Ejercicios Resueltos de Estadstica:

Tema 2: Descripciones bivariantes y regresin

1. En un estudio de la Seguridad e Higiene en el Trabajo se contrast la incidencia del

tabaquismo en la gravedad de los accidentes laborales. Considerando una gradacin de
Muy fumador hasta No fumador como media del tabaquismo, y una gradacin de Muy
grave a Leve en el tipo de accidente. Se extrajo una muestra de 525 individuos que haban
sufrido un accidente laboral. Los resultados se presentan en la siguiente tabla de
contingencia(tabla de doble entrada):
Muy Grave Grave
Muy Fumador
20
Fumador
30
Fumador Espordico
10
No Fumador
5

Lesiones
Leves
Med
10
10
40
20
60
80
20
30

30
50
60
50

Se pide:
1. Representar los datos anteriores grficamente
2. Calcular las distribuciones marginales para cada una de las variables de estudio.
3. Construir una tabla de distribucin de frecuencias porcentuales donde aparezcan
las distribuciones de la variable de tipo de Lesin condicionada a cada una de las
variables del Fumador.
4. Estudiar si las variables estn asociadas o no por medio de una medida
descriptiva. Realizar un anlisis grfico y comentar los resultados.

SOLUCIN:
a)

b) Se obtiene a partir de la tabla de doble entrada sumando las frecuencias y las filas, o bien por
columnas segn el caso.

Marg. Tabaquismo

FREC.

Marg.Accid. Lab.

FREC.

Muy fumador

70

Muy grave

65

Fumador

140

Grave

130

Fumador Espordico

210

Lesin media

140

No fumador

105

Leve

190

525

525

c) La distribucin de una variable condicionada a que otra variable tome un determinado valor
de la distribucin de frecuencias de la variable cuando mantenemos fijo el valor condicionante
de otra variable.
Muy Grave

Grave

Lesin Med.

Leve

Muy Fum.

28.57

14.29

14.29

42.86

100%

Fumador

21.43

28.57

14.29

35.71

100%

Fum.Espor.

4.76

28.57

38.10

28.57

100%

No Fum.

4.76

19.05

28.57

47.62

100%

Marg.Lesin

12.38

24.76

26.67

36.19

100%

Como ejemplo del clculo de la distribucin porcentual del Tipo de lesin condicionado al
individuo sea Muy Fumador se realizar dividiendo cada una de las frecuencias de la fila
Fumador entre el nmero total de Muy Fumadores y despus multiplicariamos como
((20/70)*100=28.57; (10/70)*100=14.29,).

d) (Este apartado lo vamos a realizar sobre una misma tabla)

La medida descriptiva de la asociacin entre las variables viene dada a travs de la medida que
indica la distancia relativa que existe entre la tabla de frecuencias observadas en la tabla de
frecuencias esperadas si las variables fueran independientes. La expresin para las frecuencias
esperadas es la siguiente:

Donde E es la frecuencia esperada en la celda (i,j), F es la suma de las frecuencias de f y C es la

suma de las frecuencias de la fila j.
La distancia relativa al cuadrado que existe entre una celda de la tabla de frecuencias observadas
es la misma celda de la tabla de esperadas viene dada por:

Y la suma de todas ellas recibe el nombre de x (ji-cuadrado).

Por otra parte podemos estudiar cules son los pares de categoras que influyen en mayor
medida en la existencia de la asociacin. Este lo realizaremos por medio de anlisis grfico
atendiendo al siguiente criterio:
[zij]<1.645, le asignaremos el smbolo . (influencia muy dbil)
1.645<[zij] 1.960, le asignamos o. (influencia dbil)
1.960<[zij] 2.576 le asignamos O (influencia fuerte)
[zij] >2.576, le asignamos @ (influencia muy fuerte)

La tabla donde se refleja lo expuesto es la siguiente:

Grave

Lesin Med.

Leve

Marg.Tab

M.F Obs.

20

10

10

30

70

M.F Esp

8.667

17.333

18.667

25.333

70

M.F z

3.850

-1.761

-2.006

0.927

70

M.F Sim.

70

F. Obs.

30

40

20

50

140

F Esp.

17.333

34.667

37.333

50.667

140

F: z

3.043

0.906

-2.837

-0.094

140

F. Sim.

140

F.E Obs.

10

60

80

60

210

F.E Esp.

26

52

56

76

210

F.E z

-3.138

1.109

3.207

-1.835

210

F.E Sim.

210

No F. Obs.

20

30

50

105

No F. Esp.

13

26

28

38

105

No F. z

-2.219

-1.177

0.378

1.947

105

No F. Sim..

105

Marg. Lesin

65

130

140

190

525

X = 75.917 este valor depende del tamao de la muestra y de la forma de la tabla, por tanto
utilizaremos el valor V de Cramer como medida descriptiva de la asociacin entre variables,
esta medida esta comprendida entre 0 y 1, siendo las variables independientes cuande vale 0 y
existiendo asociacin perfecta cuando vale1. La expresin para V es:

En este caso vale 0.220.

2. En un estudio sobre el sexismo en el trabajo se contrastaron las variables sexo y nivel de

ingresos. Los resultados obtenidos sobre una muestra de 528 individuos se presentan en
una tabla de doble entrada:

Alto

Medio Bajo

Bajo

Hombre

50

135

78

Mujer

20

147

98

Se pide:

a) Representar grficamente las variables en estudio.

b) Calcular una medida descriptiva del nivel de asociacin entre ambas variables. Realizar
un anlisis grfico y analizar los resultados.

SOLUCIN:
a)

b)
Alto

Medio

Bajo

Marg.Sexo

Hombre Obs.

50

135

78

263

Hombre Esp

34.867

140.466

87.667

263

Hombre z.

2.563

-0.461

-1.032

263

Hombre Sim.

263

Mujer Obs.

20

147

98

265

Mujer Esp.

35.133

141.534

88.333

265

Mujer z.

-2.553

0.459

1.029

265

Mujer Sim.

265

Marg. Salario

70

176

176

528

V=0.172

3. De una determinada empresa se conocen los siguientes datos, referidos al volumen de

ventas ( en millones de pesetas) y al gasto en publicidad ( en miles de pesetas) de los
ltimos 6 aos:
Volumen de ventas(mill. Ptas)

Gastos Publicidad(miles ptas.)

10

16

15

32

20

48

22

56

30

64

32

80

a) Existe relacin lineal entre las ventas de la empresa y sus gastos en publicidad?
Razona la respuesta.
b) Obtener las rectas de regresin mnimo cuadrtico.
c) Qu volumen de ventas de la empresa se podra esperar en un ao que se gaste de
publicidad 60000 pesetas? Y para un gasto en publicidad de 200000 pesetas?
d) Si lo nico que interesase fuese la evolucin del volumen de ventas en trminos de
gastos en publicidad, sin tener en cuenta la cantidad concreta de cada uno de ellas,
existira correlacin ordinal entre ambas variables?

SOLUCIN:
a) Dibujamos primero el diagrama de dispersin:

Observndolo podemos decir que existe relacin lineal entre ambas variables.
Ahora calculamos el coeficiente de determinacin lineal para obtener una medida descriptiva
del grado de asociacin lineal que existe entre las variables. La expresin del coeficiente de
determinacin es:

Donde Sxy representa la covarianza de las variables X e Y. Cuya expresin simplificada

es:

Para clarificar la forma de clculo construimos la siguiente tabla: ( variable X= Gastos de

publicidad y variable Y= Volumen de ventas)
Y

XY

10

16

100

256

160

15

32

225

1024

480

20

48

400

2304

960

22

56

484

3136

1232

30

64

900

4096

1920

32

80

1024

6400

2560

129

296

3133

17216

7312

X 49.333; Y=21.5; sx=20.870; sxy=158

Substituyendo obtenemos que r vale 0.956 que es lo que caba esperar despus de observar el
diagrama de dispersin.
*

b) Si expresamos las rectas de regresin como y = a+bx y x =c+dy los coeficientes de los
calculados son como:

Aplicndolas a este problema obtenemos las rectas de regresin:

Y =3.604+0.363x ; X =-7.356+2.637y

c) Para realizar la prediccin del volumen de ventas utilizamos la recta de regresin que tienen
las ventas en funcin de los gastos en publicidad. Para un gasto en publicidad de 60000 pesetas
*
obtendremos un volumen de ventas de x =3.604+0.363*60=25.384 millones de pesetas.
Si el gasto es de 200 millones de pesetas no podemos utilizar la recta de regresin puesto que el
valor 200 esta fuera del recorrido del gasto en publicidad. Si sustituimos nos da un valor de
76204 millones de pesetas, pues las rectas slo son vlidas dentro del rango o para valores
prximos a los extremos del recorrido.

d) Para solucionar este apartado calculamos el coeficiente de correlacin ordinal de Spearman.

El coeficiente de Spearman consiste en calcular el coeficiente de correlacin lineal de los datos
transformados a travs de la funcin rango.
Y

10

15

20

22

30

32

16

32

48

56

64

80

Rang Y

Rang X

di

Di

El coeficiente de Spearman cuando no existen empates en los rangos, como ocurre en estos
datos, tiene la siguiente expresin:

En este caso rs es 1 por tanto existe correlacin ordinal positiva y perfecta, es decir a mayor
gasto en publicidad mayor volumen de ventas.
(Podemos observar que la correlacin lineal no es perfecta y sin embargo la correlacin
ordinaria si lo es).

4. Un banco estatal de cierto pas est estudiando la posibilidad de bajar los tipos de
inters para incentivar la inversin privada, y as abrir la posibilidad de creacin de
puestos de trabajo. Para ello contrasta los tipos de inters real de diferentes pases con la

inversin privada en los mismos, todo ello durante el ltimo perodo. Obtenindose los
resultados que aparecen reflejados en la siguiente tabla:
Tipos de Inters(en tantos por uno)
INVERSION(miles
mills

0.05-0.10

0.10-0.15

0.15-0.20

0.20-0.25

10-50
50-100

100-150

150-200

a)Existe relacin lineal entre ambas variables? Razona la respuesta.

b)Construye la recta de regresin que explica la inversin en fluencia de los tipos de
inters real.
c)Cmo variara la inversin si se produce un incremento de una unidad en los tipos de
inters real? Raznalo sin necesidad de hacer ningn clculo.
d)Si el tipo de inters real baja de 0.18 a 0.09, cmo variara la inversin?

