentos de tiro libre por partido tuviera? Redondea tu respuesta a la décima más cercana.
  4. Uno de los jugadores anotó 13.7 puntos por partido y tuvo 4.1 intentos de tiro libre por partido. ¿Cómo se compara esto con lo que el modelo predice para este jugador?