ESTADISTICA Y PROBABILIDAD (MA1040)

GRUPO 300

PROFESOR
OSCAR ROMERO

VIRTUAL
HORARIO DE LA CLASE: SÁBADO 16:00 – 20:00

TALLER 14 SEPTIEMBRE 2019

DESCRIPCIÓN DE DATOS CON MEDIDAS NUMÉRICAS

NOMBRE:
LUZ ANYELA LOSADA CORTES

2019-II
Desarrollar los ejercicios 11, 13, 18, 20, 30, 32, 35, 38, 39 y 45 (en este ejercicio
utilice Excel en lugar del applet mencionado en el libro), tomados del capítulo 3
del libro de William Mendenhall, Robert J. Beaver, Barbara M. Beaver.
“Introducción a la probabilidad y estadística”. Editorial CENGAGE Learning.
Décima tercera edición, 2010.

3.11 Un conjunto de datos bivariados consta de estas mediciones en dos variables, x y y: (3, 6) (5,
8) (2, 6) (1, 4) (4, 7) (4, 6)
a. Trace una gráfica de dispersión para describir los datos.

VARIABLES
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6

b. ¿Parece haber una relación entre x y y? Si es así, ¿cómo la describe?

Si hay relación, mientras que X aumenta Y también lo hace

c. Calcule el coeficiente de correlación, r, usando la fórmula computacional dada en esta sección.

𝑟=
n 7
X Y x*y x2 y2
3 6 18 9 36
5 8 40 25 64
2 6 12 4 36
1 4 4 1 16
4 7 28 16 49
4 6 24 16 36
19 37 126 71 237
3,17 6,17
 Sx2 3,24
Sy2 6,90
Sxy 1,77
Sx 1,47
Sy 1,33
R 0,90

d. Encuentre la recta de mejor ajuste usando las fórmulas computacionales. Grafique la recta en la
gráfica de dispersión del inciso a). ¿La recta pasa por en medio de los puntos?

b 0,82

a 3,58

Pendiente 0,82

Intersección 3,58

VARIABLES y = 0,8154x + 3,5846

9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6

3.13 Considere este conjunto de datos bivariados:

X 1 2 3 4 5 6
Y 5,6 4,6 4,5 3,7 3,2 2,7

a. Trace una gráfica de dispersión para describir los datos.

 Variable
6

0
0 1 2 3 4 5 6 7

b. ¿Parece haber una relación entre x y y? Si es así, ¿cómo la describe usted?

Hay una relación indirecta mientras que Y aumenta X disminuye.

c. Calcule el coeficiente de correlación, r.

X Y x*y x2 y2
1 5,6 5,6 1 31,36
2 4,6 9,2 4 21,16
3 4,5 13,5 9 20,25
4 3,7 14,8 16 13,69
5 3,2 16 25 10,24
6 2,7 16,2 36 7,29
21 24,3 75,3 91 103,99
3,5 4,05

Sx2 3,50
Sy2 1,12
Sxy -1,95
Sx 1,87
Sy 1,06
R -0,99

¿El valor de r confirma las conclusiones de usted en el inciso b)? Explique.

Si ya que es menor que cero

3.18 Lexus, Inc. Los fabricantes del auto Lexus han aumentado continuamente sus ventas desde el
lanzamiento que hicieron en Estados Unidos en 1989. No obstante, el porcentaje de aumento
cambió en 1996 cuando Lexus introdujo una línea de camiones. Las ventas del Lexus de 1996 a
2005 se muestran en la tabla siguiente.

AÑO 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
VENTA DE VEHICULO 80 100 155 180 210 224 234 260 288 303

a. Grafique los datos usando una gráfica de dispersión. ¿Cómo describiría usted la relación entre
año y ventas del Lexus?

VENTA DE VEHICULO
y = 24,388x - 48585
350

300

250

200

150

100

50

0
1994 1996 1998 2000 2002 2004 2006

Tiene una relación directa, conforme aumentan los años, aumentan las ventas en miles de
vehículos.

b. Encuentre la recta de regresión de mínimos cuadrados que relacione las ventas del Lexus con el
año que se mide.

n 10
X Y x*y x2 y2
1996 80 159680 3984016 6400
1997 100 199700 3988009 10000
1998 155 309690 3992004 24025
1999 180 359820 3996001 32400
2000 210 420000 4000000 44100
2001 224 448224 4004001 50176
2002 234 468468 4008004 54756
2003 260 520780 4012009 67600
 2004 288 577152 4016016 82944
2005 303 607515 4020025 91809
SUMA 20005 2034 4071029 40020085 464210
PROMEDIO 2000,5 203,4

Sx2 9,17
2
Sy 5610,49
Sxy 223,56
Sx 3,03
Sy 74,90
R 0,99
R2 0,97
b 24,39
a -48584,55
Pendiente 24,39
Intersección -48584,55

y = 24,388x - 48585

c. Si usted tuviera que predecir las ventas del Lexus en el año 2015, ¿qué problemas podrían surgir
con su predicción?

y = 24,388(2015) – 48585 = 557,02

Si la pendiente de la recta continua aumentando es posible que las ventas para el 2015 sean de
557,02 miles de vehículos.

