4.

La tabla siguiente muestra las notas obtenidas por 8 alumnos en un examen, las horas de estudio

Nota 5 6 7 3 5 8 4
Horas de estudio 7 10 9 4 8 10 5
Horas de TV 7 6 2 11 9 3 9

a. Representa gráficamente los diagramas correspondientes a nota-estudio y nota-TV.

b. Con los mismos datos, halla las rectas de regresión correspondientes
c. Con los datos del problema, calcule el coeficiente de determinación de nota-estudio y nota-TV. ¿Qu
d. Estima e intérprete para un alumno que sacó un 2 en el examen:

               ii.     Las horas que vio la TV.

Horas de estudio
16
Nota Horas de estudio
14
3 4
12 f(x) = 1.46753246753247 x − 0.24675324
4 5
5 7 10
5 8 8
6 10 6
7 9
4
8 10
2
9 14
0
2 3 4 5 6 7

Nota Horas de TV
3 11
Horas de TV
4 9 12
5 9 10
5 7 f(x) = − 1.2987012987013 x + 14.1298
8
6 6
9 5 6
8 3
4
7 2
2

0
2 3 4 5 6 7

=∑24_(𝑖=
Nota-Hora de Tv 1)^𝑛▒𝑥1𝑦
x1 y1 x12 y12 1
5 7 25 49 35
6 6 36 36 36
7 2 49 4 14
3 11 9 121 33
5 9 25 81 45
8 5 64 25 40
 4 9 16 81 36
9 5 81 25 45
47 54 305 422 284
∑24_(𝑖=1)^𝑛▒𝑥1
∑24_(𝑖=1)^𝑛▒𝑦1
… …

=∑24_(𝑖=1)^𝑛▒𝑥1𝑦1=(𝑥1𝑦1)+(𝑥1+2𝑦1+2)+(𝑥1+3𝑦1+3)+....
=(5*7)+(6*6)+(7 * 2)+(3*11)+(5*9)+(8*5)+(4*9)+(9*5)
=284

Por el coeficiente de Pearson

r = (8(284)−(47)(54))/(√( 〖 8(305)−(47) 〗 ^2 ) √( 〖 8(422)−(54) 〗 ^2 ))= -0,816

=∑24_(𝑖=
Nota-Hora de Estudio 1)^𝑛▒𝑥1𝑦
x1 y1 x12 y12 1
5 7 25 49 35
6 10 36 100 60
7 9 49 81 63
3 4 9 16 12
5 7 25 49 35
8 10 64 100 80
4 5 16 25 20
9 14 81 196 126
47 66 305 616 431
∑24_(𝑖=1)^𝑛▒𝑦1
∑24_(𝑖=1)^𝑛▒𝑥1
… …

=∑24_(𝑖=1)^𝑛▒𝑥1𝑦1=(𝑥1𝑦1)+(𝑥1+2𝑦1+2)+(𝑥1+3𝑦1+3)+....
=(5*7)+(6*10)+(7 *9)+(3*4)+(5*7)+(8*10)+(4*5)+(9*14)
=431

Por el coeficiente de Pearson

r = (8(431)−(47)(66))/(√( 〖 8(305)−(47) 〗 ^2 ) √( 〖 8(616)−(66) 〗 ^2 ))= 0,952

Se puede deducir más fácil el tiempo que le dedico a estudiar ya que su co

Rectas de regresión correspondientes y estimación para un alumno que sacó un 2 en el examen:

Las horas que vio la TV.

𝑏_1=(8(284)−(47)(54))/(8(305)−(47)2)=-1,15
 𝑏_0=1/8 (54+1,15(47))=13,51

La recta de regresión queda determinada de la siguiente manera.

𝑦= 〖𝑏 0+𝑏 〗 _1 𝑥+𝑒
𝑦=13,51-1,15x+e

𝑦=13,51-1,15(2)+e
𝑦=11,21 a lo cual concluímos que vio TV por 11,21 horas (11h y 13 min)

Las horas que estudió.

