UNIVERSIDAD NACIONAL HERMILIO VALDIZÁN

FACULTAD DE CIENCIAS AGRARIAS

ESCUELA PROFESIONAL DE INGENIERÍA AGRONÓMICA

PRÁCTICA ENCARGADA N° 7, 9 Y 10

MODULO: Estadística y Métodos de Investigación en Ciencias Agrarias.

DOCENTE: Ing. Rubén Limaylla Jurado

ESTUDIANTE:

 SALGADO RIVERA, Mery Luz.

HUÁNUCO – PERÚ

2022
 PRÁCTICA ENCARGADA N° 7

PRUEBAS DE BONDAD DE AJUSTE A UNA DISTRIBUCIÓN NORMAL

1. Se estudia el uso de las computadoras en el departamento de contabilidad

de la Empresa Agrícola “Pura Selva”. En una muestra aleatoria de 60
trabajos del mes de septiembre se registró el tiempo de procesamiento, en
segundos, para cada trabajo con los siguientes resultados:
03, 16, 18, 04, 15, 12, 17, 11, 15, 17, 07, 02, 08, 14, 16
09, 10, 14, 18, 14, 12, 19, 13, 09, 07, 19, 11, 15, 17, 12
16, 05, 09, 14, 16, 17, 14, 16, 10, 15, 14, 17, 11, 10, 15
13, 16, 13, 15, 12, 09, 08, 15, 17, 09, 14, 13, 10, 15, 13
A nivel de significación de 0.05, pruebe la hipótesis de que la distribución
de los tiempos de procesamiento de las computadoras es normal.
A) Distribución de frecuencias por intervalos
- Numero de intervalos (Sturges) K=6.89
- La amplitud los intervalos es A= (19-2) /7= 2.43

CLASE INTERVALOS FRECUENCIA

1 [2-4.4[ 3
2 [4.4-6.8[ 1
3 [6.8-9.2[ 9
4 [9.2-11.6[ 7
5 [11.6-14[ 9
6 [14-16.4[ 21
7 [16.4-19[ 10

B) -Estimación de parámetros con μ y σ2. Y la estimación puntual son:

x = 12.75
S = 3.96
-La probabilidad de cada intervalo es:
P[(𝐿𝐼−μ)/σ ≤ Z <(μ𝑖−μ)/σ]
2−12.7 4.4−12.7
1)P [ ≤z< ]= P[−2.70 ≤ z<−2.09]= 0.0148
3.96 3.96
4.4−12.7 6.8−12.7
2)P [ ≤ z< ]= P [−2.09 ≤ z <−1.48 ]= 0.0511
3.96 3.96
6.8−12.7 9.2−12.7
3)P [ ≤z< ]= P [−1.48 ≤ z <−0.88]= 0.120
3.96 3.96
9.2−12.7 11.6−12.7
4)P [ ≤z< ]= P [−0.88 ≤ z<−0.27]= 0.204
3.96 3.96
11.6−12.7 14.0−12.7
5)P [ ≤z< ]= P [−0.27 ≤ z< 0.32]= 0.2319
3.96 3.96
14.0−12.7 16.4−12.7
6)P [ ≤z< ]= P [0.32 ≤ z <0.93 ]= 0.1983
3.96 3.96
 16.4−12.7 19−12.7
7)P [ ≤ z< ]= P [0.93 ≤ z<1.59 ]= 0.1203
3.96 3.96

-Cuadro con los valores de frecuencias observadas y frecuencias

esperadas
CLASE INTERVALOS Oí Pi Ei
1 [2-4.4[ 3 0.0148 0.8880 11.154
2 [4.4-6.8[ 1 0.0511 3.0660
3 [6.8-9.2[ 9 0.1200 7.2000
4 [9.2-11.6[ 7 13 0.2040 12.2400
5 [11.6-14[ 9 0.2319 13.9140
6 [14-16.4[ 21 0.1983 11.8980
7 [16.4-19[ 10 0.1203 7.2180
-hay dos frecuencias que son menores de 5 y aún persiste al sumarlos y
ser menor de 5, debiendo combinar con la frecuencia número 3.
-con GL= 5-1-2= 3
Solución:
1)Hipótesis
Ho: La distribución de los tiempos de procesamiento de las computadoras es
normal.
H1: La distribución de los tiempos de procesamiento de las computadoras no
es normal.
2) Nivel de significancia: α= 0.05
2
2 k ( Oi −ei )
3) Estadística: X cal = Σ ⅈ=1 = , se distribuye aproximadamente como
ei
Chi-cuadrado con grado de libertad 2.
4) El nivel de significación es 0.05 y grados de libertad 2.
El X2tab =5.991
5) Cálculos:
(13−11.15 )2 ( 7−12.4 )2 ( 9−13.91 )2 ( 21−11.9 )2 ( 10−7.2 )2
X2cal ¿ + + + + = 12.44
11.15 12.4 13.91 11.9 7.2
6) Decisión:
El valor de X2cal= 12.44 > 5.99, por lo tanto, se rechaza hipótesis nula,
entonces la distribución de los tiempos de procesamiento de las
computadoras no es normal.
 PRÁCTICA ENCARGADA N° 9

ANÁLISIS DE REGRESIÓN SIMPLE

Ejercicio Nº1. La estatura (X) y los pesos (Y) de diez jugadores de

baloncesto de un equipo son:
X=Estatura 186 189 190 192 193 193 198 201 203 205
(cm)
Y= Pesos (kg) 85 85 86 90 87 91 93 103 100 101

x y
PesoEstatura
85 186
85 189
86 190
90 192
87 193
91 193
93 198
103 201
100 203
101 205

