UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE INGENIERIA

ESCUELA ACADÉMICA PROFESIONAL DE INGENIERIA

DE SISTEMAS E INFORMÁTICA

LABORATORIO DE INFERENCIA ESTADÍSTICA Y

LABORATORIO DE ANÁLISIS DE REGRESIÓN LINEAL
MÚLTIPLE

CURSO:
ESTADÍSTICA PARA INGENIEROS

AUTORES:
Alegre La rosa Alonso Stefano
Pereda Olives Abner Jhoseph.
Rodríguez Álvarez Andrew Brandol

ASESORA:
América Odar Rosario

Chimbote 8 de setiembre de 2020.

 LABORATORIO N° 3: INFERENCIA ESTADÍSTICA

1. Se probaron con dos máquinas distintas A y B, para pruebas de torsión de alambre de acero,
doce pares de distintos tipos de alambre; se probó un miembro de cada par en cada máquina.
Los resultados (ángulos de ruptura) fueron los siguientes:

¿Hay evidencia en el nivel de significación del 5% que indique que la máquina B da una lectura
menor que la máquina A?

Máquinas Media Desviación Coeficiente de Mínimo -

estándar variación Máximo
Máquina A 34,5 6,038 17,50 % 30,66 – 38,34
Máquina B 33 6,382 19,33% 28,95 – 37,05

Shapiro-Wilk
Estadístico Significancia
ÁNGULO RUPTURA 0,952 0,666
MÁQUINA A
ÁNGULO RUPTURA 0,964 0,835
MÁQUINA B

Como se observa en la tabla el ángulo de ruptura de la maquina A y B tienen una significancia

de P=0,666 y P=0,835 respectivamente, estos valores son mayores de 0.05 entonces nos indica
que se distribuyen de forma normal y debemos seleccionar la Prueba paramétrica T para ver si
los ángulos son iguales o el ángulo de la máquina B es menor que el de la A.

Máquinas Media Prueba de Resultado de Decisión IC del 95%

hipótesis la prueba para la
diferencia de
medias
Máquina A 34,5 Ho: μM₁ = μM₂ To = 0.591 P = 0.560 -3.76 – 6.76
Máquina B 33 Ha: μM₂ < μM₁ (P>0.05)
Ho se acepta

Prueba de comparación de varianzas:

La prueba dio un valor F= 0.030 y P = 0.865 (P>0.05) y con este resultado se puede concluir que
las varianzas son iguales u homogéneas.

Prueba de comparación de medias:

Ho: μM₁ = μM₂

Ha: μM₂ < μM₁

El valor to = 0.591 y P = 0.560 (P>0.05), por lo que Ho se acepta y podemos concluir que el
ángulo de ruptura de ambas maquinas no presenta diferencias significativas.
2. Se emplean dos máquinas para llenar botellas de soda con un volumen neto de 16.0 oz. Se
toma una muestra aleatoria de la producción de cada máquina. El departamento de Control de
Calidad sostiene que no hay deferencias de ambas máquinas en el proceso de llenado de las
botellas de soda.

Máquina A 16,03 16,04 16,05 16,05 16,02 16,01 15,96 15,98 16,02 15,99

Máquina B 16,02 15,97 15,96 16,01 15,99 16,03 16,04 16,02 16,01 16,00

Tabla 1. Estadísticos descriptivos del volumen de soda de las

Máquinas A y B

Máquina Media Desviación CV% Mínimo - Máximo

Estándar
A 16,015 0,03028 0,19% 15,96 – 16,05
B 16,005 0,02550 0,16% 15,96 – 16,04

a. Elabore un intervalo de confianza del 99% para la diferencia de medias de la producción

de ambas máquinas.

 El intervalo de confianza del 99% para la diferencia en el volumen medio de la producción

de soda de ambas máquinas se encuentra comprendida en el intervalo de -0,02603 y
0,04603.

b. Realice la prueba de hipótesis correspondiente e indique si el departamento de control

de calidad está en lo correcto. Use un nivel del 1%.

