23 SOLUCION PARCIAL 1

32
22 yi ni Ni
21 150 155 152.5 5 5
19 155 160 157.5 7 12
26 160 165 162.5 6 18
25 165 170 167.5 7 25
26 170 175 172.5 5 30
24 175 180 177.5 5 35
25
27
20
21 Estatura superior a 160 cm 23
23
24 Estatura entre 155 y 170 20
25
26 Estatura promedio de 162, 6
30
20 Estatura máxima de 170 25
22
25 Cuarta frecuencia relativa El 20% de los empleados tiene una estatura promedio de 16
26 El 20% de los trabajadores tienen una estatura entre 165 y 1
26
25
23
22
28
24
media= 24.29
mediana= 24.50

DATOS BIVARIADOS

Son relaciones entre parejas de datos (dos variables), con el fin de elaborar modelos de proyección para
comportamientos o predicciones a futuro, mediante datos históricos.

Los modelos que se pueden elaborar pueden ser Lineales, exponenciales, logarítmicos, potenciales, inversos,

MODELO LINEAL

Es aquel cuya ecuación general hace referencia a una linea recta Y= M*X+B
 Y=
m=
X=
b=

La relación de dependencia que existe entre las dos variables se denomina coeficiente de correlación y esta repr
Si dicho valor es negativo indica que existe una relación inversa entre las variables y si es positivo podemos decir

Para determinar entre dos modelos cuál es el mejor o el que mas ajusta los datos debemos encontrar el coeficien
el que más se acerque a 1 ó a -1 sera el mejor

Ejemplo lineal r= 0,98

exponencial r= 0,97
 hi Yi*ni ni*(Yi-med)^2
14% 762.5 737.244898
20% 1102.5 357.142857
17% 975 27.5510204
20% 1172.5 57.1428571
14% 862.5 308.673469
14% 887.5 826.530612

media 164.64 68.0672269

desviacion 8.25

ne una estatura promedio de 167,5

enen una estatura entre 165 y 170 cm

ar modelos de proyección para determinar

nte datos históricos.

arítmicos, potenciales, inversos, cuadráticos

Y= M*X+B
 Variable dependiente
variable de regresión
variable independiente
variable de regresión

iente de correlación y esta representado por un valor porcentual.

s y si es positivo podemos decir que la relación es directa

debemos encontrar el coeficiente de correlación ( r ) de cada uno y