Estadística Aplicada Producto Académico N° 03

Producto Académico N° 03
Desarrolle de manera detallada las preguntas presentadas a continuación y responda a las preguntas.

1. El departamento de producción de Celltronics International desea explorar la relación entre el

número de empleados que trabajan en una línea de ensamble parcial y el número de unidades
producido. Como experimento, se asignó a dos empleados al ensamble parcial. Su desempeño fue de
15 productos durante un periodo de una hora. Después, cuatro empleados hicieron los ensambles y
su número fue de 25 durante un periodo de una hora. El conjunto completo de observaciones
pareadas se muestra a continuación.

La variable dependiente es la producción; es decir, se supone que el nivel de producción

depende del número de empleados.
a) Trace un diagrama de dispersión.

b) Con base en el diagrama de dispersión, ¿parece haber alguna relación entre el número de
ensambladores y la producción? Explique.

La relación que se describe es directamente proporcional en las variables, en otras palabras se acerca
más a este comportamiento.

c) Calcule el coeficiente de correlación.

1|Página
 Estadística Aplicada Producto Académico N° 03

d) Evalúe la fuerza de la relación calculando el coeficiente de determinación.

Los cambios en el # de ensambladores explica, el 86% de datos de producción / hora.

2|Página
 Estadística Aplicada Producto Académico N° 03

En los ejercicios 2 a 3, construya un diagrama de dispersión, calcule el valor del coeficiente de correlación
lineal r, calcule los valores críticos de r utilizando α = 0.05, y determine si existe evidencia suficiente para
sustentar la afirmación de que existe una correlación lineal entre las dos variables.
2. Estadísticas del CSI. En ocasiones la policía mide las huellas de los zapatos en las
escenas del crimen para tener pistas acerca de los delincuentes. A continuación, se
listan longitudes de las huellas de los zapatos, longitudes de los pies y estaturas de
hombres. ¿Hay evidencia suficiente para concluir que existe una correlación lineal
entre la longitud de la huella del zapato y la estatura de los hombres? Con base en
estos resultados, ¿parece que la policía puede usar la longitud de los pies para
estimar la estatura de un hombre?

DIAGRAMA DE DISPERCION
188
186
184
ESTATURA

182
180
178
176
174
172
27 28 29 30 31 32 33
HUELLA DEL ZAPATO

Huella
Estatura x*y x2 y2
del Zapato
29.7 175.3 5206.41 882.09 30730.09
29.7 177.8 5280.66 882.09 31612.84
31.4 185.4 5821.56 985.96 34373.16
31.8 175.3 5574.54 1011.24 30730.09
27.6 172.7 4766.52 761.76 29825.29
150.2 886.5 26649.69 4523.14 157271.47

3|Página
 Estadística Aplicada Producto Académico N° 03

Grados de Libertad 3
Valores Críticos +/- 3.182
El valor de t es 1.2696 < 3.182, por lo que no se rechaza la hp nula.
Se entiende entonces que, con un α=0,05 se puede asegurar que no existe
correlacion significativa entre las variables Longitud de la Huella de los Zapatos y la
Estatura.
Debido a que no existe una relación sustancial entre la Logitud de las Huellas de
Zapato y la Estatura, no es posible afirmar que la policía podría usarlas y estimar la
estatura de un individuo.
3. Mike Wilde es el presidente del sindicato de maestros del Otsego School District. A
fin de prepararse para negociaciones próximas, le gustaría investigar la estructura
de los salarios de los maestros en el distrito. Wilde considera que hay tres factores
que influyen en el salario de un maestro: sus años de experiencia, la calificación de
su eficiencia como docente por parte del director y si cuenta con un posgrado. Una
muestra de 20 maestros generó los siguientes datos.

Salario (miles Años de Calificación

Posgrado*,
de dólares), experiencia, del director,
X3
Y X1 X2

31.1 8 35 0

33.6 5 43 0

29.3 2 51 1

43.0 15 60 1

38.6 11 73 0

45.0 14 80 1

42.0 9 76 0

36.8 7 54 1

48.6 22 55 1

31.7 3 90 1

25.7 1 30 0

30.6 5 44 0

51.8 23 84 1

46.7 17 76 0

*
1 = sí, 0 = no.

4|Página
 Estadística Aplicada Producto Académico N° 03

38.4 12 68 1

33.6 14 25 0

41.8 8 90 1

30.7 4 62 0

32.8 2 80 1

42.8 8 72 0

Formule una matriz de correlación. ¿Qué variable independiente tiene la correlación

más fuerte con la variable dependiente? ¿Esto puede representar un problema?
¿Cómo se denomina esta condición?

