You are on page 1of 76

UNIVERSIDAD POLITÉCNICA ESTATAL DEL CARCHI

ESCUELA DE COMERCIO EXTERIOR Y NEGOCIACIÓN COMERCIAL
INTERNACIONAL

TEMA: Aplicación de Ejercicios de estadística
Msc. Jorge pozo

Integrante

Ayala Maricela
NIVEL: 6TO “A”
Periodo – 2012

TEMA: Aplicación de Ejercicios de estadística

Problema:
La dificultad del estudiante para calcular los Ejercicios de estadística

Objetivos:
Objetivo General.
 Identificar como calcular los Ejercicios de estadística

Objetivos Específicos.
 Recopilar conceptos sobre los Ejercicios de estadística
 Analizar los conceptos sobre los Ejercicios de estadística
 Poner en práctica los conocimientos sobre los Ejercicios de estadística

Justificación
Este trabajo se realiza para que el estudiante sea práctico en el cálculo de la
correlación

y relación lineal y domine bien el tema y se involucre en

investigaciones cada vez más profundas analizando algunas características
generales como es la de calcular el coeficiente de correlación r de Pearson de
acuerdo a los datos planteados, al observar los resultados se puede sacar
importantes análisis con el fin de determinar si es aceptable o no el tipo de
caso aplicado,

Desarrollo
CORRELACIÓN ENTRE DOS CONJUNTOS DE DATOS AGRUPADOS EN
CLASES
El presente tema nos conduce a calcular el coeficiente de correlación r, que nos
proporciona información de la fuerza de la relación que existe entre dos
conjuntos de datos que se encuentran agrupados, cada uno de ellos formando
por separados una distribución de frecuencias, mejor dicho teniendo por
separado sus intervalos de clase con sus respectivas frecuencias.
Para realizar una exposición del tema en forma más entendible, presentamos el
ejemplo del Cuadro Nº 4.1.7.

aplicados a un total de 134 alumnos de un colegio de la localidad. como el caso anterior. los que cubren todos los posibles datos acerca de las puntuaciones alcanzadas por los estudiantes en la prueba de Matemática. En la fila superior se presentan los intervalos de clase todos los 134 posibles datos acerca de los puntajes obtenidos por los estudiantes en la variable hábitos de estudios representados por la letra X.1.7 X Hábitos de estudio Y Matemática 20 30 40 50 → 3 → 4 → 5 → 6 0 70 → 80 Total fy 0 3 0 2 0 2 7 60 → 70 1 0 4 5 10 50 → 60 2 6 16 3 27 40 → 50 4 14 19 10 47 30 → 40 7 15 6 0 28 20 → 30 8 2 0 1 11 10 → 20 1 1 2 4 48 23 134 Total fx 23 40 Podemos notar que el problema no es tan simple. Este cuadro muestra. dado que ahora los datos se han clasificado en una tabla de doble entrada Nº 4. en la primera columna del lado izquierdo los intervalos de clase de la variable Y.Ejemplo: Calcular el grado de correlación entre las puntaciones obtenidas en inventario de hábitos de estudio y los puntajes obtenidos en un examen de Matemática.1.7. CUADRO Nº 4. . Nótese que los intervalos crecen de abajo hacia arriba.

En la última columna de la derecha se encuentran los totales de los puntajes de la variable rendimiento en matemática. cinco columnas por el lado derecho. cuyos encabezamientos son: .7. Cuando los datos se presentan tal como el presente caso. formando tablas de doble entrada..1. Lo primero que hacemos es reemplazar los intervalos horizontales y verticales por sus respectivas marcas de clase. Esos totales se llaman frecuencias marginales de la variable X y se representan por fx . Estos totales se denominan frecuencias marginales de la variable Y.7 en los casilleros interiores o celdas de la tabla.1.8. como sería el caso si se emplearán las fórmulas para trabajar con la calculadora de bolsillo. se encuentran las frecuencias de celdas f xy que corresponden a puntajes que pertenecen tanto a un intervalo de la variable Y como a un intervalo de la variable X. al mismo tiempo que se explica el significado de los símbolos de esa fórmula.Dentro del Cuadro Nº 4. hábitos de estudio.2. La fórmula que utilizaremos es la siguiente: n ∑ f xy ux u y−¿ (∑ f x u x )( ∑ f y u y ) √[ n∑ f x u 2x−(∑ f x u x)2 ][n f y u 2 y−(∑ f y u y )2 ] r =¿ Para obtener los datos que deben aplicarse en la fórmula Nº 4. En la fila interior del Cuadro se presentan los totales de los puntajes de la variable X.1. es conveniente usar el método clave que expondremos a continuación porque con este procedimiento se evita manejar grandes números.1. vamos a construir el cuadro auxiliar Nº 4. a continuación adicionaremos al Cuadro Nº 4.

fy para la primera para la cuarta y uy f xy ux u y para la segunda. Por la parte inferior del cuadro le adicionamos cuatro filas que se nombran: fx para la primera f x ux ux para la segunda fila que está debajo de la anterior. f yuy para la tercera. de esta manera se va elaborando el Cuadro Auxiliar Nº 4. En la columna encabezada con 35. sumamos 1+4+5=10. 2 f yu y para la quinta columna. 2) Ahora a determinar las frecuencias marginales de la variable X: En columna encabezada con la marca de clase 25 sumemos verticalmente las frecuencias: 1+2+4+7+8+1=23. f yuy para la tercera. En igual forma: 7+15+6=28. tenemos: 3+6+14+15+2=40 En la siguiente: 2+4+16+19+6+1=48 En la última: 2+5+3+10+1+2=23 . Lo mismo: 8+2+1=11 Y en la última fila: 1+1+2=4 A continuación sumamos estas frecuencias marginales de la variable Y: 7+10+27+47+28+11+4=134 es el total general. obtenemos: 3+2+2=7. fy para la primera En la fila de la marca de clase 65. f y.8. número que se escribe debajo del 7. tenemos: 2+6+16+3=27. f yuy para la sumamos las frecuencias de las celdas que están en la misma fila de la marca de clase 75. 1) Para determinar las frecuencias marginales que se deben colocar en la fy columna tercera. fy para la primera uy para la segunda. se tiene: 4+14+19+10=47. Para la fila de la marca de clase 45. número que se escribe en el primer casillero o celda de la columna uy para la segunda. Para la fila de la marca de clase 55. f x u 2x para la cuarta fila que está debajo de todas. para la tercera fila y por último.1.

