UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERÍA QUÍMICA

ESCUELA DE INGENIERÍA AMBIENTAL

“INFORME N°8”

“CORRELACIÓN ENTRE VARIABLES CUANTITATIVAS”

GRUPO 4

EXPERIENCIA CURRICULAR

ESTADÍSTICA APLICADA

DOCENTE COORDINADOR

MARTHA RENÉ CARDOSO VIGIL

INTEGRANTES

IBAÑEZ PLASENCIA ALEJANDRA ISABEL

RODRIGUEZ AGUILAR LUZ MARIAELENA
RODRIGUEZ RIQUELME BRITZI NICOLL
SUAÑA APONTE DEYCY ELIZABETH
TELLO CORDOVA JHOSE JHILMAR
ZEVALLOS GAMBOA LESLIE BETZABETH

SEMESTRE

2022-I
Trujillo-Perú
 ÍNDICE

Ejercicio 1……………………………………………………………………………………………...………1

Ejercicio 2………………………………………………………………………………………..………….…4

Ejercicio 3………………………………………………………………………………………...………….…7

ÍNDICE DE FIGURAS

Figura 1. Diagrama de dispersión Fibra Vs.

Resistencia……………………………………………………………………………………………..…………1

ÍNDICE DE TABLAS

Tabla 1. Data de investigación sobre el proceso de fabricación de papel..…………………………..….1

Tabla 2. Data para hallar la covarianza y el coeficiente de correlación del ejercicio 1….……………...2

Tabla 3. Data de investigación sobre la producción de trigo.……………………………………...….......4

Tabla 4. Data para hallar la covarianza y el coeficiente de correlación del ejercicio 2………….……...4

Tabla 5. Data de investigación sobre las ventas anuales…………………………….…….………..…....6

Tabla 6. Data para hallar la covarianza y el coeficiente de correlación del ejercicio 3…………….…...6
1. En el proceso de fabricación de papel se investiga en qué cantidad de fibra de madera afecta a
la resistencia del producto, los datos obtenidos se muestran en la siguiente tabla.

Tabla 1. Data de investigación sobre el proceso de fabricación de papel.

DATOS FIBRA(X) RESISTENCIA(Y) DATOS FIBRA(X) RESISTENCIA(Y)

1 4 134 8 18 157

2 6 145 9 20 168

3 8 142 10 22 166

4 10 149 11 24 167

5 12 144 12 26 171

6 14 160 13 28 174

7 16 156 14 30 183

Fuente. Material de clase (2022).

a) Construir el diagrama de dispersión.

Figura 1. Diagrama de dispersión Fibra Vs. Resistencia (Elaboración propia, 2022).

● Interpretación:

Mediante el diagrama de dispersión podemos observar que existe una relación

lineal fuerte/moderada.

1
b) Calcular la covarianza y el coeficiente de correlación. Interpretar
NOTA: Presentar tabla con los cálculos necesarios.

Tabla 2. Data para hallar la covarianza y el coeficiente de correlación del ejercicio 1.

DATOS FIBRA (X) RESISTENCIA (Y) 𝑋

2
𝑌
2
𝑋 − 𝑋 𝑌 − 𝑌 (𝑋 − 𝑋) (𝑌 − 𝑌)

1 4 134 16 17956 -13 -24.3 315.7

2 6 145 36 21025 -11 -13.3 146.1

3 8 142 64 20164 -9 -16.3 146.6

4 10 149 100 22201 -7 -9.3 65.0

5 12 144 144 20736 -5 -14.3 71.4

6 14 160 196 25600 -3 1.7 -5.1

16 156 256 24336 -1 -2.3 2.3

7

8 18 157 324 24649 1 -1.3 -1.3

9 20 168 400 28224 3 9.7 29.1

10 22 166 484 27556 5 7.7 38.6

11 24 167 576 27889 7 8.7 61.0

12 26 171 676 29241 9 12.7 114.4

13 28 174 784 30276 11 15.7 172.9

30 183 900 33489 13 24.7 321.3

14

Suma 238 2216 4956 353342 0 0.0 1478

Promedio 17 158.3 354 25238.7 0 0.0 105.6

Fuente. Elaboración propia (2022).

