Estadística Aplicada Producto Académico N° 03

Producto Académico N° 03

Desarrolle de manera detallada las preguntas presentadas a continuación y responda a las

preguntas.
En los ejercicios 1 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.

1. Calentamiento global La preocupación por el calentamiento global ha conducido a la

realización de estudios de la relación entre la temperatura global y la concentración de
dióxido de carbono (CO2). A continuación, se presentan las concentraciones (en partes
por millón) de CO2 y las temperaturas (en °C) para diferentes años (según datos del Earth
Policy Institute).

Ho: ρ = 0 (No existe correlación lineal entre el CO2 y la temperatura)

H1: ρ ≠ 0 (Existe correlación lineal entre el CO2 y la temperatura)

CO2 Temperatura
314 13.9
317 14.0
320 13.9
326 14.1
331 14.0
339 14.3
346 14.1
354 14.5
361 14.5
369 14.4

1|Página
 Estadística Aplicada Producto Académico N° 03

n = 10
α = 0,05
rc = 0,632

r = | 0,892 | > rc = 0,632

Por lo tanto, se rechaza Ho. Existiendo evidencia suficiente para afirmar la existencia
de correlación lineal entre las Concentraciones de dióxido de carbono CO2 y la
Temperatura global.

2. Edades de mejores actrices y actores A continuación se presentan las edades de actrices

y actores en el momento en que ganaron el Óscar. Las edades correspondientes están
pareadas de acuerdo al año. ¿Hay evidencia suficiente para concluir que existe una
correlación lineal entre las edades de los mejor actores y de las mejores actrices?

Actrices 26 80 42 29 33 35 45 49 39 34 26 25 33 35 35 28 30 29 61
Actores 51 32 42 54 52 37 38 32 45 60 46 40 36 47 29 43 37 38 45

Ho: ρ = 0 (No existe correlación lineal entre la edad de los mejores actores y las actrices)
H1: ρ ≠ 0 (Existe correlación lineal entre la edad de los mejores actores y las actrices)

2|Página
 Estadística Aplicada Producto Académico N° 03

n = 19
α = 0,05
rc = 0,456

r = | -0,353 | < rc = 0,456

Por lo tanto, NO se rechaza Ho. Existiendo evidencia suficiente para afirmar la NO

existencia de correlación lineal entre la edad de los mejores actores y la edad de las
mejores actrices al momento de recibir el Oscar.

3. Presupuestos y ganancias brutas de películas Remítase al archivo movies.xls y utilice

los datos pareados que consisten en los presupuestos invertidos en las películas y las
ganancias brutas que generaron.

Ho: ρ = 0 (No existe correlación lineal entre el Presupuesto y las Ganancias brutas de
películas)
H1: ρ ≠ 0 (Existe correlación lineal entre el Presupuesto y las Ganancias brutas de
películas)

3|Página
 Estadística Aplicada Producto Académico N° 03

n = 35
α = 0,05
rc = 0,335

r = | 0,744 | > rc = 0,335

Por lo tanto, se rechaza Ho. Existiendo evidencia suficiente para afirmar la existencia
de correlación lineal entre el Presupuesto y las Ganancias brutas de películas (en
millones de dólares).

4. Suponga que el gerente de ventas de un distribuidor grande de partes de autos desea

estimar en el mes de abril las ventas totales anuales de una región. Con base en las
ventas regionales, también se pueden estimar las ventas totales de la compañía. Con
base en la experiencia pasada, se determina que las estimaciones de abril de las ventas
anuales tienen una precisión razonable, en años futuros esa predicción serviría para
revisar los programas de producción y mantener el inventario correcto en las tiendas de
descuento minoristas.
Parece que varios factores están relacionados con las ventas, como el número de
tiendas de descuento minoristas en la región que venden componentes de la compañía,
el número de automóviles en la región registrados desde el 1 de abril, y el ingreso total
personal del primer trimestre del año. Al final se seleccionaron cinco variables
independientes como las más importantes (según el gerente de ventas). Luego se
recopilaron los datos de un año reciente.
También se registraron las ventas totales anuales en ese año por cada región. En la
siguiente tabla observe que en la región 1 había 1 739 tiendas de descuento minoristas
que vendían los componentes de autos de la compañía y 9 270 000 automóviles
registrados en la región desde el 1 de abril. Las ventas en ese año fueron $37 702 000.
4|Página
 Estadística Aplicada Producto Académico N° 03

