A) Indique que variable debe ser la dependiente y por que

La variable independiente es la controlada para estudiar los efectos sobre la variable

dependiente, que es la que se investiga y mide. En este caso, el grado de los salarios es una
variable controlada por el investigador, y se busca averiguar la relacion de este con el numero
de ausencias, que es algo medible. Por lo tanto, concluyo que la variable independiente es el
grado de salarios en el eje X y la variable dependiente es el numero de ausencias en el eje Y.

B) Dibuje el diagrama de dispersion

45

40

35

30

25

20

15

10

0
0 2 4 6 8 10 12

C) Desarrolle la ecuacion de estimacion a partir del metodo de minimo cuadrado

ý=mx+b

( ∑ x ) (∑ y )
∑ x . y−
n
m=
(∑ x )2
∑ x 2−
n

( 116 ) (418)
2688−
16
m=
116 2
958−
16

−342,5
m=
117
=-2,927

b= ý -m x́

∑y ∑x
b= −(−2,927)
n n

418 116
b= + 2,927
16 16

b=26,125+21,220=47,345

ý=mx+b

ý=−2,927 x + 47,345

0=−2 , 927 x+ 47,345

−47,345
x= =16,17
−2,927
 45

40

35

30

25

20

15

10

0
0 2 4 6 8 10 12

D) dada la cantidad de datos que distribucion debe tener el error estandar

El error estándar es la desviación estándar de la distribución muestral de un estadístico

muestral. Una de sus caracteristicas es que tiene a disminuir cuando aumenta el tamaño de la
muestra. El error estándar y la desviación estándar de muestras pequeñas tienden a
infravalorar sistemáticamente el error estándar y la desviación estándar de la población: el
error estándar de la media es un parámetro sesgado del error estándar de la población. Con
n=2 la infravaloración puede ser del 25%, pero para n=6 la infravaloración es sólo del 5%

E) Desarrolle el calculo de estimacion del error estandar y muestre su valor

( ∑ y 2−b ∑ y ) −(m ∑ x . y)
S x. y =
√ n−2

( 12190−(47,345 x 418) ) −(−2,927 x 268 8)

S x. y =
√ 16−2

(−7600,21 ) −(−7867,776)
S x. y =
√ 14

267,566
S x. y =
√ 14

S x. y =4,37

f) Pronostique Ý para X=28,30

Yo tengo mis dudas que sea asi, pero es mejor que nada
Lo que dice ahí que se debe hacer

ý=−2,927(28,30)+47,345

ý=−82,83+47,345 =-35,485

Como yo creo que es:

ý=−2,927 x + 47,345

28,30=−2,927 x+ 47,345 7

28,30−47,345
x= =6,5
−2,927

Lo que significaria que alguien con 28 inasistencias seria grado 6, lo que no entiendo es ese ,30,
ya que es imposible que alguien falte una fraccion

G) Calcule un intervalo de confianza 95% para el grado de salario si nos ausentamos 25 dias

1
IC 95 %=Y̌ ± τ∗S x . y
√ n
+¿ ¿ ¿ ¿

ý=−2,927 ( 25 )+ 47,345=−25,83

n=16 -- gl=14

τ =2,1448
 ¿ ¿= (25−7,25)2 =315,06

∑ ¿¿ ¿= 117,25
1 315,06
IC 95 %=−25,83 ± 2,1448∗4,37
√ +
16 117,25

IC 95 %=−25,83 ± 9,372 √0,0625+18,264

IC 95 %=−25,83 ± 9,372(4,280)

IC 95 %=−25,83 ± 40,11

IC 95 %=−25,83+ 40,11=14,28

IC 95 %=−25,83−40,11=-51.66

I) calcule el coheficiente de determinacion

∑ e2
r 2=1−
∑ ( y− ý )2

27 5,641
r 2=1−
1269,75
r 2=1−0,217 2

r 2=0,7827

J) interprete los resultados de I

El coeficiente de determinación es una medida estadística de la bondad del ajuste o fiabilidad

del modelo estimado a los datos. Se representa por R2 e indica cuál es la proporción de la
variación total en la variable dependiente (Y), que es explicada por el modelo de regresión
estimado, es decir, mide la capacidad explicativa del modelo estimado.

En este caso, dado que el coeficiente de determinacion marca un r2 de 0,7827, podemos decir
que las estimaciones de que a medida que disminuyen las ausencias se aumenta el salario es
bastante fiable y acorde a la realidad. Eso quiere decir que, este coheficiente explica con un
78% de fiabilidad el porque el numero de ausencias corresponde con el rango de salarios.

k) Obtenga el valor del coheficiente de correlacion de la muestra

∑x
x́=
n

116
x́=
16

x́=7 , 25

∑y
ý=
n

418
ý=
16

ý=26,125
 ∑ (x− x́)( y− ý )
r=
√ ∑( x − x́)2 √∑ ( y− ý )2
−342,5
r=
√ 117,2 5 √1269,75
−342,5
r=
1 0,828 x 35,633

r =−0,887

L) interprete el resultado de k

El valor de correlacion es de -0,887, es una correlacion negativa, es decir, los valores altos de
una variable corresponden a valores bajos en la otra variable, y viceversa. Podemos observar
esto en la manera en que a medida que aumenta el numero de ausencias, disminuye el rango
del salario del trabajador, y tambien en sentido contrario, a mayor rango de sueldo menos
ausencias.