Professional Documents
Culture Documents
GENERALES:
ESPECFICOS:
76 85 92 70 65 90 98 99 78 97
84 102 77 94 109 102 104 105 100 102
90 83 74 91 87 88 90 96 94 92
68 69 79 82 96 100 102 107 98 93
104 76 83 108 67 100 102 98 99 130
N Reclamaciones 0 1 2 3 4 5 6 7
N De usuarios 26 10 8 6 4 3 2 1
Calcular:
a. El promedio de reclamos.
b. La varianza y su deviacin tpica.
c. El coeficiente de variacin.
N N De
Frecuencia (f) (X.f) X2 f . X2
Reclamaciones usuarios
0 26 26 0 0,00 0,00
1 10 10 10 1,00 10,00
2 8 8 16 4,00 32,00
3 6 6 18 9,00 54,00
4 4 4 16 16,00 64,00
5 3 3 15 25,00 75,00
6 2 2 12 36,00 72,00
7 1 1 7 49,00 49,00
TOTAL 60 60 94,00 140,00 356,00
X 10 20 30 40 50 60 70
Y 35 28 23 20 18 15 13
Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0,972336414
Coeficiente de
determinacin R^2 0,945438103
R^2 ajustado 0,934525723
Error tpico 1,969408903
Observaciones 7
ANLISIS DE VARIANZA
Grados de Promedio de los Valor crtico
libertad Suma de cuadrados cuadrados F de F
Regresin 1 336,0357143 336,0357143 86,63904236 0,000240856
Residuos 5 19,39285714 3,878571429
Total 6 355,4285714
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepcin 35,571 1,664454314 21,37122556 4,15932E-06 31,29281255 39,8500446 31,29281255 39,8500446
Variable X 1 -0,346 0,03721833 -9,308009581 0,000240856 -0,442101334 -0,250755809 -0,442101334 -0,250755809
El modelo es confiable para pronosticar datos teniendo en cuenta el rango de la muestra (10 - 70) das.
c) Determine el porcentaje de explicacin del modelo y el grado de
relacin de las dos variables.
Dnde:
3.656,00
- 21,714 = 7,126
7
r = 0,961
Y = a + bX
Dnde:
Y: Variable dependiente (la que se va a predecir).
A: Intercepto de la variable Y.
X: Variable independiente.
B: Pendiente de la recta.
n: 7
b: - 0,346
Dnde: a: 35,571
b: Pendiente de la recta X: 100
a: Intercepto de la variable Y Y: 0,929
X : Valores de la variable independiente
Y : Valores de la variable dependiente
n: Tamao de la muestra
Estatura (cm) 121 123 108 118 111 109 114 103 110 115
Peso (kg) 25 22 19 24 19 18 20 15 20 21
Estadsticas de la regresin
Coeficiente de
correlacin mltiple 0,90013752
Coeficiente de
determinacin R^2 0,810247554
R^2 ajustado 0,786528499
Error tpico 1,343510379
Observaciones 10
ANLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crtico
libertad cuadrados cuadrados F de F
Regresin 1 61,6598389 61,6598389 34,16019445 0,000385097
Residuos 8 14,4401611 1,805020138
Total 9 76,1
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepcin -27,377 8,168377614 -3,351567626 0,010056862 -46,21318252 -8,54055741 -46,2131825 -8,54055741
Variable X 1 0,421 0,072061142 5,844672313 0,000385097 0,255000471 0,58734705 0,25500047 0,58734705
El modelo es confiable para pronosticar datos teniendo en cuenta el rango de la muestra (103 - 123) cm.
c) Determine el grado de relacin de las dos variables.
Dnde:
4.197,00
- 412,09 = 2,759
10
r = 0,873
Y = a + bX
Dnde:
Y: Variable dependiente (la que se va a predecir).
A: Intercepto de la variable Y.
X: Variable independiente.
B: Pendiente de la recta.
Dnde: n: 10
b: Pendiente de la recta b: 0,421
a: Intercepto de la variable Y a: -27,377
X : Valores de la variable independiente X: 130
Y : Valores de la variable dependiente Y: 27,376
n: Tamao de la muestra
Por lo que la ecuacin de regresin lineal sera:
Y= a + bX
Y = -27,377 + 0,421(X)
Y= -27,377 + 0,421*130
Y= -27,377 + 54,76
Y= 27,376
Entonces el peso que debera tener un estudiante que mida 130 cm son
27,376 kg.
5. A continuacin Se presentan las ventas nacionales de mviles nuevos de
1992 a 2004 en la siguiente tabla. Obtenga un ndice simple para las ventas
nacionales utilizando una base variable:
Ao Ventas (millones $)
1992 8.8
1993 9.7
1994 7.3
1995 6.7
1996 8.5
1997 9.2
1998 9.2
1999 8.4
2000 6.4
2001 6.2
2002 5.0
2003 6.7
2004 7.6
Los ndices son de base variable cuando a cada observacin se le divide por el
valor de la observacin inmediatamente anterior.
Donde,
ndice.
Perodo base.
Perodo que se analiza.
Precio, cantidad o valor del perodo que se investiga.
Precio, cantidad o valor del perodo considerado como base.
Con los datos de las ventas se obtiene la siguiente tabla:
1992
I = (9,7/8,8)*100 = 110,23%
1993
1993
I = (7,3/9,7)*100 = 75,26%
1994
1994
I = (6,7/7,3)*100 = 91,78%
1995
1995
I = (8,5/6,7)*100 = 126,87%
1996
1997
I = (9,2/9,2)*100 = 100%
1998
1998
I = (8,4/9,2)*100 = 91,30%
1999
1999
I = (6,4/8,4)*100 = 76,19%
2000
2000
I = (6,2/6,4)*100 = 96,88%
2001
2001
I = (5,0/6,2)*100 = 80,65%
2002
2002
I = (6,7/5,0)*100 = 134%
2003
DIFERENCIA DE
AO VENTAS NDICE t/(t1) NDICE t/(t1)% NIVEL RESPECTO
A LA IGUALDAD
1993 9,7 1,10 110,23 0,10
1994 7,3 0,75 75,26 -0,25
1995 6,7 0,92 91,78 -0,08
1996 8,5 1,27 126,87 0,27
1997 9,2 1,08 108,24 0,08
1998 9,2 1,00 100,00 0,00
1999 8,4 0,91 91,30 -0,09
2000 6,4 0,76 76,19 -0,24
2001 6,2 0,97 96,88 -0,03
2002 5,0 0,81 80,65 -0,19
2003 6,7 1,34 134,00 0,34
2004 7,6 1,13 113,43 0,13
figura No.1
CONCLUSIONES
Al finalizar el presente trabajo hemos diferenciado claramente los temas que nos
ms importantes de la segunda unidad del curso; como lo son, varianza, rango,
desviacin estndar, desviacin media, coeficiente de variacin, covarianza, etc.
Por otra parte podemos concluir que se hizo un excelente trabajo y se cumplieron
cada uno de los lineamientos expuestos por la universidad nacional abierta y a
distancia UNAD, entendiendo cada uno de los procesos para llevar a cabo el
desarrollo de esta actividad.
BIBLIOGRAFA