Definicin de probabilidad

La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Experimentos deterministas

Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Ejemplo: Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra bajar. Si la arrojamos hacia arriba, sabemos que subir durante un determinado intervalo de tiempo; pero despus bajar.
Experimentos aleatorios

Son aquellos en los que no se puede predecir el resultado, ya que ste depende del azar. Ejemplos: Si lanzamos una moneda no sabemos de antemano si saldr cara o cruz. Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener.
Teora de probabilidades

La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es ms probable que otro. Con este fin, introduciremos algunasdefiniciones:
Suceso

Es cada uno de los resultados posibles de una experiencia aleatoria. Ejemplos:

Al lanzar una moneda salga cara. Al lanzar una moneda se obtenga 4.

Espacio muestral

Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega ). Ejemplos: Espacio muestral de una moneda: E = {C, X}. Espacio muestral de un dado: E = {1, 2, 3, 4, 5, 6}.
Suceso aleatorio

Suceso aleatorio es cualquier subconjunto del espacio muestral. Ejemplos: Tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3, y otro, sacar 5. Un ejemplo completo Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular:

1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

2. El suceso A = {extraer tres bolas del mismo color}.

A = {(b,b,b); (n, n,n)}

3. El suceso B = {extraer al menos una bola blanca}.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

4. El suceso C = {extraer una sola bola negra}.

C = {(b,b,n); (b,n,b); (n,b,b)}

PRUEBA CHI-CUADRADO

Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hiptesis nula de la prueba Chi-cuadrado postula una distribucin de probabilidad totalmente especificada como el modelo matemtico de la poblacin que ha generado la muestra.

Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada valor o intervalo de valores se indica la frecuencia absoluta observada o emprica (Oi). A continuacin, y suponiendo que la hiptesis nula es cierta, se calculan para cada valor o intervalo de valores la frecuencia absoluta que cabra esperar o frecuencia esperada (Ei=npi , donde n es el tamao de la muestra y pi la probabilidad del i-simo valor o intervalo de valores segn la hiptesis nula). El estadstico de prueba se basa en las diferencias entre la Oi y Ei y se define como:

Este estadstico tiene una distribucin Chi-cuadrado con k-1 grados de libertad si n es suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5. En la prctica se tolera un mximo del 20% de frecuencias inferiores a 5.

Si existe concordancia perfecta entre las frecuencias observadas y las esperadas el estadstico tomar un valor igual a 0; por el contrario, si existe una gran discrepancias entre estas frecuencias el estadstico tomar un valor grande y, en consecuencia, se rechazar la hiptesis nula. As pues, la regin crtica estar situada en el extremo superior de la distribucin Chi-cuadrado con k-1 grados de libertad.

Para realizar un contraste Chi-cuadrado la secuencia es:

Analizar

Pruebas no paramtricas

Chi-cuadrado

DISTRIBUCION "F" FISHER La necesidad de disponer de mtodos estadsticos para comparar las varianzas de dos poblaciones es evidente a partir del anlisis de una sola poblacin. Frecuentemente se desea comparar la precisin de un instrumento de medicin con la de otro, la estabilidad de un proceso de manufactura con la de otro o hasta la forma en que vara el procedimiento para calificar de un profesor universitario con la de otro. Intuitivamente, podramos comparar las varianzas de dos poblaciones, y , utilizando la razn de las varianzas muestrales 2 2 2 2 s 1/s 2. Si s 1/s 2 es casi igual a 1, se tendr poca evidencia para indicar que y no son iguales. Por otra parte, un valor muy grande o muy pequeo para s21/s22, proporcionar evidencia de una diferencia en las varianzas de las poblaciones. La variable aleatoria F se define como el cociente de dos variables aleatorias ji-cuadrada independientes, cada una dividida entre sus respectivos grados de libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad y respectivamente. Sean U y V dos variables aleatorias independientes que tienen distribucin ji cuadradas con grados de libertad, respectivamente.

Entonces la distribucin de la variable aleatoria

est dada por:

y se dice que sigue la distribucin F con numerador y

grados de libertad en el

grados de libertad en el denominador.

