1
UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
NUCLEO CHURUGURA
MODALIDAD: MUNICIPALIZADA
PROGRAMA: DESARROLLO EMPRESARIAL
U.C: ESTADÍSTICA
REGRESIÓN Y CORRELACION LINEAL
CHURUGUARA, JUNIO 2024
2
UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
NUCLEO CHURUGURA
MODALIDAD: MUNICIPALIZADA
PROGRAMA: DESARROLLO EMPRESARIAL
U.C: ESTADÍSTICA
REGRESIÓN Y CORRELACION LINEAL
PROFESOR Bachilleres:
Jesús Alvarado Borges, Ivanyelis C.I: 24.562.516
Josemy, Revilla. C.I:
Jeilimar, Roberty C.I: 31.027.895
Jiménez Luisa C.I: 34 507.516.
Scorboth, Lusannys C.I:
CHURUGUARA , JUNIO 2024
3
Índice
P.p
INTRODUCCION 5
1.Regresión y correlación Lineal 7
1.1.Métodos de los mínimos cuadrados 7
1.1.2 Características de los mínimos cuadrados 7
1.1.3 Ejemplos de Los mínimos Cuadrados 8
Ejemplo N1. 8
Ejemplo n 8
10
10
1.2.Análisis de correlación 11
Carácteristuca
Ejercicios de análisis de correlación
Ejercicio N1
1.3.Estimación de parámetros 12
Características 12
Ejercicios de estimación 13
Ejercicios N1. 13
Ejercicios N2 14
15
15
1.4.Pruebas de hipótesis 16
Carácteristuca 18
Ejemplos de pruebas de hipótesis 18
Ejemplo 1 20
Ejercicio 2 21
Ejercicio 3 22
Conclusiones
Referencias Bibliográficas
4
Referencias eléctricas
INTRODUCCIÓN
Las personas estudian todo y cada uno de los fenómenos o sucesos que le pueden
suceder en su día a día y en el mundo que los rodea y esto lo hace a través del análisis de las
posibles causas que pueden ocasionar los problemas , es decir realiza un análisis exhaustivo
tomando en cuenta que origino dicha problemática y los efectos que este pudo tener. En este
sentido es necesario contar con herramientas o técnicas que permitan comprender mejor las
causas y los efectos de ciertos eventos para así poder proponer elaborar una proyección para y
que las decisiones tomadas sean las mas acertadas.
Suele importante destacar que dichos eventos se pueden analizar a través de la
matemática siendo esta definida como aquella ciencia que se encarga de estudiar las
relaciones entre cantidades, magnitudes y propiedades y las operaciones lógicas mediante las
5
cuales se pueden deducir cantidades, magnitudes, y propiedades desconocidas. En este mismo
orden de ideas suele importante destacar que dentro de esta ciencia se encuentra diversas
ramas que tienen como fin estudiar un fenómeno o suceso tal es el caso de la estadística la
misma se ocupa de los métodos y procedimientos para recoger, clasificar, resumir , hallar
regularidades y analizar datos siempre y cuando la variabilidad e incertidumbre sea causa de
ellos.
Asi mismo dentro de esta ciencia podemos encontrar métodos que sin duda alguna son
utilizados para estudiar sucesos y fenómenos que pueden suscitar dentro de un entorno social
bien sea de forma individual o colectiva pero que pueden ser tomados como base para
determinar las posibles causas y soluciones, otro de los elementos que se van a desarrollar en
la presente investigación como el coeficiente de correlación que es un método que permite
encontrar la relación entre dos datos para conocer su relación es decir es una técnica que
podemos emplear para determinar fenómenos que van desde la influencia del peso con la
estatura, de las calificaciones con la cantidad de horas que le dedicas a un estudio.
En este mismo orden de ideas, se afirma que así como estas existen otros métodos que
sin duda alguna permiten determinar a través de formulas que tan cierto puede ser un suceso
tal es el caso de la prueba de hipótesis, el método de los mínimos cuadrados, estimación de
parámetros que gracias a sus funciones permiten determinar desde cantidades a usar en la
elaboración de alimentos, pesos, tamaños de población y hasta las posibles causas que puedan
ocasionar una enfermedad y como estas influyen en el desarrollo de una población
Evidentemente estos aspectos se van a describir tomando en cuenta sus características,
ejemplificaciones con la finalidad de poder evidenciar como se pueden solucionar problemas
haciendo uso de estos métodos que forman parte de la regresión y correlación Lineal
1.Regresion y Correlación Lineal.
