Beruflich Dokumente
Kultur Dokumente
ESTADÍSTICA APLICADA
SOBRE EL AUTOR
OBJETIVOS
Al finalizar el Capítulo 1, el participante será capaz de:
1. Diferenciar estimación puntual y estimación de
intervalos.
2. Discutir los criterios para la selección de un buen
estimador.
3. Realizar estimaciones puntuales.
4. Construir e interpretar intervalos de confianza para
m, p y s2.
5. Ajustar el intervalos en poblaciones finitas.
6. Determinar el tamaño de una muestra.
Manual de Estadística Aplicada
1.1 INTRODUCCIÓN
DESCRIPTIVA
ESTADISTICA Estimación
INFERENCIAL
Prueba de
Hipótesis
A) Estimación puntual
Ejemplo:
Ejemplo:
4
Jorge Córdova Egocheaga
p estima ____ π
Conceptos
5
Manual de Estadística Aplicada
Ejemplo:
400 400
Pr740 − (1.96) ≤ µ ≤ 740 + (1.96) = 0.95
400 400
6
Jorge Córdova Egocheaga
Interpretación:
µ Ls
LI
muestra
1 2 3 4 5 6 7 8
Pero, x-µ
t =
S
-t0 t0 n
Pr{− t0 ≤ t ≤ t0 } = 1 − α
x−µ
Pr − t 0 ≤ ≤ t0 = 1 − α
S
n
s s
Pr x − t 0 ≤ µ ≤ x + t0 = 1−α
n n
Ejemplo
7
Manual de Estadística Aplicada
S S
Pr x − t n−1 ≤ µ ≤ x + t n−1 = 1− α
n n
4,8 4,8
Pr 5,7 − 2,064 ≤ µ ≤ 5,7 + 2,064 = 1 − 0,1
25 25
Pr {3,72 ≤ µ ≤ 7,68 } = 0,90
Interpretación:
Ejemplo 2
n=9
x = 41,27
S = 16,23
α = 0,05
S S
Pr x − t n−1 ≤ µ ≤ x + tn−1 = 1− α
n n
16,23 16,23
Pr 41,27 − 2,306 ≤ µ ≤ 41,27 − 2,306 = 0,95
9 9
Interpretación:
Ejemplo:
8
Jorge Córdova Egocheaga
Solución:
GL= n - 1 = 8 t = 2,306
1.14
Pr8 − 2.306( ) ≤ µ ≤ 8 + 2.306(1.14) = 0,95
9 9
Pr {7,12372
. ≤ µ ≤ 8,.87628}= 0,
. 95
Interpretación:
Pero
p −π
Z =
σ
-Z0 Z0 p
donde
Pr{−Zo ≤ Z ≤ Z} =1−α
p (1 − p )
σ =
p −π p
n
Pr{−Zo ≤ ≤ Z} =1−α
σ` p
Pr{p − Zσ p ≤ π ≤ p + Zoσ p} =1−α
Ejemplo:
9
Manual de Estadística Aplicada
Interpretación:
Ejemplo 1
Hay 250 familias en un pequeño poblado. Una encuesta con
40 familias reveló que la contribución media anual a obras
comunitarias es de US $450, con una desviación estándar
de US $ 75. Establezca un intervalo de confianza de 0,95
para la contribución media anual. Interprételo.
10
Jorge Córdova Egocheaga
Solución:
σ N − n σ N − n
Pr{x − Z ≤ µ ≤ x+Z }= 1 − α
−
n N 1 n N −1
75 250 − 40 75 250 − 40
Pr{450 −1,96 ≤ µ ≤ 450 + 1,96 }= 0,95
40 250 −1 40 250 −1
Pr{450 − 23,24( 0,8433) ≤ µ ≤ 450 + 23,24( 0,8433)} = 0,95
Pr{428,66 ≤ µ ≤ 471,34} = 0,95
Interpretación:
Ejemplo 2
Solución:
(036)(1 − 0,36)
p=
18
= 0,36 σp =
50 50
σ p = 0,06788
N − n)
Pr{p − Zoσ p ≤ π ≤ p + Z oσ p N − n) } = 1 − α
N − 1 N −1
300 − 50
Pr{0,36 − (1,96)(0,06788) ≤ π ≤ 0,36(1,96)(0,06788) 300 − 50 } = 0,95
300 −1 300 −1
Pr{0,36 − 0,12165≤ π ≤ 0,36 + 0,12165} = 0,95
Pr{0,23835≤ π ≤ 0,48165} = 0,95
11
Manual de Estadística Aplicada
Interpretación:
Depende de:
1. La magnitud del máximo error permisible (e) y,
2. El nivel de confianza de que el error en la estimación
no exceda del máximo error permisible (1- α )
C) Derivación de la formula
σ σ
Pr{ x − Z o ≤ µ ≤ x+Z } = 1−α
n n
Error = e
Entonces Zσ
e=
n
Elevando al cuadrado
Z 2 .σ 2
e2 =
n
Z 2 .σ 2
n=
e2
Ejemplo 1
12
Jorge Córdova Egocheaga
Solución
Datos: Z 2
σ 2
1 - α = 0,95 n =
Z = 1,96 e 2
σ = 30
e = 10
(1 , 96 ) 2 ( 3 0 ) 2
n =
(1 0 ) 2
n = 35
Ejemplo 2
13
Manual de Estadística Aplicada
Solución
Datos:
1 - α = 0,95 (1,96 ) 2 ( 0, 40 )( 0,60 )
n=
Z = 1,96 ( 0 ,02 ) 2
p = 0,40 0 ,921984
e = 0,02 n=
( 0 ,02 ) 2
n = 2305
(n - 1)S 2
Pero , χ (2n −1)
σ 2
χ 12-α 2 χ α2 2
P r χ 1-2 α ≤ χ 2 ≤ χ α2 = 1 − α
2 2
Entonces:
( n − 1) S 2
Pr χ 12-α 2 ≤ ≤ χ α2 2 = 1 − α
σ 2
1 σ2 1
Pr 2 ≥ ≥ 2 = 1−α
χ 1 -α ( n − 1) S χα
2
2 2
( n − 1) S 2 ( n − 1) S 2
Pr ≤σ 2
≤ = 1−α
χ α 2 χ 12-α 2
2
14
Jorge Córdova Egocheaga
Ejemplo:
Solución:
Interpretación:
15
Manual de Estadística Aplicada
16
CAPÍTULO 2
HIPÓTESIS
CON UNA SOLA
MUESTRA
OBJETIVOS
Al finalizar el Capítulo 2, el participante será capaz de:
1. Utilizar datos provenientes de una muestra aleatoria
para conocer el parámetro poblacional.
2. Comprender los dos tipos de errores posibles que
se producen al probar una hipótesis.
