CLAUSULA DE AUTORÍA

Nosotros Karen Fernanda Chalaco Vera con C.I 1725030801 y Leyton Orley Gallo
Guanotasig con C.I 1727337196 indicamos que este documento es de nuestra autoría,
por lo tanto está estrictamente prohibido la reproducción del material presentado a
continuación.

---------------------------------- ----------------------------------
Firma Firma
C.I 1725030801 C.I 1727337196
 CAPITULO I
DEFINICIÓN DEL TEMA

Definición del tema

Estudio sobre la base de datos de guerras y sus diferentes variables.

Descripción

El análisis de la violencia y la guerra ligada a la humanidad ha sido una constante en la

filosofía, precursora de la sociología. La guerra ha sido y es una preocupación filosófica del
hombre porque el impacto que un conflicto bélico puede tener en las vidas de aquellos
que se vean afectados por ello puede ser radical. La historia de la humanidad también se
escribe con las muy diversas posturas o aproximaciones a las razones por las que el
hombre hace la guerra, esgrimidas por estrategas y filósofos, y más recientemente por
sociólogos y politólogos. Un ejemplo de ello lo encontramos en Sun Tzu quien, unos 500
años antes de Cristo, ya hablaba sobre la importancia de la guerra para la supervivencia del
estado.2
Objetivos

1.3.1 Objetivo General

Continuar con el estudio del mercado del producto “Artesanías Estrella” para conocer
las preferencias en cuanto a las necesidades de los habitantes de la ciudad de Quito en
los meses de octubre a febrero 2018-2019, además de investigar una base de datos que
contenga hechos relevantes sociales y nos ayuden a desarrollar los temas de regresión
lineal, correlación y series de tiempo
1.3.2 Objetivos Específicos
1.- Demostrar que la muestra escogida es representativa para poder exhibir nuestra
artesanía

2.- A partir dela base de datos investigada, aplicar y verificar si tienen una tendencia
positiva lineal o negativa lineal.

3.- Al momento de delimitar la población efectuar y corregir el método de muestreo de

la Ciudad de Quito en el 2019 en la tercera semana de octubre del 2018

4.- Analizar la base de datos y efectuar su respectivo análisis grafico si es necesario

5.- Procesar y analizar dicha información, mediante tabulación y gráficos estadísticos.

 CAPITULO II

Marco Introductorio
Introducción

La presente investigación es sobre el estudio de mercado del producto “Artesanía

Estrella” y sobre la investigación de la base datos de guerras, especialmente sobre
Alemania durante la última época, siendo este un producto innovador debido al material
con que está hecho y por los detalles que son llamativos.
.
La presión sobre los indefensos se ha convertido en una constante de los conflictos de
las últimas décadas, como atestiguan los datos. Por este motivo, más que una
preocupación, como lo ha sido históricamente, el estudio de la guerra y la violencia
constituye, hoy en día, una urgencia.
Los estudios sobre la guerra y la violencia precisan enfoques transdisciplinares que nos
alejen de análisis especializados ajenos a la realidad de un problema que lo es en
múltiples dimensiones. El término transdisciplinar hace referencia a la combinación de
los medios propios de cada disciplina con el objeto de estudiar el mismo objeto bajo un
prisma diferente al propio de cada una de las disciplinas. Es un concepto muy diferente
al concepto de interdisciplinar, el cual hace referencia a la agrupación de estudios del
mismo problema bajo diferentes disciplinas.
Pero la cuestión de la prevención del conflicto armado, tal y como anticipábamos líneas
arriba, no es una cuestión resuelta. El análisis que realizaremos a lo largo de este texto
estará dedicado concretamente al proceso evolutivo de aquellos conflictos sociales que
se tornan en conflictos armados.
MARCO TEÓRICO

CAPITULO 10

Pruebas de hipótesis de una muestra

HIPÓTESIS Afirmación relativa a un parámetro de la población sujeta a verificación.

Los términos prueba de hipótesis y probar una hipótesis se utilizan indistintamente. La
prueba de hipótesis comienza con una afirmación, o suposición, sobre un parámetro de
la población, como la media poblacional.

