1

ESTADSTICA
DEPARTAMENTO DE MATEMTICA APLICADA
2
TEMA 1: ESTADSTICA
DESCRIPTIVA
1.1 CONCEPTOS GENERALES.
1.2 DISTRIBUCIN DE FRECUENCIAS.
1.3 REPRESENTACIONES GRFICAS.
1.4 MEDIDAS DE TENDENCIA CENTRAL.
1.5 MEDIDAS DE DISPERSIN.
1.6 MEDIDAS DE ASIMETRA.
1.7 EL MODELO DE REGRESIN SIMPLE.

PRCTICAS
1. ESTADSTICA DESCRIPTIVA.
2. MODELOS DE REGRESIN.

3
PLANTEAMIENTO
DEL PROBLEMA
OBTENCIN DE LA
MUESTRA
TRATAMIENTO DE
LA INFORMACIN
PLANTEAMIENTO
DEL MODELO
ESTIMACIN Y
CONTRASTE
CRTICA DE
RESULTADOS
TEORA DE MUESTRAS
ESTADSTICA DESCRIPTIVA
CLCULO DE PROBABILIDADES
INFERENCIA ESTADSTICA
TOMA DE DECISIONES
4
ESTADSTICA DESCRIPTIVA
TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO
LA INFORMACIN QUE ESTOS PROPORCIONAN,
UTILIZANDO:


TABLAS DE FRECUENCIAS
TCNICAS GRFICAS
TCNICAS ANALTICAS: MEDIDAS DE
POSICIN, DISPERSIN Y FORMA
5
CONCEPTOS FUNDAMENTALES
POBLACIN: conjunto de elementos o individuos de los que
interesa estudiar alguna caracterstica.
MUESTRA: subconjunto de elementos de una poblacin.
RAZONES PARA ESTUDIAR UNA MUESTRA
Coste
Tiempo
Personal cualificado
Procesos destructivos
6
Llamamos CARCTER a la cualidad objeto de nuestro estudio. Los
caracteres pueden ser:
Cuantitativos: la caracterstica toma valores numricos (nmero de
peticiones a un servidor, tiempo entre peticiones consecutivas,etc)
Cualitativos:la caracterstica no toma valores numricos (sexo, color
de pelo, etc)


Los caracteres cuantitativos se llaman VARIABLES ESTADSTICAS.
Los caracteres cualitativos se llaman VARIABLES CUALITATIVAS.
Las variables estadsticas pueden ser de dos tipos:
Discretas: si la caracterstica toma valores aislados (finitos o infinito
numerable).
Continuas: si toma cualquier valor de uno o varios intervalos.
7
1.2 DISTRIBUCIN DE FRECUENCIAS
Sea una muestra de tamao n; supongamos que X toma como valores
distintos x
1
, x
2
,..., x
k
.
FRECUENCIA ABSOLUTA DE x
i
: Es el nmero, n
i
, de veces que se
repite x
i
.
n n
k
i
i
=

=1
FRECUENCIA RELATIVA DE x
i
: es el cociente entre la
frecuencia absoluta y n.
n
N
F
n N
i
i
i
j
j i
=
=

=1
FRECUENCIA ABSOLUTA(RELATIVA) ACUMULADA DE x
i
. Si
llamamos x
*
1
, x
*
2
,..., x
*
k
a los valores ordenados de menor a mayor:
1 ,
1
= =

=
k
i
i
i
i
f
n
n
f
Frecuencia absoluta acumulada de x*
i
Frecuencia relativa acumulada de x*
i
8
Se llama tabla o distribucin de frecuencias al conjunto de
valores que toma la variable acompaados de sus respectivas
frecuencias.
Distribucin de frecuencias de la variable: n de llamadas
recibidas en una centralita en perodos de un minuto
x
i
Frecuencia Frec. relativa
0 40 044
1 26 029
2 14 016
3 6 007
4 3 003
5 0 000
6 1 001
Total 90 1
Distribucin del motivo de compra de telfono mvil (1999)
Caracterstica Frecuencia Frec. relativa
Estar localizado 47 047
Llamar a mi familia 25 025
Hablar con mis clientes 12 012
Slo en caso de emergencia 11 011
Charlar con los amigos 3 003
Enviar mensajes por pantalla 2 002
Total 100 1
9
Estas tablas son tiles para resumir la informacin de una variable
cuando:
El estudio est basado en pocas observaciones, a lo sumo 20
El estudio est basado en muchas observaciones de una variable
que toma pocos valores distintos, a lo sumo 20.
Si el nmero de valores distintos que toma la variable es
grande (mayor que 20), se agrupan los datos en intervalos
para construir la tabla de frecuencias.
Llamaremos a estas variables VARIABLES AGRUPADAS.
Al resto nos referiremos como VARIABLES NO
AGRUPADAS o sin agrupar.


