EJERCICIO 1:

En la siguiente tabla, se muestran los datos registrados de las ventas en millones

de euros y de los gastos incurridos en publicidad, tambin en millones de euros,
por una empresa industrial que fabrica sillas abatibles para oficina:
Gasto de publicidad (millones euros) (X)
Volumen de ventas (millones euros)
(Y)
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

X
14,2226
13,9336
15,5040
16,3105
17,4936
19,8906
21,4803
20,4046
21,4776
22,6821
20,9722
23,3538
26,1040
29,1101
27,2418
23,0096
27,6116
32,1111
36,1788
37,5671
33,5069
36,6088
31,1554
32,7752
41,1886
39,9715
39,6866
40,2991
40,9538
41,9323

Y
95,065
97,281
103,159
107,607
113,860
121,153
129,102
132,340
138,663
142,856
143,120
147,928
155,955
164,946
163,921
163,426
172,485
180,519
190,509
196,497
196,024
200,832
196,769
205,341
220,230
228,703
236,500
244,560
254,771
263,683

a) Calcular el coeficiente de correlacion lineal entre las variables

ventas y gastos.
X
1
0,973

X
Y

rxy=

0,973

Y
1

b) Cul es la intensidad de la correlacin?

La intensidad de la correlacin entre el Volumen de ventas y el gasto de
publicidad es muy alto con valor de 0,973, indicando el signo una
correlacin positiva muy alta.
c) Representar la nube de puntos ventas versus publicidad, junto
con la recta de regresin asociada. Piensas que el modelo
Obtenido sirve para explicar las ventas obtenidas por esta
empresa en los ltimos treinta aos en funcin de lo que se ha
gastado en publicidad?
300.000
250.000
200.000
Volumen de Ventas (mll euros)

150.000
100.000
50.000
0.000
10.000

20.000

30.000

40.000

50.000

Gastos de Publicidad (mll euros)

Mod
elo:

Y =24,74 +5,17X +
Resumen
Estadsticas de la
regresin
Coeficiente
de
correlacin
mltiple
0,973
Coeficiente
de
determinaci
n R^2
0,948
R^2
ajustado
0,946
Error tpico 11,268
Observacio
nes
30

El modelo explica el 97,3% del Volumen

de Ventas (millones de euros).

Intercepci
n
X

Err
Infe
or
rior Sup
Coefici tpi Estad Probabi 95 erior
entes co stico t
lidad
% 95%
6,7
10,8 38,6
24,74
9
3,65
0,00
4
3
0,2
5,17
3 22,51
0,00 4,70 5,64

Infe Sup
rior erior
95, 95,0
0%
%
10,8 38,6
4
3
4,70

5,64

Respuesta:
S, como se puede observar, la nube de puntos que se muestra en grfica se
ajusta a una recta. Lo que nos indica que es
posible realizar un anlisis de regresin para explicar el Volumen de Ventas
en funcin al Gasto de Publicidad. (variables en millones de euros).

d) Presenta la muestra suficiente evidencia, a un nivel de

significacin de 0.05, como para rechazar la hiptesis nula sobre la
pendiente (Ho: pendiente de la recta es cero)?
Hiptesis:
Ho: 1=0 vs Ha: 10

5%

significancia

ANLISIS DE
VARIANZA
Promedio
Suma de
de los
cuadrad cuadrado
os
s
64313,1 64313,11
1
19
9
3555,03
28
0
126,965
67868,1
29
49

Grados
de
libertad
Regresin
Residuos
Total

Coeficient
es
Intercepci
n
Variable X
1

Error
tpico

Estadstic
ot

F
506,541

Probabili
dad

Valor
crtico de
F
0,000

Inferior
95.0%

Superior
95.0%

24,7360

6,7853

3,6455

0,0011

10,8370

38,6350

5,1681

0,2296

22,5065

0,0000

4,6978

5,6385

**Rechazamos Ho, B1 es significativo al modelo

cuadrtico.
e) Probar la hiptesis H0 : p = 0 vs H1
= p0 .
H0 : p =
0

H1 : p
0
Estadstico apropiado
:
T0 =

T0 =
Estadistico de
contraste :

Comparamos :

t (/2 ,
n-2)

22,506

22,506

2,048
Rechaza
2,048 H0

>

f) Hallar un intervalo de confianza para p al 95

% de confianza.

