REGRESIÓN

Regresión lineal
Regresión lineal simple
Propiedades de los estimadores de mínimos cuadrados
Inferencia acerca de los coeficientes de regresión
Predicción
Selección de un modelo de regresión
Procedimientos del análisis de varianza
Prueba de linealidad de regresión
Gráficas y transformaciones de datos
Para el desarrollo del capítulo 4 “REGRESIÓN LINEAL”, se tomaron textos de los
siguientes autores:

Mason y Lind, Estadística para Administración y Economía, Octava edición,

editorial Alfaomega, 1998, páginas 566 a la 610.
 4. REGRESIÓN

Resumen del capítulo

El capítulo se dedica al análisis de regresión y correlación. Son dos aspectos que se

deben considerar, cuando se trabaja simultáneamente con dos o más variables. Con el
primero se establece mediante un modelo matemático que nos permita representar el
conjunto de observaciones mediante una línea recta, una vez determinada la ecuación, se
podrá estimar un valor o promedio de una de las variables en función de otra o más
variables. Y mediante la correlación, técnicas que nos van a permitir establecer la fuerza,
la intensidad de la relación (correlación) entre esas variables.
La forma de visualizar mejor la información sobre la relación que puede haber entre
dos variables se obtiene mediante la elaboración de una gráfica llamada “nube de puntos”
o diagrama de dispersión. Dentro del desarrollo del tema, se calcula y explica una serie de
medidas de gran importancia dentro del análisis de relación, tales como coeficiente de
regresión, de correlación, la obtención de estimativos y los límites de confianza.
Finalmente la aplicación de pruebas de significación tanto para el coeficiente de regresión
como el de correlación.

OBJETIVOS

 Entender e interpretar los términos de una variable dependiente e independiente.

 Determinar la ecuación de regresión a fin de pronosticar el valor de una variable
con base en otra variable.
 Calcular e interpretar el coeficiente de correlación y de determinación.
 Construir e interpretar intervalos de confianza e intervalos de predicción para la
variable dependiente.
 Graficar e interpretar diagramas de dispersión.
 Conocer sobre el principio de mínimos cuadrados.

Palabras claves
Regresión
Correlación
Diagrama de dispersión
Coeficiente de correlación y determinación
Análisis de regresión
Principio de mínimos cuadrados
REGRESIÓN

Mason y Lind, Estadística para Administración y Economía, Octava edición,

editorial Alfaomega, 1998, páginas 566 a la 610.

ANÁLISIS DE CORRELACIÓN SIMPLE

Una de las aplicaciones más importantes de la estadística implica la estimación del valor
medio de una variable de respuesta y o la predicción de algún valor futuro de y con base en
el conocimiento de un conjunto de variables independientes1 relacionadas, x1 , x 2 ,, x k .

Los modelos que se emplean para relacionar una variable dependiente y con las variables
independientes x1 , x 2 ,, x k se denominan modelos de regresión o modelos estadísticos
lineales por que expresan el valor medio de y para los valores dados de x1 , x 2 ,, x k como
una función lineal de un conjunto de parámetros desconocidos.

Definición.
La variable por predecir (o por modelar), y, es la variable dependiente (o de respuesta).

Definición.
Las variables que se utilizan para predecir (o modelar) y se denominan variables
independientes y se denotan con los símbolos x1 , x 2 , x3 , etcétera..

DIAGRAMA DE DISPERSIÓN
Gráfica que representa la relación entre las dos variables de interés.

Ejemplo

El director de personal de una empresa que tiene un importante grupo de vendedores, debe
entrevistar y seleccionar nuevo personal. Ha diseñado una prueba que ayuda a seleccionar
los mejores aspirantes para su personal de ventas. A fin de verificar la validez de una
prueba como instrumento de predicción de las ventas semanales, eligió al azar cinco
vendedores experimentados y aplicó la prueba a cada uno. La puntuación que cada
vendedor obtuvo en la prueba después se pareó con las ventas semanales. ¿Cómo se
presentan estos datos pareados o en pares en un diagrama de dispersión?

Vendedor Puntuación de prueba Ventas semanales

J. A. Amber 4 5000
B. N. Archer 7 12000
G. D. Smith 3 4000
A. B. Malcolm 6 8000
A. Goodwin 10 11000

Solución:
1
Cuando aplicamos la palabra independiente a las variables x1, x2, …, xk queremos decir independientes en
un sentido algebraico, más que probabilístico.
Es práctica común marcar la variable dependiente (en este ejemplo, ventas) en el eje
vertical (eje Y) y la variable independiente (Puntuaciones de la prueba) en el eje horizontal
(eje X).