10
A estos intervalos se les llama intervalos de clase.
Al punto medio de cada clase se le denomina marca de clase.
El nmero de intervalos de clase lo determina la persona que est
realizando el estudio, aunque una posibilidad razonable es tomar
el entero ms prximo a 1+3.3log
10
(n).
Si los valores que toma la variable estn repartidos de manera
homognea, todos los intervalos se toman con la misma amplitud;
en otro caso se tomarn intervalos de amplitud variable,
procurando que no queden intervalos con menos del 5% de los
datos ni con ms del 30%.
VARIABLES AGRUPADAS EN INTERVALOS
11
Los datos siguientes corresponden al
consumo mensual de litros de leche de 40
familias:


10.1 20.1 60.3 20.1 40.3 67.4 21 80 10 20
40 58 58 10 20 40 10 10 20 20
10 20 10 20 85 60 43 21.4 22 22
42.8 30 40 80.2 72 20 42.7 59.8 103.3 20.1
N=40, 1+33log40=629, luego tomamos 6
intervalos. Como R=1033-10=933 y
933:6=1555, podemos tomar 6 intervalos
de amplitud 16 repartiendo el exceso (27)
entre el primer intervalo y el ltimo. De este
modo la agrupacin en intervalos quedara:
[x
i
x
i+1
) n
i

[9,25) 21
[25,41) 5
[41,57) 3
[57,73) 7
[73,89) 3
[89,105] 1

Como podemos observar hay intervalos con menos del 5% de los datos y con ms
del 30%, por lo que habra que optar por una agrupacin en intervalos de amplitud
variable.
12
Una posible agrupacin en intervalos de amplitud variable es la siguiente:

[x
i
x
i+1
) n
i
Amplitud
[9,15) 7 6
[15,21) 10 6
[21,40) 8 19
[40,59) 6 19
[59,70) 4 11
[70,105] 5 35
Como puede observarse todos los intervalos contienen ms del 5% y menos del 30%
de los datos.
13
1.3 MTODOS GRFICOS
VARIABLES CUANTITATIVAS:
+Diagrama de barras
+Histograma
+Polgono de frecuencias
+Diagrama de caja o box-plot
+Diagrama de sectores
VARIABLES CUALITATIVAS:
+Diagrama de rectngulos
+Diagrama de sectores
OTRAS REPRESENTACIONES.
14
DIAGRAMA DE BARRAS

NMERO DE LLAMADAS
x
i
Frecuencia
0 40
1 26
2 14
3 6
4 3
6 1
Total 90

Sobre cada valor de la variable se levanta una barra cuya altura es
proporcional a su frecuencia (absoluta o relativa)
La suma de las alturas de las barras es 90 porque hemos representado
frecuencias absolutas
Nmero de llamadas
f
r
e
c
u
e
n
c
i
a
s

0
10
20
30
40
0
1
2
3 4 5 6
15
HISTOGRAMA
Cada clase se representa mediante un rectngulo cuyo rea es
proporcional a su frecuencia (absoluta o relativa)
La altura de cada rectngulo es el cociente entre el rea
(frecuencia) y la base (amplitud del intervalo) o proporcional a
dicho cociente


16
22
20
18
16
14
12
10
8
6
4
2
10 20 30 40 50 60 70 80 90 100 110
[x
i
x
i+1
) n
i

[9,25) 21
[25,41) 5
[41,57) 3
[57,73) 7
[73,89) 3
[89,105] 1

En el ejemplo del Consumo de litros de leche, si agrupamos en
intervalos de la misma amplitud:
17
Y si los intervalos son de amplitud variable, el histograma queda:
2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
10 20 30 40 50 60 70 80 90 100 110
[x
i
x
i+1
) n
i
Amplitud
[9,15) 7 6
[15,21) 10 6
[21,40) 8 19
[40,59) 6 19
[59,70) 4 11
[70,105] 5 35
18
POLGONO DE FRECUENCIAS
Si la variable es sin agrupar, el polgono de frecuencias se obtiene
uniendo los extremos superiores de las barras en el diagrama de barras
Nmero de llamadas
f
r
e
c
u
e
n
c
i
a
s