3. Plantear pruebas de una cola y pruebas de dos
colas.
4. Realizar el procedimiento para probar hipótesis.
5. Usar con propiedad las distribuciones t ,Z y c2 para
probar hipótesis sobre medias, proporciones y
varianzas de población.
Manual de Estadística Aplicada
Si Ho : m = 200 Ha : m ¹200
Si Ho : m £ 200 Ha : m > 200
Si Ho : m ³ 200 Ha : m < 200
18
Jorge Córdova Egocheaga
α/2 (1 - α) α/2
Zona de
Aceptación
-Z0 Z0
19
Manual de Estadística Aplicada
(1 - α) Zona de rechazo
si Hp es cierta α
µo
Hp µ ≤ µo
Poder de la prueba
Ha µ > µo
(1 - β)
β
Zona de aceptación Hp
µ1
Zona de Rechazo Hp
20
Jorge Córdova Egocheaga
Ejemplo
α/2 (1 - α) α/2
Hp : µ = 200 Zona de
Aceptación
Ha : µ ≠ 200 -Z0 Z0
α
α (1 - α) (1 - α)
21
Manual de Estadística Aplicada
Ejemplo:
Procedimiento
α/2 α/2
(1 - α)
-Z0 Z0
-1.96 1,96
22
Jorge Córdova Egocheaga
5) Cálculos:
64 ,82 − 65 , 42
Ζc = = − 3,10
2 ,32
144
6) Conclusiones
(1) Se rechaza la hipótesis planteada y se acepta la
hipótesis alternante a un nivel de significación de 0,05.
La prueba resultó ser significativa.
(2) La evidencia estadística permite rechazar la
hipótesis planteada.
(3) Por lo tanto los datos muestrales confirman que
el promedio de salarios diarios de los técnicos de la
zona de estudio es menor de S/.65,42.
EJEMPLO
23
Manual de Estadística Aplicada
Criterios de decisión
Si prueba Z es mayor que
1,645, se rechaza Ho.
Si prueba Z es menor o
0
1,645
igual que 1,645, se acepta
Ho.
5. Realizar el cálculo del estadístico Z
x − µ 23− 20 3
Z= = = =3
sx 10 1
100
6. Conclusiones
7.
(A) Se rechaza la hipótesis planteada, se acepta la
hipótesis alternante a un nivel de significación de
0,05. La prueba resultó significativa
(B) Los datos disponibles como evidencia empírica,
han permitido rechazar la hipótesis planteada.
(C) El tiempo que espera un paciente muy
probablemente sea mayor a los 20 minutos.
EJEMPLO
EJEMPLO
24
Jorge Córdova Egocheaga
EJEMPLO
EJEMPLO
2 9 2.5 2.0
EJEMPLO
25
Manual de Estadística Aplicada
Antes: 201, 231, 221, 260, 228, 237, 326, 235, 240, 267,
284, 201
Después: 200, 236, 216, 233, 224, 216, 296, 195, 207, 247,
210, 209
EJEMPLO
Ejemplo:
Solución
1) Hipótesis: Hp : µ ≥ 12
26
Jorge Córdova Egocheaga
Ha : µ < 12
2) Nivel de significación: α = 0,05
3) Prueba estadística:
x -µ
tc =
S
n
Los supuestos son:
•la población se distribuye normalmente.
•la muestra elegida al azar.
4) Criterios de decisión
α (1 - α)
-t0
-1.711
to con GL = 24 y α = 0,05
Si { tc>-1,711} se acepta la Hp en caso contrario se
rechaza
5) Cálculos:
− 12
t c = 112,,70
3
= − 0 , 6522
25
6) Conclusiones
27
Manual de Estadística Aplicada
Ejemplo
Ejemplo:
Proporción muestral
245
: p = = 0 , 49
500
1) Planteo de Hipótesis:
Hp : π ≥ 0,55
Ha : π < 0,55
2) Nivel de significación: α = 0,01
3) Prueba estadística:
p -π
Ζc =
σp
Los supuestos son:
28
Jorge Córdova Egocheaga
4) Criterios de decisión
α
(1 - α)
Z π
-2,33
Si { Zc>-2,33} se acepta la hipótesis planteada, en caso
contrario se rechaza.
5) Cálculos
π (1 − π )
σp =
n
(0,55)(0,45)
σp = = 0,022
500
Reemplazando valores en Z:
6) Conclusiones
29
Manual de Estadística Aplicada
Ejemplo:
1) Planteo de Hipótesis:
Hp : s2 £ 0,0005
Ha : s2 > 0,0005
2) Nivel de significación: α = 0,01
3) Prueba estadística: (n – 1) S2
σ2
Los supuestos son:
• La población se distribuye normalmente.
• La muestra ha sido seleccionada al azar.
4) Criterios de decisión
α/2=0,01
(1 - α)
0,99
χα2
2
26,217
30
Jorge Córdova Egocheaga
5) Cálculos
Datos:
n = 13
S2= 0,0011634
6) Conclusiones
1) Se rechaza la hipótesis planteada y se acepta la
hipótesis alternante a un nivel de significación α =
0,01. La prueba resultó ser altamente significativa.
2) La evidencia empírica nos permite rechazar la
hipótesis planteada.
3) La variabilidad de la longitud de las agujas N° 21
excede a los límites establecidos. El producto no
tiene una calidad uniforme.
31
Manual de Estadística Aplicada
32
CAPÍTULO 3
HIPÓTESIS CON
DOS MUESTRAS
INDEPENDIENTES
OBJETIVOS
Al finalizar el Capítulo 1, el participante será capaz de:
1. Utilizar muestras aleatorias provenientes de
diferentes poblaciones, para probar hipótesis acerca
de cómo están relacionadas las dos poblaciones.
2. Comprender cómo la prueba de hipótesis acerca de
las diferencias entre medias poblacionales toma
diversas formas.
3. Diferenciar entre muestras independientes y
dependientes cuando se comparan dos medias.
4. Probar una hipótesis acerca de las proporciones de
dos poblaciones que poseen el atributo de interés.
Manual de Estadística Aplicada
Ejemplo:
Solución:
1) Planteo de Hipótesis
Hp : µ1 = µ2 Ha : µ1 ¹ µ2
2) Nivel de significación α = 0,05
3) Prueba de estadística
(x 1 − x 2 ) - ( µ1 − µ 2 )
Ζc =
σ 12 σ 22
+
n1 n2
con los supuestos
– Las distribuciones son normales
– Las muestras se seleccionaron al azar.