PRUEBA DE HIPÓTESIS Procedimiento basado en evidencia de la muestra y la

teoría de la probabilidad para determinar si la hipótesis es una afirmación razonable.
Existe un procedimiento de cinco pasos que sistematiza la prueba de una hipótesis; al
llegar al paso 5,

1. Paso 1: Se establece la hipótesis nula (H0) y la hipótesis alternativa (H1)

HIPÓTESIS NULA Enunciado relativo al valor de un parámetro poblacional que se
formula con el fin de probar evidencia numérica.
HIPÓTESIS ALTERNATIVA Enunciado que se acepta si los datos de la muestra
ofrecen suficiente evidencia para rechazar la hipótesis nula.

2. Paso 2: Se selecciona un nivel de significancia

NIVEL DE SIGNFICANCIA Probabilidad de rechazar la hipótesis nula cuando es

verdadera.

El nivel de significancia se expresa con la letra griega alfa, _. En ocasiones también se

conoce como nivel de riesgo. Éste quizá sea un término más adecuado porque se trata
del riesgo que se corre al rechazar la hipótesis nula cuando es verdadera.
La probabilidad de cometer este tipo de error es

ERROR TIPO I Rechazar la hipótesis nula, H0, cuando es verdadera.

La probabilidad de cometer otro tipo de error, conocido como error tipo II, se expresa
con la letra griega beta β .
ERROR TIPO II Aceptar la hipótesis nula cuando es falsa.
 3. Paso 3: Se selecciona el estadístico de prueba

ESTADÍSTICO DE PRUEBA Valor, determinado a partir de la información de la

muestra, para determinar si se rechaza la hipótesis nula.
PRUEBA DE LA MEDIA CUANDO SE CONOCE σ

x̄−μ
z=
σ
√n

4. Paso 4: Se formula la regla de decisión

Una regla de decisión es un enunciado sobre las condiciones específicas en que se

rechaza la hipótesis nula y aquellas en las que no se rechaza.
VALOR CRÍTICO Punto de división entre la región en que se rechaza la hipótesis nula
y aquella en la que se acepta.

5. Paso 5: Se toma una decisión

El quinto y último paso en la prueba de hipótesis consiste en calcular el estadístico de la

prueba, comparándola con el valor crítico, y tomar la decisión de rechazar o no la
hipótesis nula.

Prueba de dos colas Prueba de una cola

H 0 : μ=0 H0: μ ≤ 0 H0: μ ≥ 0
H1: μ ≠ 0 H 1 : μ> 0 H 1 : μ< 0

Valor p en la prueba de hipótesis

VALOR p Probabilidad de observar un valor muestral tan extremo o más que el valor
observado, si la hipótesis nula es verdadera.
INTERPRETACIÓN DE LA IMPORTANCIA DE LA EVIDENCIA EN CONTRA
DE H0
Si el valor p es menor que
a) 0.10, hay cierta evidencia de que H0 no es verdadera.
b) 0.05, hay evidencia fuerte de que H0 no es verdadera.
c) 0.01, hay evidencia muy fuerte de que H0 no es verdadera.
d) 0.001, hay evidencia extremadamente fuerte de que H0 no es verdadera.

Prueba de la media poblacional: desviación estándar de la población desconocida

PRUEBA DE UNA MEDIA; σ DESCONOCIDA
x̄ −μ
t=
s
√n
Es una distribución continua.
• Tiene forma de campana y es simétrica.
• Existe una familia de distribuciones t; cada vez que se cambia de grados de libertad, se
crea una nueva distribución.
• Conforme se incrementa el número de grados de libertad, la forma de la distribución t
se aproxima a la de la distribución normal estándar.
• La distribución t es plana, o más dispersa, que la distribución normal estándar.
Pruebas relacionadas con proporciones
PRUEBA DE HIPÓTESIS DE UNA PROPORCIÓN
p−π
z=

√
π (1−π )
n
Donde:
π es la proporción poblacional.
p es la proporción de la muestra.
n es el tamaño de la muestra.