𝑏_1=(8(431)−(47)(66))/(8(305)−(47)2)=-1,498

𝑏_0=1/8 (66+1,498(47))=−0,55

La recta de regresión queda determinada de la siguiente manera.

𝑦=0,55+1,498(2)
𝑦=3,546 a lo cual concluímos que estudió po 3,5 horas
 las horas de estudio dedicadas a su preparación y las horas que vieron la televisión los días previos al examen.

9
14
5

tudio y nota-TV. ¿Qué puede deducirse con más precisión conociendo la nota que obtuvo una persona en el exa

Horas de estudio

53246753247 x − 0.246753246753247

5 6 7 8 9 10

Horas de TV

987012987013 x + 14.1298701298701

5 6 7 8 9 10
 "Type equation here."

studiar ya que su coeficiente de correlación es cercano a 1,

en el examen:
horas (11h y 13 min)
as previos al examen.

una persona en el examen: el tiempo que dedicó al estudio o el que dedicó a ver la televisión?
5.- El tiempo promedio que recorre una persona para llegar de su casa al trabajo es de 24 min con una de
—  a) ¿Cuál es la probabilidad de que llegue en al menos 32 min?
—  b) Si la oficina la abren a las 9:00 am y sale de su casa a las 8:45am, ¿Qué porcentaje d
—  c) Si sale a las 8:35am de su casa, y el café lo sirven de 8:50am a 9:00am, ¿Qué porcen
—  d) ¿El 75% de las ocasiones, en que intervalo de tiempo llega?

a) ¿Cuál es la probabilidad de que llegue en al menos 32 min?

Para valores menores de 32 min tenemos:
Z =32−24
3.8 =2.11 con este valor y utilizando la tabla de distribución normal obtemos un valor de P= 0.4826, a esto
menores a 32 minutos. Por lo que Pt=0.5+0.4826 y obtenemos una probabilidad de 98.26% de que al men

b) Si la oficina la abren a las 9:00 am y sale de su casa a las 8:45am, ¿Qué porcentaje de las veces
Z =15−24
3.8 =−2. 39 con la tabla de distribución normal obtenemos un valor de P=0.4916, para obtener el total sum
las ocasiones llegaría tarde en esas condiciones.

c) Si sale a las 8:35am de su casa, y el café lo sirven de 8:50am a 9:00am, ¿Qué porcentaje de las v
Z =2 5−24
3.8 =0.26 con este valor y la tabla de distribución normal obtenemos el valor de P=0.1026 , para obtener e
y obtenemos 0.3974, por lo que el 39.74% de las veces se perdería el café en esas condiciones .

d) ¿El 75% de las ocasiones, en que intervalo de tiempo llega?

Dividimos el 75 % en dos partes y lo ubicamos por encima y por debajo del 50%
P=75/2=37.5 y con este valor obtenemos una Z de 1.15 por lo que:
1.15= t 1−24
3.8 ,t 1=28.37 minutos
−1.15= t 2−24
3.8 , t 2=19.63 minutos
Con los resultados anteriores se puede afirmar que: el 75% de las ocasiones le llega entre los 19.63 y 28.37 minutos.
 es de 24 min con una desviación estándar de 3.8 min.

45am, ¿Qué porcentaje de las veces no llega a tiempo a su trabajo?

m a 9:00am, ¿Qué porcentaje de las veces se pierde el café?

alor de P= 0.4826, a esto le añadimos 0.5 y así comprendería todos los valores
de 98.26% de que al menos en 32 minutos esa persona demores en llegar al trabajo.

porcentaje de las veces no llega a tiempo a su trabajo?

para obtener el total sumamos 0.5 y obtenemos 0.9916, o sea que el 99.16% de

Qué porcentaje de las veces se pierde el café?

P=0.1026 , para obtener el porcentaje de veces que se perdería el café restamos de 0.5
as condiciones .

9.63 y 28.37 minutos.