Limites:
Superior
Inferior

2,15438
856
2,15438
856

1,777186
39
2,531590
74

0,944
0,987

g) Probar la hiptesis H0 : p =0.3 vs p 0.3 al

5% de significacin.
Se presentan las hiptesis :
H0 : p =
0.3
H1 : p
0.3
Estadstico de Prueba
:

Z0 =

( artanh R arctanh p0)*

Donde Z = arctanh 2
R=

Ln

(n3)1 /2

Donde Z =arctanh p 1
=
2

Calculamos el estadstico
de prueba :

Ln

1+ p
artanh R1p
:
artanh P
:
Z0 :

2,154

2,154

0,310
9,586

0,310

Comparacin con el estadstico de

contraste z (/2) :

9,586

>

1,96

*Se rechaza Ho:

p=0.3

EJERCICIO 2

La informacin estadstica obtenida de una muestra de tamao 12

sobre la relacin existente entre la inversin hecha y el rendimiento
obtenido
en miles de euros para explotaciones agropecuarias se muestra la
tabla siguiente
Y

X
Rendimi
ento
Inversio Obtenid
n hecha o
11
2
14
3
16
5
15
6
16
5
18
3
20
7

31
14
20
19
11

10
6
10
5
6

a) Calcular el coeficiente de correlacin, as como la recta de regresin.

Calcula adems, la previsin de inversin que se obtendr con un
rendimiento de 8000.

ryx

=0,689

Coeficie
Error
Estadst Probabili Inferior
ntes
tpico
ico t
dad
95%
Intercepci 8,72087 3,01856 2,88907 0,01613 1,99508
n
379
716
728
265
702
Rendimie
nto
1,47572 0,49075 3,00706 0,01318 0,38226
Obtenido
816
365
506
355
088
0,21301 0,17576 1,21193 0,25639 0,18458
X^2
095
037
964
174
662

Superior Inferior
95%
95,0%
15,4466 1,99508
605
702
2,56919 0,38226
543
088
0,61060 0,18458
853
662

R= 0,6891
Modelo de Regresin Lineal
Y = 0 + 1 X+

Y =8.7209+1.4757 X +

Para un rendimiento de 8000 la

inversin sera:
Y= 20,527
b) Cul es el grado de asociacin?
La intensidad de la correlacin entre el Inversin hecha y el
Rendimiento Obtenido es alto con valor de 0.6891, indicando el
signo una correlacin positiva alta.
c)

Ho: B1
=0
H1:
B10
p 0,0131
valor= 835
9,0424
Fo= 403

alfa= 0,05
4,8443
F= 357

Se observa que el p valor es menor que el nivel de

significancia dado
por lo tanto se rechaza Ho y se concluye que el parmetro
B1 es distinto de cero
y tiene un aporte significativo al
modelo
Se observa que el valor de Fo es mayor que el F tabular,
por lo tanto se rechaza Ho
y se concluye que el parmetro B1 es distinto de 0
y tiene un aporte significativo al
modelo
d) Probar la hiptesis Ho: p=0 versus Ha:
p=/ 0

Ho: =0
Ha: 0
3,00706506
2,63376692

=
t=

R n2
1R2

* Dado que To < tabular, se racha la hiptesis nula, por lo tanto el coeficiente de
correlacin es diferente de cero.

e) Intervalo de confianza para p al 95%

de confianza
Z
tanh (arctanh r

tanh u=

n3

eueu
eu + eu

Z
) tanh( arctanh r+

R=
n=

n3

0,6890988
5
12

Z/2
=

1,96

0,1929
0.1929=
tanh

Z
arctanh r

n3

Z
arctanh r +

n3

0,1905

1,499571
04

1.4996=
tanh

0,905

El intervalo de confianza al 95% de

confianza es:

0.1905 0.9051
f) Probar la hipotesis Ho: p=0,4 vs Ha: p=/ 0,4 al 5% de
significancia.

Zo= ( arctanh ( R )arctanh o1,19732728

Zo=tanh
) ( n3) 1/ 2
Z=
*Dado que |Zo| < Z_tabular, se acepta Ho: p=0,4.

Como

Z Z0
2

1,95996398

se acepta Ho. Por lo tanto el coeficiente de

correlacin es 0.4 al 95% de confianza.

3. Se quiere tambin estudiar cual es la relacin entre la cantidad

gastada semanalmente en comida (en euros) y el nmero de
miembros de una familia.
X
Miembro
s de
familia
3
6
5
3
4
4
5
3

Y
Cantidad
gastada
99
104
151
129
142
74
91
119

142

a) Determina el coeficiente de correlacin entre las dos variables.