 Procedimiento:

1. Las hipótesis que se formulan son las siguientes:

Ho: μMáquinaA = μMáquinaB (Ambas máquinas tienen igual volumen de llenado)
Ha: μMáquinaA ≠ μMáquinaB (Ambas máquinas tienen igual volumen de llenado)

2. Fijaremos un valor de significancia α = 0,01

3. Prueba Estadística

Tabla 2. Pruebas de normalidad del volumen de soda de las Máquinas A y B

Shapiro - Wilk

Estadístico Sig. (P)

Volumen A 0,935 0,501

Volumen B 0,949 0,660

 Los valores de la prueba Shapiro-Wilk para las máquinas A y B son respectivamente 0,935
(P=0,501) y 0,949 (P=0,660), ambos valores de significancia son mayores que 0,01 lo cual nos
permite concluir que los volúmenes de ambas máquinas se distribuyen de forma normal.
Usaremos entonces la prueba paramétrica “PRUEBA T PARA MUESTRAS
INDEPENDIENTES”.
Tabla 3. Comparación de promedios del volumen de soda de las
Máquinas A y B

Máquina Medias Prueba Resultado de la Decisión Intervalo de

Estadística prueba (α = 0.01) confianza del 99%

A 16,015 Ho: μA = μB t = 0,799 P = 0,572 -0,02603 – 0,04603

B 16,005 Ha: μA ≠ μB (P > 0,01)

 Resultado de la prueba: t = 0,799 y P = 0,572 (P > 0,01), Ho se acepta, esto quiere decir
que no se ve evidentes diferencias significativas en el volumen de las máquinas de soda.
 Por lo tanto, el Departamento de Control de Calidad está en lo correcto.
Diagrama de cajas:

3. Un ingeniero que trabaja para una empresa que fabrica llantas investiga la duración promedio
de un compuesto nuevo de caucho. Para ello, se fabrica 16 llantas y las prueba en una
carretera hasta alcanzar el fin de la vida útil de éstas. Los datos en km, obtenidos son los
siguientes:
 a. Elabore un intervalo de confianza del 95% para la vida útil promedio de la nueva
llanta.

Tabla 1. Intervalo de confianza para la vida útil promedio

de la nueva llanta.

DURACIÓN DE UN COMPUESTO NUEVO DE CAUCHO

Media 60133,75
Desv. Estándar 3645,309
Cv % 6.062 %
Mínimo 50040
Máximo 69947
Intervalo de Límite inferior 58191,30
confianza del Límite superior 62076,20
95%

b.Al ingeniero le interesa demostrar que la vida útil promedio de la nueva llanta excede
los 60 000 km. Pruebe la hipótesis apropiada y obtenga la conclusión al nivel del 5%.
Tabla 2. Resultado de la prueba de normalidad de
Shapiro-Wilk.

Shapiro - Wilk
Estadístico P(significancia)
DURACIÓN 0,585 0,000

Prueba de la normalidad para la duración de un compuesto nuevo de caucho:

La prueba de Shapiro-Wilk tiene un valor de 0,585 y un valor P = 0,000 (P < 0,05), este
resultado nos permite concluir que los datos no se distribuyen en forma normal.

Tabla 3. Comparación de medias para la duración de un

compuesto nuevo de caucho.

Variable Media Prueba de Resultado Decisión IC del 95% para la

hipótesis de la prueba diferencia de las medias
Duración de un 60133,75 Ho: μ=60 000 t 0=0,147 P=0,885 58191,30 - 62076,20
compuesto nuevo Ha: μ> 60000 P>0,05
de caucho

Prueba de la media poblacional:

 La prueba de hipótesis no resultó significativa ( P>0,05 ) , lo cual nos permite concluir, a un
nivel de significancia del 5% que la vida útil promedio de la nueva llanta no excede los 60 Km .

4. Se analizan dos catalizadores para determinar la forma en que afectan el rendimiento

promedio de un proceso químico. De manera específica, el catalizador 1 es el que se está
empleando en este momento, pero el catalizador 2 también es aceptable. Debido a que el
catalizador 2 es más económico, éste puede adoptarse siempre y cuando no cambie el
rendimiento del proceso. Se hace una prueba en una planta piloto, los resultados se muestran
a continuación:

Catalizador 1: 91,50 94,18 92,18 95,39 91,79 89,07 94,72 89,21

Catalizador 2: 89,19 90,95 90,46 93,21 97,19 97,04 91,07 92,75

Hipótesis:

Ho: μ𝐶AT1= μ𝐶AT2 (No existe diferencia entre ambos catalizadores)

Ha: μ𝐶AT2 ≠ μ𝐶AT1 (El catalizador 2 es mejor que el catalizador 1)

