IUTEPI – EXTENSION ACARIGUA

ESTADISTICA II. EVALUACION Nº 4. VALOR 25 PUNTOS

CONTENIDO:

FECHA DE ENTREGA; 26/08/2023

4ta EVALUACION. EVALUACION PRÁCTICA.

PROFESORA: ARQ. OLISIL LUGO

UNIDAD 9: REGRESION Y CORRELACIONES SIMPLES:

Estudiante: Adalberto Carrasco

C.I 29889337

Matrícula: 229376

Sección MSM3
 Regresión y Correlaciones Simples.

La Recta de Coeficiente de Análisis de

Regresión correlación Correlación

Correlación Contraste de
de Pearson Hipótesis

Origen: La Origen: El Origen: El

primera forma término término
de regresión correlación correlación
lineal comienza a comienza a
documentada circular a circular a
fue el método mediados del mediados del
de los mínimos Origen: fue Karl siglo XIX, pero siglo XIX, pero
cuadrados que Pearson el su utilización Origen: Fisher su utilización
fue publicada primero en en Estadís- tica fue el primero en Estadís- tica
por Legendre describir, en se debería a en proponer un se debería a
en 1805 1896, el Francis Galton método de Francis Galton
método contraste de
estándar de su hipótesis,
cálculo y utilizando una
demostrar que sola hipótesis
es el mejor nula Ho que se
posible. ¿Qué es? intenta refutar.

En estadística, ¿Qué es?

¿Qué es? el coeficiente
de correlación El análisis de
Una recta de de Pearson es correlación
regresión es ¿Qué es? una medida de consiste en un
una línea recta dependencia ¿Qué es? procedimiento
que se ajusta a El coeficiente estadístico para
lineal entre dos
un conjunto de de correlación Dentro de la determinar si
variables
datos para de Pearson se inferencia dos variables
aleatorias
mostrar la utiliza para estadística, un están
cuantitativas. A
relación entre estudiar la contraste de relacionadas o
diferencia de la
dos variables. relación (o hipótesis es un no.
covarianza, la
correlación) procedimiento
correlación de
entre dos para juzgar si
Pearson es
variables una propiedad
independiente
aleatorias que se supone
de la escala de
cuantitativas en una
medida de las
(escala mínima población
variables.
de intervalo) estadística es
compatible con
lo observado
en una muestra
de dicha
población.
De

Usos: es un Usos: Un
Usos: El Usos: El
Usos: En procedimiento análisis de
coeficiente de coeficiente de
estadística, se para juzgar si correlación es
correlación de correlación es
utiliza una propiedad una técnica
Pearson tiene una medida de
comúnmente que se supone estadística que
el objetivo de regresión que
para predecir el en una se utiliza para
indicar cuán sirve para
valor de una población determinar si
asociadas se determinar la
variable en estadística es existe una
encuentran dos relación lineal
función de otra compatible con relación entre
variables entre entre dos
variable. lo observado dos o más
sí. variables.
en una muestra variables.
de dicha
población.

¿Cómo se ¿Cómo se ¿Cómo se ¿Cómo se

Calcula? Calcula? ¿Cómo se
Calcula? Calcula?
aplica el
La recta de El análisis de Para calcular el Formular la análisis de
ajuste tendrá regresión coeficiente de hipótesis nula y correlación?
por ecuación y utiliza un correlación de la alternativa .
Pearson entre Un análisis de
= ax + b, donde método de
dos variables se Fijar los riesgos correlación es
los coeficientes estimación
debe dividir la y deseados. una técnica
a y b se elegido, una
covarianza de estadística que
calculan variable Seleccionar el
dichas variables se utiliza para
teniendo en dependiente y estadístico del
por la raíz determinar si
cuenta que: La una o varias contraste.
cuadrada del existe una
recta debe variables
producto de relación entre
pasar por el explicativas Fijar la mínima
sus varianzas. dos o más
punto ( ). La para crear una diferencia
De manera que variables. En
separación de ecuación que clínicamente
el coeficiente otras palabras,
los puntos de la estima valores significativa
de correlación ayuda a
gráfica de para la variable (tamaño del
de Pearson entender si una
dispersión con dependiente. efecto) .
trata de variable se
respecto a la
cuantificar la Calcular el mueve en
recta de
dependencia tamaño función de
regresión debe
lineal entre dos muestral otra, si están
ser mínima.
variables necesario . relacionadas de
aleatorias alguna manera.
cuantitativas.
Ventajas y Principales
Principales Objetivos Fines: El
desventajas: La Objetivos Este
Objetivos: El Principales: contraste de
regresión lineal procedimiento
coeficiente de Este hipótesis es un
permite tiene por
correlación de procedimiento tipo de modelo
predecir el objetivo
Pearson tiene tiene por utilizado en
comportamient indicarnos si
el objetivo de objetivo inferencia
o de una existe relación
indicar cuán indicarnos si estadística cuyo
variable entre dos
asociadas se existe relación objetivo es
(dependiente o eventos – es
encuentran dos entre dos comprobar si
predicha) a decir,
variables entre eventos – es una estimación
partir de otra variables–, un
sí por lo que: decir, se adapta a los
(independiente poco sobre la
Correlación variables–, un valores
o predictora). naturaleza de
menor a cero: poco sobre la poblacionales.
dicha relación,
Si la correlación naturaleza de
y su fuerza.
es menor a dicha relación,
Para poder
cero, significa y su fuerza.
realizar un
que es Para poder
análisis de
negativa, es realizar un
correlación
decir, que las análisis de
confiable, lo
variables se correlación
primero que se
relacionan confiable, lo
necesita es
inversamente. primero que se
realizar muchas
necesita es
observaciones
realizar muchas
de dos
observaciones
variables.
de dos
variables.
Ejercicios explicados