4) Criterios de decisión
µ1 < µ2 µ1 > µ2
α/2 = 0.025 α/2 = 0.025
(1 - α)
µ1 = µ2
-Z0 Z0
-1.96 1.96
34
Jorge Córdova Egocheaga
5) Cálculos
Ζc =
(1,30 − 1,35) - 0 = −0,2115
(0,8)2 (1,1)2
+
30 35
6) Conclusiones
35
Manual de Estadística Aplicada
EJEMPLO 1
– Paso 1:
H0:σs ≤ σu H1:σs > σu
– Paso 2:
H0 se rechaza si F > 3.68, gl = (9, 7), α = .05
– Paso 3:
F = (39 . ) 2 = 12416
. )2 / (35 .
– Paso 4:
H0 no se rechaza. No hay evidencia suficiente para
asegurar que hay mayor variación en las acciones de
software.
Ejemplo:
36
Jorge Córdova Egocheaga
Datos
Tasa de Recuperación Cardiaca (minutos)
Grupo1 Grupo 2
(40 - 49) (50 - 59)
X = 11,09 X = 13,46
S12 = 1,74 S 22 = 8,45
n1 = 13 n2 = 10
37
Manual de Estadística Aplicada
Solución
1) Planteo de Hipótesis:
H o : σ 12 = σ 22
H a : σ 12 ≠ σ 22
2) Nivel de significación:
α = 0,10
3) Prueba estadística:
2
SM
Fc =
S m2
4) Criterios de decisión
α/2 α/2
(1 - α)
38
Jorge Córdova Egocheaga
Si { 0,326 ≤ Fc ≤ 2,80
. } se acepta la Ho en caso contrario se rechaza.
5) Cálculos
2
Fc = S M2 =
8.45
1.74
= 4.86
Sm
6) Conclusiones
1) Planteo de hipótesis
Ho : µ1 = µ2 Ha : µ1 ¹ µ2
3) Prueba estadística
(x − x 2 ) - ( µ1 − µ2 )
tc =
1
S12 S 22
+
n1 n2
39
Manual de Estadística Aplicada
4) Criterios de decisión
S12 S 22
t1 + t2 1,74
(2,179) +
8,45
(2,262)
t′ =
n1 n2 t′ = 13
1,74 8,45
10 = 2,25
S12 S 22 +
+ 13 10
n1 n2
µ1 < µ2 µ1 > µ2
α/2 (1 - α) α/2
µ1 = µ2
- t´ t´
-2,25 2,25
Si {−2,25 ≤ tc ≤ 2,25} se acepta la Ho, en caso contrario
se rechaza
5) Cálculos
6) Conclusiones
1° Se rechaza la Ho se acepta la H1 a un nivel de
significación de 5% . La prueba resultó ser
significativa.
2° La evidencia estadística no permite aceptar la Ho
3° Las TRC de pacientes en los dos grupos de edades
no tienen el mismo promedio.
40
Jorge Córdova Egocheaga
Ejemplo:
Solución:
1) Planteo de hipótesis
Ho : µ1 = µ2 Ha : µ1 ¹ µ2
2) Nivel de significación α = 0,01
3) Prueba estadística
(x − x 2 ) - ( µ1 − µ2 )
tc =
1
1 1
S p2 +
n1 n2
con los supuestos
las poblaciones se distribuyen normalmente
las muestras han sido seleccionadas al azar
Variancia
(n − 1)S + (n − 1)S
1
2
1 2
2
2
S 2p ponderada =
n1 + n2 − 2
41
Manual de Estadística Aplicada
4) Criterios de decisión
to con (n 1 + n2 -2)
α/2 (1 - α) α/2
- tO tO
-2,6956 2,6956
Si
{−2,6956 ≤ tc ≤ 2,6956} se acepta la Ho, en caso contrario se
rechaza
5) Cálculos
24(16,71) 2 + 19(14,20 )
2
S p2 =
25 + 20 − 2
10,532.538
S p2 = = 244,943
43
Entonces
tc = (366,35 − 369,74) − 0
1 1
244,943 +
25 20
− 3,39
tc = = −0.72
22,045
6) Conclusiones
42
Jorge Córdova Egocheaga
Ejemplo:
Solución:
1) Planteo de hipótesis
Ho : π1 = π2 Ha : π1 ≠ π2
2) Nivel de significación: α = 0,05
3) Prueba estadística
(p1 - p2 ) -(π1 - π2 )
Zc =
σp1-p2
con los supuestos
las poblaciones se distribuyen normalmente
las muestras se han elegido al azar
4) Criterios de decisión
(1 - α)
α/2 α/2
- ZO ZO
-1,96 1,96
43
Manual de Estadística Aplicada
σˆ p1 −p2 = 0,046
Entonces, (p1 - p 2 ) - (π 1 - π 2 ) (0,36 − 0,245) − 0
Zc = =
σ p1 - p 2 0,046
Z c = 2,5
6) Conclusiones
44
CAPÍTULO 4
HIPÓTESIS CON
DOS MUESTRAS
DEPENDIENTES
OBJETIVOS
Al finalizar el Capítulo 4, el participante será capaz de:
1. Utilizar datos provenientes de dos muestras
recolectada al mismo marco muestral.
2. Aplicar el modelo antes-después para situaciones
relacionadas con la gestión hospitalaria.
Manual de Estadística Aplicada
Ejemplo:
MAQUINAS 1 2 3 4 5 6 7 8 9 10
ANTES 73 77 68 62 72 80 76 64 70 72
DESPUÉS 68 72 64 60 71 77 74 60 64 68
46
Jorge Córdova Egocheaga
Cálculos previos
1) Planteo de hipótesis
Ho : µd > 0 Ha : µd > 0
d − µd
tc =
Sd
3) Prueba estadística
4) Criterios de decisión
to con (n - 1)
(1 - α)
α
tO
1,833
47
Manual de Estadística Aplicada
5) Cálculos
d − µd
tc =
Sd
3.6 − 0
= = 7.21
0.499
6) Conclusiones
Ejemplo 2
48
CAPÍTULO 5
ANÁLISIS DE
VARIANZA CON UN
FACTOR VARIABLE
OBJETIVOS
Al finalizar el Capítulo 5, el participante será capaz de:
1. Comprender la noción general del análisis de variancia.
2. Enunciar las características de la distribución F.
3. Realizar una prueba de hipótesis para determinar si dos
variancias muestrales provienen de poblaciones iguales.
4. Establecer y organizar datos en una tabla ANOVA de una y
dos direcciones.
5. Definir los términos tratamiento y bloque.
6. Efectuar una prueba de hipótesis entre tres o más medias de
tratamiento.
7. Desarrollar intervalos de confianza para la diferencia entre
medias de tratamiento.
8. Realizar una prueba de hipótesis para determinar si hay alguna
diferencia entre medias de bloques.