La media y la varianza de la distribucin F son:

para

para

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la derecha. La distribucin F tiene una apariencia muy similar a la distribucin ji-cuadrada; sin embargo, se encuentra centrada respecto a 1, y los dos parmetros proporcionan una flexibilidad adicional con respecto a la forma de la distribucin. Si s12 y s22 son las varianzas muestrales independientes de tamao n1 y n2 tomadas de poblaciones normales con varianzas y , respectivamente, entonces:

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia Estadstica del autor Genther, se tendr que buscar primero los grados de libertad dos para luego localizar el rea correspondiente, relacionndola con los grados de libertad uno, para calcular el valor de F. Las tablas tienen la siguiente estructura:

P 6 0.0005 0.001 0.005 . . 0.9995

1 2 3 . .. 500

30.4

El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad uno y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma depende de dos variables que son los grados de libertad.

Ejemplos : 1. Encontrar el valor de F, en cada uno de los siguientes casos: a. El rea a la derecha de F, es de 0.25 con b. El rea a la izquierda de F, es de 0.95 con c. El rea a la derecha de F es de 0.95 con con =4 y =15 y =6 y =9. =10. =8.

d. El rea a la izquierda de F, es de 0.10 con con =24 Solucin:

=24 y

a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4 grados de libertad uno.

b. En este caso se puede buscar el rea de 0.95 directamente en la tabla con sus respectivos grados de libertad.

c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un rea a la derecha de F de 0.95.

d. Se busca directamente el rea de 0.10, con sus respectivos grados de libertad.

1. Si s12 y s22 son las varianzas muestrales de muestras aleatorias independientes de tamaos n1=10 y n2 =20, tomadas de poblaciones normales que tienen las mismas varianzas, encuentre P(s12/s22 2.42). Solucin: Primero se establecen los grados de libertad. Como en el numerador est la poblacin uno y en el denominador la poblacin dos, entonces los grados de libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19. Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y se observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20 grados de libertad, buscando el valor de fisher que quedara:

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con 15 grados de libertad dos, y se encuentra los siguiente:
Area 0.90 0.95 2.09 2.59

Al interpolar entre estos dos valores nos queda un rea de 0.933.

Se procede a hacer lo mismo pero con 20 grados de libertad dos:

Area 0.95 0.975 2.39 2.84

Al interpolar entre estos dos valores nos queda un rea de 0.9516. Ahora ya se tienen las dos reas referentes a los grados de libertad dos, por lo que se interpolar para ver cunto le corresponde a los grados libertad dos con un valor de 19.
Area 15 20 0.933 0.9516

Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de 0.9478.

2. Si s12 y s22 representan las varianzas de las muestras aleatorias independientes de tamao n1= 25 y n2 = 31, tomadas de poblaciones normales con varianzas 12 =10 y
2
2

= 15, respectivamente, encuentre P(s12/s22 > 1.26).

Solucin: Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene un rea de 0.95, pero esta rea correspondera a la probabilidad de que las relaciones de varianzas muestrales fueran menor a 1.26, por lo que se calcula su complemento que sera 0.05, siendo esta la probabilidad de que s12/s22 > 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales

Supngase que se tienen dos poblaciones normales e independientes con varianzas desconocidas 2 y 22, respectivamente. De este par de poblaciones, se tienen disponibles dos muestras aleatorias de tamaos n1 y n2, respectivamente, sean s12 y s22 las dos varianzas muestrales. Se desea conocer un intervalo de confianza del 100( ) por ciento para 2 2 el cociente de las dos varianzas, 1 / 2 . Para construir el intervalo de confianza para el cociente de dos varianzas poblacionales, se coloca la varianza muestral mayor en el numerador del estadstico F. Ejemplos: 1. Un fabricante de automviles pone a prueba dos nuevos mtodos de ensamblaje de motores respecto al tiempo en minutos. Los resultados se muestran el la tabla:
Mtodo 1 n1 = 31 s1 = 50
2

Mtodo 2 n2 = 25 s2 = 24
2

Construya un intervalo de confianza del 90% para Solucin:

2 1

2 2

Por la recomendacin de que la varianza muestral mayor va en el numerador se tiene la siguiente frmula:

al despejar:

F toma dos valores dependiendo del nivel de confianza y de los grados de libertad. En este caso los grados de libertad uno valen 30 y los grados de libertad dos 24.