Obsérvese a partir del diagrama de dispersión que conforme aumentan las puntuaciones de
prueba, lo mismo sucede con las ventas. Parece que existe una relación estrecha
(correlación) entre las puntuaciones y las ventas semanales.

Coeficiente de Correlación

El Coeficiente de Correlación describe la intensidad de la relación entre dos conjuntos de

variables de nivel de intervalo o nivel de razón. Ya que se le denota con r, con frecuencia se
menciona también como r de Pearson o coeficiente producto-momento de Pearson. Puede
tomar cualquier valor de -1.00 a 1.00, inclusive. Un coeficiente de correlación de -1.00 o
1.00 indica correlación perfecta. La forma como quedaría los diagramas de dispersión si la
relación entre los dos conjuntos de datos fueran lineales y perfectos se muestra en el
siguiente diagrama.

Diagramas de dispersión que muestran correlaciones negativa y positiva perfectas

Si no existe en absoluto relación entre los dos conjuntos de variables, la r de Pearson será
cero. Un coeficiente de correlación r cercano a 0 indica que la relación es poco intensa o
débil.
La fórmula para r es:

donde:

n es el número de pares de observaciones.

X
es la
suma de los valores de la variable X
Y
es la
suma de los valores de la variable Y
 X 2

es
la suma de los valores X elevados al cuadrado
 Y 2

es
la suma de los valores Y elevados al cuadrado
 X  2

es
el cuadrado la suma de los valores X
 Y  2

es
el cuadrado la suma de los valores Y

Ejemplo

Los datos para el problema sobre las ventas semanales y las puntuaciones de prueba y los
cálculos necesarios para determinar el coeficiente de correlación se enlistan en la siguiente
tabla ¿Cuánto vale el coeficiente de correlación?

Vendedor Puntuación de Ventas semanales

prueba X (miles de dólares)Y X2 XY Y2
J. A. Amber 4 5 16 20 25
B. N. Archer 7 12 49 84 144
G. D. Smith 3 4 9 12 16
A. B. Malcolm 6 8 36 48 64
A. Goodwin 10 11 100 110 121
Total 30 40 210 274 370

Solución:
El coeficiente de correlación es 0.88, obtenido por medio del cálculo de:

Es práctica común redondear r a centésimos; en este problema es 0.88, lo cual indica una
relación muy intensa entre las puntuaciones de prueba y las ventas semanales. Entonces la
prueba del director de personal o recursos humanos es conveniente para predecir las ventas
semanales.

Coeficiente de determinación

En el ejemplo anterior respecto a la relación de puntuaciones de prueba y ventas semanales,

el coeficiente de correlación 0.88 se interpretó como “muy fuerte”. Una medida que tiene
un significado más exacto es el coeficiente de determinación. Se calcula al elevar al
cuadrado el coeficiente de correlación. Para el ejemplo, dicho r2, vale 0.77, que se obtuvo
de (0.88)2. Esta es una proporción o porcentaje; puede decirse que 77% de la variación
total en las ventas semanales se explica por, o se debe a, la variación en las puntuaciones de
prueba.

Coeficiente de determinación La proporción de la variación total en la variable

dependiente Y que se explica por, o se debe a, la variación en la variable independiente X.

PRUEBA DE LA SIGNIFICACIÓN DEL COEFICIENTE DE CORRELACIÓN

El coeficiente de correlación entre las puntuaciones de prueba y las ventas semanales

resultó ser aproximadamente 0.88. Esto indica una marcada relación entre los dos conjuntos
de variables. Sin embargo, sólo se incluyeron cinco vendedores en el experimento. Por
tanto, uno podría preguntarse si la correlación en la población podría ser 0 o no. Se utilizará
la letra griega  (rho) para representar la correlación en la población.

El ejemplo visto de puntuaciones de prueba-ventas semanales es un caso de muestra

pequeña. La hipótesis nula y alternativa son:
H o :   0 (La puntuación en la población es cero)
H 1 :   0 (La puntuación en la población es distinta de cero)
Debido a la forma en que está enunciada H1, la prueba es de dos colas. La fórmula para t es:
r n2
t con n-2 grados de libertad
1 r 2
Usando el nivel de significación 0.10, la regla de decisión indica que si t calculada se
encuentra en el área entre más 2.353 y menos 2.353, se aceptará la hipótesis nula. Para
localizar el valor crítico 2.353, consúltese el anexo 2 para n – 2, o sea 5 – 2 = 3. Mostrado
en un esquema:
Aplicando la fórmula al problema de puntuaciones de pruebas-ventas semanales:
r n2 0.88 5  2
t   3.21
1 r 1   0.88
2 2

El valor de t queda en el área de rechazo, de manera que Ho se rechaza al nivel 0.10, lo cual
significa que la correlación en la población no es cero. Desde el punto de vista práctico,
indica al director de recursos humanos que existe correlación en la población de vendedores
con respecto a las calificaciones de la prueba y las ventas semanales.