AÑOS
SALARIO x*y x2 y2
EXPERIENCIA
8 31.1 248.8 64 967.21
5 33.6 168 25 1128.96
2 29.3 58.6 4 858.49
15 43 645 225 1849
11 38.6 424.6 121 1489.96
14 45 630 196 2025
9 42 378 81 1764
7 36.8 257.6 49 1354.24
22 48.6 1069.2 484 2361.96
3 31.7 95.1 9 1004.89
1 25.7 25.7 1 660.49
5 30.6 153 25 936.36
23 51.8 1191.4 529 2683.24
17 46.7 793.9 289 2180.89
12 38.4 460.8 144 1474.56
14 33.6 470.4 196 1128.96
8 41.8 334.4 64 1747.24
4 30.7 122.8 16 942.49
2 32.8 65.6 4 1075.84
8 42.8 342.4 64 1831.84
190 754.6 7935.3 2590 29465.62

5|Página
 Estadística Aplicada Producto Académico N° 03

DIAGRAMA DE DISPERSION
60

50

40
SALARIO

30

20

10

0
0 5 10 15 20 25
AÑOS DE EXPERIENCIA

Coeficiente de Correlación 0.868

CALIFICACIO
SALARIO x*y x2 y2
N
35 31.1 1088.5 1225 967.21
43 33.6 1444.8 1849 1128.96
51 29.3 1494.3 2601 858.49
60 43 2580 3600 1849
73 38.6 2817.8 5329 1489.96
80 45 3600 6400 2025
76 42 3192 5776 1764
54 36.8 1987.2 2916 1354.24
55 48.6 2673 3025 2361.96
90 31.7 2853 8100 1004.89
30 25.7 771 900 660.49
44 30.6 1346.4 1936 936.36
84 51.8 4351.2 7056 2683.24
76 46.7 3549.2 5776 2180.89
68 38.4 2611.2 4624 1474.56
25 33.6 840 625 1128.96
90 41.8 3762 8100 1747.24
62 30.7 1903.4 3844 942.49
80 32.8 2624 6400 1075.84
72 42.8 3081.6 5184 1831.84
1248 754.6 48570.6 85266 29465.62

6|Página
 Estadística Aplicada Producto Académico N° 03

DIAGRAMA DE DISPERSION
60

50

40
SALARIO

30

20

10

0
0 10 20 30 40 50 60 70 80 90 100
CALIFICACION

Coeficiente de Correlación 0.547

POSGRADO SALARIO x*y x2 y2

0 31.1 0 0 967.21
0 33.6 0 0 1128.96
1 29.3 29.3 1 858.49
1 43 43 1 1849
0 38.6 0 0 1489.96
1 45 45 1 2025
0 42 0 0 1764
1 36.8 36.8 1 1354.24
1 48.6 48.6 1 2361.96
1 31.7 31.7 1 1004.89
0 25.7 0 0 660.49
0 30.6 0 0 936.36
1 51.8 51.8 1 2683.24
0 46.7 0 0 2180.89
1 38.4 38.4 1 1474.56
0 33.6 0 0 1128.96
1 41.8 41.8 1 1747.24
0 30.7 0 0 942.49
1 32.8 32.8 1 1075.84
0 42.8 0 0 1831.84
10 754.6 399.2 10 29465.62

7|Página
 Estadística Aplicada Producto Académico N° 03

DIAGRAMA DE DISPERSION
60

50

40
SALARIO

30

20

10

0
0 0.2 0.4 0.6 0.8 1 1.2
POSGRADO

Coeficiente de Correlación 0.311

MATRIZ DE AÑOS DE
CALIFICACION POSGRADO
CORRELACION EXPERIENCIA
AÑOS DE EXPERIENCIA
CALIFICACIÓN 0.187
POSGRADO 0.208 0.458

La variabe “años de experiencia” tiene la correlación más intensa con la variable

dependiente de ”salario” (r=0.868 positivo).

Entre las variables la correlación más intensa está entre “Calificación” y “Posgrado”
con 0.457. La correlación entre las variables independientes se encuentran de - 0.7
a 0.7, por lo que no compondrán complicaciones.

En los ejercicios 5 y 6, determine la ecuación de regresión, permitiendo que la primera

variable sea la variable de predicción (x). Calcule los valores predichos indicados.

