SISTEMA DE UNIVERSIDAD EJECUTIVA (SUE)

PRODUCTO
ACTIVIDAD DE EVALUACIÓN CONTINUA

Fecha: _____/_____/_____ PARCIAL 3 Grupo: _________

Alumno: ____________________________________________________ Firma Alumno: _____________

Docente: ING. DIONISIO LENIN GUTIÉRREZ CIGARROA Firma Docente: ______________

6. PRUEBA DE HIPÓTESIS PARA LA MEDIA Y PROPORCIÓN Problema # 1

6.1 Análisis de regresión y correlación lineal.
6.2 Conceptos y definiciones.
7. APLICACIÓN DE MÉTODOS PARA LA MEDIDA DE PROPORCIÓN
7.1 Método de ajuste por mínimos cuadrados.
7.2 Predicción.
7.3 Análisis de varianza. Correlación.
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL.
Los modelos que se emplean para relacionar una variable dependiente
y con las variables independientes x1, x2, . . . xk se denominan
modelos de regresión o modelos estadísticos lineales porque expresan
el valor medio de y para valores dados de x1, x2, . . . xk como
una función lineal de un conjunto de parámetros desconocidos.
El análisis de regresión puede dar lugar a una función de tipo 𝒚 =
𝒇(𝒙, 𝒛, 𝒗)
CONCEPTOS DE ANÁLISIS DE REGRESIÓN
Se presentan empleando un modelo de regresión muy sencillo, uno que
relaciona “y” con una sola variable “x”. Aprenderemos a ajustar este
modelo a un conjunto de datos mediante el método de los mínimos
cuadrados.
La UDL identifica la distancia, en kilómetros, a la que se situé de
un núcleo de posibles clientes académicos, acuden los estudiantes,
en forma fluida a los módulos de información, que figuran en la
tabla:
N° de Pr Estudiantes (x) Distancia (y)
8 15
7 19
6 25
4 23
2 34
1 40
1. Calcular el coeficiente de correlación lineal.
2. Si el campus UDL se sitúa a 2 Km, ¿Cuántos Estudiantes
pueden esperar?
3. Si desea recibir a 5 Estudiantes, ¿a qué distancia del núcleo
debe situarse?
1. Calcular el coeficiente de correlación lineal.
Primer Paso: desarrollo de la tabla de frecuencias en relación a los
datos de entrada de los productos y los cuadrados de (x, y)

ANÁLISIS DE REGRESIÓN
Proceso estadístico para estimar la relación entre variable, esta 𝒙𝒊 𝒚𝒊 𝒙𝒊 × 𝒚𝒊 𝒙𝒊 𝟐 𝒚𝒊 𝟐
genera una ecuación para describir la relación entre uno o más
8 15 120 64 225
predictores para nuevas observaciones (método más usado para
hacer predicciones). 7 19 133 49 361
6 25 150 36 625
CORRELACIÓN LINEAL 4 23 92 16 529
Es la comparación de la varianza asociadas a dos variables (Relación
mutua). 2 34 68 4 1156
 -1 Asociación lineal perfecta 1 40 40 1 1600
negativa. 𝟐
∑ 𝒙𝒊 ∑ 𝒚𝒊 ∑ 𝒙𝒊 × 𝒚𝒊 ∑ 𝒙𝒊 ∑ 𝒚𝒊 𝟐
𝒓  0 No hay asociación lineal. 28 156 603 170 4496

 +1 Asociación lineal perfecta

positiva. ̅ y 𝒚
Segundo Paso: determinamos la media aritmética de 𝒙 ̅
∑ 𝑥𝑖 28
𝑥̅ = = = 𝟒. 𝟔𝟔𝟔𝟕
𝑁 6
± 0.960 ± 1.0 Perfecta
± 0.85 ± 0.95 Fuerte ∑ 𝑦𝑖 156
𝑦̅ = = = 𝟐𝟔
𝑁 6
± 0.70 ± 0.84 Significativa
± 0.50 ± 0.69 Moderada
± 0.20 ± 0.49 Débil
± 0.10 ± 0.19 Muy Débil
± 0.09 ± 0.0 Nula