47(0)=0.1. 55 (en parte superior del Cuadro Nº 4. 11(-2)=-22 y 4(-3)=-12.8. que se coloca en la parte inferior de la columna Para obtener los valores de la cuarta columna encabezada 2 tener en cuenta que ( u y ¿ ( f y u y ) =f y u y f y u2 y debemos . 4) Luego vamos a determinar las desviaciones unitarias horizontales de la variable X. Las desviaciones unitarias negativas: -1 y -2 se escriben a la izquierda cero. así: 7(+3)=21. el origen de trabajo es la marca de clase 45 que se halla en la fila superior del cuadro. para la tercera.) 5) A continuación vamos a determinar los valores que deben colocarse en la columna encabezada cada valor de fy f yuy . Como origen de trabajo se tomó la marca de clase 45 y por lo tanto su desviación unitaria es cero.2 y Nº 2. y +3 corresponden a los intervalos mayores y por el contrario las desviaciones unitarias negativas: -1.fy 3) Centremos nuestra atención en la columna encabezada primera uy f yuy para la segunda. +2. 10(+2)=20. por esa razón. 27(+1)=27. y procedemos en la misma forma que en las Tablas Nº 2.1. escribimos cero debajo de la frecuencia marginal 48. Sumando algebraicamente. se corresponde con el intervalo de mayor marca de clase. Por último: 68-62=6 total. La desviación unitaria positiva. recuerden que las desviaciones unitarias positivas: +1. -2 y -3 corresponden a los intervalos menores. uy para la este signo significa desviación unitaria. 28(-1)=-28.3 (b). tenemos: 21+20+27=68 los positivos: y (- 28)+ (-22)+ (-12)=-62 los negativos.1. este símbolo indica que se debe multiplicar por su correspondiente valor de uy . porque se corresponden con los intervalos de clase que tienen menores marcas de clase y que están a la izquierda de 45. por lo tanto basta multiplicar cada .

0*0=0 y (+1) (23)=23 Para obtener los valores de la quinta columna hay tres factores. Por tanto el procedimiento será el siguiente: .valor de la segunda columna por su correspondiente valor de la tercera columna así se obtiene el respectivo valor de la cuarta columna. (+2)(20)=40. vemos que ( u x ) ( f x u x ) =f x u2x . el 1º es la frecuencia f xy ∑ f xy u x u y de la celda o casillero que se está considerando. (-1) (-40)=40. (23)(-2)=-46. (48)(0)=0 y (23)(+1)=23 Sumando horizontalmente: (-46)+ (-40)+ (23)=-86+23=-63 Vamos por la cuarta fila. (-1)(-28)=28. En efecto: (+3)(21)=63. (+1)(27)=27. Tenemos que ( f x ¿ (u x ) = f x ux por consiguiente basta multiplicar verticalmente un valor de la primera fila por su correspondiente valor de la segunda dila para obtener el respectivo valor de la tercera fila. (-2)(-22)=44 y (-3)(12)=36 La suma: 63+40+27+28+44+36=238 Ahora nos fijamos horizontalmente en la tercera fila. (40)(-1)=-40. el tercer factor . Luego basta multiplicar cada elemento de la segunda fila por su correspondiente elemento de la tercera fila para obtener el respectivo elemento de la cuarta fila así: (-2)(46)=92. 0*0=0. el segundo factor es la desviación unitaria es la desviación unitaria uy observamos que ux .

Este número -9 encerrado en un semicírculo lo escribimos en la celda elegida.Tomemos el número 3 que es la frecuencia de la celda determinada por el cruce de los intervalos que tienen la marcha de clase 75 horizontalmente y 35 verticalmente. Para indicar el tercer factor corremos la vista del número 3 hacia su derecha hasta llegar a la columna de las desviaciones unitarias uy y ubicamos el número +3 (ver la línea punteada) formemos el producto de estos tres números: (3) (-1) (+3)=-9. Bajemos la vista del número 3 hacia donde se halla el respectivo valor (-1) de la desviación unitaria ux (ver la línea punteada).8 .1. En la misma fila tomamos la celda siguiente: (2) (0) (+3)=0 Continuando hacia la derecha: (2) (+1) (+3)=6 CUADRO AUXILIAR Nº 4.

CUADRO CORREGIDO DEL CUADRO AUXILIAR Nº 4.1.8 .

Este número se escribe en la quinta columna. así: -9+0+6=-3. (0)(-1)(+2)=0 (4)(0)8+2)=0 (5)(+1)(+2)=10 Sumando 0+0+10=10 Ahora con la tercera fila: (2)(-2)(+1)=-4 (6)(-1)(+1)=-6 (16)(0)(+1)=0 (3)(+1)(+1)=3 . Trabajemos con la siguiente fila: (1) (-2) (+2)=-4 se encierra en un semicírculo.La fórmula del paso (9) lleva el signo para indicar que se deben sumar horizontalmente los números que están encerrados en los semicírculos de esa primera fila elegida.

2. n=134 ∑ f xy u x u y =59 .Sumando: (-4)+(-6)+0+3=-7 Cuarta fila: (7)(-2)(-1)=14 (15)(-1)(-1)=15 (6)(0)(-1)=0 (0)(+1)(-1)=0 La suma es: 14+15=29 (8)(-2)(-2)=32 (2)(-1)(-2)=4 (0)(0)(-2)=0 (1)(+1)(-2)=-2 La suma es: 32+4-2=34 Séptima fila: (1)(-2)(-3)=6 (1)(0)(-3)=-6 (2)(1)(-3)=-6 Sumando: 6+0-6=0 Sumando los valores de la columna quinta.1. se tienen los datos para aplicar en fórmula Nº 4. -3+6-7+0+29+34+0=69-10=59 Reuniendo los resultados anteriores.

∑ f x u x =−63 ∑ f y u y=6 ∑ f x u2x =155 ∑ f y u 2 y=238 r= (134) ( 59 )−(−63)(6) √ [ ( 134 ) (155)−(−63) ][(134 )( 238 ) −(6) ] 2 r= 7906+378 √(20770−3969)( 31892−36) r= 8284 √ 535212656 r= 8284 23134. analizaremos algunas características generales de éstas. con las cuales podemos comprender mejor el material específico acerca de la correlación. Antes de profundizar en estos aspectos particulares de las relaciones. .358 RELACIONES La correlación se ocupa de establecer la magnitud y la dirección de las relaciones.66 2 r=0.

para cada agente de ventas. En relación con esta figura. veamos una relación entre dos variables.  Una relación lineal entre dos variables es aquella que puede representarse con la mejor exactitud mediante una línea recta. Cuando una línea recta describe la relación entre dos variables. como los puntos de dicha gráfica. La gráfica de dispersión para los datos de los agentes de ventas aparece en la figura 6.RELACIONES LINEALES Para iniciar nuestro análisis de las relaciones. Observe que no todas las relaciones son lineales. Él es una gráfica de dispersión o dispersigrama. una línea curva ajusta mejor a los datos que una línea recta.  Una gráfica de dispersión o dispersigrama es una gráfica de parejas de valores X y Y. En este caso. vemos que todos los puntos caen sobre una línea recta. algunas son curvilíneas. . se dice que esta relación lineal. al trazar una gráfica de dispersión para las variables X y Y.1. AGENTE VARIABLE X MERCANCÍA Y VARIABLE 1 VENDIDA ($) 0 SALARIO ($) 500 2 1000 900 3 2000 1300 4 3000 1700 5 4000 2100 Podemos analizar mejor la relación entre estas variables si trazamos una gráfica utilizando los valores X y Y. La siguiente tabla muestra el salario mensual que percibieron cinco agentes ventas y el valor en dólares de la mercancía vendida por cada uno de ellos en ese mes.

Esto puede tardar mucho tiempo y crear errores de . primero hay que convertir cada dato en bruto en su valor transformado.CÁLCULO DE LA (r) DE PEARSON La ecuación para calcular la r de Pearson mediante datos: r= ∑ zx z y N −1 Donde ∑ zx zy es la suma de los productos de cada pareja de puntajes z. Para utilizar esta ecuación.