1.1.Métodos de los mínimos cuadrados
El método de los mínimos cuadrados puede definirse como aquel método que postula
que la mejor recta que pasa por los puntos (pares ordenados X, Y) es aquella cuya suma de los
cuadrados de los residuos sea mínima o tienda a cero es decir, que los métodos de mínimos
cuadrados es una técnica matemática que se utiliza para encontrar la línea o curva de mayor
ajuste debe pasar por un conjunto de puntos de datos por lo tanto esto implica minimizar la
6
suma de las diferencias al cuadrado entre los puntos de datos reales y los valores predichos
obtenidos del modelo. En este sentido Legender, A (1832) dice que “ los mínimos cuadrados
es una técnica de análisis numérico la cual es enmarcada dentro de l optimización matemática
en la que dados un conjunto de pares ordenados y una familia de funciones, se intenta
encontrar la función continua dentro de dicha familia que mejor se aproxima a los datos ( un
mejor ajuste) de acuerdo con el criterio de mínimo error cuadrático”
1.1.2.Característica del método mínimo cuadrado.
1. Comprender el concepto de mínimos cuadrados.
2. Los pasos involucrados en el método de mínimos cuadrados.
3. Ventajas del método de mínimos cuadrados.
4. La comparación con otros métodos
1.1.3.Propiedades.
−¿¿ −¿¿
( x−¿ , y ¿
) ( x−¿ , y ¿
) Siempre está en la línea de mínimos cuadrados los residuos de
la línea de los métodos de los mínimos cuadrados siempre suman 0 es decir, que la medida en
cuadrados siempre debe ser (0).
En este sentido, podemos señalar que los métodos mínimos cuadrados son aquellos
en los que mejor se ajuste por lo cual esta debe pasar por el centro de la gráfica. Cabe
mencionar, que sus pasados son la definición de problemas es decir, este implica definir
primeramente el modelo matemático y los datos observados
Formulación : formulara función de los objetivos de trata de la función objetiva.
3.minimizar la función objetiva encontrar los valores de los parámetros.
4. Evaluación del modelo.
1.1.4. Ejercicios de Minimos Cuadrados
1.1.5. Ejercicio N.1
1.1.6. Ejercicio N. 2
1.1.7. Ejercicios N.3.
7
Para las estadísticas según Laguna (2004) “ es muy importante saber la relación que
tienen dos variables , es decir conocer si esta relación es lineal o no. Para ello se utiliza el
coeficiente de relación el cual permite observar si dos variables se relacionan una con otra de
manera lineal.”
1.2.Análisis de la correlación
Esta puede ser definida como aquella que establece la relación y magnitud de cambio
entre variables una a una, así mismo el coeficiente de determinación estima el porcentaje de
explicación de la variable dependiente a partir de una o mas Variables independientes, como
el nivel de ventas atribuible a la publicidad.
En este mismo orden de ideas, se puede decir que está específica la medida que
cuantifica la intensidad de la relación lineal entre dos variables en un análisis de correlación, a
su vez indica la cantidad proporcional de variación en la variable de respuesta y explicada
según las variables independientes X en el modelo de regresión lineal es decir, cuánto más
mayor sea R cuadrado mayor será la variabilidad explicada por el modelo de regresión lineal.
Para entender si existe una relación entre dos o más variables ayudando a determinar si
una variable se mueve en función de la otra si hay algún tipo de correlación, ambas variables
se alterarán juntas durante un periodo de tiempo.
La coeficiente nos indica la expresión numérica de una propiedad o característica de
un cuerpo que generalmente se presenta como una relación entre dos magnitudes. Los valores
que pueden tomar el coeficiente de determinación puede adquirir resultados que oscilan entre
0y1 así cuando adquiere resultados más cercanos a 1 mayor resultara el ajuste del modelo de
la variable que se pretende aplicar para el caso en concreto.
Las diferencias existentes entre el coeficiente de correlación y el coeficiente de
determinación son las siguientes: El coeficiente de correlación cuantifica la intensidad de la
relación lineal entre dos variables mientras que el coeficiente de determinación mide que parte
de la variación de una variable puede predecirse por la variación de la otra.
Los tipos de correlación son la correlación positiva y la correlación negativa se puede
decir que una correlación positiva es aquella que se da cuando las dos variables aumentan o
disminuyen juntas mientras que una correlación negativa se produce cuando una variable
aumenta mientras la otra disminuye.