Ventas Número Número de Ingreso Antigüedad

anuales de tiendas automóviles personal (miles promedio de Número de
(millones de registrados de millones los automóviles supervisores,
de dólares), descuento, (millones), de dólares), (años), X5
Y X1 X2 X3 X4
37.702 1739 9.27 85.4 3.5 9
24.196 1221 5.86 60.7 5 5
32.055 1846 8.81 68.1 4.4 7
3.611 120 3.81 20.2 4 5
17.625 1096 10.31 33.8 3.5 7
45.919 2290 11.62 95.1 4.1 13
29.6 1687 8.96 69.3 4.1 15
8.114 241 6.28 16.3 5.9 11
20.116 649 7.77 34.9 5.5 16
12.994 1427 10.92 15.1 4.1 10

Construya la matriz de correlación:

a. ¿Qué variable individual tiene la correlación más fuerte con la variable
dependiente?

Ventas anuales
Correlación
(millones $), Y
Número de tiendas de descuento, X1 0,899 SI
Número de automóviles Registrados 0,605 NO
(millones), X2
Ingreso personal (miles de millones de 0,964 SI
dólares), X3
Antigüedad promedio de los automóviles -0.323 NO
(años), X4
Número de supervisores, X5 0,286 NO

La variable individual con mayor índice de correlación entre las Ventas anuales (Y)
es con la variable Ingreso personal (X3) (en millones de dólares) es de 0,964.

b. Las correlaciones entre las variables independientes, tiendas de descuento e

ingreso

r = 0,825

c. Entre automóviles y tiendas de descuento ¿son muy fuertes?

r = 0,775

La correlación entre Número de tiendas de descuento, X1 y el Número de

automóviles registrados (millones), X2 se pueden catalogar de Correlación positiva
alta.

5|Página
 Estadística Aplicada Producto Académico N° 03

d. ¿Esto puede representar un problema? ¿Cómo se denomina esta condición?

No hay problema estadístico alguno al existir correlación positiva, la problemática
puede surgir en el tema de ganancias por la relación entre el la cantidad de tiendas
registradas de descuento el número autos registrados.
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.

5. IPC y pizza Calcule el mejor costo predicho de una rebanada de pizza cuando el Índice
de precios al consumidor (IPC) es de 182.5 (en el año 2000).

̂ = −𝟎, 𝟏𝟔𝟏𝟔 + 𝟎, 𝟎𝟏(𝟏𝟖𝟐,𝟓)

𝒚
̂ = 𝟎, 𝟏𝟔𝟐
𝒚

El Costo de la rebanada de pizza será 0,16 cuando el IPC sea 182,5.

6. Medidas de presión sanguínea Calcule la mejor presión sanguínea sistólica predicha

en el brazo izquierdo, si la presión sanguínea sistólica del brazo derecho es de 100 mm
Hg.

̂ = 𝟒𝟑, 𝟓𝟔𝟓 + 𝟏, 𝟑𝟏𝟓(𝟏𝟎𝟎)

𝒚
̂ = 𝟏𝟕𝟓, 𝟎𝟔𝟓
𝒚

El Valor de la presión sanguínea del brazo izquierdo será 175 mm Hg cuando el brazo
derecho sea 100 mm Hg.