Con algún álgebra.4 contiene algunos de los datos hipotéticos reunidos a partir de cinco sujetos.redondeo. La tabla 6. Datos hipotéticos para el cálculo de la r de Pearson TABLA 6.4 SUBJETIV X Y X2 Y2 XY O A B C D 1 3 4 6 2 5 3 7 1 9 16 36 4 25 9 49 2 15 12 42 . ∑ XY también se llama la suma de productos cruzados. esta ecuación se puede transformar en una ecuación de cálculo que utilice datos en bruto: ECUACIÓN PARA EL CÁLCULO DE LA (r) DE PEARSON X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ X 2−¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ Donde: ∑ XY es la suma de los productos de cada pareja X y Y.

731 r=0.73 Utilicemos estos datos para calcular la r de Pearson: 35 106 .616 r=0.E TOTAL 7 21 5 22 49 111 25 112 X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 106− r= r= √[ 111− 21(22) 5 ][ (21)2 (22)2 112− 5 5 ] 13.6 18.

se determina multiplicando los datos X y Y para cada sujeto y luego sumando los productos resultantes.4.6 18. 106− r= r= √[ 21(22) 5 ][ (21)2 (22)2 111− 112− 5 5 13.616 ] . obtenemos. al sustituir estos valores en la ecuación anterior. El cálculo de ∑ XY y de los otros términos aparece en la tabla 6.X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ ∑ XY es la suma de los productos cruzados.

10 2 112 1.2 8 130 2.6 14.16 6.41 249.5 ESTUDIAN IQX TE PROMEDI X2 Y2 XY 1.2 12.6 4 119 2.5.0 12 138 3.44 141.0 7 127 2.00 260. Esta utilizaremos los datos de la tabla 6. Para su conveniencia.76 408.1.0 15.0 O DE NÚMERO 1 110 DATOS Y 1.92 6.6 13.76 317.2 6 125 1.54 1.6 4 11 136 3.8 4 3.24 225.9 384.1 4 4.00 110.6 5 9.56 179. IQ y el promedio de las calificaciones: cálculo de la r de Pearson TABLA 6. La solución también aparece en la tabla 6.2 14.0 1 4.r=0.9 5 122 2.8 16.76 330. En este ejemplo tenemos una relación lineal imperfecta y estemos interesados en calcular la magnitud y dirección de la relación mediante la r de Pearson.6 0 2.73 PROBLEMA DE PRÁCTICA 6.0 9 132 3.2 422. hemos reproducido estos datos en las primeras tres columnas de la tabla 6.88 10.4 10 134 2.12 4 12.62 6.731 r=0.2 3 118 1.4 .0 12.1 Resolvamos otro ejercicio.00 496.5.

1 87 69.04 TOTAL 150 3 X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 27.49 6 19.3 4 189.9 6 16. 3 7 .90 0 17.95 6 18.1 3488.42 4 17.

375 81. se obtuvieron datos. Entre mayor sea la atracción.856 r=0. Los datos se presentan en la tabla 6. De esa manera. basada en las actitudes de este último hacia los mismos temas.86 PROBLEMA DE PRÁCTICA 6. probablemente.088 r=0.13− 12 12 ] 69.6.3488. Si los iguales se atraen. para cada sujeto a sus actitudes y la atracción que sintió hacia un extraño.2 Tratemos de resolver otro problema.187− 1503(27. disfrutarían el trabajar con él.7− r= r= √[ 189. con respecto a la proporción de actitudes similares que hubo entre el extraño y el individuo que participó en el experimento.3)2 69. más alto será . Tiempo después les mostró las “actitudes” de un extraño hacia los mismos temas y les pidió que evaluaran su agrado o inclinación por el extraño y si. En realidad. ¿Se ha puesto a reflexionar si es verdad que los opuestos se atraen? Todos hemos estado ante parejas en las que sus miembros parecen ser muy diferentes entre sí.3) 12 ][ (1503)2 (27. entonces debería existir una relación directa entre la atracción hacia un extraño y la proporción de actitudes similares. las “actitudes” del extraño fueron elaboradas por el experimentador y variaron de sujeto a sujeto. ¿Pero esto es lo usual? ¿Qué fomenta la atracción: las diferencias o las similitudes? Un psicólogo social abordó este problema pidiendo a 15 estudiantes que respondieran un cuestionario relacionado con un sus actitudes hacia una amplia gama de temas.

757 132.1 0.6 X2 Y2 XY 8.2 0.25 10.510 8 0.87 11.336 90.008 53.el puntaje.00 11.3 0.215 7 0.09 7.30 2 .15 8.092 3 0.920 10 1.00 6.432 4 0.25 5.000 136.82 10.000 5 0.022 65.49 4.41 2.866 56.5 0.8 0.250 77.32 7.50 8. Calcule el coeficiente de correlación r de Pearson * para determinar si existe una relación directa entre la similitud de actitudes y el grado de atracción.67 9. Datos y solución del problema de práctica 6.2 TABLA 6.657 13 0.58 9.44 9.700 11 0.64 10.3 0.24 7.1 0.16 6.090 79. El puntaje de atracción máximo es de 14.272 9 0.518 121.273 ESTUDIANTE PROPORCIÓN DE ATRACCIÓN NÚMERO ACTITUDES Y 1 SIMILARES X 0.400 15 TOTAL 0.29 0.7 1.410 100.200 14 0.9 0.69 1.25 1279.800 73.005 12 0.0 0.400 6 0.61 1.058 4.00 8.00 6.5 136.89 11.449 92.672 100.6 0.102 50.5 0.0 0.194 86.21 2.670 0.44 4.44 0.00 7.0 0.72 11.34 7.000 38.5 0.

937 r=0.479 6. .5) 15 ][ (7.34 (136. con base en estos estudiantes.69− 15 15 ] 6. existe una relación muy fuerte entre las similitudes y las atracciones.94 Por lo tanto.X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 73.916 r=0.273− r= r= √[ 4.34)2 (136.866− 7.5)2 1279.

Para facilitar la los. ESTUDIANTE EXÁMEN 1 EXÁMEN 2 . se elige una muestra de ocho estudiar calificaciones aparecen en la siguiente tabla. este punto de vista produce más información importante acerca de r y la relación entre X y Y. Suponga que queremos predecir la calificación en la escritura de María.9. la figura 6. Si no hubiese una relación entre la escritura y la ortografía. en la cual se muestra una relación imperfecta entre X y Y. la estudiante cuya calificación en ortografía es de 88. El profesor quiere determinar si las calificaciones de los estudiantes en el segundo examen correlacionadas con las calificaciones del primero. un profesor hace dos exámenes. la variable X representa una competencia de ortografía y la variable Y la habilidad en la escritura de seis estudiantes de tercer grado. por ejemplo. Considere. La r de Pearson también se puede interpretar en términos de la variabilidad de Y explicada por medio de X. EJERCICIOS DE APLICACIÓN 1. En un largo curso de introducción a la sociología.Una segunda interpretación de la r de Pearson. En este ejemplo.

c. ¿Qué tan bien explican la relación. ¿Parece lineal la relación? Y2 b. Suponga que existe una relación lineal en calificaciones de los dos exámenes.1 2 3 4 5 6 7 8 60 75 70 72 54 83 80 65 60 100 80 68 73 97 85 90 a. Construya una gráfica de dispersión para datos. calcule la r de Pearson. las calificaciones del segundo examen? 120 100 80 60 40 20 0 50 55 60 65 70 75 80 85 . utilizando la calificación del primer examen como la variable X.