8
Se utiliza la coeficiente de correlación para dos variables, la formula compara la
distancia puntual respecto a la medida de la variable y utiliza está comparación para decirnos
hasta que punto la relación entre las variables se ajusta a una línea.
Para calcular el coeficiente de correlación de la muestra puede representarse con la
siguiente formula
El coeficiente de correlación de la muestra puede representarse como una fórmula.
.∑ [ ( X 1− X−¿¿ ) ( Y 1−, y 1) ]
√ .∑ ❑ ¿ ¿
1.2.1.Ejercicios coeficiente de correlación
o
xy
ɣ=
0 x oy
10 14
x= =2 ,5 Ȳ= =3 ,5
4 4
y √
o = 50 =(−3 , 5 )
4
y √
o = 30 −(2.5 ) 2 =⎷ 1, 25
4
¿ ⎷ 0 , 25
34
Ox= – ( 2, 5 ) ( 3 , 5 )=0 , 25
4
Luego el coeficiente de correlación es :
ϻ
O xY −0 , 25 0 , 25
¿= = = =0 , 45
Ox . oy ⎷ 1, 25. ⎷ 0 ,25 0 , 56
¿
Según Francis Galton (1822-1911) en estadística se le conoce sobre todo por
introducir el análisis de regresión y correlación.
Es posible analizar la relación que existe entre la edad de los compradores y la
cantidad que gastan en las tiendas. Suponiendo que se encuentre una correlación
9
positiva, se podría interpretar que, a mayor edad de los consumidores, es más
probable que gasten más dinero y que a menor edad es posible que gasten menos.
Si la correlación que se detecta es negativa, entre mayor sea la edad del
consumidor, el valor de la compra que realice será menor.
Se evalúa la relación entre la estatura de los padres y los hijos. En este caso es
posible establecer que existe un coeficiente de variación cercano a 1, lo que
significa que la talla de los hijos está influida por la talla de los padres en un
porcentaje importante y el resto por otros factores.
Interpretación
Toma las medidas específicas, las variables la formula y hace una sola comparación la
distancia de cada dato puntual también establece relación y magnitud de cambio entre ambas
variables, las medidas de coeficiente proporciona la variación la variables independientes X el
coeficiente determinación puede adquirir resultados entre 0 y 1 y proporciona 2 tipos
principales como lo son : correlación positiva y correlación negativa. Evidentemente son dos
variables que aportan información sobre las relaciones.
Es tan importante recordar que basarse exclusivamente en el coeficiente de correlación
que nos puede llevar a cometer errores.
Nos indica un valor o indica que no hay asociación entre las dos variables. Un valor
mayor que 0 indica una asociación positiva es un modelo muy fiable mientras un valor 0, 0
indicará que el cálculo no logra modelos de datos.
1.3.Estimación de parámetros
La estimación de parámetros puede ser conceptualizada como aquel método que
consiste en asignar un valor al parámetro que caracterizan el campo sujeto de estudio. Al ser
una estimación existe cierto error, incluso aunque el estimador tenga todas las propiedades
óptimas por pequeños que sea siempre existirá un error.
Según Gosset, W(1830) afirma que “para obtener estimaciones adaptadas a esa
realidad se crean intervalos de confianza es decir, rangos entre los que están esos valores
estimados con cierto grado de confianza”
10
En estadística se llama estimación al conjunto de técnicas que permiten dar un valor
aproximado de un parámetro (Ej.: μ) de una población a partir de estadísticos, generados por
los datos (Ej: , S, n).
En lo que respecta a las estimación por intervalos de confianza este consiste en la
obtención de un intervalo dentro de las cuales el valor parámetro estimado con una cierta
probabilidad
El intervalo de confianza de con un 95 de confianza, IC 95 % , es el más usado y para
muestras de más de 30 datos se calcula como :
Confianza IC 95 % de μ = ± 1.96
Para menos de 30 datos se usa:
IC 95 % de μ = ± “t”
Donde “t” es el valor dado por la distribución “t” de Student con “n-1” Grados de
Libertad, para un 95 % se busca el valor del “t” 0.975, ya que esta es una prueba de dos colas.
El IC 95 % nos dice que con un 95 % de confiabilidad en este intervalo encuentro el
promedio de la población, el cual desconozco. Para esto necesito conocer de la muestra los
siguientes estadísticos: x , S y “n”.
