Producto Académico #03
Producto Académico #03
Producto Académico N° 03
Desarrolle de manera detallada las preguntas presentadas a continuación y responda
a las preguntas.
1|Página
Estadística Aplicada Producto Académico N° 03
NÚMERO DE PRODUCCIÓN
X*Y X*X Y*Y
ENSAMBLADORES POR HORA
NÚMERO
2 DE PRODUCCIÓN
15 30 X*Y 4 X*X 225Y*Y
ENSAMBLADORES
4 POR HORA 100
25 16 625
1 2 10 15 10 30 1 4 100225
5 4 40 25 200100 25 16 1600625
3 1 30 10 90 10 9 1 900100
15 5 120 40 430200 55 25 1600
3450
3 30 90 9 900
R (coeficiente
R(coeficiente de15 delineal)=
correlación correlación lineal) = 55
120 0.99876771
430 0,99876771.
3450
A) GRÁFICA
A. NÚMERO
Trace un
DE
R(coeficiente diagrama
PRODUCCIÓN de dispersión.
de correlación lineal)= 0.99876771 X*X
X*Y Y*Y
ENSAMBLADORES POR HORA
Grafica.
140
A) GRÁFICA
2 15 30 4 225
4140 25 100 16 625
120
1 10 10 1 100
5120 40 200 25 1600
100
3 30 90 9 900
15100 120 430 55 3450
80
140 60
40
120 40
20
100 20
0
0 2 4 6 8 10 12 14 16
80 0
0 2 4 6 8 10 12 14 16
B) Al presentar
60 los datos en la imagen se puede apreciar que efectivamente existe una relación lineal con pendiente positiva
B. Con
entre las base los
variables
B) Al presentar endatos
número eldediagrama
en
ensambladoresde dispersión,
y producción
la imagen se puede apreciar
por hora.¿parece
Esta relaciónhaber
que efectivamente
se puedealguna
interpretar relación
existe una relación entre
como directamente
lineal con pendiente positiva el
proporcional; ed deicr, a mayor número de ensambladores mayor será la producción.
número
40 de ensambladores
entre las variables y la
número de ensambladores producción?
y producción por hora. Explique.
Esta relación se puede interpretar como directamente
proporcional; ed deicr, a mayor número de ensambladores mayor será la producción.
20
Al presentar los datos en la imagen se observa que en efecto existe una relación
C)
lineal
0 con pendiente positiva entre las variables (número de ensambladores y
0 2 4 6 8 10 12 14 16
producción
r por hora). Esta relación se puede interpretar como directamente
proporcional, es decir: que a mayor número de ensambladores mayor será la
C)
r datos en la imagen se puede apreciar que efectivamente existe una relación lineal con pendiente positiva
B) Al presentar los
producción.
entre las variables número de ensambladores y producción por hora. Esta relación se puede interpretar como directamente
proporcional; ed deicr, a mayor número de ensambladores mayor será la producción.
C. Calcule el coeficiente de correlación.
R= =0.9271
R= =0.9271
C)
r
El R es alto y positivo
D)
El R es alto y positivo
D) =
=
R= =0.9271
El 86% de datos de producción por hora se explica con los cambios en la cantidad de ensambladores.
El 86% de datos de producción por hora se explica con los cambios en la cantidad de ensambladores.
El R es alto y positivo
D)
=
2|P
El 86% de datos de producción por hora se explica con los cambios en la cantidad de ensambladores. ágina
C)
r
R tiene
El R esun
altovalor alto y positivo.
y positivo
D)
=
2. Estadísticas del CSI. En ocasiones la policía mide las huellas de los zapatos en las
escenas del crimen para tener pistas acerca de los delincuentes. A continuación, se
listan longitudes de las huellas de los zapatos, longitudes de los pies y estaturas de
hombres. ¿Hay evidencia suficiente para concluir que existe una correlación lineal
entre la longitud de la huella del zapato y la estatura de los hombres? Con base en
estos resultados, ¿parece que la policía puede usar la longitud de los pies para
estimar la estatura de un hombre?
=1.2696
GRADOS
GRADOS DE DE LIBERTAD = 5-2 = 3
LIBERTAD=5-2=3
GRADOS DE LIBERTAD=5-2=3
VALORES CRITICOS = ±3.182
El valor de “t” es 1.2696, menor a 3.182, por lo tanto, no se rechaza la Hipótesis Nula
Es
3) Eldecir, con
valor de t esuna α=0.05 se
1.2696,menor puedepor
a 3.182, asegurar que
lo tanto no no existe
se rechaza correlación
la Hipotesis Nula. significativa entre las
variables.