Capítulo 13
Regresión lineal y correlación
Se estudia la relación entre dos variables en escala de intervalo (o de razón), es usual
comenzar con un diagrama de dispersión. Este procedimiento proporciona una
representación visual de la relación entre las variables.
ANÁLISIS DE CORRELACIÓN Grupo de técnicas para medir la asociación entre
dos variables. La idea básica del análisis de correlación es reportar la asociación entre
dos variables. Por lo general, el primer paso es trazar los datos en un diagrama de
dispersión. El coeficiente de correlación, creado por Karl Pearson alrededor de 1900,
describe la fuerza de la relación entre dos conjuntos de variables en escala de intervalo o
de razón. Se designa con la letra r, y con frecuencia se le conoce como r de Pearson y
coeficiente de correlación producto-momento. Puede adoptar cualquier valor de +1.00 a
-1.00, inclusive. Un coeficiente de correlación de +1.00 o bien de -1.00 indica una
correlación perfecta.
COEFICIENTE DE CORRELACIÓN Medida de la fuerza de la relación lineal entre
dos variables.
CARACTERÍSTICAS DEL COEFICIENTE DE CORRELACIÓN
1. El coeficiente de correlación de la muestra se identifica con la letra minúscula r.
2. Muestra la dirección y fuerza de la relación lineal (recta) entre dos variables en escala
de intervalo o en escala de razón.
3. Varía de +1 hasta -1, inclusive.
4. Un valor cercano a 0 indica que hay poca asociación entre las variables.
5. Un valor cercano a 1 indica una asociación directa o positiva entre las variables.
6. Un valor cercano a -1 indica una asociación inversa o negativa entre las variables.
COEFICIENTE DE CORRELACIÓN
Σ( x−x )( y− y )
r=
(n−1)S X S Y

Prueba de la importancia del coeficiente de correlación

PRUEBA t DEL COEFICIENTE DE CORRELACIÓN

t= √
r n−2
√ n−1
H 0 : ρ≤ 0 lacorrelacion es entre las variables es negativa
H 1 : ρ> 0la correlacion entre las variables es positiva

Análisis de regresión
ECUACIÓN DE REGRESIÓN
Ecuación que expresa la relación lineal entre dos variables.
PRINCIPIO DE LOS MÍNIMOS CUADRADOS Determina una ecuación de
regresión al minimizar la suma de los cuadrados de las distancias verticales entre los
valores reales de Y y los valores pronosticados de Y.
FORMA GENERAL DE LA ECUACIÓN DE REGRESIÓN LINEAL
^y =a+bx
PENDIENTE DE LA RECTA DE REGRESIÓN
Sy
b=r
Sx
INTERSECCIÓN CON EL EJE Y
a= ý−b x́
Probar la significancia de la pendiente
PRUEBA DE LA PENDIENTE
b−0
t=
Sb
n−2 grados de libertad
ERROR ESTÁNDAR DE ESTIMACIÓN Medida de la dispersión de los valores
observados respecto de la recta de regresión para un valor dado de X.
y
y −¿^
¿
Σ¿
¿
S yx = √ ¿

COEFICIENTE DE DETERMINACIÓN
Proporción de la variación total de la variable dependiente Y que se explica, o
contabiliza, por la variación de la variable dependiente X.
La suma de cuadrados ANOVA se calcula como sigue:

Y^ −Ý ¿2
Suma de regresión de los cuadrados=SSR=Σ ¿
Y −Y^ ¿
2

Suma residual o error de los cuadrados=SSE=Σ ¿

Y −Ý ¿2
Suma total de los cuadrados=SST =Σ ¿
COEFICIENTE DE DETERMINACIÓN
SSR SSE
r 2= =1−
SST SST

ERROR ESTÁNDAR DE ESTIMACIÓN

S yx =
√SSE
n−2
En suma, el análisis de regresión proporciona dos estadísticos para evaluar la capacidad
de predicción de una ecuación de regresión: el error estándar de estimación y el
coeficiente de determinación. Al reportar los resultados de un análisis de regresión, es
necesario explicar claramente los hallazgos, en especial cuando se emplean los
resultados para hacer predicciones de la variable dependiente. El reporte siempre debe
incluir un enunciado con respecto al coeficiente de determinación, para que el lector del
reporte pueda conocer la relativa precisión de la predicción. Se requiere un reporte
objetivo del análisis estadístico para que los lectores puedan tomar sus propias
decisiones.
Intervalos de confianza e intervalos de predicción

Cuando se utiliza una ecuación de regresión, se pueden hacer dos predicciones distintas
para un valor seleccionado de la variable independiente.
El primer intervalo se denomina intervalo de confianza. Se utiliza cuando la ecuación
de regresión se emplea para predecir el valor medio de Y para una X dada.