1.3.1. Ejercicios de estimación de parámetros:
1.3.1.1Ejercicio N.1
Queremos información sobre el resultado de las elecciones generales e intentar
predecir que porcentaje de votos tendrán cada partido político tras utilizar las técnicas
pertinentes as extraen los siguientes resultados. Un estimador puntual de un parámetro es un
valor que puede ser considerado representativo de este y se obtiene a partir de alguna función
de la muestra, por Ej. , promedio muestral, estima puntualmente a el promedio poblacional.
Partido A= 32%
Partido B=51%
Sin embargo, somos conscientes de que es una estimación así pues, utilizando las
fórmulas adecuadas establecemos los intervalos de confianza al 95%
Partido A :[30-34] %
Partido B: [47-53] %
Partido C: [15-19] %
11
Al observar los resultados se puede interpretar que existe un 95% de probabilidades
estén en este rango. Aun así existe un 5% de probabilidades que los resultados estén fuera de
ese rango.
1.3.1.2. Ejemplo N.2 de Estimación de parámetros
1. En cierto barrio se quiere hacer un estudio para conocer mejor el tipo de actividad
de ocio que le gustan realizar más a los habitantes para ello va a ser encuestados 100
individuos elegidos al azar.
a)Explica que procedimiento se selección más adecuado utilizar muestreo con o sin reposición
porque?
b).Cómo los gustos cambian con la edad y se sabe que en el barrio vive. 2.500 niños, 7000
adultos y 500 ancianos. Posteriormente se decide elegir la muestra anterior utilizando un
muestreo Estratificado determinado el tamaño muestral correspondiente a cada extractor..
Para efectuar un muestreo aleatorio estratificado será necesario que la muestra refleje
finalmente nos estudios existente así mismo, en una población debe considerase los estratos
formados por niños, adultos y ancianos.
El tamaño muestral de cada extractor deberá ser proporcional a la presencial del
mismo en la población original.
Población total = 2.500+ 7000+500=10.000
2500 - x ,x-25 niños
10000 100
7000 y y-70 adultos
10000 100
500 z x-25 ancianos
10000 100
2. Sea la población de elementos (22.24.26):
a) escriba todas las muestras posibles de tamaño dos escogidas Mediante muestreo
aleatorio simple.
12
M1= { 22,24}, M1={22,26}, M1= {24,26}>
b) Calcula varianza de la población
M = 22+24+26 -24
1.4.Las pruebas de hipótesis
Son un enfoque sistemático para evaluar afirmaciones o suposiciones sobre una
población. En esencia implican comparar dos hipótesis: la hipótesis nula (H0) y la hipótesis
alternativa (H1). La hipótesis nula es una afirmación que generalmente refleja “la situación
estándar” o la falta de un efecto. La hipótesis alternativa por otro lado es la afirmación que
estamos tratando de probar. En una prueba de hipótesis el objetivo es determinar si los datos
recopilados de una muestra son suficientemente diferentes de lo que se esperaría abajo la
hipótesis nula. Esto implica calcular una estadística de prueba y determinar si probabilidad de
ocurrencia bajo la hipótesis nula.
En este mismo orden de ideas, podemos decir también que una hipótesis se define
como una afirmación transitoria que debe ser sometida a prueba. La inferencia estadística
propone un procedimiento para llevar a cabo la prueba de las hipótesis. Propone, primero,
enunciarlas formalmente y luego contrastarlas con la evidencia de los datos. Son los datos,
entonces, con su coro de características, los que dirán si una hipótesis es falsa o verdadera.
|Una hipótesis por ejemplo, al decir: “estos enfermos demoran en promedio 25 días en
recuperarse” está afirmando que, en el universo, el promedio de los pacientes tardan 25 días
en mejorar. Será tarea del investigador probar la veracidad o falsedad de dicha afirmación
contrastando el valor propuesto para el parámetro del universo (25 días), con los datos reales
provenientes de una muestra cualquiera. Si luego de esta comparación resulta que el promedio
obtenido en la muestra es de 22 días, se le encarga a la estadística que resuelva el dilema de si
la diferencia entre el promedio muestral (22 días) y los poblacionales (25 días) permite
aceptar como verdadera la hipótesis planteada. Será el método estadístico el que permita en
definitiva resolver este dilema, evaluando la significación de la diferencia entre 22 y 25.