Fórmula:

𝑛
∑ (𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
𝑖=1
𝑆𝑥𝑦 = 𝑛

Reemplazamos:

2
 1478
𝑆𝑥𝑦 = 14
= 105. 6

● Interpretación:

La relación entre las variables X y Y es directa, es decir, mientras una

tiende a crecer la otra también crece. Por ello el valor de nuestra covarianza
resulta ser positivo.

Para hallar el coeficiente de correlación, necesitamos hallar dos datos

fundamentales para la ecuación:

- Desviación estándar para la variable X:

2
∑(𝑥𝑖) 2 4956 2
𝑆𝑥 = 𝑛
− (𝑥) = 14
− (17) =65

- Desviación estándar para la variable Y:

2
∑(𝑦𝑖) 2 353342 2
𝑆𝑦 = 𝑛
− (𝑦) = 14
− (158. 3) = 179. 8

El coeficiente de correlación de Pearson parte de la covarianza:

𝑛
∑ (𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
1478
𝑟𝑥𝑦 = 𝑖=1
𝑛 × 𝑆𝑥 × 𝑆𝑦
= 14 × 65 × 179.8
= 0.009033

𝑆𝑥𝑦 105.6
𝑟𝑥𝑦 = 𝑆𝑥 × 𝑆𝑦
= 65 × 179.80
= 0. 009036

● Interpretación:

Nuestro valor del coeficiente de correlación es de 0. 009036, que

está cerca al valor extremo de +1. lo que nos indicaría que tiene una
correlación positiva, a causa de que la relación entre las variables es directa.

3
2. Los datos de la producción de trigo en toneladas (X) y el precio del kilo de harina en pesetas
(Y) en la década de los 90 en España fueron:

Tabla 3. Data de investigación sobre la producción de trigo.

Producción de trigo 30 28 32 25 25 25 22 24 35 40

Precio de la harina 25 30 27 40 42 40 50 45 30 25

Fuente. Material de clase (2022).

Realizamos la tabla de frecuencia que permita el cálculo adecuado de los ítems:

Tabla 4. Data para hallar la covarianza y el coeficiente de correlación del ejercicio 2.

Precio del
Producción
kilo de
Datos de trigo en 𝑋
2
𝑌
2
𝑋 − 𝑋 𝑌 − 𝑌 (𝑋 − 𝑋) (𝑌 − 𝑌)
harina en
toneladas (X)
pesetas (Y)

1 22 50 484 2500 -6.6 14,6 -96,36

2 24 45 576 2025 -4.6 9,6 -44,16

3 25 40 625 1600 -3.6 4,6 -16,56

4 25 42 625 1764 -3.6 6,6 -23,76

5 25 40 625 1600 -3.6 4,6 -16,56

6 28 30 784 900 -0.6 -5,4 3,24

7 30 25 900 625 1.4 -10,4 -14,56

8 32 27 1024 729 3.4 -8,4 -28,56

9 35 30 1225 900 6.4 -5,4 -34,56

10 40 25 1600 625 11.4 -10,4 -118,56

Suma 286 354 8468 13268 0 0 -390,4

Promedio 28.6 35.4 846,8 1326,8 0 0 -39.04

Fuente. Elaboración propia (2022).

4
a) Calcular e interpretar la covarianza.
Fórmula:
𝑛
∑ (𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
𝑖=1
𝑆𝑥𝑦 = 𝑛

Reemplazamos:
−390.4
𝑆𝑥𝑦 = 10
=− 39. 04

● Interpretación:

La relación entre las variables X y Y es indirecta, es decir, mientras una

tiende a crecer la otra decrece. Por ello el valor de nuestra covarianza resulta ser
negativa.

b) Calcular e interpretar el coeficiente de correlación.