INTERVALO DE CONFIANZA DE LA MEDIA DE Y, DADA X

x− x́ ¿2
¿
x− x́ ¿2
¿
Σ¿
¿
1
+¿
n
^y ± t SYx √ ¿
El segundo tipo de estimación se denomina intervalo de predicción. Se utiliza cuando la
ecuación de regresión se emplea para predecir una Y individual (n _ 1) para un valor
dado de
X.
INTERVALO DE PREDICCIÓN DE Y, DADA X
 2
x− x́ ¿
¿
x− x́ ¿2
¿
Σ¿
¿
1
1+ + ¿
n
^y ± t SYx √ ¿
a) El intervalo de predicción será más amplio que el nivel de confianza.
b) El intervalo de predicción también se basa en el nivel de confianza, el tamaño del
error estándar de estimación, el tamaño de la muestra y el valor de la variable
independiente.
CAPITULO 16
TEMA: Series de tiempo y proyección
Para introducirnos en este capítulo primeo definamos lo que serie de tiempo.
 Serie de tiempo.- Grupo de datos registrados durante un periodo determinado,
definido en periodos trimestrales, semanales y anuales.
Ejemplo:

Las ventas de Microsoft Corporation por trimestre desde 1985, y la producción anual de
ácido sulfúrico desde 1970. Un análisis de la historia, que es una serie de tiempo, es útil
para que la administración tome decisiones hoy y planee con base en una predicción, o
proyección, de largo plazo.
COMPONENTES DE UNA SERIE DE TIEMPO

1. Tendencia Secular. DIRECCCIÓN UNIFORME DE UNA

SERIE DE TIEMPO A LARGO PLAZO
2. Variación cíclica. Aumento y reducción de una serie de
tiempo durante periodos mayores de un
año.
3. Variación estacional. Patrones de cambio en una serie de
tiempo en un año. Estos patrones tienden
a repetirse cada año.
4. Variación irregular. Variaciones episódicas y residuales

PROMEDIO MÓVIL
Un promedio móvil es útil para suavizar una serie de tiempo y apreciar su tendencia, es
el método básico para medir la fluctuación estacional Para aplicar el promedio móvil a
una serie de tiempo, los datos deben seguir una tendencia muy lineal y tener un patrón
rítmico definido de las fluctuaciones (que se repita, por ejemplo,cada tres años).

PROMEDIO MÓVIL PONDERADO

En el cálculo se utiliza ponderación para cada observación, es decir se utiliza un dato
estimado para cada trimestre.
 TENDENCIA LINEAL
La tendencia de muchas series de negocios en general, por ejemplo ventas, clientes,
exportaciones, producción, con frecuencia se aproxima a una recta, por lo tanto
podemos describirla en una ecuación de tendencia.

ECUACIÓN DE TENDENCIA Y^ =a+ bt

Y´; y testada, valor proyectado de la variable Y de uj valor seleccionado de t
a ; Es la intersección con el eje Y, es el valor estimado de Y cuando t = 0
b ; Es la pendiente de la recta.
t; Variable de tiempo, que puedo tomar cualquier valor de tiempo.
Para el cálculo de la intersección (a) y la pendiente (b), se utilizan las siguientes
fórmulas:
 INTERSECCIÒN CON EL EJE Y (a)

a=Y −b t
Donde:
Y =Media de la variable Y
t=Media de la variable t
b=pendiente de larecta

 PENDIENTE DE LA RECTA

Sy
b=r ( )
St

DONDE:
r=Coeficiente de correlación
S y =Desviación estándar de y

S t =Desviación estándar de t
 ECUACIÓN DE TENDENCIA Y^ =6,1+1.3 t

TENDENCIAS NO LINEALES
La ecuación de la tendencia de una serie de tiempo que no se aproxime a una tendencia
curvilínea, se calcula con los logaritmos de los datos y el método de mínimos
cuadrados. La ecuación general de la ecuación de la tendencia logarítmica es:

ECUACIÓN DE TENDENCIA LOGARITMICA log Y^ =log ( a )+ log ( b ) t

Nota: los valores tanto de a y b se calculan con las fórmulas de la ecuación de
tendencia.

