Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Untitled
Untitled
paso2
si es que no m
el valor de P
Chi cuadrado
178.54
Regla de oro
Pvalue<0.05--> Rho
Pvalue>=0.05 --> No Rho
Decisión:
Pvalue(0.000000000000000
Poisson: cuando un evento ocurre en un Binomial: Cuando un evento solo Conclusión
intervalo de tiempo tiene 2 posibilidad Se puede afirmar que el N°
ho: El número de peras malogradas sigue una distribución binomial X: N° de peras malogradas
ha: El número de peras malogradas no sigue una distribución binomial en un bolsa hay 3 peras
X: 0,1,2,3
a=0.05
Binomial: X fo (observado)Probabilidad
n--> 3 0 300 0.376714678
N--> 600 1 150 0.434670782
p 0.277777778 2 100 0.16718107
Probabilidad de que una pera este malogra 3 50 0.021433471
1
178.54 chi-square
2 df
1.70E-39 p-value
Esperados
226.0288066
260.8024691
100.308642
12.86008231
600
paso2 a=0.05
Binomial: X
n--> 3 peras (p3 0
N--> 600 600 1
si es que no me dap 0.277777778 2
el valor de P Probabilidad de que una pera este malogra 3
Chi cuadrado
178,544
Regla de oro
Pvalue<0.05--> Rho
Pvalue>=0.05 --> No Rho observed expected
300 226,029
Decisión: 150 260,802
Pvalue(0.0000000..)<0.05--> RHO 100 100,309
Conclusión 50 12,860
se puede afirmar 600 600,000
ha: N° de peras malogras no siguen una distribució binomial
178.54 chi-square
2 df
1.70E-39 p-value
Goodness of Fit Test
178.54 chi-square
2 df
1.70E-39 p-value
X: N° de peras malogradas
0, 1,2,3
Bo=X=96.46
B1=Y=136.48
B2=Z=-2.4
Modelo
Y= Bo+B1X1+B2X2
Alquiler = 96.46 + 136.48N° habitaciones - 2.4Distancia
datos
Ypromedio= 497.5
X1Promedio= 3
X2promedio= 3.5
COV
X1 X2
tamaño(N° habDistancia centrX1^2 X2^2 X1Y X2Y X1*X2
2 1 4 1 720 360 2
6 1 36 1 6000 1000 6
3 2 9 4 1350 900 6
4 3 16 9 2100 1575 12
2 10 4 100 700 3500 20
1 4 1 16 300 1200 4
18 21 70 131 11170 8535 50
(497.5)(3.5)
Y^2
129600
1000000
202500
275625
122500
90000
1820225
a) Modelo
b) Interpretar los coeficientes
c) Matriz Varianza covarianza