1.4.1.Ejemplos de pruebas de hipótesis
1.4.1.1. Ejemplo N.1
13
Supongamos que trabajas en una fábrica de galletas y eres responsable de asegurarte
de que las galletas se produzcan con un peso promedio de 20gr. Sin embargo, has notado que
algunas galletas parecen más pesadas de lo que deberían para investigar este problema decides
llevar a cabo una prueba de hipótesis.
Paso 1. Formulación de hipótesis
Hipótesis nula (H0): la medida de peso de las galletas es igual a 20gr( u= 20gr)
hipótesis alternativa (h1) la medida de peso de las galletas es diferente de 20gr (u=20gr). En
este caso, H0 refleja la situación estándar en la que las galletas tienen un peso promedio de
20gr, mientras que H1 sugiere que el peso promedio de las galletas es distinto de 20gr.
Paso 2: Recopilación de datos
Reúnes una muestra aleatoria de 30 galletas y registras sus pesos luego calculas la
media muestral que resuelta ser 20.5 gracias ya desviación estándar muestral que es de
12.5gr.
Paso 3: elección de un nivel de significación.
El nivel de significación alta (alta,a) es la probabilidad de cometer in error tipo 1 que
implica rechazar incorrectamente hipótesis nula cuando es verdadera. Un valor común para a
es 0.05, lo que significa que estamos dispuestos a aceptar un 5% de probabilidad de cometer
error tipo 1.
Paso 4: cálculo de la estadística de prueba
Para calcular la estadística de prueba utilizamos la fórmula de la prueba t de student.
−¿ x−u
s/√n
Dónde
T= el vamos de la distribución +.
X = es la medida de la muestra (20.5 gr)
U= esa medida poblacional (20gr).
S= es la desviación estándar de la muestra (1.2gr.)
n= es el tamaño de la muestra (30galletas )
14
Paso 5: cálculo del valor crítico y P valor.
El valor cortico es el punto de corte que separa la región de rechazo en este caso como
estamos realizando una prueba bilateral (4=20gr), necesitamos buscar los valores críticos en
la tabla de la distribución T de Student para un nivel de significación de 0,05 y 29 gm de
libertad (30-1) encontramos que la mitad es aproximadamente 2.045 el p- valor es la
probabilidad de observar un estadística de prueba de menos tan extrema como la calculada
bajo la hipótesis nula para una prueba al menos tan bilateral. Calculamos el P- valor como el
doble del área en la cola de la distribución quedando de la siguiente manera:
P-valor = 2xp(T> 1+1) dónde T es una variable aleatoria T con 29gr de libertad .
Utilizamos la calculadora estadística o software para encontrar el P- valor asociado a T=2.13,
que resulta ser aproximadamente 0.041.
Paso 6: toma de decisiones:
Si ·|T| > T a/2 | : rechazamos la hipótesis nula
Si |T| ≤ T a/2 : no rechazamos la hipótesis nula
En nuestro ejemplo 12.13|> 2.0.45 por lo que rechazamos la hipótesis nula . Esto
significa que hay evidencia suficiente para concluir el peso promedio de las galletas es
diferente de 20gr.
Paso 7: conclusión
Basándonos en los resultados de la prueba de hipótesis , podemos concluir que las
galletas no tienen un peso promedio de 20gr lo que sugiere que podría haber un problema en
el proceso de producción que necesita ser investido y corregido.
Interpretación
Las pruebas de hipótesis desempeñan un papel fundamental en la toma de decisiones
basadas en datos en una variedad de campos desde la industria hasta la investigación
científica. Al seguir un enfoque estructurado y objetivo las pruebas de hipótesis permiten a las
personas tomar decisiones informadas en un resumen, las pruebas se hipótesis son
herramientas esencial en el mundo de las estadísticas y la ciencia de datos ayudan a
determinar si los resultados observados son consistentes con las afirmaciones hechas en una
hipótesis nula.
15
Se desea realizar un estudio sobre la edad promedio en años cumplidos que tienen los
estudiantes al egresar como graduados de la universidad.
Un investigador puede formular las hipótesis siguientes:
μ<24, μ=24, μ>24.
¿Cuál sería una hipótesis nula?
Para que sea una hipótesis nula la formulación es la siguiente:
La edad promedio de egreso (en años cumplidos) de los estudiantes es de 24 años.
En términos estadísticos quedaría como:
H0: μ=24
Cabe mencionar, que la hipótesis nula, hacía referencia a un valor, que el científico, el
investigador (o quién realizaba el estudio estadístico), no se correspondía al verdadero valor
del parámetro poblacional. Por ello, se le llamaba hipótesis nula (no válida).