Manual de Estadística Aplicada
Ejemplos:
50
Jorge Córdova Egocheaga
Xi= µ + εi
Donde
ei = error, es decir la variabilidad (o diferencia) entre la
observación y el promedio
µ Xi
εi
Xij = µ + τ i + ε ij
Donde
ti = efecto del tratamiento
∑X ∑(µ +τ + ε )
j=1
ij
µ=i = = µ +τ i ij
N N
µτ = µ +τ 1
1
µτ = µ +τ 2
2
Si la Hp : µ1= µ2
Reemplazando tenemos
51
Manual de Estadística Aplicada
Hp : µ + t1= µ + t2
Hp : t1= t2
T1 T2 T3
(Error Experimental)
ee ∑ ij r CMe=
GL
X2••
SCtotal = ∑Xij −
2
Total rt r t -1
Aplicación 1
52
Jorge Córdova Egocheaga
I II III
48.6 68.0 67.5
49.4 67.0 62.5
50.1 70.1 64.2
49.8 64.5 62.5
50.6 68.0 63.9
50.8 68.3 64.8
50.8 71.9 62.3
47.1 71.5 61.4
52.5 69.9 67.4
49.0 68.9 65.4
50.6 67.8 63.2
549.3 755.9 705.1
53
Manual de Estadística Aplicada
Solución
1. Planteamiento de hipótesis:
Hp : m1= m2= m3
Ha : m1= m2= m3 (no todas las medias son iguales)
2. Nivel de significación
a = 0.05
3. Prueba estadística
CMe
Fc = trat
CMe ee
4. Criterios de decisión
3,3158
Si {Fc>3,3158} se rechaza la Hp, en caso contrario se
acepta.
5. Cálculos
Excel nos brinda los siguientes resultados:
Fuente de
variabilidad SC GL CMe F cal p-valor F teórico
Tratamientos 2107.20727 2 1053.60364 300.680769 1.42117E-20 3.31583294
Total 2212.32909 32
6. Conclusiones
A. Se rechaza la hipótesis planteada, se acepta la
hipótesis alterna a un nivel de significación de 0,05. La
prueba fue significativa.
54
Jorge Córdova Egocheaga
T1 T2 T3
X11 X12 X13
X42 X43
X52
Xij2
Dentro de los SCee = ∑Xij2 − ∑ r t - t SC
grupos (Error rj CMe= ee
Experimental) GL
X2••
SCtotal = ∑Xij −
2
Total
∑rj r t -1
Aplicación 2
55
Manual de Estadística Aplicada
M etod o 1 15 18 19 22 11
M etod o 2 22 27 18 21 17
M etod o 3 18 24 19 16 22 15
Solución
1. Planteamiento de hipótesis:
Hp : m1= m2= m3
Ha : m1= m2= m3 (no todas las medias son iguales)
2. Nivel de significación
a = 0.05
3. Prueba estadística
CMe
Fc = trat
CMe ee
4. Criterios de decisión
3,81
Si {Fc>3,3158} se rechaza la Hp, en caso contrario se
acepta.
56
Jorge Córdova Egocheaga
5. Cálculos
Excel nos brinda los siguientes resultados:
ANÁLISIS DE VARIANZA
Fuentes de Variabilidad SC GL CMe F cal p-valor F tabular
Total 232 15
6. Conclusiones
A Se acepta la hipótesis planteada, se rechaza la
hipótesis alterna a un nivel de significación de
0,05. La prueba no resultó significativa.
tratamientos
Cuando se rechaza la hipótesis nula de que las medias son
iguales, quizá sea bueno saber qué medias de tratamiento
difieren.
2 CMe
DLS = t α •
n
57
Manual de Estadística Aplicada
Ventajas
• Fácil de realizar
• De preferencia debe de utilizarse para hacer
comparaciones ortogonales o independientes, sin
embargo su validez no se ve seriamente afectada
cuando algunas comparaciones no son ortogonales,
pero han sido establecidas al momento de instalar el
experimento.
Desventajas
donde t
Se obtiene de la tabla con (N - k) grados de libertad.
MSE = [SSE /(N - k)]
58
Jorge Córdova Egocheaga
Total 295.4 15
59
Manual de Estadística Aplicada
EJEMPLO
60
Jorge Córdova Egocheaga
1) Planteo de Hipótesis:
HO: Son independientes
H1 : Son dependientes
2) Nivel de significación:
a = 0,10
Prueba estadística:
(f − fe )
2
χ2 = ∑
0
fe
supuestos:
* la población se distribuye normalmente.
* la muestra se ha seleccionado al azar
Criterios de decisión
α/2=0,05 α/2=0,05
(1 - α)
0,90
0,352 7,815
χ12−α χα2
2 2
61
Manual de Estadística Aplicada
(f − fe)
2
χ c2 = ∑ 0
fe
(32 − 3357
. ) 2 (45 − 40.28) 2 (33 − 30.21) 2 (31 − 36.93) 2
+ + + +
.
3357 40.28 30.21 36.93
χc2 = 2.7638
Conclusiones
1) Se acepta Ho, se rechaza la Ha
2) La evidencia empírica disponible no permite rechazar la
hipótesis planteada
3) La actitud sobre le método de evaluación del desempeño
laboral, es independiente de la región en que labore el
trabajador.
EJEMPLO
T ra ta m ie n to A B C D E
N º p a c ie n te s 50 52 46 54 48
P a c ie n te s m e jo ra d o s 11 9 8 17 7
EJEMPLO
62
Jorge Córdova Egocheaga
T a s a d e o c u p a c ió n
d e h o s p ita l e
d e p a c ie n t e s
0 40 16
40 50 18
50 60 22
60 70 51
70 80 62
80 90 55
90 10 0 22
10 0 11 0 4
250
EJEMPLO
63
Manual de Estadística Aplicada
D e t e r m in a c ió n F r e c u e n c ia
á c id o ú r ic o o b s e rv a d a
m e no s 1 1
1 2 5
2 3 15
3 4 24
4 5 43
5 6 50
6 7 45
7 8 30
8 9 22
9 10 10
10 m as 5
250
64
Jorge Córdova Egocheaga
Df = Nº clase(ajustado) – 1 – Nº
parámetros estimados
( fo − fe)
χ
2
2
=∑
fe α
EJEMPLO
65
Manual de Estadística Aplicada
E s t a t u r a F r e c u e n c i a O b
( c m ) f o
1 1 4 1 1 6 5
1 1 6 1 1 8 1 0
1 1 8 1 2 0 1 4
1 2 0 1 2 2 2 1
1 2 2 1 2 4 3 0
1 2 4 1 2 6 4 0
1 2 6 1 2 8 4 5
1 2 8 1 3 0 4 3
1 3 0 1 3 2 4 2
1 3 2 1 3 4 3 0
1 3 4 1 3 6 1 1
1 3 6 1 3 8 5
1 3 8 1 4 0 4
66
CAPÍTULO 6
ANÁLISIS DE
VARIANZA CON
DOS FACTORES
OBJETIVOS
Al finalizar el Capítulo 6, el participante será capaz de:
Manual de Estadística Aplicada
T1 T2 T3 TOTAL
Bloques (Factor A)
Tratamientos (Factor B)
Error Experimental
Total
68
Jorge Córdova Egocheaga
EJEMPLO
La Bieber Manufacturing Co. opera 24 horas al día,
cinco días a la semana. Los trabajadores rotan su turno
cada semana. Todd Bieber, el propietario, se interesa en
saber si hay una diferencia en el número de unidades
producidas cuando los empleados trabajan diferentes
turnos. Se seleccionó una muestra de cinco
trabajadores y se registró su producción en cada turno.