ECUACIÓN DE TENDENCIA LOGARITMICA log Y^ =log ( 0.20 ) + log ( 0.41 ) t

 VARIACIÓN ESTACIONAL
La razón para analizar las fluctuaciones estacionales es contar con un abastecimiento
suficiente de materias primas que permita cumplir con la cambiante demanda estacional.
Un análisis de las fluctuaciones estacionales durante un periodo de años también puede
ayudar para evaluar las ventas actuales.

CÁLCULO ÍNDICE ESTACIONAL- MÉTODO DE LA RAZÓN DIRECTA

1. Determinar el promedio móvil del caso correspondiente.
2. Determinar o centrar los promedios móviles.
3. Calcular el índice estacional específico.
4. Organizar los índices estacionales específicos en una tabla.
5. Las medias trimestrales deben ser igual al número del periodo de tiempo
correspondiente
6. Análisis e interpretación.
CAPÍTULO III
ENCUESTA
Tabla 1

MEDIA DE LA MUESTRA
22,8504902
MEDIANA
21,11538462
MODA
18,14516129
Desviación estándar
10,59485399
PRUEBA DE HIPOTESIS
PASO 1 Se establece la Hipótesis nula y la Hipótesis Alternativa
Hipótesis Nula Ho µ= 25 La media de la población es de 25
Hipótesis Alternativa H1 µ≠25 La media de la población es diferente de 25
Prueba de Dos colas porque la hipótesis alternativa no indica dirección alguna.
PASO 2 Se selecciona el nivel de significancia
α=5% 0,05
La probabilidad cometer un error tipo I que es la probabilidad de rechazar la hipótesis nula
verdadera.
PASO 3 Se selecciona el estadístico de prueba
En este caso es la distribución porque se desconoce la desviación estándar de la población y se
sustituye por la desviación estándar de la muestra.

Formula x́−µ
t= s
PASO 4 Se formula una regla para tomar decisiones
√n
Los grados de libertad gl está definido por n-1
GL=n-1 203
-
t tabla 1,65239446

PASO 5 SE TOMA UNA DECISION Y SE INTERPRETA EL RESULTADO

-
t= 5,23682587
21.11−25
La hipótesis nula que afirma que la media poblacional es de 25 se rechaza porque el valor
calculado10.59
de t es de -5,2368 se encuentra en el área a la izquierda de -1,6523.Se acepta la
√ 204 z=
p−π

√ π (1−π )
n
hipótesis alternativa y se concluye que la media poblacional no es de 25.
 Base de datos

ALEMANIA

Guerras AñoBajas
muertes
heridos
Carros de Combate
Prisioneros
Desaparecidos
Reclutas
Gasto

Husitas 1434 1434

24162 13110 27237 1235 1357 959 4156 11000

Reforma 1524 1524

13572 3692 16600 3755 2281 3131 3456 5456

De los 30 años 1648

164822815 43110 22656 41971 3728 2093 1534 12485

Sucesión española
17141714
44569 34040 14520 9097 11640 9579 1341 14563

Napoleónicas 1815
181525630 12810 15310 2675 3692 6164 4154 13256

Primera Guerra Mundial

1918
5660589
1918
955662 5307 41971 15489 7649 25474 60356

Segunda Guerra1939
Mundial
3869622
1939
415690
13498 85230 16360 9544 182415
245438

Inglaterra 1941 1941

32456 20720 1864 10881 22815 9301 234154
442454

Balcanes 1945
13572 13110 1311 1671 13572 12310184354
534936

Barbarroja 1948
22815 3692 3692 2301 22815 9970 252435
395453
 Tabla 2

Año t Bajas
1434 1 24162
1524 2 13572
1648 3 22815
1714 4 44569
1815 5 25630
1918 6 5660589
1939 7 386962
1941 8 32456
1945 9 13572
1948 10 22815

Diagrama de dispersiòn (AÑO, BAJAS)