SOLUCIN:
Para facilitar el seguimiento de los clculos necesarios para resolver el problema construimos la
siguiente tabla resumen: (variable X=tipo de inters real; variable Y=inversin).

YX

0.075

0.125

0.175

0.225

Marg.Y

fixi

fiyi

30

240

7200

75

450

33750

125

625

78120

175

1050

183750

Marg.
X

25

2365

302850

fixi

0.45

0.75

1.225

1.35

3.775

fixi2

0.03375

0.09375

0.30375

0.64563

0.21438

fijyixj

10.5

40.5

9.375

65.625

9.375

62.5

65.625

21.875

285.375

X(media)=0.151; Y(media)=94.6; sx=0.055; sy=56.248; sxy=-2.870

1. Para estudiar la relacin lineal entre las variables tipo de inters e inversin utilizaremos
el coeficiente de determinacin como medida descriptiva de este hecho.
*
2. y =237.863-948.760x
3. El incremento en una unidad de la variable independiente coincide con el valor de la
pendiente de la recta; en este caso el incremento ser de -948.760( observamos que en
este problema el incremento es ficticio pues 1 se sale del recorrido de la variable
independiente).
4. El incremento ser el producto entre la pendiente y la diferencia entre el tipo de inters
en los dos estados, es decir, aumenta en -948.760*(0.09-0.18)=85.388miles de millones.

5. Una compaa discogrfica ha recopilado la siguiente informacin sobre 15 grupos

musicales, a saber, el nmero de conciertos dados este verano y las ventas de discos de
estos grupos( en miles de LPs), obteniendo los siguientes datos:
CONCIERTOS
LPs

10-30

30-50

50-70

1-6

6-11

11-16

a)Calcula el nmero medio de LPs vendidos por estos grupos.

b)Obtener la recta de regresin que explica la dependencia lineal
c)Si un grupo musical ha vendido 1800 LPs,Qu nmero de conciertos se prevee este
verano?

SOLUCIN:
a) 9000 LPs

c) y*=28.22+1.42x
d) y*=28.22+1.42*1.8=30776 Conciertos.

6. Con objeto de analizar si existe relacin lineal entre el consumo de energa

elctrica(kw.hora), variable X y el volumen de produccin en millones de pesetas, variable
Y, de una empresa se ha obtenido la siguiente informacin:

Se pide:
1. Ajstese la recta de regresin lineal que explica el consumo de electricidad en fi del
volumen de produccin. Raznese la validez de la recta ajustada

SOLUCIN:
a) y*=-10.746+2.202x
b) r=0.959

7. Una empresa de manufacturas basa las predicciones de sus ventas anuales en los
resultados oficiales de la demanda total en la industria. A continuacin se dan los datos de
demanda total y las ventas efectuadas por la empresa en los ltimos 11 aos.
demanda total
(miles de tm)
200
220
400
330
210
390
280
140
280
290
380

ventas
(miles de
tm)
9
6
12
7
5
10
8
4
7
10
14

1. Dibujar los diagramas de dispersin de los datos.

2. Trazar la recta que mas se ajuste a los datos.

3. Por medio de un ajuste mnimo cuadrtico encontrar la recta que ms se ajuste a

las ventas de la empresa en funcin de la demanda total. Si la demanda total
industrial es de 300000 toneladas, Qu volumen de ventas se predecira usando la
recta de regresin calculada?y si utilizamos la recta encontrada en el apartado
b)?
4. Realiza la validez del ajuste lineal realizado en el apartado anterior.
Utilizando el mtodo robusto de ajuste de una recta basado en la mediana, para
obtener una recta de ajuste en los trminos del apartado c). Realiza la prediccin
del apartado c. utilizando esta recta

SOLUCIN:
1. X=Demanda Total, Y=Ventas

2. y*=0.422+0.028x; y*=0.422+0.028*300=8.822 Miles de Ton.

2
3. r=0.801; r =0.642.
4. Para calcular la recta robusta de ajuste basada en la mediana se procede de la siguiente
forma:
1. Se divide la muestra ordenada por la variable X en tres partes aproximadamente
iguales, en este caso hemos tomado 4, 3 y 4.
2. Se calcula la mediana para las variables X e Y en el primer y tercer subconjunto
de datos.
Primer subconjunto: x1=Me(X)=205 ; y1=Me(Y)=5.5
Tercer subconjunto: x2=Me(X)=385 ; y2=Me(Y)=11
3. Uniendo los puntos obtenemos la recta robusta de ajuste. La expresin para la
pendiente(br) y para el trmino independiente(ar) son:

Sustituyendo obtenemos y =-0.764+0.031*300=8.536 miles de Ton.( NOTA:

ambas rectas estn dibujadas sobre el diagrama de dispersin. El signo . del
grfico corresponde a los puntos( x1,y1) y (x2,y2) y el signo (cuadrado) a los
datos del problema).

8. Se est estudiando la relacin entre el nmero de aos que una persona est afiliada al
sindicato y el nivel de satisfaccin con la actuacin de dicho sindicato. Para ello se parte de
los datos de 7 individuos tomados aleatoriamente de personas adscritas a partidos
polticos, obtenindose:
Aos

10

13

Satisfaccin

1. Calcular el coeficiente de correlacin lineal. Comentar el resultado obtenido.

2. Predecir el ndice de satisfaccin de una persona que lleva 11 aos militando al
sindicato. Conociendo que el ndice de satisfaccin es de 6 predecir los aos que
lleva en el sindicato

SOLUCIN:
1. r=0.711
2. y*=3.118+0.474x ; y*=3.118+0.474*11=8.332 en la escala de satisfaccin.
3. x*=0.270+1.068*y; x*=0.270+1.068*6= 6.678 aos.

9. En una regin vincola se observ la evolucin del precio( en pesetas/litro) y la cantidad

de produccin( en toneladas) durante algunos aos. Mirad la tabla:
Produccin 25-35
100
2
110
120
140
160
2
200
5

35-45

4
3
2

45-55
1
3
2
1

55-65
5
1

1. Calcula la recta de regresin lineal que pone el precio en funcin de la produccin.

2. Analiza razonadamente la validez de la recta obtenida anteriormente.

Entre que valores estar el precio cuando la produccin est entre 115 y 135 toneladas?
Razona la respuesta.

SOLUCIN:
1. y*=68.291-0.167x
2
2. r=0.556 ; r =0.309
3. y*=68.291-0.167*115= 49.086 e y*=68.291-0.167*135=45.746 ; el precio estar entre
45.746 y 68.291 pesetas

10. Dados los siguientes conjuntos de datos:

U
V
W
X

1
3
4.543
6.646

2
5
4.543
6.646

3
6
4.543
6

4
5
4.543
6

5
7
4.543
6

6
9
4.543
7

7
10
4.543
7

8
9
4.543
5.684

9
10
4.543
8.838

1. Dibujar el diagrama de dispersin de cada uno de los conjuntos de datos.

2. Calcular la recta de regresin de cada uno de los conjuntos de datos y dibujarla en
el diagrama de dispersin, considerando como variables independientes las
variables U,W,X.
3. Calcular el coeficiente de correlacin lineal para cada uno de los conjuntos.
4. Qu podemos observar?
5. Eliminando los outliers vuelve a calcular loa apartados b y c.
6. Qu otras rectas te pareceran mas adecuadas en los conjuntos anteriores?
Razona la respuesta.
7. Calcula la recta de ajuste robusto
Qu conclusiones podemos extraer de este problema?

SOLUCIN:
a)

10
10
14.117
14.186

2. v*=3.067+0.788u ; x*=3.067+0.788w
3. ruv=0.877 ; rwx=0.877
4. Podemos observar que ambas rectas son exactamente iguales y que la relacin lineal en
ambas es la misma, pero se puede apreciar en las variables U/V la recta es ms
representativa que en el otro caso. Observamos que la presencia del outlier puede
cambiar el resultado esperado.
5. En el diagrama de dispersin U/V no se observan outliers. En el diagrama W/X se
advierte la presencia de un outlier, que es el punto( 14.117,14.186) si lo eliminamos
obtenemos la x*=6.646 y la asociacin lineal entre ellas es nula,
R
6. Este apartado se realizar para las variablea U/V v =3.571+0.714u.
7. La principal conclusin es que hay que dibujar siempre el diagrama de dispersin de
datos.

11. Un gerente de recursos humanos desea determinar el salario que debe pagar acierta
categora de obreros. Para determinar dicho salario que debe pagar a cierta categora de
obreros. Para determinar dicho salario se realiza un estudio en el que intervienen las
variables Salario Mensual( en miles de ptas), Nivel de Produccin Anual en la
Empresa( en millones de ptas) y Nivel de especializacin Media del Trabajador ( de 0
a 10). El gerente obtiene esta serie de resultados:

Sal.

123.4

135.7

115.9

100.6

98.7

150.4

124.6

110.0

138.6

123.4

Prod.

300.5

325.9

298.6

200.9

300.4

359.8

279.6

215.6

250.0

300.0

Esp.

4.3

5.5

7.8

4.9

4.3

8.5

6.4

5.6

5.3

5.0

Se pide:
1. Calcular el plano de regresin lineal mnimo cuadrtico que explica el
salario en funcin de la produccin y del nivel de especializacin.
2. Estudia la validez de la funcin obtenida en el apartado anterior por medio
de una medida descriptiva. Cunto vale la varianza residual?
3. Calcula el coeficiente de correlacin parcial para dos variables
explicativas.
4. Comenta los resultados.
Qu salario se debera pagar si el nivel de produccin fuese de 315 millones de ptas. y el
nivel medio de especializacin de 6.6?