Para hallar el coeficiente de correlación, necesitamos hallar dos datos

fundamentales para la ecuación:

- Desviación estándar para la variable X:

2
∑(𝑥𝑖) 2 8468 2
𝑆𝑥 = 𝑛
− (𝑥) = 10
− (28. 6) = 5. 37

- Desviación estándar para la variable Y:

2
∑(𝑦𝑖) 2 13268 2
𝑆𝑦 = 𝑛
− (𝑦) = 10
− (35. 4) = 8. 58

El coeficiente de correlación de Pearson parte de la covarianza:

𝑛
∑ (𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
𝑖=1 −390.4
𝑟𝑥𝑦 = 𝑛 × 𝑆𝑥 × 𝑆𝑦
= 10 × 5.37 × 8.58
=− 0. 847

𝑆𝑥𝑦 −39.4
𝑟𝑥𝑦 = 𝑆𝑥 × 𝑆𝑦
= 5.37 × 8.58
=− 0. 847

● Interpretación:

Nuestro valor del coeficiente de correlación es de -0.847, que está cerca

al valor extremo de -1. lo que nos indicaría que tiene una alta correlación negativa
casi perfecta, a causa de que la relación entre las variables es indirecta.

5
3. Una empresa de manufacturas basa sus ventas anuales en los resultados oficiales de la
demanda total en la industria, a continuación se presentan los datos de la empresa en los
últimos 11 años.

Tabla 5. Data de investigación sobre las ventas anuales.

Demandas 200 220 400 330 210 390 280 140 280 290 380

Ventas 9 6 12 7 5 10 8 4 7 10 14

Fuente. Material de clase (2022).

a) Calcular e interpretar la covarianza.

Tabla 6. Data para hallar la covarianza y el coeficiente de correlación del ejercicio 2.

Datos Demanda(X) Ventas(Y) 𝑋

2
𝑌
2
𝑋 − 𝑋 𝑌 − 𝑌 (𝑋 − 𝑋) (𝑌 − 𝑌)

1 200 9 40000 81 -83.6 0.64 -53.22

2 220 6 48400 36 -63.6 -2.36 150.41

3 400 12 160000 144 116.4 3.64 423.14

4 330 7 108900 49 46.4 -1.36 -63.22

5 210 5 44100 25 -73.6 -3.36 247.69

6 390 10 152100 100 106.4 1.64 174.05

7 280 8 78400 64 -3.6 -0.36 1.32

8 140 4 19600 16 -143.6 -4.36 626.78

9 280 7 78400 49 -3.6 -1.36 4.96

10 290 10 84100 100 6.4 1.64 10.41

11 380 14 144400 196 96.4 5.64 543.14

Suma 3120 92 958400 860 0 0 2065.45

87127.27
Promedio 283.64 8.36 78.18 0 0 187.77

Fuente. Elaboración propia (2022).

6
 Fórmula:
𝑛
∑ (𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
𝑖=1
𝑆𝑥𝑦 = 𝑛

Reemplazamos:
2065.45
𝑆𝑥𝑦 = 11
= 187. 7685

● Interpretación:

Nuestro valor del coeficiente de covarianza es de 187.7685, lo que nos

indica que al ser una cifra positiva, los datos poseen una relación directamente
proporcional , osea que tanto la demanda y venta van aumentando hacia la
misma dirección.

b) Calcular e interpretar el coeficiente de correlación.

NOTA: Presentar tabla con los cálculos necesarios.

Para hallar el coeficiente de correlación, necesitamos hallar dos datos

fundamentales para la ecuación:

- Desviación estándar para la variable X:

2
∑(𝑥𝑖) 2 2
𝑆𝑥 = 𝑛
− (𝑥) = 958400/11 − (283. 64) = 81. 704

- Desviación estándar para la variable Y:

2
∑(𝑦𝑖) 2 78.18 2
𝑆𝑦 = 𝑛
− (𝑦) = 11
− (8. 36) = 22. 039

El coeficiente de correlación de Pearson parte de la covarianza:

𝑛
∑ (𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
𝑖=1 187.77
𝑟𝑥𝑦 = 𝑛 × 𝑆𝑥 × 𝑆𝑦
= 11 × 81.704 ×22.039
= 0. 0094

● Interpretación:

Nuestro valor del coeficiente de correlación es de 0. 0094, que está cerca

al valor extremo de +1. lo que nos indicaría que tiene una correlación positiva, a
causa de que la relación entre las variables es directa.