8|Página
 Estadística Aplicada Producto Académico N° 03

4. Altitud y temperatura A continuación se listan las altitudes (miles de pies) y las

temperaturas al aire libre (°F) registradas por Mario Triola (2018) durante el vuelo
1053 de Delta desde Nueva Orleans hasta Atlanta. Calcule la temperatura para una
altitud de 6327 pies (o 6.327 mil pies).

ALTITUD TEMPERATURA x*y x2

3 57 171 9
10 37 370 100
14 24 336 196
22 -5 -110 484
28 -30 -840 784
31 -41 -1271 961
33 -54 -1782 1089
141 -12 -3126 3623

DIAGRAMA DE DISPERSION
80

60

40
TEMPERATURA

20

0
0 5 10 15 20 25 30 35
-20

-40

-60
ALTITUD

Temperatura valorada para una altitud de 6327 pies será de 48.9 ℉.

9|Página
 Estadística Aplicada Producto Académico N° 03

5. Predicción de nicotina en cigarrillos. Remítase al archivo cigaret.xls y utilice

las cantidades de alquitrán, nicotina y CO de los cigarrillos de 100 mm, con filtro,
que no son mentolados ni ligeros (el último conjunto de mediciones). Calcule la
mejor ecuación de regresión para predecir la cantidad de nicotina en un cigarrillo.

100 mm + FILTRO - MENTOLADO

Monoxido
Marca Alquitran Nicotina de
Carbono
Barclay 5 0.4 4
Basic 16 1 19
Camel 17 1.2 17
Highway 13 0.8 18
Jacks 13 0.8 18
Kent 14 1 13
Lark 15 1.1 17
Marlboro 15 1.1 15
Maverick 15 1.1 15
Merit 9 0.8 12
Monaco 13 0.8 18
Monarch 13 0.8 17
Mustang 13 0.8 18
Newport 15 1 16
Now 2 0.2 3
Old Gold 15 1.1 18
Pall Mall 15 1 15
Pilot 13 0.8 18
Players 14 1 15
Prime 15 0.9 17
Raleigh 16 1.1 15
Tareyton 15 1.1 15
True 7 0.6 7
Viceroy 17 1.3 16
Winston 15 1.1 14

10 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

Alquitran Nicotina x*y x2

5 0.4 2 25
16 1 16 256
17 1.2 20.4 289
13 0.8 10.4 169
13 0.8 10.4 169
14 1 14 196
15 1.1 16.5 225
15 1.1 16.5 225
15 1.1 16.5 225
9 0.8 7.2 81
13 0.8 10.4 169
13 0.8 10.4 169
13 0.8 10.4 169
15 1 15 225
2 0.2 0.4 4
15 1.1 16.5 225
15 1 15 225
13 0.8 10.4 169
14 1 14 196
15 0.9 13.5 225
16 1.1 17.6 256
15 1.1 16.5 225
7 0.6 4.2 49
17 1.3 22.1 289
15 1.1 16.5 225
330 22.9 322.8 4680

DIAGRAMA DE DISPERSION
1.4
1.2
1
NICOTINA

0.8
0.6
0.4
0.2
0
0 5 10 15 20
ALQUITRAN

11 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

CO Nicotina X*Y X2

4 0.4 1.6 16
19 1 19 361
17 1.2 20.4 289
18 0.8 14.4 324
18 0.8 14.4 324
13 1 13 169
17 1.1 18.7 289
15 1.1 16.5 225
15 1.1 16.5 225
12 0.8 9.6 144
18 0.8 14.4 324
17 0.8 13.6 289
18 0.8 14.4 324
16 1 16 256
3 0.2 0.6 9
18 1.1 19.8 324
15 1 15 225
18 0.8 14.4 324
15 1 15 225
17 0.9 15.3 289
15 1.1 16.5 225
15 1.1 16.5 225
7 0.6 4.2 49
16 1.3 20.8 256
14 1.1 15.4 196
370 22.9 356 5906
DIAGRAMA DE DISPERSION
1.4
1.2
1
NICOTINA

0.8
0.6
0.4
0.2
0
0 5 10 15 20

CO

12 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

Nicotina CO Alq.