Con 0,05 de nivel de significancia, ¿se puede concluir
que existe una diferencia en la producción media por
turno y por empleado?
Neary 33 26 33
Schoen 28 24 30
Thompson 30 29 28
Wagner 28 26 27
Variable de tratamiento
Paso 1: H0: m1= m2= m3 H1: no todas las medias son
iguales.
69
Manual de Estadística Aplicada
Ejemplo 2
70
Jorge Córdova Egocheaga
FACTOR B
Método Método de Métodos
Auditivo-oral Traducción Combinados
36 26 19
Superior 29 23 30
(115 y más) 25 21 28
FACTOR A 31 18 20
Inteligencia 33 20 17
Promedio 19 22 13
(115 y
menos) 37 14 23
28 15 18
71
Manual de Estadística Aplicada
72
CAPÍTULO 7
REGRESIÓN Y
CORRELACIÓN
SIMPLE
OBJETIVOS
Al finalizar el Capítulo 7, el participante será capaz de:
1. Utilizar diagramas de dispersión para visualizar la relación
entre dos variables.
2. Identificar relaciones simples entre variables
3. Utilizar la ecuación de regresión para predecir valores
futuros.
4. Aplicar el análisis de correlación para describir el grado hasta
el cuál dos variables están relacionadas linealmente entre si.
6. Realizar el diagnostico de la regresión
7. Medición de la autocorrelación
8. Realizar la estimación por intervalos
9. Realizar el análisis de varianza de la regresión simple
Manual de Estadística Aplicada
•• • •
•
entre X y Y vistos •• • • •
• ••
• • • •
en diagramas de • • • • ••
•
dispersión •• X
•••
X X
Y • Y Y
• •• • • • ••
•• •
• • ••
•• • •• • • •
••
• •• • •• • •
••
•• • • ••
• • • • • ••
•
•• ••
•• •
•• •
•
• ••
X X X
(d) Curvilinea inversa (e) Lineal inversa (d) Ninguna relación
con más dispersión
Aplicación
PACIENTE 1 2 3 4 5 6 7 8 9 10
COMPLEMENTO
1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5
EN Kg: X
AUMENTO DE
8 10 9 12 14 13 15 17 14 14
PESO : Y
Procedimiento
1er Paso: Reúna pares de datos (X,Y), cuya relación desea
estudiar y organice la información en una tabla.
74
Jorge Córdova Egocheaga
PACIENTE 1 2 3 4 5 6 7 8 9 10
COMPLEMENTO
1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5
EN Kg: X
AUMENTO DE
8 10 9 12 14 13 15 17 14 14
PESO : Y
2do Paso: Encuentre los valores mínimos y máximos para X
e Y. Elija las escalas que se usarán en los ejes horizontal y
vertical, de manera que ambas longitudes sean
aproximadamente iguales, facilitando la lectura del diagrama.
20
15
10
0
0.0 2.0 4.0 6.0
75
Manual de Estadística Aplicada
20
15
10
0
0.0 2.0 4.0 6.0
20
Aumento de peso
15
(Kg)
10
0
0.0 2.0 4.0 6.0
Complem ento nutricional (Kg)
76
Jorge Córdova Egocheaga
V a lo r V a lo r C a m bi o
da d o d e X c a lc u la d o d e Y d e Y
1 4,5 -
2 6,0 1,5
3 7,5 1,5
4 9,0 1,5
5 10,5 1,5
Ejemplo:
En Y = 10 + 2X
cuando X aumenta en 1, Y aumenta en 2
En Y = 5 - 0,8X
cuando X aumenta en 1, Y disminuye en 0,8
A) Tipos de Variables
77
Manual de Estadística Aplicada
Y = b0 + b1 X
Variable Variable
Dependiente Independiente
B) Tipo de Relaciones
o o
o
o
C) Grado de la ecuación:
78
Jorge Córdova Egocheaga
Ejemplo: Y = 30 + 4 X
Si la variable independiente está elevada a un
exponente diferente a 1, la ecuación toma el valor del
exponente. Su gráfica no es una línea recta.
Ejemplo:
Y = 10 + 3 X + 4 X2 : ecuación de segundo grado
Y = 3 + 7X + 5 X3 : ecuación de tercer grado
X 1 2 3 4 5
Y 4,5 6,0 7,5 9,0 10,5
Los cinco pares de valores se diagraman de la forma
siguiente.
79
Manual de Estadística Aplicada
12
11
. .
.
10 (5,10.5)
9
.
8 (4,9)
7
.
6 (3,7.5)
5 (2,6)
4
3 (1,4.5)
2
1
1 2 3 4 5 X
E) Forma general:
Ejemplo: Y = 3 + 1.5X
b0 = 3
.
X
80
Jorge Córdova Egocheaga
81
Manual de Estadística Aplicada
$ = error
Yi - Y
10
8
. Línea de
estimación
6
Ŷ
Min ∑ (Y - Y
$)
2
4 Error= -6
•
i
2
•
•
. Error= 2
X
2 4 6 8 10 12 14
X Y X2 XY
∑ Y = nb + b ∑ X
1.0 8.0 1.0 8.0
0 1 1.5 10.0 2.3 15.0
∑ XY = b ∑ X + b ∑ X
0 1
2 2.0
2.5
9.0
12.0
4.0
6.3
18.0
30.0
3.0 14.0 9.0 42.0
82
Jorge Córdova Egocheaga
C) Interpretación
Y
.
Yi
1.5
2.0
10.0
9.0
9.843
10.630
.
Y$ 2.5 12.0 11.418
3.0 14.0 12.206
Valor 3.5 13.0 12.994
observado Valor 4.0 15.0 13.782
estimado 4.5 17.0 14.570
5.0 14.0 15.358
5.5 14.0 16.146
xo X
83
Manual de Estadística Aplicada
21,20 21,20
Syx = = = 2,65
10−2 8
S yx = 1,628
84
Jorge Córdova Egocheaga
A) El coeficiente de determinación
r2 = ∑ (Ŷ - Y )2
∑ (Y - Y )
2
i
Se elevan al cuadrado, para evitar que
obteniéndose un número positivo.