0
10
20
30
40
0
1
2
3
4
5
6
19
POLGONO DE FRECUENCIAS
Si la variable est agrupada en intervalos, el polgono de frecuencias
se obtiene uniendo los puntos medios de las bases superiores de cada
rectngulo
2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
10 20 30 40 50 60 70 80 90 100 110
20
POLGONO DE FRECUENCIAS
ACUMULADAS
Se obtiene levantando sobre el extremo superior de cada intervalo de clase una
perpendicular al eje de abscisas cuya altura sea proporcional a la frecuencia
acumulada (absoluta o relativa) del intervalo.

Sobre el diagrama de
barras que se forma se
construye el polgono de
frecuencias acumuladas
partiendo del extremo
inferior del primer
intervalo y uniendo los
extremos de las barras del
diagrama de barras
4.4
4.0
3.6
3.2
2.8
2.4
2.0
1.6
1.2
0.8
0.4
10 20 30 40 50 60 70 80 90 100 110
21
DIAGRAMA DE SECTORES
El total de una caracterstica se representa en un crculo.
El rea de cada sector circular representa el porcentaje sobre el total de
cada categora.
Nmero de llamadas
valores
0
1
2
3
4
6
44,44%
28,89%
15,56%
6,67%
3,33%
1,11%
22
Cada categora o modalidad se representa por un rectngulo cuya
altura es proporcional a su frecuencia. Todos los rectngulos tienen
la misma base.
Si se ordenan las categoras o clases por sus frecuencias (de mayor a
menor frecuencia) se suele llamar a este grfico diagrama de Pareto

DIAGRAMA DE RECTNGULOS
23

0.5
0.4
0.3
0.2
0.1
Localizado Familia Clientes Emergencias Amigos Mensajes
Distribucin del Motivo de compra de telfono mvil
Caracterstica Frecuencia Frec. relativa
Estar localizado 47 047
Llamar a mi familia 25 025
Hablar con mis clientes 12 012
Usar en caso de emergencia 11 011
Charlar con los amigos 3 003
Enviar mensajes por pantalla 2 002
Total 100 1
24
DIAGRAMA DE SECTORES
Motivos para la compra de telfono mvil
Localizado
Familia
Clientes
Emergencias
Amigos
Mensajes
47,00%
25,00%
12,00%
11,00%
3,00% 2,00%
25
Otras representaciones
grficas
26
1000 2000 5000 10000 15000 25000 50000
14.0
12.0
10.0
8.0
6.0
4.0
2.0
Poblacin
blanca
Poblacin
negra
Indice de
integracin = 0.71
Ingresos
Polgonos de frecuencias porcentuales correspondientes a las
distribuciones de ingresos en familias de poblacin blanca y
negra en los EE.UU. (1970)
27
alfabet
PIB_cap mort_inf
Diagrama de estrella llave o perfil radial
28
ArgentinaBarbados Bolivia Brasil Colombia
Costa Rica Cuba Chile EcuadorEl Salvador
Estados Unido Guatemala Hait Honduras Mxico
Nicaragua Panam Paraguay PerRep. Dominica
UruguayVenezuela
Comparacin de diagramas llave de distintos pases
29
30
CUADRO GRFICO DE LA TEMPERATURA EN GRADOS RAMUR POR DEBAJO DE CERO
22000 6000
-30 7-12
-24 1-12
-20 28-11
-11
-21 14-11
-9 9-10
422000
33000
10000
60000
50000
20000
175000
37000
100000
98000
55000
MOSC
28000
4000
Moskowa
Dniper
Brrzina
Nimen
Kowno
Wuna
Wuebok
Smolensk
Chjab
Mojaisk
14000
LA CAMPAA DE RUSIA DE NAPOLEN. (E.J. Marey. 1885)
31
MTODOS ANALTICOS
MEDIDAS DE TENDENCIA CENTRAL
Moda
Media
Mediana
Cuantiles: cuartiles, deciles y percentiles
MEDIDAS DE DISPERSIN
Rango o recorrido
Recorrido intercuartlico
Varianza y desviacin tpica
Desviacin media
Coeficientes de variacin
MEDIDAS DE FORMA
Coeficientes de asimetra
32
1.4 MEDIDAS DE TENDENCIA CENTRAL
MEDIA ARITMTICA:
n
n x
x
n
x
x
k
j
j j
n
i
i