6000000
5000000
4000000
Bajas

3000000
2000000
1000000
0 f(x) = 40595.27x + 401440.2
0 R²2= 0 4 6 8 10 12
T ( años)

Ilustración 1

Análisis
Podemos observar que el coeficiente de determinación no es mayor a 0,75. Por lo tanto
se concluye que la relación entre las variables año y bajas no es lineal.
 Tabla 3

Año t muertes
1434 1 13110
1524 2 3692
1648 3 43110
1714 4 34040
1815 5 12810
1918 6 955662
1939 7 2415690
1941 8 20720
1945 9 13110
1948 10 3692

Muertes
3000000
2500000
2000000
1500000
1000000
500000
f(x) = 48224.34x + 86329.73
0 R² = 0.03
0 2 4 6 8 10 12
Ilustración 2

Análisis

Podemos observar que el coeficiente de determinación no es mayor a 0,75. Por lo tanto se

concluye que la relación entre las variables año y bajas no es lineal.

Tabla 4

Año t heridos
 1434 1 27237
1524 2 16600
1648 3 22656
1714 4 14520
1815 5 15310
1918 6 5307
1939 7 13498
1941 8 1864
1945 9 1311
1948 10 3692

Tabla 5

HERIDOS
Años (x) Heridos (y) (x-x ̅) (y-y ̅) Σ(x-x ) ̅ (y-y ̅) (x-x ) ̅ ^2 (y-y ̅)^2 a+bx
1 1434 27237 -348,6 15037,5 -5242072,5 121521,96 226126406 26178,2175
2 1524 16600 -258,6 4400,5 -1137969,3 66873,96 19364400,3 22569,2543
3 1648 22656 -134,6 10456,5 -1407444,9 18117,16 109338392 17596,905
4 1714 14520 -68,6 2320,5 -159186,3 4705,96 5384720,25 14950,332
5 1815 15310 32,4 3110,5 100780,2 1049,76 9675210,25 10900,2732
6 1918 5307 135,4 -6892,5 -933244,5 18333,16 47506556,3 6770,01533
7 1939 13498 156,4 1298,5 203085,4 24460,96 1686102,25 5927,92391
8 1941 1864 158,4 -10335,5 -1637143,2 25090,56 106822560 5847,72473
9 1945 1311 162,4 -10888,5 -1768292,4 26373,76 118559432 5687,32636
10 1948 3692 165,4 -8507,5 -1407140,5 27357,16 72377556,3 5567,02759
Σ 17826 121995 -13388628 333884,4 716841337 121995

(x ̅) 1782,6
(y ̅) 12199,5
192,609
Sx 103
8924,63
Sy 094
-
0,86541 valor cercano a -1 indica una asociación inversa o
Coeficiente de correlación 913 negativa entre las variables
Coeficiente de 0,74895
determinación 027
83681,0
INTERSECCIÓN CON EL EJE Y a 316
-
PENDIENTE DE LA RECTA DE 40,0995
REGRESIÓN b 914
 Heridos (y)
30000

25000 f(x) = - 40.1x + 83681.03

R² = 0.75
20000

15000

10000

5000

0
1400 1500 1600 1700 1800 1900 2000

Ilustración 3

Análisis

Podemos observar que el coeficiente de determinación es mayor a 0,75. Por lo tanto se

concluye que la relación entre las variables año y heridos es lineal.

PRUEBA t DEL COEFICIENTE DE CORRELACIÓN

Paso 1: Se establece la hipótesis nula (H0) y la hipótesis alternativa (H1)
H_0:ρ≤0 la correlación es entre las variables es negativa
H_1:ρ>0 la correlación entre las variables es positiva
Paso 2: Se selecciona un nivel de significancia
0,05
GL 8,00
t crítico 1,86
Paso 3: Se selecciona el estadístico de prueba

t=(r √(n-2))/√(n-1) -4,88530411

Paso 4: Se formula la regla de decisión

Paso 5: Se toma una decisión

La correlación entre los heridos y las años de las guerras es negativa ya que se
aceptó la hipótesis nula y se rechaza la hipótesis alternativa