Shapiro-Wilk
Estadístico Significancia
DIFERENCIA 0,835 0,06
(P>0.05)

La prueba de Shapiro-Wilk tiene valor de 0.835 y P = 0.06 (P>0.05) entonces nos índice que la
diferencia entre las medidas de los catalizadores se distribuye de forma normal, por lo cual se
seleccionará la Prueba T paramétrica para muestras relacionadas para probar si el catalizador2
es mejor que el catalizador 1.

a. Construya un intervalo de confianza del 95% para la diferencia de medias de ambos

catalizadores

IC del 95%
Catalizadores Media Prueba de hipótesis Resultado de Decisión para la
la prueba diferencia de
medias
Catalizador 1 92.251 Ho: μ𝐶AT1= μ𝐶AT2 To = -0.304 P = 0.770 -4.220 –
Catalizador 2 92.732 Ha: μ𝐶AT1 ≠ (P>0.05) 3.258
μ𝐶AT1 Ho se acepta

b. ¿Existe alguna diferencia entre los rendimientos promedio de ambos catalizadores?

Conforme a los resultados qué puede concluir respecto al catalizador 2

La prueba no resultó significativa, el valor to= -0.304 y P = 0.770 (P>0.05) y debemos

aceptar Ho y concluir que los datos no dan evidencia que el catalizador 2 sea mejor que el
catalizador 1.

5. Una compañía suministra planchas de plástico para uso industrial. Se han producido un
nuevo tipo de plástico de este nuevo producto es mayor que 30 pulg 2necesaria para
 romper la plancha. Con una muestra aleatoria de tamaño 12 se midieron las
resistencias siguientes:
30,1 - 27,8 - 32,2 - 29,4 - 24,8 - 31,6 - 28,8 - 29,4 - 30,5 - 27,6 - 33,9 - 31,4

a. Construya un intervalo de confianza del 99% para la resistencia media a la tensión

de este nuevo producto.
Tabla 1. Intervalo de confianza del 99% para la
resistencia media

Resistencia del nuevo tipo de plástico para las

planchas
Media 29.792
Desv. Estándar 2.4141
CV % 8.1 %
Mínimo 24.8
Máximo 33.9
Intervalo de Límite inferior 27.627
confianza del 99% Límite superior 31.956

b. Al nivel de significación del 5% ¿Prueban estos datos que la resistencia media a la

tensión de este nuevo producto es mayor que 30 pulg 2?

Tabla 2. Resultado de prueba de normalidad de

Shapiro-Wilk.

Shapiro-Wilk
Estadístico P (significancia)
Resistencia 0.983 0.993

Prueba de la normalidad de la resistencia:

La prueba de Shapiro-Wilk para la resistencia del nuevo material tiene la

significancia P = 0.993 (P > 0.05), por lo tanto, concluimos que si se distribuye
normalmente y debemos aplicar la prueba T para una muestra.
Tabla 3. Comparación de la media para la
resistencia del nuevo material.

Variable Media Prueba de Resultado Decisión IC del 95% para

hipótesis de la la diferencia de las
prueba medias
Resistencia 29.792 Ho: P=30 pulg 2 To= 42.749 P = 0.000 28.258 - 31.326
Ha: P>30 pulg 2 (P < 0.05)

Prueba de la media:

La prueba de hipótesis si resultó significativa ( P < 0.05), por lo tanto se acepta Ha y

se rechaza Ho, entonces nos permite concluir que, a un nivel de significancia del 5%
 que la resistencia media a la tensión de este nuevo producto es mayor que 30 pulg 2
.

6. Una compañía debe decidir entre dos suministros de dispositivos electrónicos. La alta
dirección ha decidido hacer el pedido al suministrador A, a menos que se pueda probar
que la vida media de los dispositivos del suministrador B es superior. Se chequean 28
dispositivos de A y 32 de B, obteniéndose los siguientes resultados:

Suministrador A 121 76 88 103 96 89 100 112 105 101 92 98 87 75 111 118

121 96 93 82 105 78 84 96 103 119 85 84
Suministrador B 127 133 87 91 81 122 115 107 98 94 103 107 101 99 112 90

a. Construya un intervalo de confianza del 95% para la diferencia de la vida media de

los dispositivos de ambos suministradores.