X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ X 2−¿ ∑¿ ¿ ¿ XY ∑ −¿ r=¿ .

Construya una gráfica de dispersión para estos datos: ¿Se ve una relación lineal? b. Los datos aparecen en la tabla anexa. Esto disminuye el rango de ambas variables.46239− r= √[ 39739− 365027 8 ][ ( 559)2 ( 653)2 54687− 8 8 ] r=¿ 0. 3.629531757 Se puede decir que es una relación Baja y positiva que los dos exámenes tienen entre si 2. Vuelva a calcular r para . Elimine los datos de los sujetos 1. 10. 11 y 12. Un investigador realiza un estudio de la relación entre el consumo de cigarros y las enfermedades determinan la cantidad de cigarros fumados diariamente y de días de ausencia en el trabajo dura último año debido a una enfermedad para 13 individuos en la compañía donde trabaja este investigador. SUJETO 1 2 3 4 5 6 7 8 9 10 11 12 CIGARROS DÍAS DE CONSUMIDOS 0 0 0 10 13 20 27 35 35 44 53 60 AUSENCIA 1 3 8 10 4 14 5 6 12 16 10 16 a. c. 2. Calcule el valor de la r de Pearson.

los sujetos restantes. A utilizar todo el conjunto de datos. ¿qué porcentaje de la variabilidad en el número de días de ausencia es explicado por la cantidad de cigarros fumados diariamente? ¿De qué sirve ese valor? 18 16 14 12 10 8 6 4 2 0 0 10 20 30 40 50 60 70 . ¿Qué afecto tiene la disminución del rango sobre r? d.

X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 3391− r= √[ r=¿ 12193− 31185 12 ][ ( 297)2 ( 105)2 1203− 12 12 0.6753 ] .

16 14 12 10 8 6 4 2 0 5 X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ X 2−¿ ∑¿ ¿ ¿ XY ∑ −¿ r=¿ 10 15 20 25 30 35 40 .

c. SUJETO 1 2 3 4 5 6 7 8 9 10 ADMINISTRACIÓ ADMINISTRACIÓ N1 N2 10 12 20 25 27 35 43 40 32 47 10 15 17 25 32 37 40 38 30 49 .1197− r= √[ r=¿ 7140 6 ][ (140)2 (51)2 3842− 517− 6 6 ] 0. ¿Sería justo decir que éste es un examen confiable? Explique esto al 2 utilizar r . Se realiza un estudio en el cual 10 estudiantes reciben dos administraciones del examen.0318 3. Construya una gráfica de dispersión para las parejas de datos. Determine el valor de r. a. Los datos aparecen en la tabla. donde la segunda administración ocurre un mes después que la primera. b. mediante dos administraciones con un lapso de 1 mes entre ellas. Un educador ha construido un examen para las aptitudes mecánicas y desea determinar si éste es confiable.

60 50 40 30 20 10 0 5 10 15 20 25 30 35 40 45 50 .

X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 9907− r= √[ r=¿ 9905− 85263 10 ][ (291)2 (293)2 9977− 10 10 ] 0. consistente en 15 sucesos. Un grupo de investigadores ha diseñado un cuestionario sobre la tensión. Ellos están interesados en determinar si existe una coincidencia entre dos culturas acerca de la .9881 La investigación no es confiable por que los datos son tomados en dos fecha totalmente distintas 4.

El número de puntos excedentes depende de la cantidad de ajustes requeridos. . El cuestionario se aplica a 300 estadounidenses y 300 italianos. Después de que cada sujeto de cada cultura ha asignado puntos a todos los eventos.cantidad relativa de ajustes que acarrea cada suceso. Si se considera que un evento requiere de más ajustes que el matrimonio. se promedian los puntos de cada evento. Cada individuo debe utilizar el evento “matrimonio” como estándar y juzgar los demás eventos en relación con el ajuste necesario para el matrimonio. el evento debe recibir más de 50 puntos. Los resultados aparecen en la siguiente tabla: EVENTOS Muerte de la esposa Divorcio Separación de la pareja Temporada en prisión Lesiones personales Matrimonio Despedido del trabajo Jubilación Embarazo Dificultades sexuales Reajustes económicos Problemas con la familia política Problemas con el jefe Vacaciones Navidad ESTADOUNIDENSES ITALIANOS 100 73 65 63 53 50 47 45 40 39 39 80 95 85 52 72 50 40 30 28 42 36 29 23 13 12 41 35 16 10 a. Suponga que los datos tienen al menos una escala de intervalo y calcule la correlación entre los datos estadounidenses y la de los italianos. El matrimonio recibe un valor arbitrario de 50 puntos.

b. Suponga que los datos sólo tienen una escala ordinal y calcule la correlación entre los datos de ambas culturas. 100 80 60 40 20 0 0 20 40 60 80 100 120 .

8519 r es alta y positiva es decir que los comportamiento de las dos nacionalidades son bastante similares .X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 39766− r= √[ r=¿ La 39391− 491992 15 ][ (691)2 (712)2 42644− 15 15 ] 0.

INDIVIDUO

EXÁMEN CON LÁPIZ

SIQUIATRA

SIQUIATRA

1

Y PAPEL
48

A
12

B
9

2

37

11

12

3

30

4

5

4

45

7

8

5

31

10

11

6

24

8

7

7

28

3

4

8

18

1

1

9

35

9

6

10

15

2

2

11

42

6

10

12

22

5

3

5. Un psicólogo ha construido un examen lápiz - papel, a fin de medir la
depresión. Para comparar los datos del examen con los datos de los
expertos, 12 individuos “con perturbaciones emocionales” realizan el
examen lápiz – papel. Los individuos también son calificados de manera
independiente por dos siquiatras, de acuerdo con el grado de depresión
determinado por cada uno como resultado de entrevistas detalladas. Los
datos aparecen a continuación. Los datos mayores corresponden a una
mayor depresión.
a. ¿Cuál es la correlación entre los datos de los dos siquiatras?
b. ¿Cuál es la correlación entre las calificaciones del examen con
lápiz y papel y los datos de cada siquiatra?

14
12
10
8
6
4
2
0
0

2

4

6

8

10

12

14

X
∑ ¿ (∑ Y )
¿
¿
N
¿
X
∑¿
¿
¿2
Y
∑¿
¿
¿2
Y 2−¿
∑¿
¿¿
¿
2
X −¿
∑¿
¿
¿
∑ XY −¿
r=¿

628−
r=

√[

r=¿

650−

650
12

][

(78)2
(78)2
650−
12
12

]

0,8519

La relación se da con un mismo criterio por los psiquiatras

14 12 10 8 6 4 2 0 10 15 20 25 30 35 40 45 50 .

6973 La relación entre las dos variables es baja y positiva .X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 2729− r= √[ r=¿ 12941− 29250 12 ][ (375)2 (78)2 650− 12 12 ] 0.