Calcula y representa tambin la recta de regresin
Qu cantidad gastada en comida cabra esperar si el nmero de
miembros de una familia aumenta a 8?
Estadsticas de la regresin
Coeficiente de correlacin
0,14180
mltiple
534
Coeficiente de
0,02010
determinacin R^2
875
0,11987
R^2 ajustado
571
27,9272
Error tpico
486
Observaciones
9

Coefici Error
entes tpico
Interce 103,53 36,153
pcin
7037
934
Miemb
ros de 3,0555 8,0619
familia
5556
0226

R=

Estad Probab Inferio

stico t ilidad r 95%
2,8637 0,0242 18,046
8342
0623
5678
0,3790 0,7159 16,007
1173
1375
814

0,141805
34

Superi Inferio Superi

or
r
or
95% 95.0% 95.0%
189,02 18,046 189,02
7506
5678
7506
22,118 16,007 22,118
9252
814
9252

0,020108
75

R 2=
MODELO DE
REGRESION

Y = 103.537 +
3.0555X
160
140
120

f(x) = 3.06x + 103.54

R = 0.02

100
80
60
40
20
0
2.5

3.5

4.5

5.5

6.5

Y=
127,981481
103.537 + 3.0555*8 =
La prediccin en la cantidad gastada por una familia de 8 miembros es
127.98
b)

Cul es la intensidad de la correlacin?

La intensidad de correlacin entre la variable miembros de la familia con la

variable cantidad gastada es muy baja.
c) presenta la muestra suficiente evidencia, aun nivel de
significacin de 0.05, como para rechazar la hiptesis nula sobre la
pendiente (Ho: pendiente de la recta es cero)?

Intercepcin
X

Coeficientes
103,5370
3,0556

Error tpico
36,1539
8,0619

Estadstico t
2,8638
0,3790

INTERPRETACION: Como 0,7159 > 0,05 entonces se acepta Ho.

d) Probar la hiptesis Ho. = 0
0

t=

r yx n2

1r

2
yx

Vs

Ha.

t=
t tabular

0,37901173
2,36462425

INTERPRETACION: Hay evidencia suficiente para

asumir que = 0.

e) Hallar un intervalo de confianza para p al

95% de confianza

r=
Z=

0,14180534
1,95996398

P[

-0,57662015

f) Probar la hiptesis Ho: = 0.2

de significancia

Zo =
Ztab =

0,736560702 ] = 0,95
Vs

Ha: p 0.2 al 5%

-0,0245
1,96

INTERPRETACION: hay evidencia suficiente para aceptar la hiptesis

que = 0,2.

4. Existe correlacin entre el trfico que recibe un sitio web y el

nmero de backlinks que recibe? seleccionado 12 peridicos, Para
este ejercicio simple, he usado dos variables: datos de trfico de
cada sitio sacados de SEMrush y nmero de backlinks entrantes al
dominio raz de cada sitio obtenidos con MajesticSEO.

PERIODICO

Trafico
Backinks
estimado MajesticS
SEMrush
EO

El pais

19,7

37,04

20 minutos

10,8

7,99

El mundo

14,5

13,19

2,7

4,48

Huffington post

0,478

1,43

El diario.es

0,779

2,18

4,5

1,86

10,8

11,16

0,641

1,45

1,8

3,54

La voz de galicia

2,1

3,33

El correo

2,5

3,62

La vanguardia

El confidencial
ABC
Larazon
El perodico de
catalunya

Estadsticas de la regresin
Coeficiente de correlacin
0,89337
mltiple
034
Coeficiente de
0,79811
determinacin R^2
057
0,77792
R^2 ajustado
163
4,73238
Error tpico
494
Observaciones

12

Coefi
ciente Error
s
tpico
- 1,902
Intercepc 0,721 7541
in
62288
4
0,222
Variable
1,401 9161
X1
57472
4

Inferi Super
Estad Proba Inferi Super
or
ior
stico bilida
or
ior
95.0
95.0
t
d
95%
95%
%
%
0,379
- 3,517
- 3,517
2517 0,712 4,961 9775 4,961 9775
7 42971 2233
4 2233
4
6,287
0,904 1,898 0,904 1,898
4528 9,054 8866 2628 8866 2628
1 3E-05
1
4
1
4

A partir de los datos anteriores, calculamos la recta de

regresin lineal correspondiente:

Y el coeficiente de correlacin.
R=

0,8933703

INTERPRETACION
Existe intensidad de correlacin muy fuerte entre la variable Trafico
estimado SEMrush con la variable Backinks MajesticSEO .
Existe
correlacin?
S.
El
valor del
coeficiente
de
correlacin (r=0,893370342) est muy prximo a uno por lo que la
vinculacin es muy fuerte. Al aumentar una aumenta la otra.