ANÁLISIS DE REGRESIÓN SIMPLE

Según como se indicó en la presentación, se desarrollará una ecuación para expresar la

relación entre dos variables, y estimar el valor de la variable dependiente Y con base en un
valor seleccionado de la variable independiente X. A la técnica empleada para desarrollar la
ecuación de la recta y hacer estas predicciones, se le denomina análisis de regresión.

Ecuación de regresión

Puesto que una línea recta describe mejor la relación entre las puntuaciones de prueba y las
ventas semanales, ahora deduciremos una ecuación matemática para esa recta. Así, el
director de personal podría emplear la ecuación para pronosticar las ventas mensuales de un
candidato a un puesto de ventas, con base en su puntuación de pruebas.

Principio de Mínimos Cuadrados

Este método proporciona lo que comúnmente se conoce como la recta de “mejor ajuste”.
Minimiza la suma de cuadrados de las desviaciones verticales con respecto a la recta.

Técnica empleada para llegar a la ecuación de regresión minimizando la suma de los

cuadrados de las distancias verticales entre los valores de X verdaderos y los valores
pronosticados de Y.

La forma general de la ecuación de regresión es: yˆ   o  1 x   , donde ŷ es el valor

pronosticado de la variable Y para un valor seleccionado de X.  o ordenada de la
intercesión con el eje Y.  1 es la pendiente de la recta, X cualquier valor seleccionado y 
es el error aleatorio (que debe tener una distribución normal).
Los valores  i en la ecuación de regresión, por lo general se denominan coeficientes de
regresión estimados, o bien abreviadamente, coeficiente de regresión. Las fórmulas para
 o y  1 son:

n   XY     X   Y 
1 
n  X     X 
2 2

o 
Y    X ; n es el tamaño de la muestra.
1
n n

Ejemplo

Volviendo a las puntuaciones de prueba y las ventas semanales de los cinco vendedores, las
sumas y otros datos básicos para despejar o evaluar  o y  1 aparecen en la siguiente
tabla:

Vendedor Puntuación de Ventas semanales

prueba X (miles de dólares)Y X2 XY Y2
J. A. Amber 4 5 16 20 25
B. N. Archer 7 12 49 84 144
G. D. Smith 3 4 9 12 16
A. B. Malcolm 6 8 36 48 64
A. Goodwin 10 11 100 110 121
Total 30 40 210 274 370

¿Cuál es la ecuación de regresión?

Solución:

n   XY    X   Y  5 274   30 40

1    1.133
n  X     X  5 210   30 
2 2 2

o 
Y    X 1 
40  30 
 1.133   8  6.798  1.202
n n 5  5 

Por tanto, la ecuación de regresión es yˆ  1.202  1.133 x (en miles de dólares). Las ventas
pronosticadas para un candidato a un puesto en ventas, que calificó 6 en la prueba del
director de personal es $8000, que se obtiene
yˆ  6   1.202  1.133 6 
yˆ  6   1.202  6.798
yˆ  6   8 (en miles de dólares).
Estimación de intervalos de confianza

Un intervalo de confianza se determinará para:

1. El valor Medio de Y para un valor dado de X.

2. Un valor individual de Y para un valor dado de X.

A fin de determinar el intervalo de confianza para el valor medio de Y para un valor de X,

se utiliza la fórmula:
 X  X 
2
1
yˆ  t  s yx  
n  X
2

X 
2

donde, para este problema:

ŷ es valor pronosticado para cualquier valor X seleccionado. Por ejemplo, ŷ es de $8000

para un valor X de 6.
X cualquier valor seleccionado.
X es la media de las X.
n es el número de observaciones.
 Y  Yˆ 
2
s yx es el error estándar de la estimación está dado por: S 
YX
N 2
t es el valor tomado del anexo 2 para n - 2 grados de libertad.