=
=
= =
1
1

Por ejemplo, con los datos muestrales: 2,2,3,3,4,4,4,5,6,6,6,7,7,8,8 se
tienen dos modas: 4 y 6.
5
15
2 8 2 7 3 6 5 3 4 2 3 2 2
5
15
8 8 7 7 6 6 6 5 4 4 4 3 3 2 2
=
+ + + + + +
=
=
+ + + + + + + + + + + + + +
=
x
x
MODA, Mo: Es el dato que ms se repite. Puede haber ms de
una moda.
Con los datos anteriores, se tiene:
33
CUANTIL DE ORDEN o, Co: Es un valor tal que, ordenados en
magnitud los datos, el 100o% es menor que l y el resto mayor.
Utilizaremos los cuartiles Q
1
, Q
2
, Q
3
, los deciles D
1
,...,D
9
y los
percentiles P
1
,...,P
99
que corresponden a cuantiles con o= 0.25,
0.5,0.75, o= 0.1,...,0.9 y o= 0.01,...,0.99 respectivamente.

MEDIANA Me: Es un valor tal que, ordenados en magnitud los
datos, el 50% es menor que l y el 50% mayor.
2 2 3 3 4 4 4 5 6 6 6 7 7 8 8

34
Clculo de cuantiles: (mediana, cuartiles y percentiles)
Se ordenan los datos de menor a mayor.
Se determina el valor no.
Donde n es el numero de datos
o el orden del cuantil que queremos calcular
Si no no es entero, se redondea al siguiente entero y el dato
que ocupe ese lugar es el cuantil buscado.
Si no = k es entero el cuantil buscado es la media entre x
k
y
x
k+1
.
2,2,3,3,4,4,4,5,6,6,6,7,7,8,8 en este ejemplo n=15
La mediana ser: Me = C
0.5
, es decir no=15*0.5 = 7.5, luego la mediana
ocupa el lugar 8, x
8
=Me=5
El segundo decil D
2
= C
0.2
, es decir no=15*0.2=3, luego D
2
es la media
entre x
3
y x
4
, D
2
=3

35
ROBUSTEZ DE LA MEDIANA
Consideremos los datos del ejemplo anterior:
2 2 3 3 4 4 4 5 6 6 6 7 7 8 8
Si aadimos un nuevo dato x
16
= 34 y calculamos de nuevo la media y
la mediana, obtenemos:
Nueva media: = 6.8
Nueva mediana: Me = 5.5
x
36
COMPARACIN MEDIA-MEDIANA
La media contiene ms informacin porque usa los valores de
todos los datos.
La mediana es ms robusta frente a los cambios en los datos.
La media es ms sencilla de calcular y se presta mejor a los
clculos algebraicos.
Deben calcularse ambas pues proporcionan informacin
complementaria.
37
1.5 MEDIDAS DE DISPERSIN
Las medidas de centralizacin proporcionan una informacin incompleta
del conjunto de datos.
Ejemplo: sean X e Y las notas de dos grupos de cuarenta
alumnos, con distribuciones de frecuencias:
x
i
n
i
0 20
10 20
y
i
n
i
4.5 3
5 34
5.5 3
Para ambas variables la media es
5, pero en el segundo caso 5 es un
valor ms representativo de los
datos que en el primero.
Las medidas de dispersin nos permiten valorar si el valor de la medida
de tendencia central es , o no es , representativo.
38
MEDIDAS DE DISPERSIN
Partimos de una muestra de tamao n=15, 2 2 3 3 4 4 4 5 6 6 6 7 7 8 8
RANGO O RECORRIDO: R = Max-Min

=
( ) ( )

= =
= = =
7
1 j
j
2
j
n
1 i
2
i
n x x
15
1
x x
n
1
V
( ) ( )

= =
= = =
7
1 j
j
2
j
n
1 i
2
i
2
n x x
14
1
x x
1 - n
1
s
Dt V =
2
s s =
8 - 2 = 6
7 -3 = 4
3.87
4.14
= 1.97
= 2.04
RECORRIDO INTERCUARTLICO: R
Q
= Q
3
- Q
1
=
VARIANZA:

CUASIVARIANZA:
DESVIACIN TPICA:

CUASIDESVIACIN TPICA:
39
DESVIACIN MEDIA:
j
7
1 j
j
n
1 i
i
n Me x
15
1
Me x
n
1
Dm = =

