b.       ¿Cuál es el consumo que se predice si el ingreso familiar es de $30,000?

B1 -124.84
B2 0.853
Consumo
esperado $ 30,000

Consumo estim $ 25,465

RTA/ El consumo de la familia es de $25.465 si el ingreso es de $30.000

3.      Usted es un reconocido entrenador personal y coach nutricional y hace uso de la inferencia estadística para hacer seguim
resultados de sus clientes. Actualmente se encuentra analizando el progreso de uno de ellos y tiene el siguiente registro histór

Al cabo de …
1 2 3 4 5
semanas (X)

Peso en Kg (Y) 88 87 84 82 79

a.       Calcule el coeficiente de correlación lineal e interprételo

X Y COVARIANZA DESVIACIÓN ESTÁNDAR

Al cabo de …
Observaciones semana Peso en Kg X-X' Y-Y' (X-X')*(Y-Y') (Xi-X')^2
1 1 88 -2 4 -8 4
2 2 87 -1 3 -3 1
3 3 84 0 0 0 0
4 4 82 1 -2 -2 1
5 5 79 2 -5 -10 4
PROMEDIO 3 84 -23 10

PROGRESO DE CLIENTE A
90
88
86
Peso (KG)

84
82
80
78
76
74
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Semanas de entrenamiento
 78

P
76
74
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Semanas de entrenamiento

COVARIANZA
DESVIACIÓN ESTÁNDAR
𝐶𝑜𝑣(𝑥,𝑦)=(∑2_𝑖^𝑛▒ 〖 (𝑥_𝑖
−𝑥 ̅)(𝑦_𝑖−(𝑦)) ̅ 〗 )/𝑛

Cov (x,y)= -23 -4.6

5

COEFICIENTE DE CORRELACIÓN

𝑟=(𝐶𝑜𝑣(𝑥,𝑦))/ -4.6 -0.99

(𝑠_𝑥 𝑠_𝑦 ) 4.65

RTA: El coeficiente de correlación lineal es de -0.99, es decir, es una correlación lineal fuerte e indirecta. A mayor número de s

b.      ¿Qué peso espera que alcance su cliente dentro de dos semanas más, si continúa con el plan que usted le diseñó?

B2 -2.3

B1 90.9

74.8
Peso esperado

RTA/ Dentro de dos semanas más (semana 7) se espera que el cliente alcance un peso de 74,8
rencia estadística para hacer seguimiento y proyección de los
los y tiene el siguiente registro histórico:

DESVIACIÓN ESTÁNDAR

(Y-Y')^2
16
9
0
4
25
54
ESVIACIÓN ESTÁNDAR Sx= 10 2 1.41
5

Sy= 54 10.8 3.29

5

rte e indirecta. A mayor número de semanas de entrenamiento, menor es el peso del cliente

el plan que usted le diseñó?

País Teléfono celular PC Ingreso per cápita
Alemania 78.52 48.47 27610
ArabiaSaudita 32.11 13.67 13230
Argentina 17.76 8.2 11410
Australia 71.95 60.18 28780
Bélgica 79.28 31.81 28920
Brasil 26.36 7.48 7510
Bulgaria 46.64 5.19 75.4
Canadá 41.9 48.7 3040
China 21.48 2.76 4980
Colombia 14.13 4.93 6410
Ecuador 18.92 3.24 3940
Egipto 8.45 2.91 3940
España 91.61 19.6 22150
EstadosUnidos 54.58 40.57 37750
Francia 69.59 34.71 27640
Grecia 90.23 8.17 19900
Guatemala 13.15 1.44 490
Hungría 76.88 10.84 13840
India 2.47 0.72 2880
Indonesia 8.74 1.19 3210
Italia 101.76 23.07 26830
Japón 67.9 38.22 28450
México 29.47 8.3 8980
PaísesBajos 76.76 46.66 28560
Pakistán 1.75 0.42 240
Polonia 45.09 14.2 11210
ReinoUnido 91.17 40.57 27690
RepúblicaCheca 96.46 17.74 15600
Rusia 24.93 8.87 8950
Sudáfrica 36.36 7.26 10130
Suecia 98.05 62.13 26710
Suiza 84.34 70.87 32220
Tailandia 39.42 3.98 7450
Venezuela 27.3 6.09 4750
PUNTO 4: La tabla 3.3 presenta datos sobre el número de suscriptores de teléfonos celulares y el número de computadoras pe
100 personas, y el ingreso per cápita ajustado por el poder adquisitivo en dólares para una muestra de 34 países. Por tanto, se
Determine mediante una regresión si el ingreso per cápita es un factor que influye en el uso de teléfonos celulares y PC. (utiliz
Analice la significancia estadística del modelo (coeficiente de determinación y pruebas de hipótesis).
 el número de computadoras personales (PC), ambos por cada
estra de 34 países. Por tanto, se trata de datos transversales.
e teléfonos celulares y PC. (utilizando función análisis de datos)
tesis).
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.804064700489464
Coeficiente de determinación R^2 0.646520042573211
R^2 ajustado 0.635473793903624
Error típico 19.3805702069393
Observaciones 34

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 21983.6741534659
Residuos 32 12019.4080494753
Total 33 34003.0822029412

Coeficientes Error típico

Intercepción 15.7202184002291 5.534311330606
Variable X 1 0.002277108983725 0.000297646121701

95%

P 5% >
Como la Variable X1 (VER TABLA EN NEGRILLA)Se Rechaza la Hipótesis. Ya que, el valor de I probabilidd es mayor que 0 el co
 Promedio de los cuadrados F Valor crítico de F
21983.6741534659 58.528470788 1.0180753494E-08
375.606501546102

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

2.84050127669774 0.0077693922 4.4471951178287 26.993241683 4.44719511783
7.65039023761832 1.0180753E-08 0.0016708236739 0.0028833943 0.00167082367

probabilidad de T Rechazo la Ho

que, el valor de I probabilidd es mayor que 0 el coeficiente de la Variable X1 es mayor que 0

 Superior 95.0%
26.99324168263
0.002883394294
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.796498704144885
Coeficiente de determinación R^2 0.63441018570448
R^2 ajustado 0.622985504007745
Error típico 6959.66566290811
Observaciones 34

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 2689693490.89839
Residuos 32 1549982276.46279
Total 33 4239675767.36118

Coeficientes Error típico

Intercepción 5831.62983891714 1701.39808325513
Variable X 1 436.884898852064 58.6278562464913

95%

P 5% >
Como la Variable X1 (VER TABLA EN NEGRILLA)Se Rechaza la Hipótesis. Ya que, el valor de I probabilidd es mayor que 0 el co
 Promedio de los cuadrados F Valor crítico de F
2689693490.89839 55.529790899 1.7603689262E-08
48436946.1394621

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

3.42755166842553 0.0016930161 2365.9953526357 9297.2643252 2365.99535264
7.4518313788458 1.7603689E-08 317.463863608 556.3059341 317.463863608

probabilidad de T Rechazo la Ho

que, el valor de I probabilidd es mayor que 0 el coeficiente de la Variable X1 es mayor que 0

 Superior 95.0%
9297.264325199
556.3059340961