13. A partir de los siguientes datos referentes a horas trabajadas en un taller (X), y a unidades producidas
Horas (X)Producción (Y)
80 300
79 302
83 315
84 330
78 300
60 250
82 300
85 340
79 315
84 330
80 310
62 240

xi yi x i2 y i2 xi*yi
80 300 6400 90000 24000
79 302 6241 91204 23858
83 315 6889 99225 26145
84 330 7056 108900 27720
78 300 6084 90000 23400
60 250 3600 62500 15000
82 300 6724 90000 24600
85 340 7225 115600 28900
79 315 6241 99225 24885
84 330 7056 108900 27720
80 310 6400 96100 24800
62 240 3844 57600 14880
936 3632 73760 1109254 285908
Calculamos los promedios 78.00 302.67

Calculamos la covarianza, las varianza y las desviaciones estándares

𝜎_𝑥𝑦= 285908/12−(78)(302,67)=217,41

𝜎_𝑥^2= 73760/12 - (78)2 𝜎_𝑥= √62,67 = 7,92

= 62,67 →

𝜎_𝑦^2= 1109254/12 - (302,67)2 = 828,7 𝜎_𝑦= √828,7 = 28,28

→

𝜎_𝑥𝑦/(𝜎_𝑦^2 )
El coeficiente de correlación está dado por

𝑟= 𝜎_𝑥𝑦/(𝜎_𝑥∗𝜎_𝑦 ) = 217,41/((7,92)(28,8)) = 0,95

Se tiene una correlación muy fuerte

𝜎_𝑥𝑦/(𝜎_𝑥^2 )
La recta de regresión de de y sobre x, es aquella que pasa por el punto (x, y) y tiene pendiente

Y - 302,67 = 3,47(x-78)
Despejamos y obtenemos la recta de regresión
y = 3,47x + 32,01
), y a unidades producidas (Y), determinar la recta de regresión de Y sobre X, el coeficiente de correlación lineal e in
𝑥𝑦/(𝜎_𝑥^2 )
e de correlación lineal e interpretarlo. ¿Es el modelo ajustado a los datos el adecuado?
 14 La tabla siguiente nos da las notas del test de aptitud (X) dadas a seis dependientes a prueba y ventas
X 25 42 33 54 29 36
Y 42 72 50 90 45 48
a) Hallar el coeficiente de correlación e interpretar el resultado obtenido.
b) Calcular la recta de regresión de Y sobre X. Predecir las ventas de un vendedor que obtenga 47 en el

xi yi xi2 yi 2 xi*yi
25 42 625 1764 1050
42 72 1764 5184 3024
33 50 1089 2500 1650
54 90 2916 8100 4860
29 45 841 2025 1305
36 48 1296 2304 1728
219 347 8531 21877 13617
Calculamos los promedios 36.50 57.83

Calculamos la covarianza, las varianza y las desviaciones estándares

𝜎_𝑥𝑦= 13617/6−(36,5)(57,83)=158,71

𝜎_𝑥^2= 8531/6 - (36,5)2 = 𝜎_𝑥= √89,58 = 9,46

89,58 →

𝜎_𝑦^2= 21877/6 - (57,83)2 = 301,86 𝜎_𝑦= √301,86 = 17,37

→

𝜎_𝑥𝑦/(𝜎_𝑦^2 )
El coeficiente de correlación está dado por

𝑟= 𝜎_𝑥𝑦/(𝜎_𝑥∗𝜎_𝑦 ) = 158,71/((9,46)(17,37)) = 0,97

Se tiene una correlación muy fuerte

𝜎_𝑥𝑦/(𝜎_𝑥^2 )
La recta de regresión de de y sobre x, es aquella que pasa por el punto (x, y) y tiene pendiente

Y - 57,83 = 1,77(x-36,5)
Despejamos y obtenemos la recta de regresión
y = 1,77x + 6,78

Para predecir las ventas de un vendedor que obtenga 47 en el test, sustituimos x=47 en la ecuación de regresión y obtenem
y = 76,41
tes a prueba y ventas del primer mes de prueba (Y) en cientos de euros.

que obtenga 47 en el test. ¿Es el modelo ajustado a los datos el adecuado?

𝑥𝑦/(𝜎_𝑥^2 )

n de regresión y obtenemos