3.20 Televisores de alta definición, continúa Consulte el ejercicio 3.19. Imagine que damos por
hecho que la relación entre x y y es lineal.

MARCA PRECIO TAMAÑO

JVC LT-40FH96 $ 2.900 40”
Sony Bravia KDL-V32XBR1 1800 32”
Sony Bravia KDL-V40XBR1 2600 40”
Toshiba 37HLX95 3000 37”
Sharp Aquos LC-32DA5U 1300 32”
Sony Bravia KLV-S32A10 1500 32”
Panasonic Viera TC-32LX50 1350 32”
JVC LT-37X776 2000 37”
LG 37LP1D 2200 37”
Samsung LN-R328W 1200 32”
a. Encuentre el coeficiente de correlación, r. ¿Qué le dice este valor acerca de la fuerza y dirección
de la relación entre tamaño y precio?

n 10
X Y x*y x2 y2
2900 40 116000 8410000 1600
1800 32 57600 3240000 1024
2600 40 104000 6760000 1600
3000 37 111000 9000000 1369
1300 32 41600 1690000 1024
1500 32 48000 2250000 1024
1350 32 43200 1822500 1024
2000 37 74000 4000000 1369
2200 37 81400 4840000 1369
1200 32 38400 1440000 1024
19850 351 715200 4,3E+07 12427
1985 35,1

Sx2 450027,78
2
Sy 11,88
Sxy 2051,67
Sx 670,84
Sy 3,45
R 0,89

b. ¿Cuál es la ecuación de la recta de regresión empleada para predecir el precio del televisor, con
base en el tamaño de la pantalla?

Y=26,05X+0

c. La Sony Corporation está introduciendo un nuevo televisor de 37" de pantalla de cristal líquido.
¿Cuál pronostica usted que será su precio?

Y=26,05(37)+0= 963,87

d. ¿Sería razonable tratar de predecir el precio de un televisor de 45" de pantalla de cristal líquido?
Explique.

Y=26,05(45)+0= 1172,27

No, no es razonable dado que el valor es mucho menor a un tv de 32”

3.30 Brett Favre, otra vez El número de pases completos y el número total de yardas obtenidas se
registró para Brett Favre, en cada uno de los 16 juegos de temporada regular en el verano de 2006

Pases Yardas
Semana Completos Totales
1 15 170
2 31 340
3 25 340
4 22 205
5 22 220
6 19 206
7 17 180
8 28 287
9 24 347
10 5 73
11 22 266
12 24 214
13 22 293
14 20 174
15 26 285
16 21 285

a. Trace una gráfica de dispersión para describir la relación entre el número de pases completos y
el total de yardas obtenidas por Brett Favre.

Yardas Totales y = 10,858x + 10,039

450
400
350
300
250
200
150
100
50
0
0 5 10 15 20 25 30 35

b. Describa la gráfica del inciso a). ¿Observa algunos resultados atípicos? ¿El resto de los puntos
parecen formar un modelo?
Si presentan datos atípicos, pues el resto de los puntos forman diferentes modelos.

c. Calcule el coeficiente de correlación, r, entre el número de pases completos y el total de yardas

obtenidas.

n 16
X Y x*y x2 y2
5 73 365 25 5329
15 170 2550 225 28900
17 180 3060 289 32400
19 206 3914 361 42436
20 174 3480 400 30276
21 285 5985 441 81225
22 205 4510 484 42025
22 220 4840 484 48400
22 266 5852 484 70756
22 293 6446 484 85849
24 347 8328 576 120409
24 214 5136 576 45796
25 340 8500 625 115600
26 285 7410 676 81225
28 287 8036 784 82369
31 340 10540 961 115600
343 3885 88952 7875 1028595
21,44 242,81

Sx2 34,80
2
Sy 5684,56
Sxy 72,00
Sx 3,06
Sy 49,38
R 0,48

d. ¿Cuál es la recta de regresión para predecir el número total de yardas obtenidas y basadas en el
número total de pases completos x?

y = 10,858x + 10,039

e. Si Brett Favre lograra 20 pases completos en su siguiente juego, ¿cuál pronosticaría usted que
sería su número total de yardas obtenidas?

y = 10,858(20) + 10,039 = 227,20

3.32 Alfarería, continúa A continuación veamos el porcentaje de óxido de aluminio, el porcentaje
de óxido de hierro y el porcentaje de óxido de magnesio en cinco muestras recolectadas en Ashley
Rails, en el Reino Unido.

a. Encuentre los coeficientes de correlación que describan las relaciones entre el contenido de
óxido de hierro y el de magnesio, y entre el óxido de aluminio y el de magnesio.

b. Escriba una oración que describa las relaciones entre estos tres productos químicos y las
muestras de alfarería.