Los límites de confianza de 95% para el valor de ŷ de 8.0 son 5.218 y 10.782 (Retómese
la tabla del ejemplo anterior). Introduciendo los valores de n, t 0.975, 3  3.182 y los demás
de la fórmula, se obtiene:
 X  X   6  6
2 2

yˆ  t  s yx 
1 1
  8.0  3.1821.955 
n  X
2
5  30 
2

X  210 
2

n 5
 8.0  3.1821.955 0.2  8.0  2.782

Luego $5,218 y $10,782.

Interpretación Para un grupo de solicitantes cuyas puntuaciones de prueba son

exactamente 6, existe una probabilidad de 0.95 de que sus ventas promedio semanales estén
en el intervalo entre $5,218 y $10,782.

EJERCICIOS, SECCIÓN 4

1. Una empresa industrial planea desarrollar un folleto para anunciar su nueva motocicleta
X2B. Uno de los aspectos que se van a examinar y que se desea mencionar en al folleto es
la relación velocidad-millas: ¿Existe una relación lineal entre la velocidad de la motocicleta
y las millas por galón? Las pruebas de campo revelaron lo siguiente:

Velocidad constante Millas por galón

(millas por hora) Y
X
40 54
30 60
70 37
50 46
60 48
Para explorar la relación:
a) Trace el diagrama de dispersión.
b) ¿Parece haber alguna relación entre las dos variables? Descríbala.
c) Calcule el coeficiente e correlación y evalúe su intensidad.

2. a) ¿Cuál es el coeficiente de determinación del ejercicio anterior?

b) Interprete el coeficiente de determinación

3. Se dan las siguientes hipótesis.

Ho :   0
H1 :   0
Una muestra de 12 observaciones en pares indicó una correlación de 0.32. ¿Se puede
concluir que la correlación en la población es mayor que cero? Aplique el nivel de
significación de 0.05.

4. Un estudio de 20 instituciones financieras mundiales mostró que la correlación entre sus

activos y sus utilidades antes de impuestos, es 0.86. Al nivel de significación de 0.05,
¿puede concluirse que existe correlación positiva en la población?

5. Parece que las ventas de dentífricos dependen mucho del nivel de publicidad. Para
examinar más a fondo esta observación, se determinaron los gastos anuales en publicidad
para varias marcas bien conocidas junto con sus ventas anuales.
 Gastos anuales en publicidad Ventas anuales
Marca (millones de dólares) (millones de dólares)
Glint 2 5
Perla uno 4 7
Brillante 3 6
Número 1 1 2
a) Trace un diagrama de dispersión.
b) Calcule el coeficiente de determinación e interprételo.

6. Se seleccionaron las siguientes observaciones de muestra:

X Y
5 13
3 15
6 7
3 12
4 13
4 11
6 9
8 5

a) Determine la ecuación de regresión.

b) Obtenga el valor de Y cuando X es 7.

7. El presidente de la compañía Daniel-James Financial Services, considera que existe

relación entre el número de contactos con clientes y el importe en dólares de las ventas.
Para documentar este aspecto, obtuvo la siguiente información muestral. La columna X
indica el número de contactos con clientes el mes pasado, y la columna Y muestra el valor
de las ventas (en miles de dólares) del mes pasado para cada cliente muestreado.

Número de contactos Ventas ($000).

X Y
14 24
12 14
20 28
16 30
46 80
23 30
48 90
50 85
55 120
50 110

a) Determine la ecuación de regresión.

b) Evalúe las ventas estimadas si se contacta o se comunica, con 40 clientes.
8. El número acciones de la empresa ICOM, Inc. que variaron durante un mes y el precio
al final del mes, se enlistan en la tabla que sigue. Además, se dan los puntos ŷ en la recta
que pasa por los datos observados:

Movimiento (miles Precio real Precio estimado

de acciones) X Y ŷ
4 2 2.7
1 1 0.6
5 4 3.4
3 2 2.0
2 1 1.3

a) Trace un diagrama de dispersión.

b) Calcule el coeficiente de determinación.
c) Interprete el coeficiente de determinación.
d) Calcule un intervalo de confianza con un 95%.
ANEXO 1. Número aleatorios
4441 3003 0376 3017 7859 8415 4775 3708 0496 3486
4615 3855 0328 3066 7158 7191 4101 4058 3322 3029
4321 4264 4113 3046 7063 7813 4108 3472 3604 3657
4139 3706 4837 3005 9799 9536 4330 4691 3956 3173
4500 4984 4449 3037 7441 8921 4284 4664 3755 3710