SOLUCIN:
1) Variable Y=Salario Xi=Produccin X2=Nivel de especializacin.
La tabla de clculos es:

X1

X2

X12

X22

YX1

YX2

X1X2

123.4

300.5

4.3

15227.6

90300.1

18.5

37081.7

530.6

1292.2

135.7

325.9

5.5

18414.5

106210.8

30.3

44224.6

746.5

1792.5

115.9

298.6

7.8

13432.8

89162.0

60.8

34607.7

904.0

2329.1

100.6

200.9

4.9

10120.4

40360.8

24.0

20210.5

492.9

984.4

98.7

300.4

4.3

9741.7

90240.2

18.5

29649.5

424.5

1291.7

150.4

359.8

8.5

22620.2

129456.0

72.3

54114.0

1278.4

3058.3

124.6

279.6

6.4

15525.2

78176.2

41.0

34838.32

797.4

1789.4

110.0

215.6

5.6

12100.0

46483.4

31.4

23716.0

616.0

1207.4

138.6

250.0

5.3

19210.0

62500.0

28.1

34650.0

734.6

1325.0

123.4

300.0

5.0

15227.6

90000.0

25.0

37020.0

617.0

1500.0

1221.3

2831.3

57.6

151619.8

822889.6

349.7

350112.2

7141.8

16570.0

La recta a construir tendr la forma y*= a+b1x1+b2x2 y para calcular los coeficientes de
la recta aparece un Sistema de Ecuaciones Come ste:

Con estos datos el sistema de ecuaciones a resolver es:

1221.3 = 10a +2831.3b1 +57.6b2
350112.2 =2831.3a +822889.6 b1 +16570.0b2
7141.8 =57.6a +16570.0b1 +349.7b2

Que tiene por solucin a=56198 b1=0.158 b2=3.664 . Por tanto el plano de regresin es :
y*=56.198+0.158x1+3.664x2

2) Las medidas descriptivas que vamos a utilizar son el coeficiente de determinacin y el de

correlacin. Y definidas seran as:

El coeficiente de determinacin mltiple viene expresado como:

Donde s es la variable residual.

Una expresin de la varianza residual que simplifique el clculo es:

En este caso R =0.438 R=0.661 s =138.506

3
El coeficiente de correlacin parcial entre la variable dependiente y una variable
explicativa mide la fuerza de la relacin lineal entre ambas cuando eliminamos el efecto lineal
de las otras variables explicativas. Su resultado es:

Donde SCE(xi) es la variacin no explicada . Observando esta expresin vemos que el

coeficiente de determinacin parcial nos da el incremento relativo de la variable aplicada. El
coeficiente de correlacin parcial se consigue de la raiz cuadrada del coeficiente de
2
determinacin. En este caso SCE(x1)=1582.51 SCE(x2)=1643.06 SCE(x1,x2)=1385.06 r =0.157
2
r =0.124
y*=56.198+0.158*315+3.664*6.6=130.15

12. El gerente de una determinada empresa desea conocer, de forma aproximada, la

demanda anual de producto que se realizar a la empresa en aos futuros. Para
determinar esta demanda realiza un estudio en el que intervienen las variables Precio
Medio del Producto en un Ao (en pesetas), Tasa de inflacin Anual (IPC)(en tantos por
uno) y la Demanda Anual (en miles de millones de pesetas). En una muestra de 20 aos
obtiene los siguientes resultados: (Demanda=Y, Precio= , IPC= )

Calcular:
a) Determinar a partir del coeficiente de correlacin lineal mltiple la validez
de la funcin anterior. Cunto vale la varianza residual?
b) Determinar el coeficiente de correlacin parcial para cada una de las
variables explicativas y calcula el coeficiente de determinacin para
e
.
c) Qu variacin se produce en la demanda si el precio se incrementa en 3
unidades permaneciendo fijo el IPC?y si se reduce el IPC en 0,03
permaneciendo fijo el precio? Razona la respuesta.
d) Qu variacin porcentual se producira en la demanda si el precio varia
de 156 a 159 pesetas y el IPC permanece constante e igual a 0,04?
e) Qu volumen de demanda predeciras para un ao en que el precio es de
159 pesetas y el IPC anual previsto es del 3,5%?

SOLUCIN:
a)

b) SCE(

=0,195185; SCE(

=0,458711; SCE(

)=0,17046;

=0,6283934;

=0,1266746;

c) La variacin en la demanda ser tres veces la pendiente correspondiente a la variable Precio,

en este caso se producira una reduccin en la demanda de 0,0184 miles de millones de pesetas.
La variacin en la demanda ser un aumento de demanda de 0,061 miles de millones de pesetas.
d) La variacin porcentual es el cociente entre la variacin total y la situacin inicial por 100.
En este problema ser de:
(-0,0184/0.9115956)x100=-2,018%
e) y*=1.95191-0,00614697159-2,034950,035=0,903 miles de millones de pesetas.

13. Las calificaciones obtenidas por 9 alumnos en los exmenes del primer trimestre y
del segundo son:
1
5
7
6
9
3
1
2
4
6
2
6
5
8
6
4
2
1
3
7
Calcular:
1- Si existe correlacin entre los resultados.
2- Las rectas de regresin de y sobre x y de x sobre y

SOLUCIN:
Construimos la siguiente tabla:
xi
5
7
6
9
3
1
2
4
6
43

xi2
25
49
36
81
9
1
4
16
36
257

yi
6
5
8
6
4
2
1
3
7
42

yi
36
25
64
36
16
4
1
9
49
240

x iy i
30
35
48
54
12
2
2
12
42
237

14. : Calcular el coeficiente de correlacin y las ecuaciones de las rectas de regresin de

la distribucin adjunta.

yj

xi
70-75
75-80

1,65-1,70

1,70-1,75

1
2

1,75-1,80

80-85
xi = Tallas

yj = Pesos

SOLUCIN:
Efectuamos un cambio de variable mediante

x i = x0 + a x i

yj = y0 + b yj

x0 = 1,725 ;

a = 0,05

y0 = 77,5 ;

b=5

Llamando: xi = Tallas e yj = Peso, construimos la siguiente tabla:

xi
yj

-1

1,675

1,725

1775

1,65-1,70

1,70-1,75

1,75-1,80

fj

fj yj

fj y j

-1

xi
yj
-1

72,5 70-75

77,5 75-80

82,5 80-85

10

-4

-1

fi
fi xi
fi xi

1- Coeficiente de correlacin

2- Recta de regresin de y sobre x

Luego

3- Recta de regresin de x sobre y

Luego

15. Elegidos 50 matrimonios al azar y preguntada la edad de ambos al contraer

matrimonio, se obtuvo la siguiente tabla bidimensional:
xi

yj

15-18
18-21
21-24
24-27
x = Edad del marido.
Calcular:

15-20

20-25

25-30

30-35

35-40

2
4
7

3
2
10
2

2
6
5

1
3

y = Edad de la esposa.

1- Recta de regresin de y sobre x.

2- Recta de regresin de x sobre y.

SOLUCIN:
Construimos la siguiente tabla:

xi
yj

-2

-1

17,5

22,5

27,5

32,5

37,5

15-20

20-25

25-30

30-35

35-40

fj

fj yj

fj y j

-24

72

-8

xi
yj
-1

16,5 15-18

19,5 18-21

22,5 21-24

10

24

24

24

22,5 24-27

10

30

90

22

194

fi
fi xi
fi xi

13

17

13

50

-6

-13

13

12

13

13

16

54

Hemos efectuado el cambio de variable

Resulta:
Coeficiente de regresin de y sobre x

Recta de regresin de y sobre x

Coeficiente de regresin de x sobre y

Recta de regresin de x sobre y

16. Se han estudiado los pesos en kg y las tallas en cm de 70

obtenindose los datos de la tabla siguiente:

individuos

PESOS/TALLAS

159-161

161-163

163-165

165-167

167-169

169-171

48

51

54

57

60

1. Hallar el peso medio y la talla media as como el error cometido al resumir pesos y tallas
por sus valores medios Que media es mejor?

2. Hallar la distribucin segn las tallas de los individuos que pesan 54 kg y la

distribucin segn los pesos de los individuos que miden entre 161 cm y 167 cm. Hallar
media y varianza de las dos distribuciones condicionadas.

SOLUCIN:
Si llamamos X a la variable pesos e Y a la variable tallas, los datos pueden arreglarse en una
tabla de doble entrada como sigue para realizar los clculos:
2

X/Y

160

162

164

166

168

170

Ni.

Ni.xi

Ni.xi

48

384

18432

51

14

714

36414

54

24

1296

69984

57

14

798

45486

60

10

600

36000

n.,j

13

15

19

70

3792

206316

n.j yj

960

1296

2132

2490

3192

1530

11600

153600

209952

349648

413340

536256

260100

1922896

n.j yj

Para hallar el peso medio y la talla media se calcularn las medias de las distribuciones
marginales de X e Y respectivamente. Asimismo para cuantificar el error cometido al resumir
pesos y tallas por sus valores medios se cuantificarn los coeficientes de variacin de pearson
para ambas marginales. Las distribuciones marginales de X e Y son las siguientes:

ni.

n.j

48

160

51

14

162

54

24

164

13

57

14

166

15

60

10

168

19

170

Tenemos lo siguiente:
5

i 1

1
N

ni

n j x j
j 1

x2

1
N

i 1

3792
54,17
70

nx

j 1

206316
2X 2
54,17 12,98
70

n y
N

11600
165,71
70

2
j

1922896
2
165,71 10,13
70

Vx

12,98
x

0,0665 6,65%
54,17
X

Vy

y
10,13

0,0192 1,92%
165,71
Y

Se observa que el menor coeficiente de variacin es el relativo a la talla media, que

resulta ser as un promedio ms adecuado.
La distribucin segn las tallas de los individuos que pesan 54 kg es la distribucin de
Y condicionada a X=54, y la distribucin segn los pesos de los individuos que miden entre 161
cm y 167 cm es la distribucin de X condicionada a Y=162,164, 166.

X/Y=162, 164,
166

n i/j=2, 3, 4

Y/X=54

n j/i=3

48

160

51

162

54

17

164

57

166

60

168

170

La media y la varianza de cada una de estas dos distribuciones condicionadas se calcula de la

misma forma que para cualquier distribucin de frecuencias.

X/Y
162,164,166

Y / X 54
2

1
N

1
N

n
j 1

ni / j 2,3, 4

x
i 1

j / i 3
j

1908
53
36

3968
165,33
24

9
101448 53
N i 1
36
2
6 n
y
1
656176
2
y2 / x 54 i j / i 3 j 165,33 2
165,33 5,55
N j 1
24
2

53

17. Se considera la variable bidimensional (X, Y) cuya distribucin de frecuencias se

presenta en la tabla siguiente:
X/Y

15

24

27

30

12

15

10

19

12

15

1. Estudiar si las dos variables son independientes utilizando la distribucin conjunta

y las marginales.
2. Estudiar si las dos variables son independientes utilizando las distribuciones
marginales y las condicionadas.
3. Hallar la covarianza de X e Y.