0.4 4 5
1 19 16
1.2 17 17
0.8 18 13
0.8 18 13
1 13 14
1.1 17 15
1.1 15 15
1.1 15 15
0.8 12 9
0.8 18 13
0.8 17 13
0.8 18 13
1 16 15
0.2 3 2
1.1 18 15
1 15 15
0.8 18 13
1 15 14
0.9 17 15
1.1 15 16
1.1 15 15
0.6 7 7
1.3 16 17
1.1 14 15

Estadísticas de Regresión
Coeficiente de correlación múltiple 0.965799478
Coeficiente de determinación R^2 0.932768632
R^2 ajustado 0.92665669
Error típico 0.067106477
Observaciones 25

Analisis de Varianza Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 1.374527857 0.687263928 152.6141043 1.2685E-13
Residuos 22 0.099072143 0.004503279
Total 24 1.4736

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepción 0.1271 0.05230136 2.430848267 0.023668682 0.018670288 0.23560305 0.018670288 0.23560305
Monoxido de Carbono -0.0250 0.006129819 -4.07903297 0.000497404 -0.037716201 -0.012291267 -0.037716201 -0.012291267
Alquitran 0.0878 0.007061702 12.43281928 2.00714E-11 0.07315179 0.102441937 0.07315179 0.102441937

13 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

a) ¿Por qué es la mejor?

Ecuacion para la cantidad de Nicotina/Cigarrillo es:
Y = (0,087 x 1) - (0.025 x 2) + 0.127
Con la cantidad de Nicotina dependiente con dos variables dependientes (Alquitran y
Monoxido de Carbono), se obtiene un coeficiente de determinación (92.6%), esto nos
indica un alto porcentaje y explicar la variación de Nicotina.
b) ¿La mejor ecuación de regresión es una buena ecuación de regresión para
predecir el contenido de nicotina? ¿Por qué?
En esta circunstancia se puede afirmar que esta ecuación si representa la mejor ecuacion
de regresión, pero si se contara con más y mejores datos y/o variables tendríamos una
ecuación más fiable.

14 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

6. Calcule un promedio móvil ponderado en cuatro trimestres del número de

suscriptores de la Boxley Box Company durante los nueve trimestres que abarcan
los datos. Éstos se reportan en miles. Aplique ponderaciones de 0.1, 0.2, 0.3 y
0.4, respectivamente, a los trimestres. En pocas palabras, construya la gráfica y
describa la tendencia en el número de suscriptores

Trimestre Demanda Pronostico

1 28766
2 30057
3 31336
4 33240
5 34610 31584.8
6 35102 33088.9
7 35308 34205.4
8 35203 34899.8
9 34386 35155

Periodos 4
Ponderaciones
α1 0.1
α2 0.2
α3 0.3
α4 0.4

GRAFICA
40000
PRONOSTICO

30000

20000

10000

0
0 2 4 6 8 10
TRIMESTRE

Se puede determinar a partir de la grafica que el pronostico de suscriptores en

los trimestres mostrados presenta una tendencia positiva, ya que aumenta con
relacion al periodo anterior.

15 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

7. Cedar Fair opera siete parques de diversiones y cinco parques acuáticos

independientes. Su asistencia combinada (en miles) durante los últimos 12 años
aparece en la siguiente tabla. Un socio le pide estudiar la tendencia de la asistencia.
Calcule un promedio móvil de tres años y un promedio móvil ponderado de tres años
con ponderaciones de 0.2, 0.3 y 0.5 para años sucesivos.

PROMEDIO MOVIL PONDERADO

AÑO ASISTENCIA PRONOSTICO
1993 5761
1994 6148
1995 6783
1996 7445 6388.1
1997 7405 6987
1998 11450 7292.6
1999 11224 9435.5
2000 11703 10528
2001 11890 11508.7
2002 12380 11700.7
2003 12181 12097.6
2004 12557 12182.5

Ponderaciones
α1 0.2
α2 0.3
α3 0.5

PROMEDIO MOVIL PONDERADO

16000
14000
12000
PRONOSTICO

10000
8000
6000
4000
2000
0
1992 1994 1996 1998 2000 2002 2004 2006
AÑO

16 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

PROMEDIO MÓVIL
AÑO ASISTENCIA PRONOSTICO
1993 5761
1994 6148
1995 6783
1996 7445 6230.666667
1997 7405 6792
1998 11450 7211
1999 11224 8766.666667
2000 11703 10026.33333
2001 11890 11459
2002 12380 11605.66667
2003 12181 11991
2004 12557 12150.33333

PROMEDIO MOVIL
16000
14000
12000
PRONOSTICO

10000
8000
6000
4000
2000
0
1992 1994 1996 1998 2000 2002 2004 2006
AÑO

Se puede afirmar a partir de las gráficas evaluadas (Promedio Movil y Promedio Movil
Ponderado) que el pronostico de asistencia a las instalaciones de Cedar Fair en los años
evaluados representa una tendencia positiva, debido a que este aumenta con relacion al
año anterior.