4947 4422 0494 3100 7934 8430 4642 3313 3068 4046
4368 4440 0388 3010 7260 7283 4780 4059 3306 4308
4836 4947 3724 0306 7245 7804 4451 3254 0438 4881
4506 3712 3039 0373 8169 7251 4264 4909 0362 4829
4501 4694 3072 0467 7595 8115 4572 3126 0300 4554

4861 3677 3305 0362 8118 7607 4269 3475 0467 6093
4280 4499 4576 0305 0477 0434 4779 4809 0463 6295
4364 3723 0422 0475 0365 0300 4487 3669 0365 6168
4321 4273 0329 3284 0439 0397 4627 3173 0467 6589
4830 3186 0472 4605 0382 0396 4043 4947 0336 6274

4593 3387 0366 4067 0367 0486 4886 4419 0431 6307
4019 4002 0306 3067 0455 0478 4016 4865 0341 6494
4573 3229 0440 4931 0336 0335 4185 3125 0474 6380
4583 3995 0408 4265 0454 0447 4448 4522 1236 6386
4023 3613 0315 4105 0442 0437 4625 3493 1088 6298

4769 3073 0352 4184 0461 0492 4050 4651 1315 6570
4035 4159 0466 3743 0302 0481 4405 4956 1276 6379
4668 4293 0302 4422 0380 0496 4216 4598 1349 6636
4714 3836 0372 4683 4227 3930 4173 4659 0910 6250
4231 4975 0347 3010 3357 3094 4014 3327 1099 6292

ANEXO 2. Percentiles de la Distribución t

gl t0.90 t0.95 t0.975 t0.99 t0.995 t0.9995
 1 3.078 6.3138 12.7060 31.821 63.657 636.619
2 1.886 2.9200 4.3027 6.965 9.9248 31.598
3 1.638 2.3534 3.1825 4.541 5.8409 12.924
4 1.533 2.1318 2.7764 3.747 4.6041 8.610
5 1.476 2.0150 2.5706 3.365 4.0321 6.869
6 1.440 1.9432 2.4469 3.143 3.7074 5.959
7 1.415 1.8946 2.3646 2.998 3.4995 5.408
8 1.397 1.8595 2.3060 2.896 3.3554 5.041
9 1.383 1.8331 2.2622 2.821 3.2498 4.781
10 1.372 1.8125 2.2281 2.764 3.1693 4.587
11 1.363 1.7959 2.2010 2.718 3.1058 4.437
12 1.356 1.7823 2.1788 2.681 3.0545 4.318
13 1.350 1.7709 2.1604 2.650 3.0123 4.221
14 1.345 1.7613 2.1448 2.624 2.9768 4.140
15 1.341 1.7530 2.1315 2.602 2.9647 4.073
16 1.337 1.7459 2.1199 2.583 2.9208 4.015
17 1.333 1.7396 2.1098 2.567 2.8982 3.965
18 1.330 1.7341 2.1009 2.552 2.8784 3.922
19 1.328 1.7291 2.0930 2.539 2.8609 3.883
20 1.325 1.7247 2.0860 2.528 2.8453 3.850
21 1.323 1.7207 2.0796 2.518 2.8314 3.819
22 1.321 1.7171 2.0739 2.508 2.8188 3.792
23 1.319 1.7139 2.0687 2.500 2.8073 3.767
24 1.318 1.7109 2.0639 2.492 2.7969 3.745
25 1.316 1.7081 2.0595 2.485 2.7874 3.725
26 1.315 1.7056 2.0555 2.479 2.7787 3.707
27 1.314 1.7033 2.0518 2.473 2.7707 3.690
28 1.313 1.7011 2.0484 2.467 2.7633 3.674
29 1.311 1.6991 2.0452 2.462 2.7564 3.659
30 1.310 1.6973 2.0423 2.457 2.7500 3.646
35 1.3062 1.6896 2.0301 2.438 2.7239 3.5915
40 1.3031 1.6839 2.0211 2.423 2.7045 3.5511
45 1.3007 1.6794 2.0141 2.412 2.6896 3.5207
50 1.2987 1.6759 2.0086 2.403 2.6778 3.4965
60 1.2959 1.6707 2.0003 2.390 2.6603 3.4606
70 1.2938 1.6669 1.9945 2.381 2.6480 3.4355
80 1.2922 1.6641 1.9901 2.374 2.6388 3.4169
90 1.2910 1.6620 1.9867 2.368 2.6316 3.4022
100 1.2901 1.6602 1.9840 2.364 2.6260 3.3909
120 1.2887 1.6577 1.9799 2.358 2.6175 3.3736
140 1.2876 1.6558 1.9771 2.353 2.6114 3.3615
160 1.2869 1.6545 1.9749 2.350 2.6070 3.3527
180 1.2863 1.6534 1.9733 2.347 2.6035 3.3456
200 1.2858 1.6525 1.9719 2.345 2.6006 3.3400
 1.282 1.645 1.96 2.326 2.576 3.2905