3.35 Distancia entre puntas de brazos extendidos y estatura Leonardo da Vinci (1452-1519) trazó
el bosquejo de un hombre, indicando que la distancia entre las puntas de sus brazos (medida por
la espalda, con los brazos extendidos para formar una “T”) es aproximadamente igual a la estatura
de la persona. Para demostrar esta expresión midió ocho personas, con los siguientes resultados:

PERSONA 1 2 3 4 5 6 7 8
DISTANCIA (PULGADAS) 68 62.25 65 69.5 68 69 62 60.25
ESTATURA (PULGADAS) 69 62 65 70 67 67 63 62

a. Trace una gráfica de dispersión para distancia entre brazos extendidos y estatura. Use la misma
escala en los ejes horizontal y vertical. Describa la relación entre las dos variables.

PERSONA
71
70
69
68
67
66
65
64
63
62
61
60
58 60 62 64 66 68 70

b. Calcule el coeficiente de correlación que relacione la distancia entre brazos y estatura.

n 10
X Y x*y x2 y2
 68 69 4692 4624 4761
62,25 62 3859,5 3875,06 3844
65 65 4225 4225 4225
69,5 70 4865 4830,25 4900
68 67 4556 4624 4489
69 67 4623 4761 4489
62 63 3906 3844 3969
60,25 62 3735,5 3630,06 3844
524 525 34462 34413,4 34521
65,5 65,63

Sx2 772,86
2
Sy 773,17
Sxy 10,64
Sx 3,61
Sy 3,11
R 0,95

c. Si usted fuera a calcular la recta de regresión para predecir la estatura con base en la distancia
entre los brazos extendidos de una persona, ¿cómo estimaría la pendiente de esta recta?

Pendiente 0,82

d. Encuentre la recta de regresión que relacione la distancia entre brazos extendidos y la estatura
de la persona.

y = 0,8153x + 12,221

e. Si una persona tiene una distancia de 62 pulgadas entre sus brazos extendidos, ¿cuál
pronosticaría usted que es la estatura de la persona?

y = 0,8153(62) + 12,221=62,77

Estatura de 63 pulgadas

3.38 Entrevistas de examen, continúa Consulte el ejercicio 3.37.

a. Encuentre el coeficiente de correlación, r, para describir la relación entre los dos exámenes.

r= 0,97

b. ¿Estaría usted dispuesto a usar el segundo y más rápido examen que la más larga entrevista-
examen para evaluar personal? Explique.
3.39 Lluvia y nieve ¿Hay una correlación entre la cantidad de lluvia y la cantidad de nieve que cae
en un lugar en particular? La tabla siguiente muestra el promedio anual de lluvia (en pulgadas) y el
promedio anual de nevadas (en pulgadas) para 10 ciudades de Estados Unidos.

a. Construya una gráfica de dispersión para los datos.

Ciudad
90
80
70
60
50
40
30
20
10
0
0 10 20 30 40 50 60

b. Calcule el coeficiente de correlación r entre lluvia y nevadas. Describa la forma, dirección y

fuerza de la relación entre lluvia y nevada.

r= -0,18

Existe una correlación negativa

c. ¿Hay algunos resultados atípicos en la gráfica de dispersión? Si es así, ¿qué ciudad representa
este resultado atípico?

La ciudad de:

Juneau, AK 58,33 97

d. Elimine el resultado atípico que encontró en el inciso c) del conjunto de datos y vuelva a calcular
el coeficiente de correlación r para las nueve ciudades restantes. ¿Cambia la correlación entre
lluvia y nieve? Si es así, ¿en qué forma?

Si, cambia, la correlación, aunque esta continua siendo negativa

r= -0,72
3.45 Suponga que la relación entre dos variables x y y puede ser descrita por la recta de regresión
y =2.0+ 0.5x.
Use el applet en How a Line Works (Cómo trabaja una recta) para contestar las siguientes
preguntas:
a. ¿Cuál es el cambio en y para el cambio de una unidad en x?
Y aumenta 0.5 unidades.

b. ¿Los cambios de y aumentan o disminuyen cuando x aumenta?

Aumentan, dado que b es mayor que cero

c. ¿En qué punto la recta cruzará el eje y? ¿Cuál es el nombre dado a este valor?

d. Si x 2.5, use la ecuación de mínimos cuadrados para predecir el valor de y. ¿Qué valor
pronosticaría usted para y si x 4.0?

y=2+0.5(4)=4