SOLUCIN:
Para estudiar la independencia de las dos variables utilizando la distribucin conjunta y las
marginales tenemos que comprobar quefij=fi.f.j \/ i,j.
La primera tarea ser construir una tabla con la distribucin conjunta (fij=nij/N) y con
las marginales (fi.=ni./N y f .j=n.j/N).

X/Y

15

24

27

30

ni.

12

14

15

10

28

19

12

15

42

n.j

18

24

12

30

84

fij

f.j

fi.
0,03571429 0,0476191

0,02380952

0,05952381

0,1666667

0,07142857 0,0952381

0,04761905

0,11904762

0,3333333

0,10714286 0,1428571

0,07142857

0,17857143

0,5

0,21428571 0,2857143

0,14285714

0,35714286

Ya estamos en condiciones de probar que f f f i, j. Para ello ordenaremos los

ij
i
j
como se indica a continuacin:
clculos f i f j

0,21428*0,16666 0,28571*0,16666 0,14285714*0,16666

0,37142*0,16666

0,21428*0,33333 0,28571*0,33333 0,14285714*0,33333

0,37142*0,33333

0,21428*0,5

0,28571*0,5

0,14285714*0,5

0,37142*0,5

Observamos que, una vez realizados estos clculos, se obtiene la tabla de la distribucin
conjunta fij.

fij

0,035714286

0,04761905

0,02380952 0,05952381

0,071428571

0,0952381

0,04761905 0,11904762

0,107142857

0,14285714

0,07142857 0,17857143

0,214285714

0,28571429

0,14285714 0,35714286

Para estudiar la independencia de las dos variables utilizando las distribuciones marginales
y las condicionadas tenemos que comprobar que f
f i, j.
i/ j

fi/j=1

fi/j=2

fi/j=3

fi/j=4

nj.

fj/i=1

3/14

4/14

2/14

5/14

14

fj/i=2

6/28

8/28

4/28

10/28

28

fj/i=3

9/42

12/42

6/42

15/42

42

f.j

18/84

24/84

12/84

30/84

84

Observamos que se cumple fj/i \/ i,j ya que:

3 / 14 6 / 28 9 / 42 18 / 84
4 / 14 8 / 28 12 / 42 24 / 84
2 / 14 4 / 28 6 / 42 12 / 84
5 / 14 10 / 28 15 / 42 30 / 84
Para estudiar la independencia de las dos variables utilizando las distribuciones marginales
y la condicionadas tambin podramos comprobar que fi/j=fi. \/ i,j.

nj.

fi/j=1

fi/j=2

fi/j=3

fi/j=4

f.j

3/18

4/24

2/12

5/30

14/84

6/18

8/24

4/12

10/30

28/84

9/18

12/24

6/12

15/30

42/84

18

24

12

30

84

Observamos que se cumple fi/j=fi. \/ i,j ya que:

3 / 18 4 / 24 2 / 12 5 / 30 14 / 84
6 / 18 8 / 24 4 / 12 10 / 30 24 / 84
9 / 18 12 / 24 6 / 12 15 / 30 42 / 84

La covarianza entre X e Y viene dada por la expresin:

h

xy 1
N

( x
i 1 j 1

x)( y j y)nij

Luego para su clculo necesitamos las medias de las dos marginales X e Y, que se
calcularn con los datos de la tabla:
X/Y

15

24

27

30

nj.

12

14

15

10

28

19

12

15

42

n.j

18

24

12

30

84

nx
N

i 1

1
N

n
j 1

xj

1386
16,5
84
2070
24,64
84

La covarianza, que ser cero debido a la independencia, puede calcularse como sigue
1
[(12 16,5)(15 24,6) (12 16,5)(24 24,6) (12 16,5)(27 24,6) (12 16,5)(30 24,6)
N
(15 16,5)(15 24,6) (15 16,5)(24 24,6) (15 16,5)(27 24,6) (15 16,5)(30 24,6)

xy

(19 16,5)(15 24,6) (19 16,5)(24 24,6) (19 16,5)(27 24,6) (19 16,5(30 24,6) 0

La covarianza tambin puede calcularse de la forma siguiente

m11

XY

x y
i

1
N

xi y j nij

XY

i,j

34155
16,5 24,64 0
84

nij 34155

i,j

X/Y

15

24

27

30

ni.

xiyin1j xiz2n2j

xiz3n3j

xiz4n4j

xizinij

12

14

540

1152

648

1800

4140

15

10

28

1350

2880

1620

4500

10350

19

12

15

42

2565

5472

3078

8550

19665

n.j

18

24

12

30

84

4455

9504

5346

14850

34155

18. En una empresa se toma una muestra de 100 trabajadores con la finalidad de estudiar
si hay relacin entre su edad X y los das que estn de baja en el ao Y. se obtienen los
siguientes resultados:
X/Y

0-20

20-40

40-60

ni.

18-30

28

30

30-40

26

15

45

40-50

14

25

1.
2.
3.
4.
5.

es simtrica la distribucin del nmero de das de baja de los trabajadores?

Cul es la edad ms frecuente de los trabajadores que piden la baja?
Ajustar mediante un modelo exponencial los das de baja en funcin de la edad.
realizar el mismo ajuste considerando un modelo lineal.
Cul de los ajustes es el mejor?

SOLUCIN:
Para realizar los clculos necesarios elaboramos la tabla siguiente:
X/Y

10

30

50

ni.

xini.

xi2ni

24

28

30

720

35

26

15

45

45

14

n.j

60

31

yjn.j

600

yj2n

yj3n

.j

.j
N.j

ci

hi=ni/ci

17280

12

2,5

1575

55125

10

4,5

25

1125

50625

10

2,5

100

3420

123030

930

450

1980

6000

27900

22500

56400

60000

837000

1E+06

2022000

60

91

100

Realizamos los siguientes clculos:

a10 X

1
N

a 01 Y

1
N

n x
i 1

20

j 1

34,2
3420
100

1980 19,8
100

xj

n x
i 1

X a20

123030

10

34,2 2 1230,3 1169,64 60,66

12
3

100

a20

2
2

m02 y

1
N

n y
i 1

a 02 a01

3
ni x i
a03 Y 1
1980
N i 1

56400
100 19,8 5{64 392,04 171,96
a02

19,8

100

Para estudiar la asimetra del nmero de das de baja de los trabajadores calculamos el
coeficiente de asimetra de Fisher de la variable marginal Y como sigue:

g 01

m03

3
Y

2243,184
( 171,96)

0,99

Se observa que hay una ligera asimetra hacia la derecha, pero muy pequea. Los das
de baja se distribuyen casi simtricamente a lo largo del ao.

Para calcular la edad ms frecuente de los trabajadores que piden la baja hallaremos la moda de
la variable marginal X. Observamos que el intervalo modal es [30,40] ya que es el que tiene
mayor frecuencia ni. El clculo de la moda se realiza como sigue:

M L
0

i 1 c

d i 1
d i 1 d i 1

30
i

2,5

10 35aos

2,5 2,5

Ahora intentaremos ajustar los das de baja en funcin de la edad de los trabajadores mediante
x
un modelo de regresin exponencial de ecuacin y=ab

y ab Log ( y) Log (a) Log (b) x

La regresin exponencial es equivalente a la regresin lineal con variable dependiente

log(y) y con variable independiente x. Los clculos para esta regresin se presentan en la
tabla siguiente:
X/z

1,4771

24

28

30

672 70,9008

0 742,9008

35

26

15

45

910 775,478

237,86 1923,338

45

14

25

270 930,573 382,275 1582,848

n.j

60

31

100

1852 1776,95 620,135 4249,086

zjn.j

60

45,7901 15,291 121,081

zj2n

60

67,63656 25,979 153,616

.j

1,699 ni.

xiz1n1j xiz2n2j xiz3n3j xizinij

El parmetro log(b) se estima por mnimos cuadrados mediante:

1
xi y j nij X
N
i,j

X2

Log (b) 2XZ

X

Los parmetros finales buscados a y b del modelo exponencial se estimarn mediante:

a 10

0,6013

10,04

b 10

0,01782

3,99

El modelo estimado tiene la ecuacin y 3,99(1,04) 3

Para medir la calidad de este ajuste podemos utilizar el coeficiente de determinacin R que se
calcula como:
3

( (3,99(1,04)

i 1
R 1
1

i
e
2
Y

j 1

xi

)) nij
126,14
1
0,26
171,96

2
y

El ajuste no es de calidad porque R esta ms cerca del cero que de la unidad. El ajuste por
regresin lineal de la forma y= a+bx siendo:

1
y

xy

b 2
x

xi
i,j

nij X Y

2
x

72860 34,20 *19,80

100

60,66

0,854

a Y b 19,8 0,854 * 34,20 9,4

X

El coeficiente de determinacin ser en este caso el cuadrado del coeficiente de correlacin

que se calcula como sigue:
(

xy n

XY)
2

XY

ij

Para realizar el calculo de

728960 34,20 *19,80

,
i j

100

0,2536

60,66 *171,96

x y
i

72860 se utiliza la siguiente tabla:

nij
i,j

X/Y

10

30

50

ni

x i y j nij

x i 2 y j 2 nij 2 x i 3 y j 3 nij 3

24

28

30

6720

1440

8160

35

26

14

45

9100

15750

7000

31850

45

14

25

2700

18900

11250

32850

nj

60

31

100

18520

36090

18250

72860

x i y j n ij

El ajuste lineal tampoco es de calidad por que R esta ms cerca de cero que de la
unidad. Adems el ajuste exponencial es mejor que el ajuste lineal por que su
coeficiente de
determinacin es mayor (0,26>0,25536).

19. Los ahorros S y los ingresos Y mensuales en cientos de euros de una muestra de
10 familias de una determinada regin se presentan en la siguiente tabla:

1,9

1,8

2,0

2,1

1,9

2,0

2,2

2,3

2,7

3,0

20,5

20,8

21,2

21,7

22,1

22,3

22,2

22,6

23,1

23,5

1. Ajustar los datos anteriores a un modelo lineal que explique lo ahorros

familiares en funcin de los ingresos de la regin dada.
2. Ajustar los datos anteriores a un modelo lineal parablico que explique los
ahorros familiares en funcin de los ingresos para la regin dada.
3. Qu ajuste es el mejor?
4. Qu ahorro se puede prever para una familia de la regin que ingrese 2500
euros mensuales?

