Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA
INFERENCIAL II
PROBLEMARIO 1
ALUMNOS
1. DIANA LAURA VERDEJA
ELIZONDO
2. CHELSEA HERRERA PEDROZA
3. VANESA SOTO MONSIVAIS
4. IRMA FERNANDA GARCIA
CHAVARRIA
DOCENTE:
Claudia Espinosa Guzmán
GRADO: 6º
FECHA DE ENTREGA:
Sabado 20 DE FEBRERO 2021
INTRODUCCION
Ejercicio Nº 1: Las calificaciones de un grupo de estudiantes en su reporte de medio año (x) y en los
exámenes finales ( y ) fueron los siguientes: (Xº = 85)
X 77 50 71 71 81 94 96 96 96 99 67 67 81 50
y 82 66 78 44 55 85 99 95 97 99 70 68 70 60
Coeficientes
Mínimos Cuadrados Estándar Estadístico
0.0027 < 0.05: Si por lo tanto se rechaza B0. Por lo tanto, existe una cantidad significancia que se explica el
aprovechamiento en las calificaciones.
e) Prueba de ANOVA (α = 0.05)
B0= 16,075 El estadístico R-Cuadrada indica que el modelo 54,015% de la variabilidad en Col_2
B1= 00,769115, El coeficiente de correlación es igual a 0,769115, indicando una relación moderadamente
fuerte entre las variables.
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Si por lo tanto se rechaza B0. Por lo tanto, existe una cantidad significancia que se explica el aprovechamiento en las
calificaciones.
f) Coeficiente de correlación
Coeficiente de Correlación = 0,734949
Por lo tanto, existe una relación del 74% entre la variable x (la resistencia normal) con respecto a la variable
y (la resistencia del corte)
g) Coeficiente de determinación
R-cuadrada = 54,015 porciento
Por lo tanto, existe una relación del 55%
h) Proyección de la ecuación
Resistencia de corte = 16,075 + 0,769115*Col_1
Resistencia corte = 16,075 + 0,769115 * (85) = 1.431.74
Regresión Simple - Col_2 vs. Col_1
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre Col_2 y Col_1.
La ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0,05, existe una relación estadísticamente
significativa entre Col_2 y Col_1 con un nivel de confianza del 95,0%.
X 1.0 1.1 1.2 1.2 1.2 1.3 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
y 8.1 7.8 8.5 8.8 8.2 9.6 9.9 9.5 8.9 8.6 10.2 9.3 9.2 10.5
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 16,075 16,3699 0,981985 0,3455
Pendiente 0,769115 0,204857 3,75439 0,0027
0.0027 < 0.05: Si por lo tanto se rechaza B0. Por lo tanto, existe una cantidad significancia que se explica el
aumento de las cantidades de azúcar.
e) Prueba de ANOVA (α = 0.05)
B0= 75,8649 El estadístico R-Cuadrada indica que el modelo ajustado explica 38,5942% de la variabilidad
en Col_2.
B1= 1,07716 El coeficiente de correlación es igual a 0,621242, indicando una relación moderadamente fuerte
entre las variables.
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Si por lo tanto se rechaza B0. Por lo tanto, existe una cantidad significancia que se explica el aumento en las cantidades
de azúcar.
f) Coeficiente de correlación
Coeficiente de Correlación = 0,621242
Por lo tanto, existe una relación del 62% entre la variable x (la resistencia normal) con respecto a la variable
y (la resistencia del corte)
g) Coeficiente de determinación
R-cuadrada = 38,5942 porciento
Por lo tanto, existe una relación del 39%
h) Proyección de la ecuación
Resistencia de corte = Col_2 = 75,8649 + 1,07716*Col_1
Resistencia de corte = Col_2 = 75,8649 + 1,07716*1.75 = 134.64
Regresión Simple - Col_2 vs.
Col_1 Variable dependiente:
Col_2 Variable independiente:
Col_1 Lineal: Y = a + b*X
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 75,8649 5,68674 13,3407 0,0000
Pendiente 1,07716 0,392222 2,74629 0,0177
Análisis de Varianza
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Modelo 327,609 1 327,609 7,54 0,0177
Residuo 521,248 12 43,4373
Total (Corr.) 848,857 13
Coeficiente de Correlación =
0,621242 R-cuadrada = 38,5942
porciento
R-cuadrado (ajustado para g.l.) = 33,477
porciento Error estándar del est. = 6,5907
Error absoluto medio = 5,54176
Estadístico Durbin-Watson = 1,99316
(P=0,3874) Autocorrelación de residuos en
retraso 1 = -0,0676658
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre
Col_2 y Col_1. La ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0,05, existe una relación estadísticamente
significativa entre Col_2 y Col_1 con un nivel de confianza del 95,0%.
El StatAdvisor
La tabla de residuos atípicos enlista todas las observaciones que tienen residuos Estudentizados mayores a 2, en valor
absoluto. Los residuos Estudentizados miden cuántas desviaciones estándar se desvía cada valor observado de Col_2
del modelo ajustado, utilizando todos los datos excepto esa observación. En este caso, no hay residuos Estudentizados
mayores que 2.
Ejercicio Nº 3: En tipo de espécimen metálico de prueba, la resistencia normal (x) está funcionalmente
relacionada con la resistencia de corte (y). El siguiente es un conjunto de datos experimentales
codificados para las dos variables: (x0 = 24.5)
29
Resistencia de corte
27
25
23
21
22 24 26 28 30
Resistencia norm al
a) Elaboración de un diagrama
Gráfico del Modelo Ajustado
secado = 1.08514 + 0.344707*solidos eliminados
8.4
7.4
secado
6.4
5.4
4.4
9 11 13 15 17 19
solidos eliminados
Coeficientes
Mínimos Cuadrados Estándar Estadístico
B1=0.471065 significa la calificación del examen conforme aumenta la puntuación del examen
Ho:b1=0 las variaciones del examen de matemáticas resultado de fluctuaciones aleatorias que
son independientes a los valores de puntuación de aprovechamiento del examen de matemáticas
H1: b1≠0 existe una cantidad significativa en la calificación del examen de matemáticas que se
explica por la puntuación del
H1: b1≠0 existe una cantidad significativa en la calificación del examen de matemáticas
que se explica por la puntuación del examen
Coeficiente de Correlación = 0.453513 Por lo tanto, existe una relación del 45% entre el
examen de matemáticas con respeto a aprovechamiento
g) Coeficiente de determinación
h) Proyección
Col_2 = 32.5059 + 0.471065*35 La calificación de matemáticas esperada será de 48.99
CONCLUSIÓNES
Esta técnica estadística constituye una herramienta útil para el análisis de las variables de un
proceso ya que, a través de la aplicación de ésta, es posible conocer el modelo que siguen y la
fuerza con que se encuentran relacionadas. Asimismo, es posible explicar la relación que
guardan dos o más causas de un posible defecto.
La regresión lineal simple, analiza la relación de dos o más variables continuas, cuando analiza
dos variables a esta se le conoce como variables bivariantes que pueden corresponder a variables
cualitativas.
La finalidad de una ecuación de regresión es la de estimar los valores de una variable con base
en los valores conocidos de la otra. Del mismo modo, una ecuación de regresión explica los
valores de una variable en términos de otra. Es decir, se puede intuir una relación de causa y
efecto entre dos o más variables. El análisis de regresión únicamente indica qué relación
matemática podría haber, de existir un