LOCALIDAD DE RESIDENCIA (Yj) Frecuencia

OPINIÓN (Xi)
Urbano Sub urbano Rural marginal (fio)
Muy de acuerdo 12 15 9 36
De acuerdo 18 11 7 36
En desacuerdo 9 8 4 21
Totalmente en desacuerdo 7 10 5 22
Frecuencia marginal (foj) 46 44 25 115

LOCALIDAD DE RESIDENCIA (Yj)

OPINIÓN (Xi)
Urbano Sub urbano Rural
Muy de acuerdo f12 f15 f9
De acuerdo f18 f11 f7
En desacuerdo f9 f8 f4
Totalmente en desacuerdo f7 f10 f5

a) Determinamos las frecuencias esperadas con la siguiente fórmula:

𝑓_𝑖𝑗=(𝑓_𝑖𝑜
(𝑓_𝑜𝑗))/𝑛

Calculando con Excel: 14.40 13.77 7.83

14.40 13.77 7.83
8.40 8.03 4.57
8.80 8.42 4.78

o tambien de forma manual:

𝑓_12=(36∗46)/ 𝑓_15=(36∗44)/115=13.77 𝑓_9=(36∗25)/115=7.83

115=14.40

𝑓_18=(36∗46)/ 𝑓_11=(36∗44)/115=13.77 𝑓_7=(36∗25)/115=7.83

115=14.40

𝑓_9=(21∗46)/ 𝑓_8=(21∗44)/115=8.03 𝑓_4=(21∗25)/115=4.57

115=8.40

𝑓_7=(22∗46)/ 𝑓_10=(22∗44)/115=8.42 𝑓_5=(22∗25)/115=4.78

115=8.80

Los resultados lo ponemos en la tabla de contingencia.

b) Tabla de contingencia:

LOCALIDAD DE RESIDENCIA (Yj)

OPINIÓN (Xi)
Urbano Sub urbano Rural
Muy de acuerdo 14.40 13.77 7.83
De acuerdo 14.40 13.77 7.83
En desacuerdo 8.40 8.03 4.57
Totalmente en desacuerdo 8.80 8.42 4.78

LOCALIDAD DE RESIDENCIA (Yj)

OPINIÓN (Xi)
Urbano Sub urbano Rural Tabla original
Muy de acuerdo 12 15 9
De acuerdo 18 11 7
En desacuerdo 9 8 4
Totalmente en desacuerdo 7 10 5

Aplicamos la fórmula: Por ejemplo:

〖〖 (𝑛 〗 _𝑖𝑗 〖〖 (𝑛 〗 _𝑖𝑗−𝑒_𝑖𝑗) 〗 ^2/𝑒_𝑖𝑗

−𝑒_𝑖𝑗) 〗 ^2/ = 〖 (12−14.40) 〗 ^2/14.44=0.40
𝑒_𝑖𝑗

LOCALIDAD DE RESIDENCIA (Yj)

OPINIÓN (Xi)
Urbano Sub urbano Rural Suma
Muy de acuerdo 0.40 0.11 0.18 0.685
De acuerdo 0.90 0.56 0.09 1.546
En desacuerdo 0.04 0.00 0.07 0.113
Totalmente en desacuerdo 0.37 0.30 0.01 0.676
Suma total: 3.020

𝑋^2=∑24_(𝑖=1)^𝑓▒
Determinamos la Chi-cuadrada: ∑24_(𝑗=1)^𝑒▒ 〖〖 (𝑛
〗 _𝑖𝑗−𝑒_𝑖𝑗) 〗 ^2/𝑒_𝑖𝑗

Como 𝑋^2= 3.02, es diferente a cero, por lo tanto, se podría indicar que existe dependencia entre
variables.
c) Determinamos el coeficiente de contingencia:

C=√(𝑋^2/ C=√(3.020/
(𝑋^2+𝑛)) (3.020+115))=𝟎.𝟏𝟔
C= 0.16 Ó

Como C es diferente a cero, por ello, se determina el Valor Máximo del Coeficiente de Contingencia con
la fórmula:

𝐶_𝑚𝑎𝑥=√((𝑡−1)/𝑡)=√((3−1)/ Interpretación: El C = 0.16, el valor indica que

3)=0.816 existe una dependencia debil, puesto que
este valor es cercano a cero y es menor que
el valor máximo de Coeficiente de
contingencia (0.816).
 existe una dependencia debil, puesto que
este valor es cercano a cero y es menor que
el valor máximo de Coeficiente de
contingencia (0.816).

t es número de columnas (Localidad de residencia).

ntre

𝟏𝟔

gencia con

indica que
sto que
enor que
sto que
enor que
 EGRESO (Yj)
INGRESO (Xi)
[300 - 600) [600 - 900) [900 - 1200)
[500 - 800) 6 7 3
[800 - 1100) 10 5 6
[1100 - 1400) 11 12 8
[1400 - 1700) 7 8 11
[1700 - 2000) 8 9 5

Aplicamos marca de clase para las variables:

EGRESO (Yj)
INGRESO (Xi)
450 750 1050 fio fioXi
650 6 7 3 16 10400
950 10 5 6 21 19950
1250 11 12 8 31 38750
1550 7 8 11 26 40300
1850 8 9 5 22 40700
foj 42 41 33 116 150100
foiYj 18900 30750 34650 84300

a) Calculamos la media marginal:

Para X:

𝑋 ̅=(∑_(𝑖=1)^𝑘▒ 〖𝑓 _𝑖𝑜 𝑋_𝑖^′ Media X: 1293.97

〗 )/𝑛=150100/116=1293.97
Interpretación: En promedio el ingreso económico de 116 familas es de 1293.97 soles.