1. Rectas de regresión.

Ahora: La covarianza se representa por ó y viene dada por las expresiones

Ejercicio a explicar: Hallar la ecuación de la recta de regresión.

Cinco niños de 2, 3, 5, 7 y 8 años de edad pesan, respectivamente, 14, 20, 32, 42 y 44 kilos.

1. Hallar la ecuación de la recta de regresión de la edad sobre el peso.

2. ¿Cuál sería el peso aproximado de un niño de seis años?

Solución: Cinco niños de 2, 3, 5, 7 y 8 años de edad pesan relativamente 14, 20, 32, 42 y 44 kilos.

Hallar la ecuación de la recta de regresión de la edad sobre el peso.

¿Cuál sería el peso aproximado de un niño de seis años?

 Xi yi X²i y²i Xi * yi
2 14 4 196 28
3 20 9 400 60
5 32 25 1024 160
7 42 49 1764 294
8 44 64 1936 352
25 152 161 5320 894

Calculamos los Promedios:

Calculamos la covarianza y la varianza de la y:

La recta de regresión de la edad sobre el peso es aquella que pasa por el punto y tiene
pendiente

Despejamos y obtenemos la recta de regresión:

Para encontrar el peso aproximado de un niño de seis años, sustituimos en la ecuación

de regresión y obtenemos:
 2. Correlación de Pearson y Coeficiente de Correlación :

Ejercicio explicado: Un centro comercial sabe en función de la distancia, en kilómetros, a la que se

sitúe de un núcleo de población, acuden los clientes, en cientos, que figuran en la tabla:

Número de Clientes (X) Distancia Y

8 15
7 19
6 25
4 23
2 34
1 40

1Calcular el coeficiente de correlación lineal.

2Si el centro comercial se sitúa a km, ¿cuántos clientes puede esperar?

3Si desea recibir a clientes, ¿a qué distancia del núcleo de población debe situarse?

Xi yi Xi * yi X²i y²i
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1156
1 40 40 1 1600
28 156 603 170 4496

Calculamos los Promedios:

Calculamos la covarianza, las varianza y las desviaciones estándares

Se tiene una correlación negativa muy fuerte.

La recta de regresión de los clientes sobre la distancia, es aquella que pasa por el punto.
Y tiene una pendiente

Para encontrar el número de clientes cuando el centro comercial se sitúa a 2 kilómetros,

sustituimos y=2 en la ecuación de regresión y obtenemos

Si se desea recibir cinco clientes, sustituimos en la ecuación de regresión y obtenemos

Contraste de Hipótesis:
Ejercicio explicado:
Se cree que el tiempo medio de ocio al día que dedican los estudiantes sigue una distribución
normal de media 350 minutos y desviación típica poblacional de 60 minutos. Para contrastar esta
hipótesis , se toma una muestra aleatoria formada por 100 alumnos , y se observa que el tiempo
medio es de 320 minutos ¿ que se puede decir de esta afirmación con un nivel de significación del
10 %?

Paso 1 Hipótesis

Hipótesis nula H0 : µ=µ0

Hipótesis alternativa H1 : µ≠µ0

Siendo µ0 la media poblacional

Contraste hipótesis para la media

Paso 3 Calculamos la región de aceptación

Región de aceptación

Paso 4

Si el estadístico de contraste (Z) pertenece a la región de aceptación aceptamos la hipótesis nula y si

no rechazamos la hipótesis nula.