PRUEBA DE LA PENDIENTE
Paso 1: Se establece la hipótesis nula (H0) y la hipótesis alternativa (H1)
H_0:B≤0 la pendiente de la recta de la regresión entre las variables es negativa
 H_1:B>0 la pendiente de la recta de la regresión es positiva
Paso 2: Se selecciona un nivel de significancia
0,05
GL 8,00
t crítico 1,86
Paso 3: Se selecciona el estadístico de prueba

t=(b-0)/S_b 1
Paso 4: Se formula la regla de decisión

Paso 5: Se toma una decisión

La correlación entre los heridos y las años de las guerras es negativa ya que se
aceptó la hipótesis nula y se rechaza la hipótesis alternativa

INTERVALO DE CONFIANZA DE LA MEDIA DE Y, DADA X

26250,6116 Máx.
26105,8235 min

Análisis

El intervalo de confianza de la media de heridos, dada en los años está entre 26250 y 26105
heridos.

INTERVALO DE PREDICCIÓN DE Y, DADA X

26430,6349 Máx.
25925,8002 min

Análisis

El intervalo de predicción de la media de heridos, dada en los años está entre 26430 y 25925
heridos.

Tabla 6

Año t Carros de Combate

1434 1 1235
1524 2 3755
1648 3 41971
 1714 4 9097
1815 5 2675
1918 6 41971
1939 7 85230
1941 8 10881
1945 9 1671
1948 10 2301

Carros de Combate
90000
80000
70000
60000
50000
40000
30000
20000 f(x) = 650.01x + 16503.67
10000 R² = 0
0
0 2 4 6 8 10 12

Ilustración 4

Análisis

Podemos observar que el coeficiente de determinación no es mayor a 0,75. Por lo tanto se

concluye que los carros en combate y la guerra no tienen una relación lineal.

Tabla 7

PRISIONEROS
Años (x) Prisioneros (y) (x-x ̅) (y-y ̅) Σ(x-x ̅)(y-y ) ̅ (x-x ̅)^2 (y-y ̅)^2 a+bx
1 1 1357 -4,5 -10017,9 45080,55 20,25 100358320 641,690909
2 2 2281 -3,5 -9093,9 31828,65 12,25 82699017,2 3026,84848
3 3 3728 -2,5 -7646,9 19117,25 6,25 58475079,6 5412,00606
4 4 11640 -1,5 265,1 -397,65 2,25 70278,01 7797,16364
5 5 3692 -0,5 -7682,9 3841,45 0,25 59026952,4 10182,3212
6 6 15489 0,5 4114,1 2057,05 0,25 16925818,8 12567,4788
7 7 16360 1,5 4985,1 7477,65 2,25 24851222 14952,6364
8 8 22815 2,5 11440,1 28600,25 6,25 130875888 17337,7939
9 9 13572 3,5 2197,1 7689,85 12,25 4827248,41 19722,9515
10 10 22815 4,5 11440,1 51480,45 20,25 130875888 22108,1091
Σ 55 113749 196775,5 82,5 608985713 113749

(x ̅) 5,5
(y ̅) 11374,9
3,0276503
5
8225,8786
3
valor cercano a 1 indica una asociación positiva entre las
Coeficiente de correlación 0,8778908 variables
0,7706922
Coeficiente de determinación 6
-
1743,4666
INTERSECCIÓN CON EL EJE Y a 7
PENDIENTE DE LA RECTA DE 2385,1575
REGRESIÓN b 8

Prisioneros (y)
25000

f(x) = 2385.16x - 1743.47

20000 R² = 0.77

15000

10000

5000

0
0 2 4 6 8 10 12

Ilustración 5

Análisis

Podemos observar que el coeficiente de determinación es mayor a 0,75. Por lo tanto se

concluye que la relación entre las variables año y Prisioneros es lineal.
 Tabla 8