1
 SISTEMA DE UNIVERSIDAD EJECUTIVA (SUE)
PRODUCTO
ACTIVIDAD DE EVALUACIÓN CONTINUA

Tercer Paso: Determinar la varianza. 3. Si desea recibir a 5 clientes, ¿a qué distancia del núcleo
debe situarse?
∑ 𝑥𝑖 2 170
𝜎𝑥2 = − 𝑥̅ 2 = − 4.66672 = 𝟔. 𝟓𝟓𝟓 𝒚𝟐 − 𝒚𝟏
𝑁 6 𝒚 − 𝒚𝟏 = (𝒙 − 𝒙𝟏 )
𝒙𝟐 − 𝒙𝟏
∑ 𝑦𝑖 2 4496
𝜎𝑦2 = − 𝑦̅ 2 = − 262 = 𝟕𝟑. 𝟑𝟑𝟑 𝜎𝑥𝑦
𝑁 6 ̅= ̅)
𝒚−𝒚 (𝒙 − 𝒙
𝜎𝑥2
−𝟐𝟎. 𝟖𝟑𝟒𝟐
Cuarto Paso: Calcular la desviación estándar (x, y). 𝒚 − 𝟐𝟔 = (𝒙 − 𝟒. 𝟔𝟔𝟔𝟕)
𝟔. 𝟓𝟓𝟓
𝜎𝑥 = √𝜎𝑥2 = √6.555 = 𝟐. 𝟓𝟔 𝒚 = −𝟑. 𝟏𝟕𝟖(𝒙 − 𝟒. 𝟔𝟔𝟔𝟕) + 𝟐𝟔
𝒚 = −𝟑. 𝟏𝟕𝟖𝒙 + 𝟏𝟒. 𝟖𝟑 + 𝟐𝟔
𝜎𝑦 = √𝜎𝑦2 = √73.333 = 𝟖. 𝟓𝟔𝟑 𝒚 = −𝟑. 𝟏𝟕𝟖𝒙 + 𝟒𝟎. 𝟖𝟑

Donde:
Quinto Paso: Calcular la desviación estándar (xy).
∑ 𝑥𝑖 × 𝑦𝑖 603 𝒙 = 𝟓 𝑬𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔
𝜎𝑥𝑦 = − (𝑥̅ × ̅𝑦) = − (𝟒. 𝟔𝟔𝟔𝟕 × 𝟐𝟔) = −𝟐𝟎. 𝟖𝟑𝟒𝟐
𝑁 6 y
𝒚 = (𝑫𝒊𝒔𝒕𝒂𝒏𝒄𝒊𝒂 𝒆𝒏 𝑲𝒎).
El coeficiente de correlación lineal se determina por:
𝜎𝑥𝑦 −𝟐𝟎. 𝟖𝟑𝟒𝟐
𝒓= = = −𝟎. 𝟗𝟓𝟎𝟒 𝒚 = −𝟑. 𝟏𝟕𝟖(𝟓) + 𝟒𝟎. 𝟖𝟑
𝜎𝑥 × 𝜎𝑦 𝟐. 𝟓𝟔 × 𝟖. 𝟓𝟔𝟑
𝒚 = 𝟐𝟒. 𝟗𝟒 ≅ 𝟐𝟓 𝑲𝒊𝒍𝒐𝒎𝒆𝒕𝒓𝒐𝒔
2. Si el campus UDL se sitúa a 2 Km, ¿Cuántos
Estudiantes pueden esperar?
La variable que describe el número de estudiantes es (x) ACTIVIDAD 1
Unos niños de 5, 6, 8, 9, 10 y 11 años de edad
La aplicación de modelos matemáticos como es la ecuación de la recta
ayuda deforma estadística en la solución de este problema para el saltan a una altura de 40, 60, 70, 85, 90 y 110
análisis de regresión (Estudiantes y Distancia). centímetros.
𝒚𝟐 − 𝒚𝟏 1. Calcular el coeficiente de correlación lineal.
𝒙 − 𝒙𝟏 = (𝒚 − 𝒚𝟏 )
𝒙𝟐 − 𝒙𝟏 2. ¿Cuál sería la altura del salto aproximado de un niño de 7
𝝈𝒙𝒚 años?
̅=
𝒙−𝒙 ̅)
(𝒚 − 𝒚 3. ¿Qué niño puede brincar 95 y 100 cm?
𝝈𝟐𝒚
𝒙𝒊 𝒚𝒊 𝒙𝒊 × 𝒚𝒊 𝒙𝒊 𝟐 𝒚𝒊 𝟐
−𝟐𝟎. 𝟖𝟑𝟒𝟐
𝒙 − 𝟒. 𝟔𝟔𝟔𝟕 = (𝒚 − 𝟐𝟔) 5 40
𝟕𝟑. 𝟑𝟑𝟑
6 60
𝒙 = −𝟎. 𝟐𝟖𝟒𝟏(𝒚 − 𝟐𝟔) + 𝟒. 𝟔𝟔𝟔𝟕
8 70
𝒙 = −𝟎. 𝟐𝟖𝟒𝟏𝒚 + 𝟕. 𝟑𝟖𝟔𝟔 + 𝟒. 𝟔𝟔𝟔𝟕
9 85
𝒙 = −𝟎. 𝟐𝟖𝟒𝟏𝒚 + 𝟏𝟐. 𝟎𝟓𝟑𝟑
10 90
11 110
Donde y = 2 Km y x= (número de estudiantes).
∑ 𝒙𝒊 ∑ 𝒚𝒊 ∑ 𝒙𝒊 × 𝒚𝒊 ∑ 𝒙𝒊 𝟐 ∑ 𝒚𝒊 𝟐
𝒙 = −𝟎. 𝟐𝟖𝟒𝟏(𝟐) + 𝟏𝟐. 𝟎𝟓𝟑𝟑
𝒙 = 𝟏𝟏. 𝟒𝟖𝟓𝟏 ≅ 𝟏𝟏 estuenates.