Tabla 1. Intervalo de confianza de la vida media

para ambos suministradores

SUMINIST. Media Desv. CV % Mínimos-Máximos Intervalo de

Estándar confianza del 95%
Suministrador A 97.07 13.616 14 % 75 - 121 (-11.986) – (2.191)
Suministrador B 101.97 13.743 13.5 % 81 - 133

b. Al nivel de significancia del 5% ¿A qué suministrador se debería elegir?

Tabla 2. Prueba de normalidad de

Kolmogorov-Smirnov

Kolmogorov-Smirnov
Estadístico P (significancia)
Suministrador A 0.081 0.200
Suministrador B 0.100 0.200

Prueba de normalidad de Kolmogorov- Smirnov:

Los valores obtenidos son P = 0.200 para ambos suministradores, por lo tanto,
concluimos que se distribuyen normalmente y debemos utilizar la pruebas T para
muestras independientes.

Tabla 3. Comparación de medias para la vida media de

ambos suministradores.
 Prueba de Resultado Decisión IC del 95% para la
Suministradores Media hipótesis de la diferencia de las
prueba medias
Suministrador A 97.07 Ho: uS1=uS2 To = -1.383 P = 0.172 (-11.986) – ( 2.191)
Suministrador B 101.9 Ha: uS1≠ uS2 (P>0.05 )
7

Prueba de comparación de varianzas:

Según los valores de la prueba de Levene F = 0.011 y P = 0.917 (P > 0.05), por lo
tanto, concluimos que las varianzas son iguales.

Prueba de comparación de medias:

Segú los valores To = -1.383 y P = 0.172 (P>0.05), por lo tanto, se acepta Ho y se

rechaza Ha, entonces llegamos a la conclusión que ambos dispositivos tienen la
misma vida media y la compañía puede elegir cualquiera de los dos suministradores.

7. Los costos de mano de obra y materiales son dos componentes básicos para analizar el costo
de construcción. Desde luego, los cambios en los costos de componentes originarán cambios
en los costos totales de construcción.

Normalidad:
Como se observa en el gráfico los puntos no están alejados de la línea diagonal,
entonces se concluye que los residuos se distribuyen de forma normal.

Homocedasticidad:

Como se observa en el gráfico los puntos están dispersos y no siguen ningún patrón en
específico, entonces se puede concluir que las varianzas son homogéneas.
Independencia:
El coeficiente DW = 0.782 (1.5<DW<2.5), entonces se concluye que no hay
independencia en los errores.

a. Considera plausible que existe relación lineal entre las variables.

Variables Valor Valor de significancia Decisión

experimental P
F
Costo de 25,390 P = 0,002 Existe relación entre
construcción vs (P < 0,05) o 0,01 el costo de
Indice de costo construcción y el
índice de costo.
 b. Determine la ecuación de regresión y diga si hay suficiente evidencia como para indicar que
el Índice de costo de los materiales contribuye con información para la predicción de los
costos de construcción.

Modelo de regresión simple:

Y = -1,196 + 1,069X₁
Y: Costo de construcción

X₁: Indice de costo

Coeficiente de determinación y Error de estimación:

R² = 0,809 y σ^ = 1,7303

Hay suficiente evidencia para afirma que el índice de costo de materiales contribuye para la
predicción de los costos de construcción.

c. Determine intervalos de confianza para los coeficientes de regresión

B 95% intervalo de confianza para B

Límite inferior Límite superior
Indice de costo 1,069 0,55 1,588
de materiales

d. Obtenga el Coeficiente de determinación e interprételo.

R² = 0,809

El 80,9% de la variación del costo de construcción va a ser influenciado por el índice de

costo.

8. Se considera que el acabado superficial de una parte metálica está relacionado linealmente
con la velocidad de corte de la máquina que la produce. El acabado superficial se mide
empleando una escala de 0 a 20, siendo 0 el acabado más áspero. Los datos son los siguientes:

Acabado 4,893 5,948 6,323 5,998

superficial 7,701 9,496 9,7725 9,503
velocidad 12 13 14 15
16 18 19 20
a. Obtenga el diagrama de dispersión para los datos y analice lo que observa

Observando el diagrama de dispersión podemos ver que los residuos y los pronósticos son
independientes, pues la nube de puntos no sigue ninguna pauta de asociación lineal ni de
otro tipo, por lo cual indica que las varianzas son homogéneas.