DESAPARECIDOS
Años (x) Desaparecidos (x-x ̅) (y-y ̅) Σ(x-x ̅)(y-y ̅) (x-x ̅)^2 (y-y ̅)^2 a+bx
1 1 959 -4,5 -6111 27499,5 20,25 37344321 2085,30909
2 2 3131 -3,5 -3939 13786,5 12,25 15515721 3193,01818
3 3 2093 -2,5 -4977 12442,5 6,25 24770529 4300,72727
4 4 9579 -1,5 2509 -3763,5 2,25 6295081 5408,43636
5 5 6164 -0,5 -906 453 0,25 820836 6516,14545
6 6 7649 0,5 579 289,5 0,25 335241 7623,85455
7 7 9544 1,5 2474 3711 2,25 6120676 8731,56364
8 8 9301 2,5 2231 5577,5 6,25 4977361 9839,27273
9 9 12310 3,5 5240 18340 12,25 27457600 10946,9818
10 10 9970 4,5 2900 13050 20,25 8410000 12054,6909
Σ 55 70700 91386 82,5 132047366 70700

(x ) ̅ 5,5
(y ̅) 7070
3,0276
5035
3830,3
9548
0,8755 valor cercano a 1 indica una asociación
Coeficiente de correlación 6385 positiva entre las variables
0,7666
Coeficiente de determinación 1206
INTERSECCIÓN CON EL
EJE Y a 977,6
PENDIENTE DE LA RECTA 1107,7
DE REGRESIÓN b 0909
 Desaparecidos
14000

12000
f(x) = 1107.71x + 977.6
R² = 0.77
10000

8000

6000

4000

2000

0
0 2 4 6 8 10 12

Ilustración 6

Análisis

Podemos observar que el coeficiente de determinación es mayor a 0,75. Por lo tanto se

concluye que la relación entre las variables año y desaparecidos es lineal.

Tabla 9

Año t Reclutas
1434 1 4156
1524 2 3456
1648 3 1534
1714 4 1341
1815 5 4154
1918 6 25474
1939 7 182415
1941 8 234154
1945 9 184354
1948 10 252435
 Reclutas
300000
250000
200000 f(x) = 31687.51x - 84934
R² = 0.78
150000
100000
50000
0
0 2 4 6 8 10 12

Ilustración 7

Análisis

Podemos observar que el coeficiente de determinación es mayor a 0,75. Por lo tanto se

concluye que la relación entre los variables año y reclutas es lineal.

Tabla 10

Año t Gasto
1434 1 11000
1524 2 5456
1648 3 12485
1714 4 14563
1815 5 13256
1918 6 60356
1939 7 245438
1941 8 442454
1945 9 534936
1948 10 395453
 Gasto
600000

500000

f(x) = 60945.5x - 161660.53

400000 R² = 0.76

300000

200000

100000

0
0 2 4 6 8 10 12

Ilustración 8

Análisis

Podemos observar que el coeficiente de determinación es mayor a 0,75. Por lo tanto se

concluye que la relación entre los variables año y gasto es lineal.

CAPÍTULO IV
Conclusiones

Recomendaciones

Glosario
Bajas.- Una baja es una persona víctima de un accidente, lesión o trauma
Muertes.- deceso, defunción, fallecimiento, óbito, expiración, perecimiento,
fenecimiento, cesación
Heridos.- es una lesión que se produce en el cuerpo pero no son dados de baja
Carros de Combate.- es un vehículo blindado de combate (AFV por sus siglas en
inglés) con tracción de orugas o ruedas, diseñado principalmente para enfrentarse a
fuerzas enemigas utilizando fuego directo. Un carro de combate se caracteriza por tener
armas de alto poder de fuego, un blindaje pesado, así como por un alto grado de
movilidad que le permite cruzar terrenos difíciles a velocidades relativamente altas.
Prisioneros.- es un soldado, piloto o marino que es hecho prisionero por el enemigo
durante o inmediatamente después de un conflicto armado. Existen leyes para
asegurarse de que los prisioneros de guerra serán tratados humana y diplomáticamente.
Las naciones varían en el cumplimiento de tales leyes.
Desaparecidos.- de una persona desaparecida debe incluir como mínimo a: los hijos
nacidos dentro o fuera del matrimonio, los hijos adoptados o los hijos del cónyuge; el
cónyuge, casado legalmente o no; los padres (incluidos suegro, suegra, padres
adoptivos); las hermanas y hermanos, nacidos de los mismos padres, de padres
diferentes o adoptados.
Reclutas.- Persona alistada para el servicio militar, hasta que acaba la instrucción básica
y va a su destino definitivo.
Gasto.- el dinero asignado para la guerra

Anexos