2
 SISTEMA DE UNIVERSIDAD EJECUTIVA (SUE)
PRODUCTO
ACTIVIDAD DE EVALUACIÓN CONTINUA

ACTIVIDAD 2
Tarea (Entrega siguiente sesión).
Una empresa farmacéutica tiene 5 distribuidores de
4, 6, 8, 10 y 12 productos fármacos, y sus carteras de
clientes correspondientes son de 20, 60, 180, 540 y 1620
Clientes.

1. Calcular el coeficiente de correlación lineal.

2. ¿Cuál sería el número de clientes de un distribuidor de 5
productos fármacos?
3. ¿Cuál sería el número de clientes de un distribuidor de 13
productos fármacos?
4. Se tienen 1500 clientes, ¿Cuál es el número de fármacos
que se venderán?
𝒙𝒊 𝒚𝒊 𝒙𝒊 × 𝒚𝒊 𝒙𝒊 𝟐 𝒚𝒊 𝟐
4 20
6 60
8 180
10 540
12 1620
∑ 𝒙𝒊 ∑ 𝒚𝒊 ∑ 𝒙𝒊 × 𝒚𝒊 ∑ 𝒙𝒊 𝟐 ∑ 𝒚𝒊 𝟐

3
 SISTEMA DE UNIVERSIDAD EJECUTIVA (SUE)
PRODUCTO
ACTIVIDAD DE EVALUACIÓN CONTINUA

6. PRUEBA DE HIPÓTESIS PARA LA MEDIA Y 1. Calcular el coeficiente de correlación lineal.

PROPORCIÓN 2. Si el campus UDL se sitúa a 2 Km, ¿Cuántos Estudiantes
6.1 Análisis de regresión y correlación lineal. pueden esperar?
6.2 Conceptos y definiciones. 3. Si desea recibir a 5 Estudiantes, ¿a qué distancia del núcleo
debe situarse?
7. APLICACIÓN DE MÉTODOS PARA LA MEDIDA DE
PROPORCIÓN 1. Calcular el coeficiente de correlación lineal.
7.1 Método de ajuste por mínimos cuadrados. Primer Paso: desarrollo de la tabla de frecuencias en relación a los
7.2 Predicción. datos de entrada de los productos y los cuadrados de (x, y)
7.3 Análisis de varianza. Correlación.