ANEXO 3. Percentiles de la Distribución 

2

gl  02.005  02.025  02.05  02.90  02.95  02.975  02.99  02.995

1 0.0000393 0.000982 0.00393 2.706 3.841 5.024 6.635 7.879
 2 0.0100 0.0506 0.103 4.605 5.991 7.378 9.210 10.597
3 0.0717 0.216 .352 6.251 7.815 9.348 11.345 12.838
4 0.207 0.484 0.711 7.779 9.488 11.143 13.277 14.860
5 0.412 0.831 1.145 9.236 11.070 12.832 15.086 16.750
6 0.676 1.237 1.635 10.645 12.592 14.449 16.812 18.548
7 0.989 1.690 2.167 12.017 14.067 16.013 18.475 20.278
8 1.344 2.180 2.733 13.362 15.507 17.535 20.090 21.955
9 1.735 2.700 3.325 14.684 16.919 19.023 21.666 23.589
10 2.156 3.247 3.940 15.987 18.307 20.483 23.209 25.188
11 2.603 3.816 4.575 17.275 19.675 21.920 24.725 26.757
12 3.074 4.404 5.226 18.549 21.026 23.336 26.217 28.300
13 3.565 5.009 5.892 19.812 22.362 24.736 27.688 29.819
14 4.075 5.629 6.571 21.064 23.685 26.119 29.141 31.319
15 4.601 6.262 7.261 22.037 24.996 27.448 30.578 32.801
16 5.142 6.908 7.962 23.542 26.296 28.845 32.000 34.267
17 5.697 7.564 8.672 24.769 27.587 30.191 33.409 35.718
18 6.265 8.321 9.390 25.989 28.869 31.526 34.805 37.156
19 6.844 8.907 10.117 27.204 30.144 32.852 36.191 38.582
20 7.434 9.591 10.851 28.412 31.410 34.170 37.566 41.401
21 8.034 10.283 11.591 29.615 32.671 35.479 38.932 42.796
22 8.643 10.982 12.338 30.813 33.924 36.781 40.289 44.181
23 9.260 11.688 13.091 32.007 35.172 38.076 41.638 45.558
24 9.886 12.401 13.848 32.196 36.415 39.364 42.980 45.558
25 10.520 13.120 14.611 34.382 37.652 40.646 44.314 46.928
26 11.160 13.844 15.379 35.563 38.885 41.923 45.642 48.290
27 11.808 14.573 16.151 36.741 40.113 43.194 46.963 46.645
28 12.461 15.308 16.928 37.916 41.337 44.461 48.278 50.993
29 13.121 16.047 17.708 39.087 42.557 45.722 49.588 52.336
30 13.787 17.791 18.493 40.256 43.773 46.979 50.892 53.672
35 17.192 20.569 22.465 46.059 49.802 53.203 57.342 60.275
40 20.707 24.433 26.509 51.805 55.758 59.342 63.691 66.766
45 24.311 28.366 30.612 57.505 61.656 65.410 69.957 73.166
50 27.991 32.357 34.764 63.167 67.505 71.420 76.154 79.490
60 35.535 40.482 43.188 74.397 79.082 83.298 88.379 91.952
70 43.275 48.758 51.739 85.527 90.531 95.023 100.425 104.215
80 51.172 57.153 60.391 96.578 101.879 106.629 112.329 116.312
90 59.196 65.647 69.126 107.565 113.145 118.136 124.116 128.299
100 67.328 74.222 77.929 118.498 124.342 129.561 135.807 140.169

ANEXO 4. Percentiles de la Distribución F

F0.95
gl del gl del numerador
denominador 1 2 3 4 5 6 7 8 9
1 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5
 2 18.51 19.0 19.16 19.25 19.30 19.33 19.35 19.37 19.38
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04
120 3.92 3.07 2.68 2.45 2.29 2.17 2.09 2.02 1.96
 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.88
Nota: Los estudiantes deben completar esta tabla. Los complementos están en los libros que aparecen como
bibliografía en cada unidad.

ANEXO 5. Percentiles de la Distribución z

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.078 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3970 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4802 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 04968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990