14 12 10 8 6 4 2 0 10 15 20 25 30 35 40 45 50 .

la corporación sólo ha recurrido a entrevistas para elegir a estos empleados. Para este problema.X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 2729− r= √[ r=¿ 12941− 29250 12 ][ (375)2 (78)2 650− 12 12 ] 0. suponga que usted es un psicólogo que labora en el departamento de recursos humanos de una gran corporación.697 6. Hasta ahora. El presidente de la compañía acaba de hablar con usted acerca de la importancia de contratar personal productivo en la sección de manufactura de la empresa y le ha pedido que ayude a mejorar la capacidad de la institución para hacer esto. Existen 300 empleados en esta sección y cada obrero fabrica el mismo artículo. Usted busca bibliografía y descubre dos pruebas de .

promediados durante los últimos 6 meses. elige 10 empleados representativos de la sección de manufactura. Si sólo pudiera utilizar una de las pruebas para la selección de los empleados. Suponga que la relación anterior es lineal y calcule el valor de la r de Pearson. y piensa que podrían estar relacionados con los requisitos desempeño de esta sección. ¿Parece lineal la relación? b. Los datos aparecen en la siguiente tabla. Construya una gráfica de dispersión del desempeño en el trabajo y la primera prueba. utilizando la prueba 1 como la variable X. Las calificaciones de desempeño fabricados por cada empleado por semana. mejor será el desempeño. Suponga que la relación anterior es lineal. e. y realiza las dos pruebas con cada empleado. Construya una gráfica de dispersión del desempeño en el trabajo y la segunda prueba. EMPLEADO Desempeño en el trabajo Examen 1 Examen 2 1 5 0 1 0 2 5 2 7 4 1 9 3 5 3 6 2 2 0 4 0 4 9 0 2 0 4 9 5 9 8 2 1 5 0 6 5 2 1 4 2 9 7 6 8 1 0 3 2 8 8 0 2 4 4 4 9 8 8 1 6 4 6 1 0 7 6 1 4 3 5 . utilizando la prueba 2 como la variable X. Mientras mayor sea la calificación. bien estandarizadas. Para determinar si alguna de ellas se puede utilizar como dispositivo de selección. a.desempeño. ¿utilizaría alguna de ellas? En tal caso. calcule el valor de la r de Pearson. Las calificaciones de desempeño en el trabajo. ¿Parece lineal la relación? d. c. garantizando que un amplio rango de desempeño quede representado en la muestra. ¿cuál de ellas? Explique. lápiz – papel.

120 100 80 60 40 20 0 8 10 12 14 16 18 20 22 24 26 .

5917 ] .X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 12804− r= √[ r=¿ 3026− 123984 10 ][ (168)2 (738)2 56772− 10 10 0.

120 100 80 60 40 20 0 20 25 30 35 40 45 50 55 .

9076 ] .X ∑ ¿ (∑ Y ) ¿ ¿ N ¿ X ∑¿ ¿ ¿2 Y ∑¿ ¿ ¿2 Y 2−¿ ∑¿ ¿¿ ¿ 2 X −¿ ∑¿ ¿ ¿ ∑ XY −¿ r=¿ 29542− r= √[ r=¿ 15493− 284130 10 ][ (385)2 (738)2 56772− 10 10 0.

. ayudan a interpretar datos en forma resumida los datos planteados y a dar solución al problema.htm Cronograma . tomando variables correspondientes para la interpretación de los datos. Al realizar el trabajo permite que cada uno de nosotros tenga conocimientos claros acerca de la correlación y relación lineal para poner en práctica en los problemas que se presentan el mundo en especial de comercio exterior. www. Recomendación El tema de investigación es de mucha relevancia porque la correlación relación lineal nos permiten determinar un promedio y de algunos datos estadísticos. Conclusión. Lincografía.profesorenlinea./EstadisticaMediaMedianaModa..cl/.Análisis El trabajo realizado acerca de cómo realizar calcular la correlación y relación lineal se analizado que es un método el cual permite comparar e interpretar resultados a través de la recolección de datos de cualquier institución con el objetivo de llegar a establecer deducciones.

02 0.00 TOTAL 2.20 INTERNET 2 0.60 DESARROLLO DE EJERCICIOS HIPOTESIS 1. Proy.06 1. Meses Ingres os Ahorro 1 2 3 4 5 6 7 8 9 350 400 450 500 950 850 700 900 600 100 110 130 350 350 250 320 130 160 .5 1.40 IMPRESIÓN 20 0.Actividades Abril días 2 2 2 2 1 2 3 4 Definición x del tema Problema de x investigación Objetivos Justificación de x la x investigación Marco x Referencial Aspectos metodológic x x os Pres. X Recursos PRESUPUE STO Trabajo CANTID Valor PRESUPUE AD unitario STO PAPEL 20 0.El banco de préstamos estudia la relación entre ingreso (X) y de ahorros (Y) mensuales de sus clientes..

45 x n) y=−73.92 R² = 0.89+0.45 ( 200 )=16.45 ( 90 ) =−33.45x .89+0.11 .45 x b) Trace el diagrama de dispersión en el plano cartesiano c) 400 350 300 f(x) = 0.45 x h) i) j) k) y=−73. y=a+bx y=−73.39 l) Si el ahorro es de 200 dólares que gasto puede realizar el obrero en dicha semana. g) y=−73. m) y=−73.89+0.93 250 Ahorros 200 150 100 50 0 300 400 500 600 700 800 900 1000 Ingresos d) e) f) Estime el ingreso que corresponde a un ahorro semanal de 90 dólares.a) Determinar la ecuación lineal de las dos variables.74.89+0.89+0.

89+0.89 0.3 5 bq) z) 2 Y ah) 10000 ap) 12100 ac) ( Y −Ӯ )2 . 01 bf) 2560 0 bn) bg) 800 0 0 bo) bh) 17777 . 46 ax)1690 0 aq) 440 0 0 ay)5 8 5 0 0 az) 33 61 1.45 x q) 350=−73.o) Si el ingreso es de 350 dólares cual es el salario. p) y=−73.1 1 ba) 6579.89+0.7 8 ak)12 34 5.45 x r) s) x= 350+ 73.45 x=941.97 t) u) Desarrollo v) M es es w) Ingr eso s(X) ad) 1 ae)350 al) 2 am) 400 at) 3 au) 450 bb) 4 bc) bj) 5 bk) 500 x) A h o r r o s ( Y ) af) 1 0 0 an) 110 av)1 3 0 bd) 160 bl) 3 y) 2 X ag) 122 5 0 0 ao) 160 0 0 0 aw) 202 5 0 0 be) 250 0 0 0 bm) aa)X * y ai) 3 5 0 0 0 ab) ( X −Ẍ )2 aj) 80 27 7. 68 ar) 54 44 4.78 bp) bi) 26 12 .4 4 as)10 22 3.