Es decir con un α=0,05 se puede asegurar que no existe correlacion significativa entre las variables
LONGITUD DE LA HUELLA DEL ZAPATO Y LA ESTATURA DE LOS HOMBRES INVESTIGADOS.
La longitud de la huella del zapato y la estatura de los hombres investigados.
4) En vista de que no existe una correlación significativa entre la logitud de las huellas de zapato y estatura, no es
posible asegurar que la policía puede usar la longitud del pie para estimar la estatura de un hombre.
3|Página
Estadística Aplicada Producto Académico N° 03
En vista que no existe una correlación significativa entre la longitud de las huellas de zapato
y estatura, no se puede asegurar que la policía puede usar la longitud del pie para estimar la
estatura de un hombre.
r R= =0.591
188
186
184
182
180
178
176
174
172
27 28 29 30 31 32 33
El R es moderado positivo.
R(coeficiente de
0.59126909
correlación lineal)=
4|Página
Estadística Aplicada Producto Académico N° 03
3. Mike Wilde es el presidente del sindicato de maestros del Otsego School District. A
fin de prepararse para negociaciones próximas, le gustaría investigar la estructura
de los salarios de los maestros en el distrito. Wilde considera que hay tres factores
que influyen en el salario de un maestro: sus años de experiencia, la calificación de
su eficiencia como docente por parte del director y si cuenta con un posgrado. Una
muestra de 20 maestros generó los siguientes datos.
* 1 = sí, 0 = no.
5|Página
Estadística Aplicada Producto Académico N° 03
7 36.8
10
22 48.6
3 31.7
0
1 25.7 0 5 10 15 20 25
5 30.6
23 51.8
17 46.7 r= 0.86759703
12 38.4
14 33.6
8 41.8
4 30.7
2 32.8
8 42.8
35 31.1
43 33.6
51 29.3 50
60 43
73 38.6
80 45 40
76 42
54 36.8
55 48.6 30
90 31.7
30 25.7
20
44 30.6
84 51.8
76 46.7 r= 0.54719669
10
68 38.4
25 33.6
90 41.8
0
62 30.7 0 10 20 30 40 50 60 70 80 90 100
80 32.8
72 42.8
6|Página
Estadística Aplicada Producto Académico N° 03
Salario (miles
Posgrado
de dólares), 60
X3 Y
0 31.1
0 33.6 50
1 29.3
1 43
0 38.6
40
1 45
0 42
1 36.8
30
1 48.6
1 31.7
0 25.7
20
0 30.6
1 51.8
0 46.7 r= 0.31055833
1 38.4 10
0 33.6
1 41.8
0 30.7 0
1 32.8 0 0.2 0.4 0.6 0.8 1 1.2
0 42.8
MATRIZ DE CORRELACIÓN
AÑOS DE
EXPERIENCIA
CALIFICACIÓN 0.186823696
POSGRADO
0.20750259 0.457774867
7|Página
Estadística Aplicada Producto Académico N° 03
40 60
20 40
0 20
0 5 10 15 20 25 30 35
-20 0
0 5 10 15 20 25 30 35
-40 -20
y = -3.6843x + 72.498
-60 -40
y = -3.6843x + 72.498
-60
8|Página
Estadística Aplicada Producto Académico N° 03
β1= -3.68
β0= 72.50
Ecuacion lineal=y=-3.65x+72.5
y=-3.685(6.327)+72.25 =48.9
9|Página
Estadística Aplicada Producto Académico N° 03
De 100 mm de largo,
Marca Alq. Nicotina CO
Barclay 5 0.4 4
Basic 16 1 19
Camel 17 1.2 17
Highway 13 0.8 18
Jacks 13 0.8 18
Kent 14 1 13
Lark 15 1.1 17
Marlboro 15 1.1 15
Maverick 15 1.1 15
Merit 9 0.8 12
Monaco 13 0.8 18
Monarch 13 0.8 17
Mustang 13 0.8 18
Newport 15 1 16
Now 2 0.2 3
Old Gold 15 1.1 18
Pall Mall 15 1 15
Pilot 13 0.8 18
Players 14 1 15
Prime 15 0.9 17
Raleigh 16 1.1 15
Tareyton 15 1.1 15
True 7 0.6 7
Viceroy 17 1.3 16
Winston 15 1.1 14
10 | P á g i n a
Estadística Aplicada Producto Académico N° 03
11 | P á g i n a
Estadística Aplicada Producto Académico N° 03
β1= 0.06
β0= 0.08
Ecuacion lineal=
y=0,06x+0,08
1.4
1.2
y = 0.0633x + 0.08
1
Nicotina
0.8
0.6
0.4
0.2
R² = 0.8819
0
0 2 4 6 8 10 12 14 16 18
Alq
12 | P á g i n a
Estadística Aplicada Producto Académico N° 03
CO Nicotina XY X^2
4 0.4 1.6 16
19 1 19 361
17 1.2 20.4 289
18 0.8 14.4 324
18 0.8 14.4 324
13 1 13 169
17 1.1 18.7 289
15 1.1 16.5 225
15 1.1 16.5 225
12 0.8 9.6 144
18 0.8 14.4 324
17 0.8 13.6 289
18 0.8 14.4 324
16 1 16 256
3 0.2 0.6 9
18 1.1 19.8 324
15 1 15 225
18 0.8 14.4 324
15 1 15 225
17 0.9 15.3 289
15 1.1 16.5 225
15 1.1 16.5 225
7 0.6 4.2 49
16 1.3 20.8 256
14 1.1 15.4 196
370 22.9 356 5906
13 | P á g i n a
Estadística Aplicada Producto Académico N° 03
β1= 0.04
β0= 0.33
1.4
1.2
0.8
Nicotina
0.6
0.4
y = 0.0397x + 0.3281
0.2 R² = 0.4604
0
0 2 4 6 8 10 12 14 16 18 20
CO
14 | P á g i n a
Estadística Aplicada Producto Académico N° 03
Nicotina CO Alq.