SOLUCIN:
Comenzaremos elaborando una tabla de datos adecuada para los clculos a realizar en el
problema.
4

SI

yi

S i yi

y 2i

S i y2i

y i3

yi

1,9

20,5

38,95

420,25

798,475

8615,125

176610,063

1,8

20,8

37,44

432,64

778,752

8998,912

187177,37

21,2

42,4

449,44

898,88

9528,128

201996,314

2,1

21,7

45,57

470,89

988,869

10218,313

221737,392

1,9

22,1

41,99

488,41

927,979

10793,861

238544,328

22,3

44,6

497,29

994,58

11089,567

247297,344

2,2

22,2

48,84

492,84

1084,248

10941,048

242891,266

2,3

22,6

51,98

510,76

1174,748

11543,176

260875,778

2,7

23,1

62,37

533,61

1440,747

12326,391

284739,632

23,5

70,5

552,25

1656,75

12977,875

304980,063

Suma>21,9

220

484,64

4848,38

10744,028

107032,296 2366849,55

El modelo lineal S1 a by puede ajustarse mediante el sistema de ecuaciones normales

siguientes:
10

10

S i Na b y i
i 1

i 1

10

10

10

i 1

i 1

i 1

S i y i ay i b y i2

21,9=10a+220b
484,64=220a+4848,38b
a=-5,4
b=0,34
Luego el modelo lineal ajustado ser:

S i 5,4 0,34 y i
Para medir la calidad de ajuste lineal utilizamos el coeficiente de correlacin o su cuadrado, el
coeficiente de determinacin, que se calcula como sigue:

r2

YS2

y s
2

0,284 2
0,72421527
0,838 * 0,1329

Se observa que la calidad del ajuste es buena por que el coeficiente de determinacin es alto (el
coeficiente de correlacin vale

0,72421527 0,851 que es un valor elevado indicativo de

alto grado de relacin entre el ahorro y la renta de las familias.

20. La inversin K y el producto interior bruto y se relacionan mediante la expresin

c

y ak . Se pide ajustar una funcin Cobb-Douglas a los datos siguientes:

yi

2,6

2,9

3,4

4,1

5,1

6,0

7,2

9,2

11,2

13,1 15,2 17,3 19,9

Ki

0,6

0,6

0,8

1,0

1,3

1,4

1,6

1,9

2,2

2,5

2,9

3,5

3,9

SOLUCIN:
Se trata de un ajuste tipo potencial. Todo este tipo de ajustes se resuelve aplicando logaritmos
para linea rizar de la siguiente forma:
c

y aK
Log ( 123
y) Log (a)
c Log (K ) Z A cx
123
142
Z
A
43
X

11,2137= 13 A + 2,54022 c
3,18349 = 2,54022 A + 1,3963c
A=0,6471
C=1,1
Luego el modelo de Cobb-Douglas ajustado ser:

y 4,4k

1,1

Para medir la calidad del ajuste potencial medimos la del ajuste lineal al que es equivalente
utilizando el coeficiente de correlacin o su cuadrado el coeficiente de determinacin se calcula:

xZ2

x Z
2

0,763 2

0,98
0,0692 * 0,0851

Se observa que la calidad del ajuste lineal es buena por que el coeficiente de determinacin es

0,98 0,994 , que es un valor elevado indicativo del

alto( el coeficiente de correlacin vale

alto grado de relacin entre Z y Xi.

21. La siguiente tabla muestra el nmero de grmenes patgenos por centmetro cbico de
un determinado cultivo segn el tiempo transcurrido:
N de Horas

N de grmenes

20

26

33

41

47

53
3

a) Calclala recta de regresin para predecir el numero de grmenes por cm en

funcin del tiempo.
3
b) Qu cantidad de grmenes por cm es predecible encontrar cuando hayan
transcurrido 6 horas? Es buena esa prediccin?

SOLUCIN:
a)
b)

, donde:

nmero de horas,

Es una buena prediccin, puesto que

valores considerado

nmero de grmenes

(y 6 est cercano al intervalo de

22. En un depsito cilndrico, la altura del agua que contiene varia conforme pasa el
tiempo segn esta tabla:
Tiempo (h)

22

27

33

50

Altura (m)

17

14

12

11

a) Halla el coeficiente de correlacin lineal entre el tiempo y la altura e interprtalo.

r=-0,997. Hay una relacin muy fuerte entre las dos variable, y negativa. A medida que
pasa el tiempo la altura va bajando (se va consumiendo el agua)
b) Cual ser la altura del agua cuando hayan transcurrido 40 horas?
c) Cuando la altura del agua es de 2m, suena una alarmaQu tiempo ha de pasar
para que avise la alarma?

SOLUCIN:
a)

. Hay una relacin muy fuerte entre dos variables, y negativa. A medida que
pasa el tiempo, la altura va bajando (se va consumiendo el agua).
b) La recta de regresin es
, donde
,
.
c)

23. En una cofrada de pescadores las capturas registradas de cierta variedad de

pescados, en kilogramos y el precio de subasta en lonja, en euros/kg, fueron los
siguientes:
X(kg)

2000

2400

2500

3000

2900

2800

3160

Y(euros/kg)

1,80

1,68

1,65

1,32

1,44

1,50

1,20

a) Cual es el precio medio registrado?

b) Halla el coeficiente de correlacin lineal e interprtalo.
c) Estima el precio que alcanzara en la lonja el kilote esa especie si se pescasen
2600kg

SOLUCIN:
a)
b)

. La relacin entre las variables es fuerte y negativa. A mayor cantidad de

pescado, menos es el precio por kilo.

c) La recta de regresin es

24. Las calificaciones de 40 alumnos obtenidas en el examen parcial (x) y en el examen

final (Y) de una asignatura han sido las siguientes:

10

10

10

15

10

Formar la tabla estadstica de doble entrada.

SOLUCIN:
Tomando en filas los valores de x y en columnas los valores de y podremos hacer:
Y
X

0
0

1
1

1 III

II

1
2

II

III

10

II
2

3
I

III

10

25. Las alturas (x) y los pesos (y) de 20 hombres son los siguientes:
X

1.72

63

1.76

71

1.70

75

1.70

70

1.70

68

1.69

66

1.68

70

1.66

60

1.75

74

1.78

74

1.69

72

1.74

69

1.71

67

1.70

65

1.69

69

1.69

71

1.67

70

1.71

73

1.74

84

1.78

69

Establecer la distribucin correspondiente y hallar las medias aritmticas y las

desviaciones estndar marginales.

SOLUCIN:
La distribucin de frecuencias ser la siguiente:
Y
X

60-65

65-70

1.65-1.70

II

1.70-1.75

IIII

1.75-1.80
TOTAL

2
4

I
2

70-75

1
7

IIII

75-80

80-85

III

7
I

3
9

TOTAL

9
4

20

Con las tablas de clculo correspondiente a las distribuciones marginales podremos calcular las
medias y las desviaciones estndar pedidas:
Distribucin marginal de Y:

ni

1,65-1,70

1,675

11,725

19,639

1,70-1,75

1,725

15,525

26,781

1,75-1,80

1,775

7,100

12,603

TOTAL

yi

Li-1-Li

20

ni yi

yi ni

34,350

59,023

Y = 34,350/20 = 1,7175
2

Sy = 59,023/20-(34,350/20) = 0,0013
Sy = 0,037.

Distribucin marginal de X:

ni

60-65

62.5

125._

7812.50

65-70

67.5

472.5

31893.75

70-75

72.5

652.5

47306.25

75-80

77.5

77.5

6006.25

80-85

82.5

82.5

6806.25

TOTAL

yi

Li-1-Li

20

ni yi

yi ni

1410._

99825._

X = 1410/20 = 70.50
2

Sx = 99825/20 (1410/20) = 21._

Sx = 4,58

26. Representar el diagrama de dispersin correspondiente a las notas de 25 alumnos en

Fsica y Matemticas, siendo stas:

10

10

10

SOLUCIN:
Tomando las notas de Fsica en abscisas y las de Matemticas en ordenadas, tendremos la
siguiente nube de puntos o diagrama de dispersin:

12
10

8
6
4
2
0
0

6
F

10

12

27. Sea una distribucin bidimensional en donde Syx = 4.1, Sy^2 = 9 y el coeficiente de
regresin de la recta de Y/X es b = -1,1.
Determnese:
a) Las dos rectas de regresin de Y/X y X/Y, sabiendo que x = 2, y = 5.
b) El coeficiente de correlacin lineal.

SOLUCIN:
a) Los coeficientes de regresin de las seran
Y/X

b = -1,1

X/Y

b' = Sxy/Sy^2 = 4,1/9 = 0,46

lo cual es imposible, ya que los dos coeficientes de regresin deben ser del mismo signo, puesto
que, como
b = Sxy/Sx^2

b' = Sxy/Sy^2

y las varianzas son no negativas, entonces el signo de b y b' debe ser el mismo que la covarianza
Sxy.
Como en este caso Sxy = 4,1 > 0, no puede ser b = -1,1, resultado que necesariamente debe
estar equivocado.
Aceptando como verdadero valor Sxy = 4,1, lo nico que podemos determinar es la recta de
regresin de X sobre Y
X/Y x*-x = Sxy/Sy^2(y-y)

x*-2 = 4,1/9(y-5)

x* = -0,3+0,46y.

b) Por los mismos motivos que antes no se puede determinar r, ya que, como
r = Sxy/SxSy b = -1,1 = 4,1/Sx^2

Sx^2 = 4,1/-1,1<0

lo cual no puede ser.

Este coeficiente r debe tener tambin el mismo signo que Sxy, b y b'.

28. Estdiese en cules de los casos que a continuacin se relacionan los resultados que se
ofrecen son compatibles entre si:
a) rxy = -0,3 y* = 4x+5.
b) Sxy = 100 Sx = 5
c) y = 5x+8

Sy^2 = 400

y = 1/5x+9

rxy = 0,2.