7. 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

6|Página
 Estadística Aplicada Producto Académico N° 03

son mentolados ni ligeros (el último conjunto de mediciones). Calcule la mejor ecuación
de regresión para predecir la cantidad de nicotina en un cigarrillo.
a) ¿Por qué es la mejor?
b) ¿La mejor ecuación de regresión es una buena ecuación de regresión para predecir
el contenido de nicotina? ¿Por qué?

Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) ,127 ,052 2,431 ,024

1 X1 = Alquitrán ,088 ,007 1,302 12,433 ,000

X2 = CO -,025 ,006 -,427 -4,079 ,000

a. Variable dependiente: Y= Nicotina

̂ = 𝟎, 𝟏𝟐𝟕 + 𝟎, 𝟎𝟖𝟖(𝑨𝒍𝒒𝒖𝒊𝒕𝒓á𝒏) − 𝟎, 𝟎𝟐𝟓(𝑪𝑶)

𝒚

8. Old Faithful. Remítase al archivo OldFaith.xls y determine la mejor ecuación de

regresión para expresar la variable de respuesta (y) del tiempo que transcurre después
de una erupción, en términos de una o más de las variables de duración, el tiempo que
transcurre antes de la erupción y la altura de la erupción. Explique su decisión.

Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes t Sig.

tipificados

B Error típ. Beta

(Constante) -112,970 77,230 -1,463 ,152

x1 = antes ,751 ,451 ,196 1,665 ,105

1
x2 = después 2,749 ,449 ,719 6,126 ,000

x3 = altura ,292 ,321 ,105 ,908 ,370

a. Variable dependiente: Y = Tiempo que transcurre

̂ = −𝟏𝟏𝟐, 𝟗𝟕𝟎 + 𝟎, 𝟕𝟓𝟏(𝑨𝒏𝒕𝒆𝒔) + 𝟐, 𝟕𝟒𝟗(𝑫𝒆𝒔𝒑𝒖é𝒔) + 𝟎, 𝟑𝟐𝟏(𝑨𝒍𝒕𝒖𝒓𝒂)

𝒚

9. 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

7|Página
 Estadística Aplicada Producto Académico N° 03

1er. trimestre 2008 28766

2o. trimestre 2008 30057
3r. trimestre 2008 31336
4o. trimestre 2008 33240
1er. trimestre 2009 34610
2o. trimestre 2009 35102
3r. trimestre 2009 35308
4o. trimestre 2009 35203
1er. trimestre 2010 34386

N° Yt Yt´ m α
1er. trimestre 2008 28766 4 0.1
2do. trimestre 2008 30057 0.2
3er. trimestre 2008 31336 0.3
4to. trimestre 2008 33240 0.4
1er. trimestre 2009 34610 31584.80 1.0
2do. trimestre 2009 35102 33088.90
3er. trimestre 2009 35308 34205.40
4to. trimestre 2009 35203 34899.80
1er. trimestre 2010 34386 35155.00
2do. trimestre 2008 34887.10

10. En la siguiente tabla aparece el número de boletos para cine que vendió el Library
Cinema-Complex, en miles, durante el periodo de 1998 a 2010. Calcule el promedio

8|Página
 Estadística Aplicada Producto Académico N° 03

móvil ponderado de cinco años con ponderaciones de 0.1, 0.1, 0.2, 0.3 y 0.3,
respectivamente. Construya la gráfica y describa la tendencia del rendimiento.

1998 8.61
1999 8.14
2000 7.67
2001 6.59
2002 7.37
2003 6.88
2004 6.71
2005 6.61
2006 5.58
2007 5.87
2008 5.94
2009 5.49
2010 5.43

Año Yt Yt´ m α
1998 8.61 5 0.1
1999 8.14 0.1
2000 7.67 0.2
2001 6.59 0.3
2002 7.37 0.3
2003 6.88 7.397 1.00
2004 6.71 7.174
2005 6.61 6.977
2006 5.58 6.768
2007 5.87 6.424
2008 6.116

9|Página