b. Ajústese un modelo de regresión lineal simple a los datos y realice la prueba de

significación

Tabla 1. Estadísticos descriptivos del acabado

superficial y velocidad
Variables Media Desviació CV% Mínimo - Máximo
n
Estándar
Acabado superficial 7,45431 1,9284 25,87% 4,893 – 9,773
Velocidad 15,88 2,90 18,26% 12 – 20
1. Las
hipótesis que se formulan son las siguientes:
Ho: B1 = 0
Variables Valor Prueba Valor de
de Shapiro Wilk significancia
P Decisión Durbin Decisión
Watson
Acabado P = 0,565 Los residuos se Existe
superficial 0,935 (P > 0,05) distribuyen en 1.887 independencia
vs forma normal de los errores
velocidad
Ha: B0 ≠ 0
 2. Fijaremos un valor de significancia α = 0,0

   Variables  Valor Valor de significancia Decisión 

experimental  P 
F 
Acabado    P = 0,0024  Existe relación
superficial vs  ,000 (P < 0,05) o 0,01  entre los
velocidad    Recuentos y la
temperatura 

c.

Y^ = -2,715 + 0,641X
R2 = 0,928

Elabore un intervalo de confianza del 90% cuando el acabado superficial en x = 15

Estimación puntual:
Para X = 15

Y^ = -2,715 + 0,641 (15) = 6,89378 = 6,9 (valor pronosticado)

P( 5,73671≤ Y^ ≤ 8,05086) = 0,90
d. Obtenga el Coeficiente de determinación e interprételo.

Coeficiente de determinación
R2 = 0,928 * 100% = 92,8%
 9. Una empresa desea estimar la proporción de trabajadores de la línea de producción
que están a favor de que se corrija el programa de aseguramiento de la calidad. La
estimación debe quedar a menos de 0,05 de la proporción verdadera de los que
favorecen el programa, con coeficiente de confianza del 90%. ¿Cuántos trabajadores
se deben muestrear?

Los datos son los siguientes:

1 – α = 0.90 e= 0.05 P = 0.50 Q= 0.50 Z(90%) = 1.64

Z 2∗P∗Q
n= =¿ ¿
e2
10. Un ingeniero de procesos ha hecho 4 determinaciones del punto de fusión del manganeso,
obteniendo los valores de 1269 1271 1263 1265 °C. Docímese la hipótesis de que la media μ de
esta población difiere en menos de 5 unidades del valor publicado 1260°C, al nivel 0,05.
(supóngase la normalidad y σ² = 5).

Estadísticos descriptivos para Puntos de Ebullición

Media N Desv. Estándar Coef. Variación (%)

Punto de ebullición 1267 4 3,651 0,28

Variable Media Desv. Estándar Prueba de Resultados de Intervalo de

Hipotesis prueba confianza
Punto de 1267 3,651 Ho: 𝝻 =1260 T= 3.834 1261.19 –
ebullicion Ha: 𝝻 > 1260 P =0.031 1272.81
(P<0.05)
Ho se rechaza

11. Encuestas pasadas indican que los turistas que visitan Cusco gastan más de $ 1000: El gerente
de un gran hotel quiere actualizar esta información. En el nuevo estudio se debe utilizar un
intervalo de confianza del 90%. La estimación no debe alejase de la media poblacional más del
1%. ¿De qué tamaño debe ser la muestra?

IC % = 90% E = 1% = 0.01 Z (α /2¿=¿ 1.645

(1.64 2)(0.50)(0.50)
N= =6724 turistas
( 0.01 )∗(0.01)

El tamaño de la muestra es de 6724 turistas.

12. Dos muestras de las calificaciones de la I Unidad del curso de Estadística para Ingenieros de los
alumnos de la EP de Ingeniería de Sistemas e Informática III Ciclo 2020 son las siguientes:

Hombres 14 07 12 13 09 16 14 16 10 13 12 08 14 15 11 11 12
Mujeres 18 13 13 12 10 16 12 13 14

a. Obtenga un intervalo de confianza para la diferencia de las calificaciones medias de

hombres y mujeres. Use un nivel de confianza del 99%.

Tabla 1. Intervalo de confianza para la diferencia

de las calificaciones

Calificacione Media Desv. Estándar Cv% Mínimos - Intervalo De

s Máximo Confianza Del 99%
Hombres 12.33 3.122 0.189 % 7 - 16 (- 4,4871) - (2,2649)
Mujeres 13.44 2.351 0.1645 % 10 - 18

b. Al nivel de significancia de 0,01. ¿La calificación media de las mujeres es más alta que la
calificación media de los hombres?