Se^2= 0.

d) y* = 1/2x+4

x* = y+4

x = 16

y = 12.

SOLUCIN:
a) Como el coeficiente de regresin de la recta b = 4 es positivo, no puede ser el coeficiente de
correlacin lineal negativo.

b) El coeficiente de correlacin lineal es

r = Sxy/SxSy = 100/5*20 = 1

que tambin puede expresarse como

r = sqrt(1-Se^2/Sy^2) = sqrt(1-0/400) = 1

en donde Se^2 es la varianza de los residuos o de los errores.

Por tanto, estos resultados s son consistentes.

c) En este caso existen dos posibilidades:

Caso 1. Que las rectas sean

Y/X

y* = 5x+8

X/Y

x* = 5y-45

con lo que el coeficiente de correlacin lineal sera

r = sqrt(b*b') = sqrt(5*5) = 5>1

que es mayor que la unidad, lo cual es imposible.

Caso 2. Que las rectas sean

Y/X y* = 1/5x+9

X/Y

x* = 1/5y-8/5

y, por tanto

r = sqrt(b*b') = sqrt(1/5*1/5) = 1/5 = 0,2

lo que concuerda con lo sealado en el enunciado.

d) Sabemos que el punto de corte entre las dos rectas de regresin debe ser (x,y); para
comprobar que en este caso se verifica esta propiedad resolveremos el sistema de ecuaciones
formado por estas dos ecuaciones

y = 1/2x+4

2y-x = 8

x = y+4

-y+x = 4

de donde

y = 12 = y
x = 4+y = 4+12 = 16 = x

que son precisamente los dos valores medios que nos ofrecen.

29. Dada la distribucin bidimensional

xi 10

20

30

40

50

yj 200 180 150 120 100

a) Ajstese una recta por el procedimiento de los mnimos cuadrados.
b) Calclese el coeficiente de correlacin lineal y explquese su significado

SOLUCIN:
a) Formemos la siguiente tabla:
xi

10

20

30

40

50

= 150

yj

200

180

150

120

100 = 750

xi^2

100

400

900

1600 2500 = 5500

yj^2 40000 32400 22500 14400 10000 = 119300

xiyj

2000 3600

4500

4800 5000 = 19900

La recta de regresin de Y sobre X, ajustada por mnimos cuadrados, es

y* = a+bx
siendo
b = Sxy/Sx^2

a = y-bx

Determinemos las medias, varianzas y covarianzas

x = Exi/N = 150/5 = 30
Sx^2 = a20- a10^2

y = Eyj/N = 750/5 = 150

a10 = x = 30

a20 = Exi^2/N = 5500/5 = 1100

Sx^2 = 1100-30^2 = 200

Sy^2 = a02- a01^2

a01 = y = 150 a02 = Eyj^2/N = 119300/5 = 23860

Sy^2 = 23860-150^2 = 1360

Sxy = a11- a10*a01 a11 = Eexiyj/N = 19900/5 = 3980
Sxy = 3980-30*150 = -520.

Por tanto,
b = Sxy/Sx^2 = -520/200 = -2,6 a = y-bx = 150-(-2,6)*30 = 228.
De donde la recta ajustada es
y = 228-2,6.

b) El coeficiente de correlacin lineal es

r = Sxy/SxSy = -520/sqrt200*sqrt1360 = -0,99.

Como el coeficiente de correlacin es negativo, nos indica que la asociacin es de tipo
inverso; al estar muy prximo a -1, podemos decir que el grado de asociacin lineal es muy
fuerte y que, por lo tanto, el poder explicativo de la variable X sobre la variable Y es muy
grande.

30. En un determinado sector, la produccin y las exportaciones durante los ltimos aos
han sido:
Aos

1982

1983

1984

1985

1986

400

420

440

480

500

Exportaciones 80

80

90

92

98

Produccin
(10^6 Ptas.)

(10^6 Ptas.)
a) Si se estima que la produccin en el ejercicio 1988 va a ser de 640 millones de
pesetas y que las condiciones del mercado internacional no van a variar, cul
ser el volumen de expotacin previsible?
b) En qu medida esta prevsin puede ser o no aceptable?

SOLUCIN:
a) No es difcil defender la hiptesis de que el volumen de expotaciones es una variable que
depende de la produccin. Si las exportaciones las representamos por X y la produccin por Y,
la especificacin lineal de esta hiptesis viene dada por
x = a+by
Para estimar por mnimos cuadrados los parametros a y b, formaremos la tabla
xj

80

80

90

92

98

yi

400

420

440

480

xj^2

6400

6400

8100

8464

yi^2

160000

176400

193600

230400

250000 = 1010400

xjyi

32000

33600

39600

44100

49000 = 198360

500

440
=

2240

9604 =

38968

Como
x = Exj/N = 440/5 = 88
Sx^2 = a02-a01^2 a01 = x = 88

y = Eyi/N = 2240/5 = 448

a02 = Exj^2/N = 38968/5 = 7793,6

Sx^2 = 7793,6-88^2 = 49,6

Sy^2 = a20-a10^2 a10 = y = 448 a20 = Eyi^2/N = 1010400/5 = 202080
Sy^2 = 202080-448^2 = 1376
a11 = EExjyi/N = 198360/5 = 39672
Sxy = 39672-448*88 = 248

Tendremos que
b = Sxy/Sy^2 = 248/1376 = 0,18

a = x-by = 88-0,18*448 = 7,36

El modelo ajustado es
x = 7,36+0,18y
Se estima que la produccin en 1988 va ser de 640 millones de pesetas y que las condiciones
del mercado internacional no cambian. Esta ltima hiptesis nos faculta para poder seguir
utilizando el modelo lineal ajustado por tanto,
x = 7,36+0,18*640 = 122,56 millones de pesetas.
Las exportaciones se situarn, pues, sobre los 122,56 millones de pesetas.

b) Para estudiar la bondad de la prediccin calcularemos previamente el coeficiente de

correlacin lineal,
r = Sxy/SxSy = 248/sqrt49,6*sqrt1376 = 0,95
Estadsticamente, al ser elevado el grado de asociacin lineal entre las variables, debemos
aceptar como muy posible el resultado.

31. En un determinado estudio mdico se pretende medir la relacin existente entre la

exposicin al ruido y la hipertensin. Los siguientes datos han sido extrados del Jourrnal
of Sound and Vibration:

Y 1

X 60 63 65 70 70 70 80 80 80 80 85 89 90 90 90 90

94

100

100

100

Donde X representa la presin sonora en dB, e Y el aumento de la presin sangunea en

mmHg.
1) Realizar un diagrama de dispersin de Y frente a X.
2) Realizar el modelo de regresin lineal simple.

SOLUCIN:
1) A partir de los datos experimentales que nos proporcionan, obtenemos el siguiente
grfico de dispersin:
10
8
Presin 6
sanguinea 4
2
0

20

40

60

80

100

120

Presin sonora

2) Obtenemos las medidas muestrales:

x 82.3
y 4.3
Y las varianzas y covarianza muestral:
k

S x2 1 xi x 2 ni 158.432
n i 1
k

S y2 1 y i y 2 ni 6.537
n i 1
S xy

i
i

27.168

y
j

ij

Por lo que la ecuacin de la recta de regresin es:

S xy

yy

S x2

x x

y 0.171x 9.813

32. Sea (X,Y) una variable aleatoria bidimensional con funcin de densidad conjunta

f x, y
xy

si 0 x 1 , 0 y 1

Obtenga la recta de regresin de Y sobre X.

SOLUCIN:
Las correspondientes funciones de densidad marginales son:

fX x

fY y

1
0

1
0

f x, y y

f x, y x

1
0

xyy

1
y
xyx

x
2

Se obtiene entonces:

10 E X

EX

1
0

1
E Y 01
6

xfX x x

x fX x x
2

1
2
E Y
8

y por lo tanto:

20 x E X
2

E X

72

Adems:

E XY

11

xyf x, y yx

1 1

0 0

Cov
11

11

10

01

9
1 11 1 1

9 6 6 9 36

La recta de regresin de Y sobre X es, por lo tanto:

11

y 01 20 x 10
1 1

1
1 9 36
x
y
7
6
6
72
y

es decir:

1 6
1
x
6
6 7

33. Sea la variable aleatoria bidimensional (X,Y) que asigna probabilidades

iguales a los puntos: (1,1); (2,3); (3,2); (4,4); obtener la recta de regresin mnimo
cuadrtica de Y
sobre X.

SOLUCIN:
Recta de regresin de Y sobre X:
11

y 01 20 x 10

10 E X

01 E Y

x P X x 1

y PY

E X 2 xi2
P X

i 1

i 1

j 1

3
4

4
4

10

2.5

xi

1 2
30
2
2
2
1 2 3 4

4
4

2.5

 20 x E X
2

E X

30
2
2.5 1.25
4

11 E XY xi y j P X xi ,Y y j
11
i 1

1
1
1 29
23 32 44
7.25

j 1

11 Cov 11 10 01 7.75 2.52.5 1

La recta de regresin de Y sobre X es:

y 2.5

1
x 2.5
1.25

y 0.8x 0.5

34. Las notas obtenidas por 10 alumnos en matemticas y msica son:

Alum. 1

10

Mat.

3.5

10

Ms.

6.5

4.5

10

Calcular la covarianza, correlacin y rectas de regresin.

SOLUCIN:
Indiquemos por X la nota de matemticas y por Y la nota de msica.
Medias:

y
Covarianza:

xi

yi

S
xy

5.75

6.3

1
n

x y
i

xy 3.075

Varianzas:
2

Sx

1
2
2
xi x 3.763
n

S y

1
2
2
y i y 2.96
n

Coef. de correlacin:

S xy
S xS y

3.075
3.7632.96

0.9214

Coef. de regresin:

b21
b12
Recta de regresin de Y sobre X:

S xy
S2 x
S xy
S2 y

0.817

1.039

y y b 21 x x
y 6.3 0.817 x 5.75

Recta de regresin de X sobre Y:

y y b12 x x

x 5.75 1.039 y 6.3

35. Para realizar un estudio sobre la utilizacin de una impresora en un determinado

departamento, se midi en un da los minutos transcurridos entre las sucesivas
utilizaciones (X) y el nmero de pginas impresas (Y) obtenindose los siguientes resultados:
X

9 9 4 6 8 9 7 6 9 9 9 8 8 9 8 9 9 9 10 9 15 10 12 12 10 10 12 10 10 12 12 10

3 8 3 8 3 8 8 8 3 8 12 12 8 8 8 12 12 20 8 20 8 8 20 8 8 12 8 20 20 3 3 20

a) Escribir la distribucin de frecuencias conjunta. Cul es el porcentaje de veces

que transcurre ms de nueve minutos desde la anterior utilizacin y se imprimen
menos de 12 pginas? Cuntas veces se imprimen menos de 12 pginas y
transcurren 9 minutos desde la anterior utilizacin?
b) Frecuencias marginales. Cuantas veces se imprimen como mucho 12 pginas?
Cuntas pginas como mucho se imprimen en el 80 % de las ocasiones?
c) Dibujar el diagrama de dispersin.