12 cf) 44 44.5 0 950 br) 6 bz)7 ch) 8 cp) 9 cx) df) dn) bt) 3 5 0 bs) 850 cb) 250 ca)700 cj) 3 2 0 ci) 900 600 cr) 1 3 0 cy)570 0 cz) 1 9 0 0 dg) ∑X dh) ∑Y cq) 902 5 0 0 bu) 722 5 0 0 cc)4 9 0 0 0 0 ck)8 1 0 0 0 0 cs)3 6 0 0 0 0 da) 402 0 0 0 0 di) do) dp) dq) dr) Primer caso Yr=Y +r ( sysx ) x−r ( sysx ) x cd) 62500 332 5 0 0 bw) 297 5 0 0 ce)1 7 5 0 0 0 cl) 1024 00 cm) 288 0 0 0 122500 bv) 122500 ct) 1690 0 db) 491400 dj) ∑X 2 ∑Y 2 cu) 780 0 0 dc) 138 8 5 0 0 dk) 10027 7. 12 bx) 46944 . 44 cg) 1512.0 0 de) 9028 8.1 1 cw) 6579.7 9 cv)111 1. 35 cn) 71111.44 by) 1929 0. 01 dd) 41000 0. 11 co) 11856 . 89 dm) dl) ∑ X∗Y ∑ ( X −Ẍ )2 ∑ ( Y −Ӯ )2 .7 8 1929 0.

44 → desviacion standar 9 .33 n 9 Y= ∑ y 1 1900 = =211.11 n 9 dt) du) ∑ y ¿2 2 n ∑ y −¿ ¿ x −( ∑ x ¿2 )¿ n∑¿ ¿ √¿ n ∑ xy−∑ x ∑ y r= ¿ 2 dv) dw) 9 ( 491400 )−(1900 ¿2 ) 9(¿ 4020000)−(5700 ¿2) ¿ ¿ √¿ 9 ( 1388500 )−(5700)(1900) r= ¿ dx) dy) dz) r= 1666500 1666500 = =0.96 √ 3690000∗812600 1731616 ea) 2 X i− X ¿ ¿ ¿ ∑¿ ¿ sx =√ ¿ eb) ec) sx = √ 410000 =213.ds) X= ∑ x 1 5700 = =633.

16 ) 213.45 x et) 2.16 → desviacion standar 9 ej) 2 100.11+0.44 ¿ =45556. En el estudio se obtuvieron los siguientes resultados.11+0.10 → varianza 2 ek) s y =¿ Yr= ´y +r el) ( sysx ) x−r ( sysx ) x´ em) Yr=211.Un comerciante mayorista encargo un estudio para determinar la relación entre los gastos de publicidad semanal por radio y las ventas de sus productos.31 eq) er) es) Yr=−74.33 ( 100. eu) Seman a ff) Gasto de Publicidad ($) fq) ($) gb) Venta ev) 2 fg) 3 ew) 3 fh) 2 ex) 4 fi) 4 fr) 3 fs) 2 ft) 4 ey) 5 fj) 3 fu) - ez) 6 fk) 5 fa) 7 fl) 7 fb) fc) 8 9 fm) fn) 6 8 fv) 5 fw) 7 fx) 6 fy) 9 fd) 1 fe) 1 fo) 7 fp) 8 fz) 7 ga) 8 .ed) 2 213.16 ¿ =10032.63 → varianza 2 ee) s x =¿ ef) y i− y ¿2 ¿ ¿ ∑¿ ¿ sy= √¿ eg) eh) sy = ei) √ 90288..44 ) Yr=211.45 x−285.89 =100.44 213.96 en) eo) ep) 100.2+0.96 ( 633.16 x−0.

20 io) 112 59 7.5 3 ig) 12 64.9 8 gs) 86697.gc) En la quinta semana por diversos motivos no se pudo hacer el estudio a) Determine la ecuación de regresión de ventas sobre gastos de publicidad gd) Mese s gl) 1 gt) 2 hb) 3 hj) 4 hr) 5 hz)6 ge) Gasto s pu bli cid ad (X) gf) V e n t a s ( Y ) gm) 30 gn) 300 gu) 20 gv) 250 40 hd) 400 hc) hk) 50 hs) 70 ia) 60 hl) 5 5 0 ht) 7 5 0 ib) 6 3 0 ih) 7 ii) 80 ij) 9 3 0 ip) 8 iq) 70 ir) 7 0 0 gg) 2 X gh) 2 Y go) 900 gp) 90000 gw) 400 gx) 62500 he) 160 0 hf) 1600 00 hm) 250 0 hn) 302500 hu) 490 0 hv) 562500 ic) 3 6 0 0 ik) 6 4 0 0 is) 4 9 0 0 id) 3969 00 il) 8649 00 it) 4900 00 gi) X * y gq) 900 0 gj) ( X −Ẍ )2 gy) 500 0 hg) 160 0 0 ho) 275 0 0 hw) 525 0 0 ie) 3 7 8 0 0 im) 744 0 0 iu) 4 9 0 0 0 gz)12 64.3 1 hx) 208.86 hq) 1975. 75 .9 8 hi) 37 80 8.6 4 hy) 24197.5 3 iv) 20 8. 53 in) 59 7.6 4 hp) 30. 20 gr) 65 3. 98 if) 19. 53 ha) 11864 1.0 9 gk) ( Y −Ӯ )2 hh) 241.6 4 iw) 111 41.

22 jm) 45462 2.5 3 je) 60 29 7.ix) 9 jf) iy) 80 iz) 8 4 0 jg) 50 0 jh) 5 3 5 0 jo) ∑X jp) ∑Y jn) jv) ja) 6 4 0 0 ji) 3 1 6 0 0 jq) jw) Primer caso jx) Yr= ´y +r ( sysx ) x−r ( sysx ) x´ jy) jz) X= ∑ x 1 500 = =55.55 n 9 ka) kb) Y= ∑ y 1 5350 = =594.44 n 9 kc) ∑ y ¿2 n ∑ y 2−¿ kd) ¿ x 2−( ∑ x ¿2 )¿ n∑¿ ¿ √¿ n ∑ xy−∑ x ∑ y r= ¿ jb) 7056 00 jj) 3634 900 jr) ∑X 2 ∑Y 2 jc) 6 7 2 0 0 jk) 3 3 8 4 0 0 js) jd) 59 7.2 2 jt) ∑ X∗Y ju) ∑ ( X −Ẍ )2 ∑ ( Y −Ӯ )2 .5 3 jl) 38 22.

61¿ =424.22 =20.75→ desviacion standar 9 .77 → varianza 2 s x =¿ ko) y i− y ¿2 ¿ ¿ ∑¿ ¿ sy= √¿ kp) sy = kq) s y 2=(224.02 kj) X i− X ¿2 ¿ ¿ kk) ∑¿ ¿ ¿√¿ kl) sx = √ 3822.56 → varianza √ 454622.75)=50512.61 →desviacion standar 9 km) 2 kn) 20.22 =224.99 375168.338400−(500)(5350) ¿ 2 9 ∑ 31600−( ∑ 500 ¿ ) [ 9 ∑ 3634900−(5350) ] ¿ ke) ¿ √¿ 9¿ r =¿ kf) r= kg) 370600 √(34400)( 4091600) kh) ki) r= 370600 =0.

75 ) 20.44+ 0.kr) Yr=594.99 ( 55.99 224.55 ( 224.75 x −0.27+10.44+ 10.79 x−599.71 ku) kv) Yr=−5.61 ) ks) kt) Yr=594.79 x .61 20.

lf) .99 375168. Estime la cosecha si se aplica 12 sacos de fertilizantes.∑ y ¿2 n ∑ y 2−¿ ¿ x 2−( ∑ x ¿2 )¿ n∑¿ ¿ √¿ n ∑ xy−∑ x ∑ y r= ¿ kw) kx) 338400−(500)(5350) ¿ 2 9 ∑ 31600−( ∑ 500 ¿ ) [ 9 ∑ 3634900−(5350) ] ¿ ky) ¿ √¿ 9¿ r =¿ kz) la) r= 370600 √(34400)( 4091600) r= 370600 =0.02 lb) lc) ld) le) b.

