Ejercicio 6

1. El gerente de un banco está interesado en reducir el tiempo que las personas

esperan para ver a su asesor financiero. También le interesa la relación entre
el tiempo de espera (Y) en minutos y el número de asesores atendiendo (X).
Se registraron los siguientes datos:

X 2 3 5 4 2 6 1 3 4
Y 12.8 11.3 3.2 6.4 11.6 3.2 8.7 10.5 8.2
a) Calculen el coeficiente de correlación. (De forma manual y de forma directa con la
fórmula de Excel).

En este caso, para hallar el coeficiente de correlación de manera automática, agregamos

la función correspondiente a esta y obtuvimos un coeficiente de correlación de -0.8136.
Para hallar el coeficiente de correlación de manera manual, utilizamos la fórmula
n ∑ xy −∑ x ∑ y
correspondiente, la cual dice r = , por lo que realizamos la siguiente tabla:
√ n ∑ x 2−¿ ¿ ¿
No. de Tiempo de No.
asesores No. De espera Tiempo de Asesores *
atendiendo asesores^2 (minutos) espera ^2 Tiempo
2 4 12.8 163.84 25.6
3 9 11.3 127.69 33.9
5 25 3.2 10.24 16
4 16 6.4 40.96 25.6
2 4 11.6 134.56 23.2
6 36 3.2 10.24 19.2
1 1 8.7 75.69 8.7
3 9 10.5 110.25 31.5
4 16 8.2 67.24 32.8
30 120 75.9 740.71 216.5
Al sustituir todos los valores presentados en la fórmula anterior. Obtenemos el mismo
resultado, el cual es de -0.8136 aproximadamente.

b) Interpreta tus resultados.

Este resultado quiere decir que la relación del tiempo de espera y la atención están
teniendo una tendencia a la baja.

c) Calcula la media, varianza y desviación estándar de cada variable e interpreta tus

resultados.
 Tiempo de espera (minutos)
14

12

10

0
0 1 2 3 4 5 6 7

d) Realiza un gráfico de dispersión e interprétalo.

2. Una empresa refresquera está estudiando el efecto de su última campaña

publicitaria. Se eligieron personas al azar y se les llamó para preguntarles
cuantas latas de su refresco habían comprado la semana anterior y cuántos
anuncios de su refresco habían leído o visto durante el periodo. Los datos se
presentan a continuación:

X (número de anuncios) 3 7 4 2 0 4 1 2
Y (latas compradas) 11 18 9 4 7 6 3 8
a) Determina el coeficiente de correlación. (De forma manual y con la fórmula de Excel).

En este caso, para hallar el coeficiente de correlación de manera automática, agregamos

la función correspondiente a esta y obtuvimos un coeficiente de correlación de 0.7867.
Para hallar el coeficiente de correlación de manera manual, utilizamos la fórmula
n ∑ xy −∑ x ∑ y
correspondiente, la cual dice r = , por lo que realizamos la siguiente tabla:
√ n ∑ x 2−¿ ¿ ¿
No. De
Latas anuncios *
No. De No. De Latas Compradas^ Latas
anuncios anuncios^2 Compradas 2 compradas
3 9 11 121 33
7 49 18 324 126
4 16 9 81 36
 2 4 4 16 8
0 0 7 49 0
4 16 6 36 24
1 1 3 9 3
2 4 8 64 16
23 99 66 700 246
Al sustituir los valores presentados en la fórmula anterior, obtenemos el mismo resultado
el cual es 0.7867 aproximadamente.

b) Interpreta los resultados del inciso a).

c) ¿Estás de acuerdo con el planteamiento de las variables del problema? ¿Qué
sucedería con la interpretación si X es el número de latas compradas y Y el número de
anuncios? ¿Tendría sentido este último planteamiento?, ¿sí o no?, ¿por qué?
d) Realiza un gráfico de dispersión para el problema inicial e interpreta el mismo de
manera detallada.

3. El siguiente conjunto de datos son las ventas semanales de un artículo de

comida (en miles). Determinen el coeficiente de autocorrelación y prueben
la hipótesis de que:
Hipótesis nula: H0 : ρ1 = 0 (La autocorrelación es igual a cero)
Hipótesis alternativa: Ha : ρ1≠ 0 (La autocorrelación es diferente de cero).
Donde ρk es el coeficiente de autocorrelación poblacional en el lapso k.

Utilicen α = 0.05 y un α = 0.01.

Para hallar el coeficiente de autocorrelación, realizamos la siguiente tabla con los datos
proporcionados:

(Yt - Y (Yt - Y
Ventas Serie con Yt - Y Yt-1 - Y Promedio)^ Promedio)
Semanales retraso promedio promedio 2 (Yt-1 - Y)
-
0.2416666
2.6 7 0.05840278
- -
0.0416666 0.2416666
2.8 2.6 7 7 0.00173611 0.01006944
3 2.8 0.1583333 - 0.02506944 -0.00659722
3 0.0416666
 7
0.9583333 0.1583333
3.8 3 3 3 0.91840278 0.15173611
1.1583333 0.9583333
4 3.8 3 3 1.34173611 1.11006944
0.3583333 1.1583333
3.2 4 3 3 0.12840278 0.41506944
0.6583333 0.3583333
3.5 3.2 3 3 0.43340278 0.23590278
-
0.4416666
0.6583333
2.4 3.5 7 3 0.19506944 -0.29076389
- -
1.0416666
0.4416666
1.8 2.4 7 7 1.08506944 0.46006944
- -
0.6416666
1.0416666
2.2 1.8 7 7 0.41173611 0.66840278
-
0.5583333 0.6416666
3.4 2.2 3 7 0.31173611 -0.35826389
-
1.4416666 0.5583333
1.4 3.4 7 3 2.07840278 -0.80493056
1.4
34.1 6.98916667 1.59076389

Por lo que, al resolver la fórmula del coeficiente de autocorrelación, obtuvimos un

resultado de 0.2276 aproximadamente.

Ahora, para hallar la prueba de hipótesis, en el caso del nivel de significancia de 0.05, para
2
rechazar la hipótesis nula se tiene que cumplir rk > , por lo que, al sustituir el número
√n
de datos en la fórmula, obtenemos 0.5773.

para hallar la prueba de hipótesis, en el caso del nivel de significancia de 0.05, para
4
rechazar la hipótesis nula se tiene que cumplir rk > , por lo que, al sustituir el número
√n
de datos en la fórmula, obtenemos 1.1547

a) Compara ambos resultados y realiza una conclusión de los mismos.

Comparando los resultados, podemos decir que en ambos casos el índice de

autocorrelación es diferente a 0.
b) ¿Es relevante emplear esta serie de tiempo para realizar pronósticos?

Si, esto debido que realizar pronósticos con esta serie de tiempo nos resulta más fácil que
con otros tipos.

c) Plantea un pronóstico con el modelo de suavización exponencial o de promedios

móviles y justifica tu elección de modelo. ¿Por qué elegiste ese modelo?

Ventas
Semanales Yt
2.6
2.8
3.0
3.8
4.0
3.2
3.5
2.4
1.8
2.2
3.4
1.4