SOLUCIN:
a) Escribir la distribucin de frecuencias conjunta. Cul es el porcentaje de veces
que transcurre ms de nueve minutos desde la anterior utilizacin y se imprimen
menos de 12 pginas? Cuntas veces se imprimen menos de 12 pginas y
transcurren 9 minutos desde la anterior utilizacin?
xi\yj

12

20

ni.

fi.

1/0,03

0,03

2/0,06

0,06

1/0,03

0,03

1/0,03

2/0,06

1/0,03

0,12

2/0,06

4/0,12

3/0,09

2/0,06

11

0,34

10

3/0,09

1/0,03

3/0,09

0,22

12

2/0,06

2/0,06

1/0,03

0,16

15

1/0,03

0,03

n.j

15

32

f.j

0,19

0,47

0,16

0,19

Ms de 9 min. 13 Menos de 12 Pg. 8

9 min. 11 Menos de 12 Pg. 6

8
0.25 25%
32

6
19%
0.19
32

b) Frecuencias marginales. Cuantas veces se imprimen como mucho 12 pginas?

Cuntas pginas como mucho se imprimen en el 80 % de las ocasiones?

Yj

12

20

n.j

15

f.j

0,19

0,47

0,16

0,19

N.j

21

26

32

F.j

0.19

0.66

0.81

32

Como mucho 12 Pg. 6+15+5 = 26

n*k
32 * 80
N
21
25.6 26
Ni 1
i
100
100
P80 12Pg.

c) Dibujar el diagrama de dispersin.

25

N de Pg. impresas

20
15
10
5
0
0

10

15

20

Tiempo

36. Se midi el tiempo en segundos que tardaron en grabarse los mismos 24 ficheros en
1/3
1/4
cada uno de los dos tipos de discos (3 y 5 ). Los tiempos observados fueron:

1/3

1.2 1

1/4

1.3 1.1 1.2 0.4 1.2 1.4 1.1 1.6 1.6 1.5 0.4 1.5 0.4 0.3 0.3 1.6 1.3 1.1 1.3 1.1 0.4 0.4 1.4 1.6

3
5

1.1 0.5 1.1 1.5 1 1.4 1.4 1.3 0.4 1.2 0.4 0.3 0.3 1.5 1.4 1.1 1.2 1.2 0.4 0.5 1.3 1.5

a) Construye la tabla de frecuencias conjuntas. Cul es el porcentaje de ficheros que

tardan menos de 1.5 segundos en el primer tipo de disco y ms de 1.4 en el
segundo? Cuntos ficheros tardan en grabarse entre 0.6 y 1.2 segundos en el
primer tipo de disco? Cunto tiempo tarda como mucho en grabarse al menos el
90,5 de los ficheros en el segundo tipo de disco?
1/4
b) Hallar la tabla de frecuencias condicionales de los tiempos en el disco de 5 de
1/3
aquellos programas que tardaron 1.2 en el disco de 3 Cul es la proporcin de
1/4
estos programas que tardan en grabarse ms de 1.5 segundos en el de 5 ?
c) Representar grficamente los datos y comentar el grfico obtenido.
d) Si un fichero tarda 0.8 segundos en grabarse en el primer tipo de disco, cuantos
segundos tardar en grabarse en el segundo tipo? Da una medida de fiabilidad.
Confirma esta medida lo comentado en el apartado c?

SOLUCIN:
a) Construye la tabla de frecuencias conjuntas. Cul es el porcentaje de ficheros que
tardan menos de 1.5 segundos en el primer tipo de disco y ms de 1.4 en el
segundo? Cuntos ficheros tardan en grabarse entre 0.6 y 1.2 segundos en el
primer tipo de disco? Cunto tiempo tarda como mucho en grabarse al menos el
90,5 de los ficheros en el segundo tipo de disco?
xi\yj

0,3

0,4

1,1

1,2

1,3

1,4

1,5

1,6

0,3

2/0,08

2 0,083 2 0,083

0,4

3/0,125

3 0,125 5 0,208

0,5

2/0,08

2 0,083 7 0,292

2/0,08

2 0,083 9 0,375

1,1

1/0,04 2/0,08

3 0,125 12 0,500

1,2

1/0,04 2/0,08

1/0,04

4 0,167 16 0,667

1,3

1/0,04 1/0,04

2 0,083 18 0,750

1,4

1/0,04

2/0,08 3 0,125 21 0,875

1,5

1/0,04

2/0,08 3 0,125 24 1,000

n.j

f.j

0,083

0,208

N.j

0,167 0,167 0,042 0,083 0,083 0,167

11

15

16

18

20

24

ni.

fi.

24

Ni.

Fi.

F.j

0,083

0,292

0,458 0,625 0,667 0,750 0,833 1,000

Menos de 1.5 seg. En x 21 Mas de 1.4 seg. En Y 4

4
17%
0.17
24
9
0.375 37.5%
24
n*k
24 * 90.5
N
20
21.72 24
Ni 1
i
100
100

Entre 0.6 y 1.2 seg. En X

P90.5 1.6seg.

1/4

b) Hallar la tabla de frecuencias condicionales de los tiempos en el disco de 5 de

1/3
aquellos programas que tardaron 1.2 en el disco de 3 Cul es la proporcin de
1/4
estos programas que tardan en grabarse ms de 1.5 segundos en el de 5 ?
Yj

0,3

0,4

1,1

1,2

1,3

1,4

1,5

1,6

n.j

f.j

0,25

0,5

0,25

N.j

F.j

0,25

0,75

0,75

0,75

Mas de 1.5 seg 0 0%

c) Representar grficamente los datos y comentar el grfico obtenido.

1,80
1,60
1,40
5 1/4

1,20
1,00
0,80
0,60
0,40
0,20
0,00
0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

1,60

3 1/3

Se puede observar como los puntos describen una lnea recta difusa.

d) Si un fichero tarda 0.8 segundos en grabarse en el primer tipo de disco, cuantos

segundos tardar en grabarse en el segundo tipo? Da una medida de fiabilidad.
Confirma esta medida lo comentado en el apartado c?

yy

S xy
* x x
S x2

x * n
i

i 1

n
n

y
j 1

x 1.008

*nj
y 0.97

n
n

2
x

Sn

x
i 1

2
i

* ni

x Snx 0.1739

Snx Snx2 0.417

n

Sn y

y 2* n
j

j 1

y Sny 0.3895

Sn y Sn 2 0.624
y
n

ij

S xy

i 1 j 1

* xi *

yj
x * y 0.1756

n
y 0.97

0.1756

* x 1.008

y 1.00977 * x 0.0478

0.1739

Si x = 0.8 y = 0.75996
Medida de fiabilidad

rxy

S xy
0.6748
Sx * Sy

Es una medida de fiabilidad mala puesto que no llega al 70 %, aunque este cerca.

37. Las siguientes son las calificaciones obtenidas por los 25 alumnos de un grupo de
Bachillerato en las asignaturas de Biologa y Qumica:
B 4 5

5 5 6 6

7 7

7 7 7

7 7 8

8 8 8

8 8 9 9

Q 3 5

5 6 7 7

7 7

7 7 8

8 8 7

7 8 8

8 8

9 9

10

8 8 8 10 10 10

a) Obtener la tabla de frecuencias conjunta.

b) Qu proporcin de alumnos obtienen ms de un cinco en ambas asignaturas?
Qu proporcin de alumnos obtienen ms de un cinco en Biologa?
Qu proporcin de alumnos obtienen ms de un cinco en Qumicas?
c) Hallar la distribucin de frecuencias condicionales de la calificacin en Biologa
de los estudiantes que obtuvieron un 7 en Qumicas. Qu proporcin de estos
estudiantes obtuvieron notable en Biologa?
d) Representar grficamente. Comentar el resultado.
e) Hallar el coeficiente de correlacin. Comentar el resultado.

SOLUCIN:
a) Obtener la tabla de frecuencias conjunta.
3
5
6
7
xi\yj
4

1/0,04

2/0,08 1/0,04
-

10

ni.

fi.

Ni.

Fi.

0,040

0,040

0,120

0,160

2/0,08

0,080

0,240

4/0,16 3/0,12

0,280 13 0,520

2/0,08 4/0,16

0,240 19 0,760

0,200 24 0,960

10

1/0,04

0,040 25 1,000

n.j

10

25

f.j

0,040

0,080

N.j

F.j

0,040

0,120

3/0,12 2/0,12

0,040 0,320 0,400 0,120

4

12

22

25

0,160 0,480 0,880 1,000

b) Qu proporcin de alumnos obtienen ms de un cinco en ambas asignaturas?

Qu proporcin de alumnos obtienen ms de un cinco en Biologa? Qu
proporcin de alumnos obtienen ms de un cinco en Qumicas?
Ms de un 5 en B y en Q

25 4
*100 84%
25

Ms de un 5 en B

25 4
*100 84%
25

Ms de un 5 en Q

25 3
*100 88%
25

c) Hallar la distribucin de frecuencias condicionales de la calificacin en Biologa de

los estudiantes que obtuvieron un 7 en Qumicas. Qu proporcin de estos
estudiantes obtuvieron notable en Biologa?
xi

Y=7

ni.

fi.

Ni.

Fi.

0,000

0,000

0,000

0,000

2/0,08

0,250

0,250

4/0,16

0,500

0,750

2/0,08

0,250

1,000

0,000

1,000

10

0,000

1,000

Notable = 7-8

6
*100 75%
8

d) Representar grficamente. Comentar el resultado.