0.4 4 5
1 19 16
1.2 17 17
0.8 18 13
0.8 18 13
1 13 14
1.1 17 15
1.1 15 15
1.1 15 15
0.8 12 9
0.8 18 13
0.8 17 13
0.8 18 13
1 16 15
0.2 3 2
1.1 18 15
1 15 15
0.8 18 13
1 15 14
0.9 17 15
1.1 15 16
1.1 15 15
0.6 7 7
1.3 16 17
1.1 14 15
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.96579948
Coeficiente de determinación R^2 0.93276863
R^2 ajustado 0.92665669
Error típico 0.06710648
Observaciones 25
ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 1.374527857 0.687263928 152.614104 1.2685E-13
Residuos 22 0.099072143 0.004503279
Total 24 1.4736
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepción 0.1271 0.05230136 2.430848267 0.02366868 0.018670288 0.23560305 0.01867029 0.23560305
CO -0.0250 0.006129819 -4.07903297 0.0004974 -0.037716201 -0.01229127 -0.0377162 -0.012291267
Alq. 0.0878 0.007061702 12.43281928 2.0071E-11 0.07315179 0.10244194 0.07315179 0.102441937
15 | P á g i n a
Estadística Aplicada Producto Académico N° 03
31-Mar-04 28766
30-Jun-04 30057
30-Sep-04 31336
30-Dic-04 33240
31-Mar-05 34610
30-Jun-05 35102
30-Sep-05 35308
31-Dic-05 35203
31-Mar-06 34386
40000
35000
30000
25000
20000
15000
10000
5000
0
1 2 3 4 5 6 7 8 9
DEMANDA PRONOSTICO
16 | P á g i n a
Estadística Aplicada Producto Académico N° 03
Asistencia
Año (Miles)
1993 5 761
1994 6 148
1995 6 783
1996 7 445
1997 7 405
1998 11 450
1999 11 224
2000 11 703
2001 11 890
2002 12 380
2003 12 181
2004 12 557
17 | P á g i n a
Estadística Aplicada Producto Académico N° 03
14000
12000
10000
8000
6000
4000
2000
0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
ASISTENCIA PRONOSTICO
18 | P á g i n a
Estadística Aplicada Producto Académico N° 03
PROMEDIO MÓVIL
AÑO ASISTENCIA PRONOSTICO
1993 5761
1994 6148
1995 6783
1996 7445 6230.7
1997 7405 6792.0
1998 11450 7211.0
1999 11224 8766.7
2000 11703 10026.3
2001 11890 11459.0
2002 12380 11605.7
2003 12181 11991.0
2004 12557 12150.3
14000
12000
10000
8000
6000
4000
2000
0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
ASISTENCIA PRONOSTICO
19 | P á g i n a
Estadística Aplicada Producto Académico N° 03
Trabajo Colaborativo
I. Bondad de Ajuste
Una gran panadería puede producir rollos en lotes de 0, 1000, 2000, o 3000 por
día. El costo de producción por artículo es de $ 0.10. La demanda varía
aleatoriamente de acuerdo con la siguiente distribución:
Demand
100 200 300
a de 0
0 0 0
rollos:
Demanda 500 270 400 250
Si por la experiencia del mercado las proporciones de las ventas se distribuyen
con 30%, 20%, 30% y 20% correspondientemente. Pruebe al nivel del 10% si
esta distribución se cumple.