85
Manual de Estadística Aplicada
n
Y1 + Y2 + Y3 + Y4 + Y5
Y=
5
9 + 5 + 7 + 14 + 10 45
Y= =
5 5
Y = 9 unidades
Y Y (Y − Y ) (Y− Y)2
8.0 12.6 -4.6 21.16
10.0 12.6 -2.6 6.76
9.0 12.6 -3.6 12.96
12.0 12.6 -0.6 0.36
14.0 12.6 1.4 1.96
13.0 12.6 0.4 0.16
15.0 12.6 2.4 5.76
17.0 12.6 4.4 19.36
14.0 12.6 1.4 1.96
14.0 12.6 1.4 1.96
126.0 126.0 0.0 72.4
∑Y ∑Y ∑ (Y − Y ) ∑ (Y − Y )
2
86
Jorge Córdova Egocheaga
51,2
r2 = = 0,707
72,4
5to Paso: Interpretación: 70,7% de las variaciones en el
incremento de peso, pueden explicarse por el consumo del
complemento nutricional.
87
Manual de Estadística Aplicada
Valores posibles de r2
Si r2 = 1 : Correlación perfecta, es decir, toda variación de Y
puede explicarse por X
Si r2 = 0 : no existe correlación entre X e Y. La variación
explicada es 0. La variable X no explica nada de los cambios
en Y
Resumen
0 ≤ r2 ≤ 1
B) El coeficiente de correlación
88
Jorge Córdova Egocheaga
Ejemplo:
r2= 0,707
r = 0,707
r = 0,84
el signo es positivo ya que X e Y están relacionados
directamente como lo indica el signo del coeficiente b1 en la
ecuación de regresión
εi = Yi - Ŷi
89
Manual de Estadística Aplicada
Ejemplo
1
Residuos
0
0 1 2 3 4 5 6
-1
-2
-3
Variable X 1
En donde
90
Jorge Córdova Egocheaga
hi =
1
+
(X i − X )2
n
n
∑X
2
2
i − nX
i =1
91
Manual de Estadística Aplicada
R esiduos estándares
1. 5
1
0. 5
0
-0. 5 0 5 10 15 20
-1
-1. 5
-2
El estadístico D (Durbin-Watson)
92
Jorge Córdova Egocheaga
∑ (ε − ε i −1 )
2
i
D= i= 2
n
∑ε
i =1
i
2
Interpretación de D:
Cuando residuos sucesivos están correlacionados
positivamente, el valor de D se aproximará a cero.
Change Statistics
R Square
Model Change F Change df1 df2 Sig. F Change Durbin-Watson
1 .707a 19.336 1 8 .002 1.517
a. Predictors: (Constant), Complemento
b. Dependent Variable: AUMENTO
Según este resultado permite afirmar que los residuos no
están correlacionados.
93
Manual de Estadística Aplicada
S 2
= i= 1
yx
n − 2
-t0 t0
Pr(−t 0 ≤ t ≤ t 0 )
b −β
Pr − t 0 ≤ 1 1 ≤ t 0 = 1− α
Syx
SCx
S S
Prb1 − t0 yx ≤ β1 ≤ b1 + t0 yx = 1− α
SCx SCx
b 0 ≈ Ν β 0 ,σ ε2 +
n SC
x
b0 − β 0 b0 − β 0
= ≈ t n−2
S b0 1 x
2
S yx +
n SC x
donde:
Y2 − (∑ Y ) 2
− b 2 SC
∑ n 0 x
S 2yx =
n−2
94
Jorge Córdova Egocheaga
-t0 t0
Pr( −t 0 ≤ t ≤ t 0 )
b − β0
Pr − t 0 ≤ 0 ≤ t0 = 1− α
S b0
( )
Pr b 0 − t 0 S b 0 ≤ β 0 ≤ b 0 + t 0 S b 0 = 1 − α
1 X −X
Ŷ ≈ N µ y / X 0 , σ ε2 + 0
(2
)
n SC x
Para un nivel dado de confianza, una variación aumentada
alrededor de la línea de regresión, medida a través del error
estándar de la estimación, tiene como resultado un intervalo
más amplio.
( )
Pr ŷ − t 0 S ŷ ≤ µ y / X 0 ≤ ŷ + t 0 S ŷ = 1 − α
donde:
1 X − x2
S ŷ = S 2yx + 0
( )
n SC x
95
Manual de Estadística Aplicada
(
Pr ŷ − t 0 S ŷ ≤ µ Y / X 0 ≤ ŷ + t 0 S ŷ = 1 − α )
donde:
1 X −x
S ŷ = S 2yx 1 + + 0
2
( )
n SC x
El cuadro de Análisis de
Varianza
Fuentes de Suma de Cuadrado F
variabilidad Cuadrados GL Medio calculado E(CMe)
Debido a la
Regresión
2
b SC X 1
2
b SC x
1
b12SCx
σε + β12SCx
2
S2yx
(∑Y) 2
σ ε2
Error
Experimental
∑Y 2
−
n
• b12SCx n − 2 S 2yx
Total SC total n −1
96
Jorge Córdova Egocheaga
Solución
Primero se realizan los cálculos necesarios:
n = 10
∑ Xi = 32,5
∑ Yi = 126
∑ Xi2 = 126,25
∑ Yi2 = 1660
∑ Xi Yi = 442
A. Cálculo de los coeficientes de regresión:
Ŷ = b 0 + b1X
b 0 = Y − b1 X
∑ X Y − ∑ n∑
X Y i i
442 −
(32,5 )(126 )
i i
10 32,5
b1 = = = = 1,57
( X) (32,5 )
∑X − ∑
2
2 i 126,25 − 20,62
i
n 10
97
Manual de Estadística Aplicada
Interpretación:
b0= Se espera que el peso que un niño que no consume
este complemento nutricional sea 7,49 Kg.
b1= Por cada Kg. de complemento nutricional, el peso del
niño se incrementará en 1,57 Kg.