Para Y:

𝑌 ̅=(∑_(𝑗=1)^𝑘▒ 〖𝑓 _𝑜𝑗 𝑌_𝑗^′ Media Y: 726.72

〗 )/𝑛=84300/116=726.72

Interpretación: En promedio el egreso económico de 116 familas es de 726.72 soles.

d) Coeficiente de correlación:

r=𝑆_𝑥𝑦/(𝑆_𝑥 𝑆_𝑦 )=7230.23/((390.47) r= 0.077

(240.10))=0.077

Interpretación: El valor r es cercano a cero (r = 0.077), por lo tanto no esxite correlación entre
variables.

e) Coeficiente de determinación:

𝑅^2=(𝑆_𝑥𝑦^2)/(𝑆_𝑥^2 𝑆_𝑦^2 R^2= 0.006

)= 〖 (7230.23) 〗 ^2/((390.47)^2∗ 〖 (240.10) 〗 ^2 )=0.00 R^2= 0.6%
6=0.6%
Interpretación: La variable en egreso es independiente, explica el 0.6% de los cambios que produce
sobre el ingreso dependiente.

f) Hallamos el modelo matemático de Regresión Lineal Simple:

𝑎_1=𝑆_𝑥𝑦/(𝑆_𝑥^2 a1= 0.047

)=7230.23/(390.47)^2 =0.047 Pendiente

𝑎_0=(𝑌−) ̅𝑎_1 𝑋 ̅=726.72−(0.047 x 1293.97)=665.361 a0= 665.361

Intercepto

por lo tanto tenemos la siguiente ecuación:

𝑌_𝑖=𝑎_1 𝑋_𝑖+𝑎_0 𝑌_𝑖=0.047𝑋_𝑖+665.361

f) Hallamos el egreso económico para un ingreso económico de 1300 soles.

XI= 1300
𝑌_𝑖=0.047(1300)+665.361
𝑌_𝑖=727.01 Yi= 727.01
b) Determinando la varianza marginal

EGRESO (Yj)
INGRESO (Xi)
450 750 1050 fio fio(Xi-Media X)
650 6 7 3 16 6635065.40
950 10 5 6 21 2484557.82
1250 11 12 8 31 59921.97
1550 7 8 11 26 1704395.07
1850 8 9 5 22 6801835.61
foj 42 41 33 116 17685775.86
foi(Yj-Media Y) 3216202.44 22212.40 3448740.34 6687155.17

Para X:

𝑆_𝑥^2=(∑_(𝑖=1)^𝑘▒ 〖𝑓 _𝑖𝑜 Sx^2: 152463.59

(𝑋_𝑖−𝑋 ̅) 〗 )/𝑛=17685775.86/116=152463.59 Varianza X

Calculamos la desviación estandar:

𝑆_𝑥=√(𝑆_𝑥^2 )=√152463.56=390.47
Sx: 390.47
Desv. Est. X

Para Y:

𝑆_𝑥^2=(∑_(𝑗=1)^𝑘▒ 〖𝑓 _𝑜𝑗 Sy2: 57647.89

(𝑌_𝑗−𝑌 ̅) 〗 )/𝑛=6687155.172/116=57647.89 Varianza Y

Calculamos la desviación estandar:

𝑆_𝑦=√(𝑆_𝑦^2 )=√57647.89=240.10
Sy: 240.10
Desv. Est. Y

c) Para Covarianza:

EGRESO (Yj)
INGRESO (Xi)
450 750 1050 fij Xi Yj
650 6 7 3 1755000 3412500 2047500
950 10 5 6 4275000 3562500 5985000
1250 11 12 8 6187500 11250000 10500000
1550 7 8 11 4882500 9300000 17902500
1850 8 9 5 6660000 12487500 9712500
Suma total (fij Xi Yj)
Calculando covarianza:

𝑆_𝑥𝑦=(∑24_(𝑖=1)^𝑘▒∑24_(𝑗=1)^𝑒▒ 〖𝑓 _𝑖𝑗 𝑋_𝑖 𝑌_𝑗 〗 )/𝑛−𝑋 ̅𝑌 ̅=109920000/116−(1293.97 ×

726.72)=7230.23

Sxy= 7230.23
g) Gráfica de regresíon Lineal Simple
Supongamos:
Ingreso (Xi) Egreso (Yi)
0 665.361 𝑌_𝑖=0.047𝑋_𝑖+665.361
100 670.103
200 674.845
300 679.588
400 684.330
500 689.072
600 693.814
700 698.557
800 703.299
900 708.041
1000 712.784
1100 717.526
1200 722.268
1300 727.010
1400 731.753
1500 736.495

Demostración de la gráfica ajustada al modelo.

Egreso (Yi)
760.000
740.000
f(x) = 0.0474226804123707 x + 665.360824742269
720.000 R² = 1
700.000
Egreso

680.000
660.000
640.000
620.000
0 200 400 600 800 1000 1200 1400 1600
Ingreso

Egreso (Yi) Linear (Egreso (Yi))

 SUMA
7215000
13822500
27937500
32085000
28860000
109920000

16−(1293.97 ×