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL. 𝒙𝒊 𝒚𝒊 𝒙𝒊 × 𝒚𝒊 𝒙𝒊 𝟐 𝒚𝒊 𝟐

Los modelos que se emplean para relacionar una variable dependiente
8 15
y con las variables independientes x1, x2, . . . xk se denominan
modelos de regresión o modelos estadísticos lineales porque expresan 7 19
el valor medio de y para valores dados de x1, x2, . . . xk como 6 25
una función lineal de un conjunto de parámetros desconocidos. 4 23
El análisis de regresión puede dar lugar a una función de tipo 𝒚 =
2 34
𝒇(𝒙, 𝒛, 𝒗)
1 40
CONCEPTOS DE ANÁLISIS DE REGRESIÓN ∑ 𝒙𝒊 ∑ 𝒚𝒊 ∑ 𝒙𝒊 × 𝒚𝒊 ∑ 𝒙𝒊 𝟐 ∑ 𝒚𝒊 𝟐
Se presentan empleando un modelo de regresión muy sencillo, uno que
28 156
relaciona “y” con una sola variable “x”. Aprenderemos a ajustar este
modelo a un conjunto de datos mediante el método de los mínimos
cuadrados.
̅ y 𝒚
Segundo Paso: determinamos la media aritmética de 𝒙 ̅
∑ 𝑥𝑖 28
ANÁLISIS DE REGRESIÓN 𝑥̅ = = = 𝟒. 𝟔𝟔𝟔𝟕
𝑁 6
Proceso estadístico para estimar la relación entre variable, esta
∑ 𝑦𝑖 156
genera una ecuación para describir la relación entre uno o más 𝑦̅ = = = 𝟐𝟔
𝑁 6
predictores para nuevas observaciones (método más usado para
hacer predicciones). Tercer Paso: Determinar la varianza.

CORRELACIÓN LINEAL ∑ 𝑥𝑖 2 170

Es la comparación de la varianza asociadas a dos variables (Relación 𝜎𝑥2 = − 𝑥̅ 2 = − 4.66672 = 𝟔. 𝟓𝟓𝟓
𝑁 6
mutua).
∑ 𝑦𝑖 2 4496
𝜎𝑦2 = − 𝑦̅ 2 = − 262 = 𝟕𝟑. 𝟑𝟑𝟑
Problema # 1 𝑁 6
la UDL identifica la distancia, en kilómetros, a la que se situé de
un núcleo de posibles clientes académicos, acuden los estudiantes,
Cuarto Paso: Calcular la desviación estándar (x, y).
en forma fluida a los módulos de información, que figuran en la
tabla: 𝜎𝑥 = √𝜎𝑥2 = √6.555 = 𝟐. 𝟓𝟔

N° de Pr Estudiantes (x) Distancia (y)

𝜎𝑦 = √𝜎𝑦2 = √73.333 = 𝟖. 𝟓𝟔𝟑
8 15
7 19
6 25 Quinto Paso: Calcular la desviación estándar (xy).
4 23 ∑ 𝑥𝑖 × 𝑦𝑖 603
𝜎𝑥𝑦 = − (𝑥̅ × ̅𝑦) = − (𝟒. 𝟔𝟔𝟔𝟕 × 𝟐𝟔) = −𝟐𝟎. 𝟖𝟑𝟒𝟐
2 34 𝑁 6
1 40
El coeficiente de correlación lineal se determina por:
𝜎𝑥𝑦 −𝟐𝟎. 𝟖𝟑𝟒𝟐
𝒓= = = −𝟎. 𝟗𝟓𝟎𝟒
𝜎𝑥 × 𝜎𝑦 𝟐. 𝟓𝟔 × 𝟖. 𝟓𝟔𝟑
4
 SISTEMA DE UNIVERSIDAD EJECUTIVA (SUE)
PRODUCTO
ACTIVIDAD DE EVALUACIÓN CONTINUA

2. Si el campus UDL se sitúa a 2 Km, ¿Cuántos

Estudiantes pueden esperar?
La variable que describe el número de estudiantes es (x)

La aplicación de modelos matemáticos como es la ecuación de la recta

ayuda deforma estadística en la solución de este problema para el
análisis de regresión (Estudiantes y Distancia).

𝒚𝟐 − 𝒚𝟏
𝒙 − 𝒙𝟏 = (𝒚 − 𝒚𝟏 )
𝒙𝟐 − 𝒙𝟏
𝝈𝒙𝒚
̅=
𝒙−𝒙 ̅)
(𝒚 − 𝒚
𝝈𝟐𝒚

Donde y = 2 Km y x= (número de estudiantes).

3. Si desea recibir a 5 clientes, ¿a qué distancia del núcleo

debe situarse?

𝒚𝟐 − 𝒚𝟏
𝒚 − 𝒚𝟏 = (𝒙 − 𝒙𝟏 )
𝒙𝟐 − 𝒙𝟏

Donde:
𝒙 = 𝟓 𝑬𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔
y
𝒚 = (𝑫𝒊𝒔𝒕𝒂𝒏𝒄𝒊𝒂 𝒆𝒏 𝑲𝒎).