S yx S yx
Pr 1,57 − t (0 ,10 )(8 ) ≤ β 1 ≤ 1,57 + t (0 ,10 )(8 ) = 1 − 0,10
SC x SC x
S S
Pr 1,57 − 1,86 yx ≤ β 1 ≤ 1,57 + 1,86 yx = 0,90
4,54 4,54
1660 −
(126 )2 − (1,57 )2 (20,62 )
10 72,7 − 50,82
S 2yx = = = 2,69
8 8
S yx = 1,642
1,642 1,642
Pr 1,57 − 1,86 ≤ β 1 ≤ 1,57 + 1,86 = 0,90
4,54 4,54
98
Jorge Córdova Egocheaga
Pr {Ŷ − t 0 S Ŷ ≤ Yind ≤ Ŷ − t 0 S Ŷ } = 1 − α
1 (3,80 − 3,25 )
2
S Ŷ = 1,642 1 + + =
10 20,62
C. Análisis de Varianza
Fuentes de Suma de Cuadrado F
variabilidad Cuadrados GL Medio calculado E(CMe)
Debido a la
Regresión 50,82 1 50,82 18,84
Error
Experimental 21,58 8 2,697
Total
72,40 9
D.Si X = 5,1
Ŷ = 7,49 + 1,57(5,51)
Ŷ = 16,14
1. Hp: β1= 0
Ha: β1≠ 0
2. α = 0,10
3. F = CMe regresión
c
CMe error
Supuestos
- La muestra seleccionada al azar
99
Manual de Estadística Aplicada
4. Criterios de decisión
F1-α/2 Fα/2
5. Cálculos
50,82
Fc = = 18,84
2,697
6. Conclusiones
La variable “complemento nutricional” es apropiada para
explicar el comportamiento del “aumento de peso” en niños
desnutridos. Además, la ecuación de regresión puede ser
usada con fines de predicción hasta cierto límite.
100
Jorge Córdova Egocheaga
ANÁLISIS DE VARIANZA
GL SC CMe F cal P-valor
Regresión 1 1116.62308 1116.62308 476.328138 2.60786E-05
Residuos 4 9.37692308 2.34423077
Total 5 1126
Ejemplo:
En la Farmacia Santa Rita, se desea determinar la relación
lineal simple entre la experiencia del vendedor y las ventas
durante un mes. Se seleccionan 5 vendedores, los datos
registrados se presentan a continuación:
Caso 1
Un equipo de profesionales en salud mental de un hospital
psiquiátrico donde el tiempo de permanencia es largo, quiere
medir el nivel de respuesta de pacientes retraídos mediante
un programa de terapia de remotivación. Para este propósito
se contaba con una prueba estandarizada, que era costosa y
su aplicación tomaba mucho tiempo. Para salvar este
obstáculo, el equipo creó una prueba más fácil de aplicar.
101
Manual de Estadística Aplicada
Paciente 1 2 3 4 5 6 7 8 9 10 11
Caso 2
Se llevo a cabo un experimento para estudiar el efecto de
cierto medicamento para disminuir la frecuencia cardiaca en
adultos. Se reunieron los siguientes datos: dosis en
miligramos del medicamento y la diferencia entre la
frecuencia cardiaca mas baja después de la administración
del medicamento y un control antes de administrarlo.
Dosis (mg) 1 1 1 1 2 2 2 2 3 3 3 3
Reduccion ritmo cardiaco 10 8 12 12 14 12 16 18 17 20 18 20
102
CAPÍTULO 8
REGRESIÓN Y
CORRELACIÓN
MÚLTIPLE
OBJETIVOS
Al finalizar el Capítulo 8, el participante será capaz de:
1. Construir un modelo utilizando dos o más variables
explicativas.
2. Probar una hipótesis para aceptar la validez de un
modelo de regresión múltiple
3. Realizar pruebas de hipótesis individuales para descartar
aquellas variables no significativas en un modelo de
regresión múltiple
4. Calcular en interpretar medidas de asociación múltiples.
5. Entender la importancia de los residuos en el análisis de
regresión.
Manual de Estadística Aplicada
8.1 EL MODELO
Yˆ = f ( X 1 , X 2 , X 3 ,....)
Variable Variables
dependiente independientes
Ejemplos
La ventaja
Proceso
104
Jorge Córdova Egocheaga
Alcance
Donde :
Ŷ = b 0 + b 1 X 1 + b 2 X 2
Visualización:
105
Manual de Estadística Aplicada
∑ Y = nb + b ∑ X + b ∑ X
0 1 1 2 2
∑ X Y =b ∑ X +b ∑ X +b ∑ X X
1 0 1 1
2
1 2 1 2
∑ X Y =b ∑ X +b ∑ X X +b ∑ X
2 0 2 1 1 2 2
2
2
106
Jorge Córdova Egocheaga
Aplicación
En el siguiente caso, interesa construir un modelo para
determinar los niveles de colesterol, conociendo el peso (en
Kg), el diámetro de la cintura (en cms) y el nivel de
hemoglobina (en grs.)
bo = 121,704 b1 = 2,949
b2 = 0,276 b3 = -7,843
Construyendo la siguiente ecuación de regresión:
S yx =
∑ ( Y − Ŷ ) 2
n − k −1
107
Manual de Estadística Aplicada
donde:
Y : Valores observados en la muestra
Yˆ : valores estimados a partir a partir de la
ecuación de regresión
n : mínimo de datos
k : número de variables independientes
8 −1
ra2 = 1 − (1 − 0,95 ) = 0,9125
8 − 3 −1
Coeficiente de correlación: r
r = r2
108
Jorge Córdova Egocheaga
El modelo de la muestra es
Ŷ = b 0 + b 1 X 1 + b 2 X 2
Para el ejemplo será:
1. Formulación de hipótesis
Hp : b1 = b2 = b3 = 0
Ha : b1 ¹ b2 ¹ b3 ¹ 0
109
Manual de Estadística Aplicada
α/2=0,01
(1 -
α)
0,95
Fα
2
6,59
5. Cálculos
6650 ,19
Fc = = 29,99
221,73
Lo que se puede verificar con la salida de Excel.
El p-valor es 0,003 y como es menor al valor del nivel de
significación, por lo tanto se rechaza la Hp.
110
Jorge Córdova Egocheaga
Resultado en Excel
GL SC CMe F p-valor
calculado
Regresión 3 19950.57 6650.19 29.99 0.003
Residuos 4 886.926 221.73
Total 7 20837.5
6. Conclusiones
A. Se rechaza la hipótesis planteada, se acepta la
alternante a un nivel de significación de 0,10. La
prueba resultó ser significativa.
B. Hay evidencia muestral suficiente para rechazar la
hipótesis planteada
C. Probablemente al menos uno de los factores
seleccionados (peso, diámetro de la cintura y
hemoglobina) explican el nivel de colesterol en un
paciente.
111
Manual de Estadística Aplicada
b1 − B1
tc =
S b1
donde
bi : pendiente de la regresión ajustada
(muestra)
-1,94318 1,94318
112
Jorge Córdova Egocheaga
5) Cálculos
b − B
tc = 1 10
S b1
S yx
S b1 = = 0,704
∑ X 2 − n(x )
2
Resultados en Excel
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95.0% 95.0%
Reemplazando en la ecuación:
2 ,949 − 0
tc =
0 ,704
t c = 4 ,189
6) Conclusiones
A) Se rechaza la hipótesis planteada. Se acepta la
hipótesis nula.