Algo muy importante para tener presente, es que, la hipótesis nula siempre es la que se
va a confirmar en una prueba de hipótesis.
1.4.1.2 Ejemplo N.2
1.4.1.3. Ejemplo N.3
16
CONCLUSION
Una vez finalizada la investigación se pueden determinar las siguientes conclusiones:
La estadística es una disciplina o herramienta poderosa que abraca un sin de
elementos que sin duda alguna permiten estudiar problemas de la vida cotidiana y a través del
uso de diferentes parámetros o formulas podemos encontrar solución de forma acertada y con
un mínimo de error, es por ello que esta disciplina la podemos encontrar y aplicar dentro de
todos los ámbitos de la vida social.
Se pudo determinar que las pruebas de hipótesis son un procedimiento estadístico que
puede ser empleado para evaluar bien sea afirmaciones o suposiciones sobre una determinada
población la misma se hace a través de la recolección de datos los cuales van a permitir
destacar si dichos datos son suficientemente diferentes de los que se espera de la hipótesis
nula. Las pruebas de hipótesis desempeñan un papel fundamental en la toma de decisiones
basadas en datos en una variedad de campos, desde la industria hasta la investigación
científica. Al seguir un enfoque estructurado y objetivo, las pruebas de hipótesis permiten a
las personas tomar decisiones informadas y evitar conclusiones precipitadas o sesgadas.
En lo que respecta a la estimación de parámetros se puede concluir que es un método
el cual consiste en asignar valores de parámetros a la población sujeto de estudio con la
finalidad de poder diagnosticar o estimar los posibles resultados de ese fenómeno o caso de
estudio el mismo puede ser utilizado para estimar problemas de diferentes índoles
(económicos, políticos, sociales…)
Así mismo, se logro comprender como funciona el método de mínimos cuadrados ya
que este es un método que permite minimizar errores permitiendo seleccionar los parámetros
de un modelo que se ajuste de forma correcta a los datos que se desean analizar, este método
17
funciona encontrando la línea o curva que minimice la suma de las diferencias al cuadrado
entre los valores predichos y los valores reales.
En este mismo orden de ideas se pudo determinar que el coeficiente de correlación es
un método que se puede utilizar para estudiar y analizar sucesos cotidianos estimando
posibles resultados a largo plazo como por ejemplo poder saber si la venta de un producto
será mucho mas productiva o factible en un lapso de tiempo es decir si las ventas van a ser
mucho mas exitosas a medida que pase el tiempo en este caso se observa dos variables
( tiempo- producto
Referencias Bibliográficas.
Kuby, J. (2012). Estadística elemental. México: Cengage.
Ojer, L. (1990). Estadística básica. Madrid: Dossat.
Huntsberger, D. (1983). Elementos de Estadística Inferencial. España: Continental.
Francisco M. Ocaña Peinado @ocanapaco
http://www.ugr.es/local/fmocan
Departamento de Estadística e Investigación Operativa. UGR
Utilice la siguiente información para crear una cita. Recomendamos
utilizar una herramienta de citas como this one.
o Autores: Alexander Holmes, Barbara Illowsky, Susan Dean
o Editorial/sitio web: OpenStax
o Título del libro: Introducción a la estadística empresarial
o Fecha de publicación: 14 feb 2022
o Ubicación: Houston, Texas
o URL del libro: https://openstax.org/books/introducci%C3%B3n-
estad%C3%ADstica-empresarial/pages/1-introduccion
o URL de la sección: https://openstax.org/books/introducci
%C3%B3n-estad%C3%ADstica-empresarial/pages/9-4-ejemplos-de-
pruebas-de-hipotesis-completas
Referencias Electrónicas.
Definición de métodos mínimos cuadrados. Consultado 15/06/202, Disponible en.
4https://miprofe.com/minimos-cuadrados/
18
Prueba de hipótesis Consultado el 15- 06-2024 disponible en :
https://www.ugr.es/~mvargas/PTema4.pdf
San Juan Francisco.,(2020).Definición de Intervalos de Confianza.Consultado el 15-
06-2024, Disponible en : https://economipedia.com/definiciones/intervalo-de-confianza.html.
https://www.cepal.org/sites/default/files/courses/files/
01_2_las_pruebas_de_hipotesis.pdf