= =
COEFICIENTE DE VARIACIN DE PEARSON:
Dt
CV
x
=
COEFICIENTE DE VARIACIN MEDIA:
Dm
CVm
Me
=
= 1.73
= 0.394
= 0.347
40
Ejemplo de cmo la varianza no sirve para comparar
la dispersin de dos variables distintas:
Sea X el peso en Kg de una poblacin de lagartos
Sea Y el peso en Kg de una poblacin de tiburones
x
i
n
i
0.4 3
0.45 4
0.5 6
0.55 2
y
i
n
i
400 3
403 4
405 4
410 2
0.34 CV
0.026 V , 473 . 0
=
= =
x
0.0076 CV
9.846 V 404,
y
=
= =
41
DESIGUALDAD DE CHEBYCHEV
Entre la media y k veces la desviacin tpica se encuentran, como
mnimo el de los datos.
%
k
1
- 1 100
2
|
.
|

\
|
Por ejemplo, si la media es 500 y la desviacin tpica es 20, en el
intervalo:
estarn, como mnimo, el de las observaciones.
( ) ( ) 560 , 440 3dt x 3dt, - x = +
% 89 %
9
1
- 1 100 = |
.
|

\
|
42
1.6 MEDIDAS DE ASIMETRA
COEFICIENTE DE ASIMETRA DE FISHER:
3
1
3
1
( )
( )
n
i
i
x x
n
CAF
Dt
=

=

COEFICIENTE DE ASIMETRA DE PEARSON:
3( ) x Me
CAP
Dt

=
43
Para ambos coeficientes, si:
CAF>0 o CAP>0, la distribucin es asimtrica a la derecha.
CAF=0 o CAP=0, la distribucin es simtrica.
CAF<0 o CAP<0, la distribucin es asimtrica a la izquierda.
CAF>0, CAP>0 CAF=0, CAP=0 CAF<0, CAP<0
44
Informacin que se puede extraer
de un histograma:
45
Renta familiar Longitud de piezas
Tamao de partculas Gasto en transporte
A B Longitud de piezas
Tiempo entre accidentes
46
DIAGRAMA DE CAJA (BOX-PLOT)
Se construye del siguiente modo:
Con los datos ordenados se obtienen los tres cuartiles
Se dibuja un rectngulo cuyos extremos son Q1 y Q3 y se indica la
posicin de la mediana mediante una lnea.
Se calculan los lmites de admisin ( los valores que queden fuera
se consideran atpicos)
) Q Q ( 5 ' 1 Q LS
) Q Q ( 5 ' 1 Q LI
1 3 3
1 3 1
+ =
=
Se dibuja una lnea desde cada extremo del rectngulo hasta el
valor ms alejado no atpico.
Se marcan todos los datos considerados como atpicos.
47
DIAGRAMA DE CAJA (BOX-PLOT)
Dato menor no atpico
Media
Mediana
Dato mayor
no atpico
Dato atpico
Box-and-Whisker Plot
Altura
150 160 170 180 190 200
Dato atpico
Q
1