12,00

Qumica

10,00
8,00
6,00
4,00
2,00
0,00
0,00

2,00

4,00

6,00

8,00

10,00

12,00

Biologa

Se puede observar como a mas nota en biologa se tiende a sacar mas nota en qumica, es una
relacin lineal ascendente.

e) Hallar el coeficiente de correlacin. Comentar el resultado.

n

x * n
i 1

n
n

y
j 1

x 7.32

*nj
y 7.4

2
x

Sn

x
i 1

2
i

* ni

x Snx 2.2176

Snx Sn 2 1.489
x
n

2
y

Sn

y 2 * n
j

j 1

y Sny 2.32

Sn y Sn 2y 1.523
n

S xy
r xy

n
i 1 j 1

ij

* xi * y j

n
S xy
S x * Sy

x * y 1.992

0.878

Aqu observamos lo que ya se haba comentado al ver el grfico, y es que hay una tendencia
lineal ascendente, por lo que a mayores notas en Biologa, ese mismo alumno, tendr
mayores notas de Qumica.

38. Los siguientes datos corresponden a los tiempos en segundos que tardaron en
ejecutarse seis programas elegidos al azar en el entorno Windows y en DOS:
Programa
Windows

2.5

7.1

8.5

8.1

DOS

2.3

7.1

6.6

a) Representar grficamente los datos.

b) Si un programa tarda 3 segundos en ejecutarse en Windows, cuanto tardar en
ejecutarse en DOS?
c) Si un programa tarda 6 segundos en ejecutarse en DOS, cuanto tardar en
ejecutarse en Windows?
d) Dar una medida de fiabilidad de los anteriores resultados.
SOLUCIN:
a) Representar grficamente los datos.

9
Tiempo (seg)

8
7
6
5
4
3
2
1
0
1

Programa

b) Si un programa tarda 3 segundos en ejecutarse en Windows, cuanto tardar en

ejecutarse en DOS?
Datos de Windows:

Re 8.5 2.5 6
n 6 50 m n
ai

6 2.5 Ci 3

Re 6
2 ai 2
Ci 3

Datos de Dos:

Re 8 2.3 5.7
n 6 50 m n
ai

6 2.5 Ci 3

Re 5.7

1.9 ia 2
Ci
3

xi\yj

[2,5-4,5)

[4,5-6,5)

[6,5-8,5)

ci

ni.

fi.

Ni.

Fi.

[2,5-4,5)

1/0,17

3,5

0,167

0,167

[4,5-6,5)

1/0,17

5,5

0,167

0,333

[6,5-8,5)

1/0,17

3/0,5

7,5

0,667

1,000

cj

3,5

5,5

7,5

n.j

f.j

0,333

0,167

0,500

N.j

F.j

0,333

0,500

1,000

S xy
* x x
S x2

yy
n

c * n
i

i 1

n
n

c
j 1

*nj
y 5.83

n
n

2
x

Sn

x 6.5

c
i 1

2
i

* ni

x Snx 2.33

Snx Snx2 1.527

n

2
y

Sn

c2 * n
j

j 1

j
2

y Sny 3.26

n
Sn y Sn 2y 1.8
n

S xy

n
i 1 j 1

y 5.83

ij

* xi * y j
n

x * y 2.355

2.355
y 1.011* x 0.7397
* x 6.5
2.33

Si x = 3 y = 2.29 seg

c) Si un programa tarda 6 segundos en ejecutarse en DOS, cuanto tardar en

ejecutarse en Windows?

Si y = 6 x = 6.666 seg

d) Dar una medida de fiabilidad de los anteriores resultados.

rxy

S xy
0.8568
S x * Sy

Es una medida de fiabilidad buena puesto que llega al 70 % y lo sobrepasa hasta llegar a un
85.68 %.

39. Un determinado partido poltico, se plantea el problema de hasta que punto le pueden
compensar los gastos de la campaa de propaganda para las futuras elecciones. En las
ltimas elecciones, los gastos de publicidad y el nmero de diputados elegidos han sido:
Gastos publicidad en miles de pesetas

Diputados elegidos

1500

1750

3250

4000

5000

La comisin electoral est estudiando la posibilidad de un presupuesto de propaganda de

diez millones de pesetas.
a) Cul ser el nmero de diputados que seran elegidos de ese partido de acuerdo
con este presupuesto, si la imagen del partido no vara respecto a las elecciones
anteriores?
b) Con qu confianza se puede esperar ese resultado?
c) Cul sera el porcentaje de causas diferentes a la publicidad que influiran en las
elecciones?
SOLUCIN:
a) Cul ser el nmero de diputados que seran elegidos de ese partido de acuerdo
con este presupuesto, si la imagen del partido no vara respecto a las elecciones
anteriores?
xi\yj

ni.

fi.

Ni.

Fi.

1500

1/0,2

0,200

0,200

1750

1/0,2

0,200

0,400

3250

1/0,2

0,200

0,600

4000

1/0,2

0,200

0,800

5000

1/0,2

0,200

1,000

n.j

f.j

0,200

0,400

0,200

0,200

N.j

F.j

0,200

0,600

0,800

1,000

S xy
* x x
S x2

yy
n

x * n
i

i 1

n
n

y
j 1

*nj
y 5

n
n

2
x

i 1

Sn

x 3100

2
i

* ni

x Snx 1765000

Snx Snx2 1328.53

n

y 2 * n
j

j 1

2
y

Sn

y Sny 3.2

Sn y Sn 2y 1.789
n

S xy

n
i 1 j 1

y 5

ij

* xi * y j
n

x * y 2200

3
2200
* x 3100 y 1.246 *10 * x 1.136
1765000

Si x = 10 000 y = 13.596 Diputados

b) Con qu confianza se puede esperar ese resultado?

rxy

S xy
0.9256
S x * Sy

92.56 % de confianza

c) Cul sera el porcentaje de causas diferentes a la publicidad que influiran en las

elecciones?
-

La cantidad de recursos publicitarios utilizados por otros partidos.

El nmero mximo de diputados.

40. La resistencia del papel utilizado en la fabricacin de cajas de cartulina (Y) est
relacionado con la concentracin de madera dura en la pulpa original (X). Bajo
condiciones controladas, una planta piloto fabrica 16 muestras con un lote diferente de
pulpa y mide la resistencia a la tensin. Los datos obtenidos son los siguientes:
X 1

1.5

1.5

1.5

2.2

2.4

2.5 2.5 2.8

2.8

3.2

3.3

Y 101.4 117.4 117.1 106.2 131.9 146.9 146.8 133.9 111 123 125.1 145.1 134.3 144.5 143.7 146.9

a) Representar grficamente los datos y comentar los resultados.

b) Hallar el coeficiente de correlacin.
c) Ajustar un modelo de regresin lineal. Predecir la resistencia de una caja
fabricada con pulpa cuya concentracin es 2.3.
SOLUCIN:
a) Representar grficamente los datos y comentar los resultados.
Datos de X:

Re 3.3 1 2.3
n 16 50 m
ai
a

Re
Ci

2.3
4

n 16 4 Ci 4

0.575 i

0.6

Datos de Y:

Re 146.9 101.4 45.5

n 16 4 Ci 4
n 16 50 m
ai
a

Re

Ci

45.5

11.375 i

12

xi\yj

[101,4-113,4)

[113,4-125,4)

[125,4-137,4)

[137,4-149,4)

cj

ni.

fi.

Ni.

Fi.

[1-1,6)

2/0,125

2/0,125

1,3

0,250

0,250

[1,6-2,2)

1/0,06

1/0,06

1,9

0,125

0,375

[2,2-2,8)

2/0,125

1/0,06

1/0,06

2,5

0,250

10

0,625

[2,8-3,4)

1/0,06

1/0,06

4/0,25

3,1

1,000

107,4

119,4

131,4

143,4

0,375
-

16

cj

6
16

n.j

f.j

0,125

0,313

0,188

0,375

N.j

10

16

F.j

0,125

0,438

0,625

1,000

160,00

Resistencia

140,00
120,00
100,00
80,00
60,00
40,00
20,00
0,00
0,00

0,50

1,00

1,50

2,00

2,50

3,00

Concentracin de madera dura

Lo que se observa es una variacin muy leve de la resistencia a medida que aumentamos la
concentracin.

3,50

b) Hallar el coeficiente de correlacin.

n

c * n
i

i 1

n
n

c
j 1

x 2.35

*nj
y 129.15

n
n

2
x

i 1

Sn

2
i

* ni

x Snx 0.5175

Snx Sn 2 0.719
x
n

c2 * n
j

j 1

2
y

Sn

y Sny 165.9375

Sn y Sn 2y 12.88
n

S xy
rxy

n
i 1 j 1

ij

* xi * y j

n
S xy
S x * Sy

x * y 5.9625

0.644

No tiene mucha fiabilidad.

c) Ajustar un modelo de regresin lineal. Predecir la resistencia de una caja

fabricada con pulpa cuya concentracin es 2.3.

yy

S xy
* x x
S x2

y 129.15

5.9625
* x 2.35 y 11.52 * x 102.07
0.5175

Si x = 2.3 y = 128.566

41. Sabiendo que x = 3, s x = 6, s2y = 8 y que la recta de regresin de Y sobre X es:

y=4 0.667x, obtener la recta de regresin de X sobre Y.

SOLUCIN:

yy

S xy
* x x
S x2

S
xy
xy
y 2 * x y 2 * x 4 0.667 * x
S
S
x

Sxy
2 0.667
S
x

S xy
*x4
S x2

S xy 0.667 * S x2 0.667 * 6 4.002 4

y4

S xy
* x 4 0.667 * 3 1.999 2
S x2

S xy
* y y
S y2
4
x 3
* y 2
xx

x 4 0.5 * y

42. Hallar la recta de regresin de Y sobre X sabiendo que x = 4.1, y = 2.3 y la recta pasa
por el punto (5.9, 3.5).
SOLUCIN:

S
xy
xy
y 2 * x y 2 * x a b * x
S
S
x
x

Sxy
2b
S
x

a y

Sxy
* x y b* x
S x2

Si pasa por el punto (5.9, 3.5):

y a b * x y b * x b * x

3.5 2.3 b * 4.1 b *

5.9

b 0.6667

a y b * x 2.3 0.667 * 4.1 0.433