17 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

Trabajo Colaborativo

Apellidos y Nombres E-mail Teléfono

JOSE ROMAN FUENTES 978619291
No coincidimos ambos
HECTOR CONDORI estuvimos de viaje por 962123893
trabajo
STEPHANY LUCERO AQUINO Inubicable

I. Bondad de Ajuste
Una gran panadería puede producir rollos en lotes de 0, 1000, 2000, o 3000 por día. El costo de
producción por artículo es de $ 0.10. La demanda varía aleatoriamente de acuerdo con la siguiente
distribución:

Si por la experiencia del mercado las proporciones de las ventas se distribuyen con 30%, 20%, 30% y
20% correspondientemente. Pruebe al nivel del 10% si esta distribución se cumple.

O E ((O-E)/E)2
500 426 12.85446009
270 284 0.690140845
400 426 1.58685446
250 284 4.070422535
1420 19.202

GL 3
α 0.1
VC 6.251

H0: O = E / H1: O ≠ E

Se niega H0, por ello podemos afirmar con argumento que la demanda de ventas no sigue una
distribución esperada por la empresa.

18 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

II. Homogeneidad
Prueba de la influencia del género La tabla siguiente resume datos de sujetos hombres que se
encuestaron y la tabla adjunta resume datos de una muestra de mujeres. Utilice un nivel de
significancia de 0.01 y suponga que los tamaños muestrales de 800 hombres y 400 mujeres están
predeterminados, y pruebe la aseveración de que las proporciones de las respuestas de
acuerdo/desacuerdo son las mismas para los sujetos que entrevistaron hombres y los sujetos que
entrevistaron mujeres.

FRECUENCIAS O HOMBRE MUJER TOTAL

M.ACUERDO 512 336 848
M. DESACUERDO 288 64 352
TOTAL 800 400 1200

FRECUENCIAS E HOMBRE MUJER TOTAL

M. ACUERDO 565.33333 282.666667 848
M. DESACUERDO 234.66667 117.333333 352
TOTAL 800 400 1200

E PRUEBA
O E ((O-E)^2)/E
512 565.33333 5.03144654
288 234.66667 12.1212121
336 282.66667 10.0628931
64 117.33333 24.2424242
51.457976

Grado de Libertad 1X1=1

Nivel de Sig 0.01
Valor Crítico 6.635

H0: O = E: Las proporciones de las respuestas acuerdo y desacuerdo son iguales.

H1: O ≠ E: Las proporciones son diferentes.

51.45 se encuentra en la zona de rechazo, por lo que, se acepta que hay suficiente evidencia para
afirmar que las proporciones no son las mismas.

19 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

Independencia

Exactitud de pruebas de polígrafo Los datos en la tabla adjunta resumen resultados de pruebas de exactitud de
polígrafos (de acuerdo con datos de la Office of Technology Assessment). Utilice un nivel de significancia de
0.05 para probar la aseveración de que el hecho de que el sujeto mienta es independiente de la indicación del
polígrafo. ¿Qué sugieren los resultados acerca de la eficacia de los polígrafos?

POLÍGRAFO POLÍGRAFO
OBSERVADAS TOTAL
VERDAD MENTIRA
SUJETO VERDAD 65 15 80
SUJETO MENTIRA 3 17 20
TOTAL 68 32 100

POLÍGRAFO POLÍGRAFO
ESPERADAS TOTAL
VERDAD MENTIRA
SUJETO VERDAD 54.4 25.6 80
SUJETO MENTIRA 13.6 6.4 20
TOTAL 68 32 100

E PRUEBA
O E ((O-E)^2)/E
65 54.4 2.06544118
3 13.6 8.26176471
15 25.6 4.3890625
17 6.4 17.55625
32.2725184

Grado de Libertad 1
Nivel de Confianza 0.95
Valor Crítico 3.841

H0: El hecho de que el sujeto mienta es independiente de la indicación del polígrafo.

H1: El hecho de que el sujeto mienta no es independiente de la indicación del polígrafo.

Hay suficiente evidencia para afirmar que, el hecho de que el sujeto mienta no es
independiente de la indicación del polígrafo, lo que el polígrafo indica no es
independiente de lo que realmente dicen los sujetos. Por esta razón es que los poligrafos
son muy acertivos.

20 | P á g i n a