.43 lm) ln) 3. De su comentario sobre este valores lh) Yr=−5.Se obtuvieron los siguientes datos para determinar la relación entre cantidad de fertilizante y producción de papa por hectárea.79 x li) lj) yr= -5.27+10.27 + 10.lg) 1000 800 600 Ventas 400 200 0 10 20 30 40 50 60 70 80 90 Gastos a) Determina el coeficiente de determinación. Y =a+bx mm) lz) 1 . lo) lp) Sacos de fertilizante por hectárea ma) Rendimient o en quintales ml) lq) lr) 3 4 mb) mc) 4 4 ls) lt) 5 6 md) me) 5 5 lu) 7 mf) 6 lx) lv) lw) 1 8 9 mg) mh) mi) 6 6 7 ly) 1 mj) mk) 7 7 a) Encuentre la ecuación de regresión de la cosecha sobre el fertilizante.79(30) lk) ll) yr= 318. por el método de mínimos cuadrados.

25 ob) 36 oc) oe) 2.8 9 nx) 86.mn) mo) ´ a=Y´ −b X mp) xi ∑¿ mq) ¿ ¿ n ∑ X 2i −¿ n ∑ xiyi−∑ xi ∑ yi b= ¿ mr) ms) Perio do na) 1 mt) Sacos de ferti liza nte sX mu) Rendimi ento en quint a (Y) nb) nc) 3 ni) 2 nj) 4 nq) 3 nr) 5 ny) 4 nz)6 og) 5 oh) oo) 6 op) ow) 7 ox) pe) 8 7 45 nk) 48 ns) 52 oa) 55 oi) 60 oq) 8 65 oy) 9 pf) 10 pm) 9 pn) pu) pv) 68 pg) 70 po) 11 74 pw) my) ( X −Ẍ )2 mz) ( Y −Ӯ )2 mv) X2 mw) Y2 nd) 9 ne) 2025 mx) X*y nf) 1 3 5 nl) 1 6 nt) 2 5 nm) 2304 nu) 2704 nn) 192 nv) 260 no) 12.6 9 ou) 0.6 9 np) 176.49 of) 39 .6 9 pt) 16 1.25 ps) 12.25 qa) . 29 qb) ph) 100 pp) 121 px) 3025 3600 4225 pa) 4624 pi) 4900 pq) 5476 py) ng) 20.25 pk) 6.89 pl) 75 .25 oj) 4 9 ok) om) 0.69 or) 6 4 oz)8 1 os) od) 330 ol) 4 2 0 ot) 5 2 0 pb) 612 pj) 7 0 0 pr) 8 1 4 pz)9 nh) 265.69 pd) 44.25 pc) 2.25 on) 1.25 nw) 6.25 ov) 13.

63 x ri) b.3 10 qy) qz) b= 10 ( 4895 )−( 75 ) ( 613 ) 10 ( 645 )−( 75 )2 b= 48950−45957 6450−5625 b= 2993 =3.5 )=34. 50 qq) ∑ X∗Y qr) ∑ ( X −Ẍ )2 ∑ ( Y − ∑ xi n 75 =7.5 10 ∑ yi n 613 =61.07+ 3.25 qi) 82.0 9 qj) 10 82 .3−3.63 ( 7.10 12 qd) qc) 76 qe) 75 ql) ∑X qk) qs) qt) qu) ´x = ´x = ´y = qv) qw) ´y = qx) 613 qm) ∑Y 144 5776 1 2 qf) 6 4 5 qn) qg) 38659 qo) qh) 489 5 qp) ∑X 2 ∑Y 2 20.1 0 .07 y=34.63 825 ra) rb) rc) rd) re) rf) rg) rh) a=61. Estime la cosecha si se aplica 12 sacos de fertilizantes ¿Cuánto es el error o residual? 216.

07+ 3.rj) y=34.07+ 3.63 ( 12 )=77.63 -76=1.63 es el error. De su comentario sobre este valores XY X Y ∑¿ ¿ ¿ ¿ X ∑¿ ¿ Y2 Y ∑ ¿2 rn) ¿ ∑ ¿−¿ N¿ ¿¿ 2 N ( ∑ X )−¿ ¿ ¿ ¿ ∑¿¿ ∑ ¿−¿ N¿ r=¿ ro) .63 x rk) rl) y=34. rm) b) Determina el coeficiente de determinación.

El número de horas de estudio invertidas y las calificaciones finales en un curso de matemáticas de una muestra 10 alumnos ha dado los siguientes resultados: .75 ¿ ¿ 613 ¿ ¿ 10 ( 38659 )−¿ rp) ¿¿ 10 ( 645 ) −¿ ¿ ¿ ¿ √¿ 10 ( 4895 ) −( 75 ) (613) r= ¿ rq) rr) rs) r= 48950−45975 √ ( 6450−5625 )(386590−375769) r= 2975 √ ( 825 ) (10821) r= 2975 √ ( 8927325 ) rt) ru) rv) rw) r= 2975 2987.86 rx) ry) r=0.75 rz) sa)4..

sc) sd) sb) Al umno sm) H oras de estudi o sx) C alificac ión ti) se) sf) sg) sh) si) sj) sk) sl) A3 A4 A5 A6 A7 A8 A9 A 10 sn) so) sp) sq) sr) ss) st) su) sv) 1 1 2 2 1 1 1 2 1 sw) 8 sy) sz) ta) tb) tc) td) te) tf) 1 1 1 1 1 1 1 1 tg) th) 8 5 a Determine la recta de regresión de la calificación sobre el número de horas de estudio invertidos.96 vd) 2.1 6 vt) 2. 36 ug) 0.76 ve)19 . tj) Al u m no tr) 1 tk) H or a s d e e st u di o X ts) 1 4 tl) Cali fica ción (Y) tt) 12 uh) 3 up) 4 ua) 16 ui) 2 2 uq) 20 ux) 5 uy) 18 vf) 6 vg) 16 vh) vn) vo) vp) tz) 2 ub) 13 uj) 15 ur) 15 uz)17 11 tm) X2 tu) 1 9 6 uc) 256 uk) 484 us) 400 va)3 2 4 vi) 2 5 6 vq) tn) Y2 tv) 144 ud) 169 ul) 225 ut) 225 vb) 289 vj) 121 vr) 196 to) X * y tw)1 6 8 ue) 208 um) 330 uu) 300 vc)3 0 6 vk)1 7 6 vs)2 tp) ( X −Ẍ )2 tq) ( Y −Ӯ )2 tx) 5. Interprete la ecuación de regresión.56 ty) 0.1 6 un) 31.3 6 vl) 0.5 vm) 2.76 uw) 5.36 uv) 12.7 6 uf) 0.56 vu) .16 uo) 5.