Tabla 2. Resultado de la prueba de normalidad de

Shapiro-Wilk.

Shapiro - Wilk
Estadístico P(significancia)
Diferenci 0,952 0,711
a

Prueba de la normalidad de la diferencia:

La prueba de Shapiro Wilk tiene un valor de sh=0,952 y P=0,711 (P>0,01) esto nos
indica que la diferencia entre ambas calificaciones de géneros se distribuye en forma
normal, por lo cual la Prueba paramétrica T para muestras relacionadas para probar si las
calificaciones de ambos géneros difieren.

Tabla 3. Comparación de medias de las calificaciones

de ambos géneros

Prueba de Resultado Decisión IC del 95% para la

Calificacione Media hipótesis de la diferencia de las
s prueba medias
Hombres 12.33 Ho: uS1=uS2 To = -1.104 P = 0.302 (- 4,4871) - (2,2649)
Mujeres 13.44 Ha: uS1¿uS2 (P>0.05 )
Prueba de comparación de medias:

La prueba no es significativa, el valor t o=−1.104 y P=0,302(P>0,01) y se debe

aceptar Ho y concluir que los datos no dan evidencia de que la calificación media de
las mujeres es más alta que la de los hombre.
 LABORATORIO: ANÁLISIS DE REGRESIÓN LINEAL SIMPLE Y REGRESIÓN MÚLTIPLE.

1. Una compañía desea modelar la relación entre sus ventas y las ventas de la industria en
general

a) Encontrar una recta que se ajuste a los datos. Obtenga el diagrama de dispersión

Como se ve en el gráfico de dispersión, los puntos no indican ningún patrón, entonces se

cumple el supuesto de homocedasticidad, es decir que las varianzas son homogéneas.

b) ¿Parecen contribuir las rentas de la industria con alguna información a la predicción de

las rentas de la Compañía? Probar en el nivel del 1%

Variables Valor Valor de significancia P Decisión

experimental
F
Ventas de la CIA vs 72,347 P = 0,001 Existe relación entre
Ventas de la (P < 0,01) las Ventas de la CIA y
industria Ventas de la
industria

c) Si las ventas de la industria es 16, determinar intervalos de confianza del 95% para las
rentas de la Compañía y para las ventas promedio de la Compañía.

El intervalo de confianza individual cuando el valor es 16 en las ventas es [1,336 – 2,033]

El intervalo de confianza de la media cuando el valor es 16 en las ventas es [1,472 – 1,897]

d) Estimar un intervalo de confianza para la pendiente poblacional

B LIMITE INFERIOR LIMITE SUPERIOR

VENTAS DE LA 0.195 0.089 0.3
INDUSTRIA

e) Grafique la línea de regresión estimada en el diagrama de dispersión

4. Para el problema anterior:
a) Calcular el coeficiente de correlación de datos
R = 0.595

b) Calcular el coeficiente de determinación e interprete.

R2 = 0.354
El 35,4% de la variación de la cantidad de petróleo va a ser influenciada por la variable.

c)Determine un intervalo de confianza para . Usar = 0.01.

I = [tanh(Zr – E0) ≤ ρ ≤ tanh(Zr + E0)]

1 1+ r Z 1−α / 2
Donde: Zr = ln y E0 =
2 1−r √ n−3
α = 0.01 1 1+ 0.595
Zr = ln
2 1−0.595
= 0.69
α/2 = 0.005
2.57
1- α/2 = 0.995 E0 = = 0.81
√ 10
Z0.995= 2.57

r = 0.595

n = 13

I = [tanh(Zr – E0) ≤ ρ ≤ tanh(Zr + E0)]

P[tanh(Zr – E0) ≤ ρ ≤ tanh(Zr + E0)] = 0.99

P[tanh(0.69 – 0.81) ≤ ρ ≤ tanh(0.69 + 0.81)] = 0.99

P[tanh(-0.12) ≤ ρ ≤ tanh(1.5)] = 0.99

P[-0.11 ≤ ρ ≤ 0.9)] = 0.99

El verdadero coeficiente de correlación se encuentra comprendido en el intervalo -0.11 y 0.9,

con un nivel de confianza del 99%.