DEMANDA DE
DEMANDA DE
VENTAS
VENTAS ESPERADA
OBSERVADA
500 426 12.85446009
270 284 0.690140845
400 426 1.58685446
250 284 4.070422535
1420 = 19.202
H0: O = E :LA DEMANDA DE VENTAS SIGUE UNA DISTRIBUCION CON LA ESTRUCTURA ESPERADA POR LA EMPRESA PANADERA
H1: O ≠ E :LA DEMANDA DE VENTAS NO SIGUE UNA DISTRIBUCION CON LA ESTRUCTURA ESPERADA POR LA EMPRESA PANADERA
GRADOS DE LIBERTAD=4-1=3
α=0,1
VC=6.251
6.251 =19.202
valor de la tabla
SE NIEGA H0, YA QUE SE OBTUVO 19.202 DE ESTADÍSTICO DE PRUEBA, POR ELLO PODEMOS AFIRMAR CON CERTEZA
QUE LA DEMANDA DE VENTAS NO SIGUE UNA DISTRIBUCION CON LA ESTRUCTURA ESPERADA POR LA EMPRESA PANADERA
20 | P á g i n a
Estadística Aplicada Producto Académico N° 03
II. Homogeneidad
Prueba de la influencia del género La tabla siguiente resume datos de sujetos
hombres que se encuestaron y la tabla adjunta resume datos de una muestra de
mujeres. Utilice un nivel de significancia de 0.01 y suponga que los tamaños
muestrales de 800 hombres y 400 mujeres están predeterminados, y pruebe la
aseveración de que las proporciones de las respuestas de acuerdo/desacuerdo
son las mismas para los sujetos que entrevistaron hombres y los sujetos que
entrevistaron mujeres.
DATOS OBSERVADOS
ENTREVISTAD ENTREVISTAD
TOTAL O E ((O-E)^2)/E
OR HOMBRE OR MUJER
DATOS ESPERADOS
ENTREVISTAD ENTREVISTAD
TOTAL
OR HOMBRE OR MUJER
MUJERES EN
352
DESACUERDO
234.7 117.3
TOTAL 800.0 400.0 1200
H0: O = E :Las proporciones de las respuestas acuerdo y desacuerdo son iguales para los
sujetos que entrevistaron hombres y los sujetos que entrevistaron mujeres.
H1: O ≠ E :Las proporciones son diferentes
gl= 1X1=1
nivel de sig.= 0.01
valor crítico= 6.635
6.635 =51.45
21 | P á g i n a
Estadística Aplicada Producto Académico N° 03
III. Independencia
Exactitud de pruebas de polígrafo Los datos en la tabla adjunta resumen
resultados de pruebas de exactitud de polígrafos (de acuerdo con datos de la
Office of Technology Assessment). Utilice un nivel de significancia de 0.05 para
probar la aseveración de que el hecho de que el sujeto mienta es independiente
de la indicación del polígrafo. ¿Qué sugieren los resultados acerca de la eficacia
de los polígrafos?
DATOS OBSERVADOS
EL POLÍGRAFO EL POLÍGRAFO
TOTAL O E ((O-E)^2)/E
INDICÓ INDICÓ
EL SUJETO REALMENTE DIJO LA VERDAD 65 15 80 65 54.4 2.065441176
EL SUJETO REALMENTE DIJO UNA MENTIRA 3 17 20 3 13.6 8.261764706
TOTAL 68 32 100 15 25.6 4.3890625
17 6.4 17.55625
= 32.273
DATOS ESPERADOS
EL POLÍGRAFO EL POLÍGRAFO
INDICÓ INDICÓ TOTAL
VERDAD MENTIRA
EL SUJETO REALMENTE DIJO LA VERDAD 54.4 25.6 80 H0: O = E :El hecho de que el sujeto mienta es independiente de la indicación del polígrafo
EL SUJETO REALMENTE DIJO UNA MENTIRA 13.6 6.4 20
TOTAL 68 32 100 H1: O ≠ E :El hecho de que el sujeto mienta no es independiente de la indicación del polígrafo
gl= 1X1=1
nivel de sig.= 0.05
valor crítico= 3.841
3.841
32.273 se encuentra en la zona de rechazo,entonces rechazamos la hipótesis nula de que afirma que son independientes.
Hay suficiente evidencia para sustentar el rechazo de la aseveración de que el hecho de que el sujeto mienta es independiente de la indicación del polígrafo
Se puede concluir lo que el poligrafo indica no es independiente de lo que realmente dicen los sujetos es asi que los poligrafos son eficases
22 | P á g i n a