7 vv)8 wd) 9 18 14 vw) 22 vx)16 wl) 10 we) 10 wm) 8 wt) wu) 164 xb) xj) xk) xc) ∑X ∑ Xi X´ = N xl) xm) 164 X´ = 10 xn) xo) X´ =16.56 wc) 11. 40 wz) 198.96 wb) 31. 96 wr) 70.56 wk) 21.76 xa)12 6.16 ws) 57.6 wf)8 wn) 5 wv) 126 xd) ∑Y 5 2 324 vy)4 8 4 wg) 100 wo) 64 ww) 288 8 xe) vz) 256 wh) 64 wp) 25 wx) 1714 xf) ∑X 2 ∑Y 2 wa) 352 wi) 8 0 wq) 40 wy) 221 2 xg) 6 1.40 xh) ∑ X∗Y xi) ∑ ( X −Ẍ )2 ∑ ( Y −Ӯ .36 wj) 40.4 xp) xq) ∑Yi Y´ = N xr) xs) 126 Y´ = 10 xt) xu) Y´ =12.

2−206.4)(12.84 2 b= S XY SX 2 .40 } 10 N yf) yg) yh) yi) S X =4.6) 10 n xx) xy) xz) S XY =221.64 ya) yb) S XY =14.45 yj) yk) yl) ym) S X =19.xv) xw) S XY = ∑ XY – X´ Y´ S XY = 2212 −(16.56 yc) yd) ye) S X= √ ∑ (X i− X´ )2 S X= √ 198.

73(16. zd) a) Determine la ecuación de regresión: Y^ =a+bX ∑ xy=8000 .Una muestra de 60 de las 350 agencias de ventas de automóviles de una importadora registrada en un mes con X (autos vendidos por agencia).4) yt) yu) a=0.6−0. ∑ y 2=42000.84 yn) b= yo) b=0.734 x yz) za) 5. Y (ventas en miles de dólares) ha dado los siguientes resultados: zb) zc) ´x =10..14.565 yv) yw) Y =a+bx yx) yy) Y =0.734 yp) yq) ´ a=Y´ −b X yr) ys) a=12. ∑ x 2=7000.56 19. ´y =10.565+ 0.

67 60 n ´x ¿2 2 zh) s x 2= ∑ x −¿ n 2 10 ¿ =16.ze) zf) zg) sxy= ∑ xy − ´x ´y sxy= 8000 −10∗20=−66.67 7000 s x 2= −¿ 60 zi) b= zj) sxy −66.67 sx zk) a= ´y −b ´x a=20−(−4 ) ( 10 )=60 zl) zm) zn)Ecuación zo) y=a+bx zp) y=60−4 x zq) b) Calcule el coeficiente de terminación ¿Qué porcentaje de la variación total es explicada por la regresión? .67 = =−4 2 16.

zr) ∑y zs) ´y = n zt) ∑ y =´y n zu) ∑ y =20∗60=1200 ∑x zv) ´x = n ∑ x= x´ n zw) zx) ∑ x=10∗60=600 ∑ y ¿2 2 n ∑ y −¿ ¿ x −( ∑ x ¿2 )¿ zy) n∑ ¿ ¿ √¿ n ∑ xy−∑ x ∑ y r= ¿ 2 2 600¿ 1200¿ 2 60 ( 42000 ) −¿ ¿ 60 ( 7000 )−¿ ¿ zz) ¿ √¿ 60 ( 8000 )−(600)(1200) r= ¿ .

44 aab) aac) 6.aaa) r= −240000 =−0.0 .00 abx) 90000. aba) abb) Perio d o s abc) Gast o g e n er al es X abd) Unida de s pro du cid as (Y) abj) 1 abk) 300 abl) abr) 2 abs) 1000 abt) 15 45 abe) X2 abm) 900 0 0 abu) 100 abf) Y2 abn) 225 abv) 2025 abg) X*y abo) 45 0 0 abw) 45 abh) ( X −Ẍ )2 abi) ( Y −Ӯ )2 abp) 160000 . aad) Ga stos general es ($) aao) Un idades produci das aaz) aae)aaf) aag) aah) aai) aaj) aak) aal) aam)aan) 3 1 1 1 6 8 9 5 4 2 aap)aaq) aar) aas) aat) aau)aav) aaw)aax) aay) 1 4 5 7 3 4 4 2 1 1 a) Determine la ecuación de regresión y haga un análisis del coeficiente de regresión. En la tabla que sigue se da la información recabada sobre gastos generales y las unidades producidas en 10 plantas y se desea estimar una ecuación de regresión para estimar gastos generales futuros.94 254358.Los contadores con frecuencia estiman los gastos generales basados en el nivel de producción. 0 9 aby) 94.. abq) 412.

00 adu) 234. 00 ade) 22. 0 9 acn) 250000 . 0 9 acm) 90 0 0 0 acu) 18 0 0 0 adc) 32 0 0 0 adk) 40 5 0 0 ads) 10 0 0 0 aea) 72 0 0 aei) 20 0 0 aeq) aeb) 90000. 00 aej) 250000 .00 acg) 388. 00 adm) 94. 2 9 aek) 640.0 9 adt) 40000.0 9 add) 10000. 00 acw) 28. 0 9 aes) .00 aco) 1576 .abz) 3 ach) 4 acp) 5 aca) 1100 aci) 1200 acq) 600 acb) 55 acj) 75 acr) 30 acx) 6 acy) 800 acz) adf) 7 adg) 900 adh) 45 adn) 8 ado) 500 adp) 20 adv) 9 adw) 400 adx) 18 aed) 10 ael) aee) 200 aem) 40 aef) 10 aen) 0 0 0 0 acc) 121 0 0 0 0 ack) 144 0 0 0 0 acs) 360 0 0 0 ada) 640 0 0 0 adi) 810 0 0 0 adq) 250 0 0 0 ady) 160 0 0 0 aeg) 400 0 0 aeo) acd) 3025 acl) 5625 act) 900 adb) 1600 adj) 2025 adr) 400 adz) 324 aeh) 100 aep) 0 0 0 00 9 ace) 60 5 0 0 acf) 160000 .0 9 adl) 40000.0 9 acv) 10000.00 aer) aec) 299.

0 0 aez) 3788 .1 0 afa) ∑ ( X −Ẍ )2 ∑ ( Y −Ӯ )2 .3) 10 n afk) afl) afm) afn) S XY =30 970−24 710 ∑ X2 16249 aex) ∑Y2 30 9 7 0 0 aey) 110000 0.3 afi) afj) S XY = ∑ XY – X∗ ´ Y´ S XY = 309 700 −( 700)(35.7000 aet) afb) 353 aeu) ∑X 600 0 0 0 0 aew) aev) ∑Y afc) ∑ Xi X´ = N afd) 7 000 X´ = 10 afe) X´ =700 aff) ∑Yi Y´ = N afg) 353 Y´ = 10 afh) Y´ =35.

06 (700) age) agf) a=−6.06 aga) agb) ´ a=Y´ −b X agc) agd) a=35.66 N aft) afu) S X =109 998.3−0.afo) S XY =6 260 afp) afq) S X= √ ∑ (X i− X´ )2 afr) S X= √ 1 100 000 10 afs) S X =331.7 .36 afy) afz) b=0.36 2 afv) afw) b= afx) b= S XY SX 2 6 260 109 998.

06 x .7+ 0.agg) agh) Y =a+bx agi) agj) agk) Y =−6.