Q
3
48
EJEMPLO: P.I.B.
Frequency Tabulation for PIB_cap
--------------------------------------------------------------------------------
Lower Upper Relative Cumulative Cum. Rel.
Class Limit Limit Midpoint Frequency Frequency Frequency Frequency
--------------------------------------------------------------------------------
at or below 0,0 0 0,0000 0 0,0000
1 0,0 2777,78 1388,89 53 0,4862 53 0,4862
2 2777,78 5555,56 4166,67 16 0,1468 69 0,6330
3 5555,56 8333,33 6944,44 15 0,1376 84 0,7706
4 8333,33 11111,1 9722,22 1 0,0092 85 0,7798
5 11111,1 13888,9 12500,0 3 0,0275 88 0,8073
6 13888,9 16666,7 15277,8 6 0,0550 94 0,8624
7 16666,7 19444,4 18055,6 11 0,1009 105 0,9633
8 19444,4 22222,2 20833,3 2 0,0183 107 0,9817
9 22222,2 25000,0 23611,1 2 0,0183 109 1,0000
above 25000,0 0 0,0000 109 1,0000
--------------------------------------------------------------------------------
Mean = 5859,98 Standard deviation = 6479,84
49
Summary Statistics for PIB_cap
Count = 109
Average = 5859,98
Median = 2995,0
Variance = 4,19883E7
Standard deviation = 6479,84
Minimum = 122,0
Maximum = 23474,0
Lower quartile = 1000,0
Upper quartile = 7467,0
Skewness = 1,14565
Coeff. of variation = 110,578%
50
Box-and-Whisker Plot
PIB_cap
0 4 8 12 16 20 24
(X 1000)
Histogram for PIB_cap
PIB_cap
f
r
e
q
u
e
n
c
y
0 5 10 15 20 25
(X 1000)
0
10
20
30
40
50
60
51
Histogram for PIB_cap Europa
PIB_cap Europa
f
r
e
q
u
e
n
c
y
0 5 10 15 20 25
(X 1000)
0
2
4
6
8
10
Histogram for PIB_cap Africa
PIB_cap Africa
f
r
e
q
u
e
n
c
y
0 1 2 3 4 5
(X 1000)
0
3
6
9
12
15
52
Summary Statistics for PIB_cap
Count = 13
Average = 15854,1
Median = 17500,0
Variance = 1,70491E7
Standard deviation = 4129,05
Minimum = 8060,0
Maximum = 22384,0
Lower quartile = 13047,0
Upper quartile = 18277,0
Skewness = -0,713347
Coeff. of variation = 26,0441%
Histogram for PIB_cap Europa Occidental
PIB_cap Europa Occidental
f
r
e
q
u
e
n
c
y
7 10 13 16 19 22 25
(X 1000)
0
1
2
3
4
53
Summary Statistics for PIB_cap
Count = 21
Average = 9434,0
Median = 6680,0
Variance = 4,28824E7
Standard deviation = 6548,46
Minimum = 2340,0
Maximum = 23474,0
Lower quartile = 4500,0
Upper quartile = 15877,0
Skewness = 0,833416
Coeff. of variation = 69,4134%
Histogram for PIB_cap Europa no Occidental
PIB_cap Europa no Occidental
f
r
e
q
u
e
n
c
y
0 5 10 15 20 25
(X 1000)
0
2
4
6
8
10
54
Box-and-Whisker Plot
PIB_cap
E
u
r
o
p
a
0
1
0 4 8 12 16 20 24
(X 1000)
55
Distintos diagramas de dispersin
56
ESTUDIO DE REGRESIN: INFLUENCIA DE LA EDAD DE LA
MUJER EN LA TASA DE ACIERTO EN LA REPRODUCCIN
ASISTIDA
30 25
33 26
32,5 27
30 28
34 29
31 30
34,5 31
32 32
31 33
30 34
29 35
28 36
27 37
24 38
21 39
20,5 40
18 41
15 42
11 43
8 44
7 45
3 46
2 47
0 48
0 49
Tasa de
acierto
Edad
Tasa de
acierto
Edad
57
Edad Tasa_de_acierto
------------------------------------------------------------
Count 25 25
Average 37,0 21,26
Median 37,0 27,0
Mode 30,0
Variance 54,1667 142,711
Standard deviation 7,3598 11,9462
Minimum 25,0 0,0
Maximum 49,0 34,5
Lower quartile 31,0 11,0
Upper quartile 43,0 31,0
Skewness 0,0 -0,678661
------------------------------------------------------------
58
Plot of Fitted Model
Edad
T
a
s
a
_
d
e
_
a
c
i
e
r
t
o
25 29 33 37 41 45 49
0
10
20
30
40
Dependent variable: Tasa_de_acierto
Independent variable: Edad
Standard T
Parameter Estimate Error Statistic P-Value
-----------------------------------------------------------------------------
Intercept 77,4573 4,50004 17,2126 0,0000
Slope -1,51885 0,119377 -12,7231 0,0000
-----------------------------------------------------------------------------
Correlation Coefficient = -0,935732
R-squared = 87,5594 percent
59
Polynomial Regression Analysis
-----------------------------------------------------------------------------
Dependent variable: Tasa_de_acierto
Standard T
Parameter Estimate Error Statistic P-Value
-----------------------------------------------------------------------------
CONSTANT -29,3195 10,4661 -2,80137 0,0104
Edad 4,48076 0,580531 7,71839 0,0000
Edad^2 -0,0810758 0,00781552 -10,3737 0,0000
-----------------------------------------------------------------------------

R-squared = 97,8884 percent
R-squared (adjusted for d.f.) = 97,6964 percent
Plot of Fitted Model
Edad
T
a
s
a
_
d
e
_
a
c
i
e
r
t
o
25 29 33 37 41 45 49
0
10
20
30
40