Análisis de regresión: peso vs. estatura

La ecuación de regresión es
peso = - 107.1 + 1.022 estatura
Resumen del modelo
R-cuad.
R- (ajustado
S cuad. )
2.4167 89.16% 87.80%
7
Análisis de Varianza
Fuente GL SC MC F P
Regresió 1 384.174 384.174 65.7 0.000
n 7
Error 8 46.726 5.841    
Total 9 430.900      
En la ventana de resultados se muestra:
1) La ecuación de regresión: PESO = - 107.1 + 1.022 estatura
2) El valor del coeficiente de determinación r 2 = 89.2% , que nos indica que un
89.2% de la variación entre el peso de cada persona y con la estatura.
3. El análisis de varianza el valor p= 0.000<0.05, indica que debemos rechazar
la Ho: B1=0, asumiendo de B1 es significativa.
4) La grafica ayuda a interpretar los resultados de que la regresión resultó
significativa.

Ejercicio Nº2. La edad (X) y los pesos (Y) de cinco niños son:
X=Edad 2 3 5 7 8
Y=Pesos 14 20 32 42 44

La ecuación de regresión es
pesos = 4.631 + 5.154 edad
Resumen del modelo
R-cuad.
R- (ajustado
S cuad. )
1.6916 98.77% 98.36%
1

Análisis de Varianza
Fuente GL SC MC F P
Regresió 1 690.615 690.61 241.34 0.001
n 5
Error 3 8.585 2.862    
Total 4 699.200      
En la ventana de resultados se muestra:
1) La ecuación de regresión: PESOS = 4.631 + 5.154 EDAD
2) El valor del coeficiente de determinación r 2 = 98.77% , que nos indica que un
98.77% de la variación entre la edad y el peso de cada niño .
3. El análisis de varianza el valor p= 0.000<0.05, indica que debemos rechazar
la Ho: B1=0, asumiendo de B1 es significativa.
4) La grafica ayuda a interpretar los resultados de que la regresión resultó
significativa
 PRÁCTICA ENCARGADA N° 10

ANÁLISIS DE CORRELACIÓN SIMPLE

Ejercicio Nº1. A partir de los datos referentes a las horas trabajadas en una
empresa agrícola (X) y las unidades producidas (Y)
a) Elaborar el diagrama de puntos
b) Determinar el coeficiente de Correlación de Pearson e interpretar
c) Obtener el coeficiente de determinación y su interpretación.
d) realizar la prueba de hipótesis para el coeficiente de correlación de
Pearson.
X 80 79 83 84 78 60 82 85 79 84 80 62
Y 300 302 315 330 300 250 300 340 315 330 310 240

x (x-
X Y
-x (y-y) (x-x)(y-y) X)2 (y-y)2 xy x2 y2
- -
80 300 2.666666 5.333333 7.111111 2400
2 67 33 4 11 0 6400 90000
- -
79 302 0.666666 0.666666 0.444444 2385
1 67 67 1 44 8 6241 91204
12.33333 61.66666 152.1111 2614
83 315
5 33 67 25 11 5 6889 99225
27.33333 747.1111 2772 10890
84 330
6 33 164 36 11 0 7056 0
-
78 300 2.666666 7.111111 2340
0 67 0 0 11 0 6084 90000
-
60 250 52.66666 2773.777 1500
-18 67 948 324 78 0 3600 62500
- -
82 300 2.666666 10.66666 7.111111 2460
4 67 67 16 11 0 6724 90000
37.33333 261.3333 1393.777 2890 11560
85 340
7 33 33 49 78 0 7225 0
12.33333 12.33333 152.1111 2488
79 315
1 33 33 1 11 5 6241 99225
27.33333 747.1111 2772 10890
84 330
6 33 164 36 11 0 7056 0
7.333333 14.66666 53.77777 2480
80 310
2 33 67 4 78 0 6400 96100
 -
62 240 62.66666 1002.666 3927.111 1488
-16 67 67 256 11 0 3844 57600
-
2.2737E- 9968.666 2859 7376 11092
936 3632 0 13 2612 752 67 08 0 54

=2612 =0.953994
(752)( 9968.66667)

Ejercicio Nº2. Con la información acerca de las notas de la prueba de

aptitud (X) y las ventas (Y) efectuadas por 6 trabajadores de un negocio
agrícola.
a) Elaborar el diagrama de puntos
b) Determinar el coeficiente de Correlación de Pearson e interpretar
c) Obtener el coeficiente de determinación y su interpretación.
d) realizar la prueba de hipótesis para el coeficiente de correlación de
Pearson.
Aptitud(X) 25 42 33 54 29 36
Ventas 42 72 50 90 45 48
(Y)

HOJA DE TRABAJO 5
Análisis de regresión: ventas vs. aptitud
Ecuación de regresión
venta = -6.78
s + 1.770 aptitud
Coeficientes
EE
del Valor Valor
Término Coef coef. T p FIV
Constante -6.78 9.07 -0.75 0.496  
aptitud 1.770 0.241 7.36 0.002 1.00
Resumen del modelo
S R- R-cuad. R-
 (ajustado cuad.
cuad. ) (pred)
5.57802 93.12% 91.40% 87.17%
Análisis de Varianza
SC MC Valor Valor
Fuente GL Ajust. Ajust. F p
Regresió 1 1684.4 1684.38 54.14 0.002
n
  aptitud 1 1684.4 1684.38 54.14 0.002
Error 4 124.5 31.11    
Total 5 1808.8