B) Existe una diferencia suficientemente grande entre
el valor del estimador b1= 2,949 y el valor
hipotizado del parámetro b1= 0 y que nos permite
concluir que el factor X1 (peso del paciente) afecta
significativamente a Y (nivel de colesterol).
C) La variable X1 (peso) será considerada en el
modelo de regresión múltiple.
113
Manual de Estadística Aplicada
Ha : r ¹ 0
2. Nivel de significación
a = 0,05
3. Criterio de decisión:
-1,94318 1,94318
4. Prueba estadística
r n−2
tc =
1− r2
5. Cálculos
0,9746 8 − 2
tc = = 10 ,66
1 − (0,9746 )
2
6. Conclusiones
A) Se rechaza la hipótesis planteada, se acepta
la hipótesis alternante a un nivel de
significación de 0,10. La prueba fue
significativa.
B) La evidencia empírica permite afirmar que
existe una alta correlación entre los factores
peso, perímetro abdominal y hemoglobina.
114
Jorge Córdova Egocheaga
115
Manual de Estadística Aplicada
116
CAPÍTULO 9
ANÁLISIS DE
SERIES DE
TIEMPO
OBJETIVOS
Al finalizar el Capítulo 9, el participante será capaz de:
1. Elaborar un modelo, que permita proyectar una
serie de datos, en un horizonte temporal
2. Desestacionalizar una serie histórica.
Manual de Estadística Aplicada
9.1 INTRODUCCIÓN
118
Jorge Córdova Egocheaga
(A) Sistemática:
119
Manual de Estadística Aplicada
120
Jorge Córdova Egocheaga
121
Manual de Estadística Aplicada
b1 =
∑ xy − n x y
∑ x - nx
b 0 = y - b1 x
122
Jorge Córdova Egocheaga
X X
Año Año Codificado
1991 -5
92 -3
93 -1 Año Medio = 0
94 1
95 3
1996 5
Ejemplo:
Número de intervenciones quirúrgicas en el Hospital María
Auxiliadora entre 1995 y 2002. Encontrar la ecuación que
describa la tendencia secular de las intervenciones.
AÑO (X) 1995 1 996 1997 1998 1 999 2000 2001 2 002
Núm ero de
98 105 116 119 135 156 177 208
intervenciones (Y)
Año X Y XY X2
1995 -7 98 -686 49
1996 -5 105 -525 25
1997 -3 116 -348 9
1998 -1 119 -119 1
1999 1 135 135 1
2000 3 156 468 9
2001 5 177 885 25
2002 7 208 1456 49
TOTAL 0 1114 1266 168
123
Manual de Estadística Aplicada
y la intersección
b0 = y
b0 =
∑y = 1114 = 139,25
n 8
Así, la secuencia lineal general, que describe la tendencia
secular de las intervenciones quirúrgicas es:
ŷ =b0 +b1x
ŷ = 139,25 + 7,536x
Ejemplo:
Si ŷ = 139,25 + 7,536x y se desea estimar los cargamentos
para 1997.
124
Jorge Córdova Egocheaga
x = valor codificado de la
variable temporal
∑ x2y = a∑ x 2+ c∑ x4
∑ xy
b=
∑ x2
Una vez hallados los valores a, b, c, los sustituimos en la
ecuación de segundo grado.
125
Manual de Estadística Aplicada
Año X Y X2 X4 XY X2 Y
1997 -2 13 4 16 -26 52
1998 -1 24 1 1 -24 24
1999 0 39 0 0 0 0
2000 1 65 1 1 65 65
2001 2 106 4 16 212 424
TOTAL 0 247 10 34 227 565
565 = 10a + 34 c 2
227 3
b=
10
b = 22.7
126
Jorge Córdova Egocheaga
127
Manual de Estadística Aplicada
Predicción
Suponga que deseamos predecir las ventas de relojes para
2002. El valor codificado de X es 3.
y$ = 39.3 + 22.7x + 5.07x 2
2
y$ = 3 9 .3 + 2 2 .7(3 ) + 5 .0 7(3 )
y$ = 3 9 .3 + 6 8 .1 + 4 5 .6 3
y$ = 1 5 3 .0 3
medias móviles
medias ponderadas
pronóstico con suavizamiento exponencial
tendencia de pronóstico lineal
tendencia de pronóstico cuadrático
tendencia de pronóstico exponencial.
128
Jorge Córdova Egocheaga
129
Manual de Estadística Aplicada
Actual
800 Predicted
Forecast
700 Actual
Predicted
600 Forecast
Ventas
500
Moving Average
400 Length: 3
0 10 20 30 40 50
Time
54 560.50
130
Jorge Córdova Egocheaga
850 Actual
Predicted
750 Forecast
Actual
650 Predicted
Forecast
Ventas
550
Smoothing Constant
450
Alpha: 0.200
350
MAPE: 22.8
MAD: 100.3
250 MSD: 17605.2
0 10 20 30 40 50
Time
Tendencia Lineal
Row Period Forecast
1 55 418.630
131
Manual de Estadística Aplicada
Tendencia Cuadrática
Row Period Forecast
1 55 418.630
Tendencia Cuadrática
Row Period Forecast
1 55 418.630
132
Jorge Córdova Egocheaga
Tendencia Exponencial
Row Period Forecast
1 55 405.787
133
Manual de Estadística Aplicada
134
Jorge Córdova Egocheaga
Año Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
1998 0.9463 0.9448 1.1169 1.1176 0.7867 0.9186 1.1886 0.9660 0.8821 0.8708 1.3948
1999 0.7408 1.1663 0.8412 1.2351 0.5656 1.7587 0.4157 1.6771 0.7030 1.1038 0.9597 1.0106
2000 1.0095 0.8756 1.2297 0.7942 1.1207 1.0147 0.9734 0.8977 1.0060 1.0808 1.0040 0.9587
2001 1.0771 0.6451 1.4075 0.8709 1.0755 0.8295 1.1932 0.9121 0.9383 1.0479 1.1900 0.7096
2002 1.2664 0.7855 1.1371 0.9907 1.0238
Total 4.0938 3.4725 4.6155 3.8909 3.7856 3.6029 2.5823 3.4869 2.6472 3.2326 3.1537 2.6789
Media 1.0235 0.8838 1.1121 1.0016 0.9807 1.0974 0.8752 1.1689 0.9033 1.0287 1.0061 1.0184
I Típico 1.0150 0.8765 1.1029 0.9933 0.9726 1.0884 0.8680 1.1592 0.8959 1.0202 0.9978 1.0101
135
Manual de Estadística Aplicada
136