y Estos resultados los podemos interpretar de la siguiente manera: Con un nivel de confianza del 90% se sabe que la relacin de varianzas 12/ 22 esta entre 1.07 y 3.93. Esto supondra que la varianza de la poblacin 1 es mayor a la varianza de la poblacin 2 entre 1.07 y 3.93. 2. Una compaa fabrica propulsores para uso en motores de turbina. Al ingeniero de manufactura le gustara seleccionar el proceso que tenga la menor variabilidad en la rugosidad de la superficie. Para ello toma una muestra de n1=16 partes del primer proceso, la cual tiene una desviacin estndar s1 = 4.7 micropulgadas, y una

muestra aleatoria de n2=12 partes del segundo proceso, la cual tiene una desviacin estndar s2 = 5.1 micropulgadas. Se desea encontrar un intervalo de confianza del 90% para el cociente de las dos varianzas 12/ . Suponga que los dos procesos son independientes y que la rugosidad de la superficie est distribuida de manera normal.
2 2

Solucin: Por la recomendacin de que la varianza muestral mayor va en el numerador se tiene la siguiente frmula:

al despejar:

En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.

y Estos resultados los podemos interpretar de la siguiente manera: Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar que las desviaciones estndar de la rugosidad de la superficie de los dos procesos sean diferentes con un nivel de confianza del 90%.

Ensayo de Hiptesis Supngase que se tiene inters en dos poblaciones normales independientes, donde las medias y las varianzas de la poblacin son desconocidas. Se desea probar la igualdad de las dos varianzas, ya que para poder comparar las medias de estas dos poblaciones se utiliza la distribucin t de Student, en la cual podemos tener varianzas iguales o diferentes en la poblacin. Para conocer esto ltimo se requiere de la distribucin Fisher, y despus de utilizarla, se tomar la decisin de tener o no varianzas iguales en la poblacin, dando pi a realizar la comparacin de las dos medias segn estemos hablando. Primer caso en que las varianzas de la poblacin son desconocidas pero iguales, o en el caso dos donde se tienen varianzas desconocidas pero dismiles. Para el ensayo de hiptesis se utilizar la relacin de varianzas, la cual puede dar tres resultados:

En base a lo que se quiera probar, el ensayo podr ser unilateral derecho, izquierdo o bilateral. Ejemplos: 1. La variabilidad en la cantidad de impurezas presentes en un lote de productos qumicos, utilizada para un proceso en particular, depende del tiempo que tarda el proceso. Un fabricante que emplea dos lneas de produccin 1 y 2, hizo un pequeo ajuste al proceso 2, con la esperanza de reducir la variabilidad, as como la cantidad media de impurezas en los productos qumicos. Muestras de n1=25 y n2=20 mediciones de dos lotes produjeron las siguientes medias y varianzas:

Presentan los datos evidencia suficiente para indicar que las variaciones del proceso son menores para el 2? Realice una prueba con un = 0.05.

Solucin: Datos: Poblacin 1 Poblacin 2

n1 = 25 n2 = 20 = 0.05 Ensayo de hiptesis:

Estadstico de prueba:

La sugerencia que se hace es que el numerador sea el de valor mayor . Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin uno menos uno. 1= 25-1 = 24 y 2 = 20-1=19.

Regla de decisin: Si Fc 2.11 No se rechaza Ho, Si la Fc > 2.11 se rechaza Ho. Clculo:

Decisin y Justificacin: Como 2.04 es menor que 2.11 no se rechaza Ho, y se concluye con un = 0.05 que no existe suficiente evidencia para decir que la varianza del proceso 2 es menor que la del proceso 1.

2. En su incansable bsqueda de un sistema de llenado adecuado, cierta empresa prueba dos mquinas. Robo-fill se usa para llenar 16 tarros y da una desviacin estndar de 1.9 onzas en el llenado. Con Automat-fill se llenan 21 frascos que dan una desviacin estndar de 2.1 onzas. Si la empresa tiene que elegir uno de estos sistemas en funcin de la uniformidad de llenado. Cual deber seleccionar? Use un = 0.10. Solucin: Datos: Robo-Fill

sRF = 1.9 nRF = 16 = 0.10 Automat-Fill sAF = 2.1 nAF = 21

Ensayo de hiptesis:

Estadstico de prueba:

La sugerencia que se hace es que el numerador sea el de valor mayor . Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin uno menos uno. 1= 21-1 = 20 y 2 = 16-1=15.

Regla de decisin: Si Fc 2.20 No se rechaza Ho,

Si la Fc > 2.20 se rechaza Ho. Clculo:

Decisin y Justificacin: Como 1.22 es menor que 2.20 no se rechaza Ho, y se concluye con un = 0.10 que la variacin de llenado de la mquina Robo-Fill no es menor a la de Automat-Fill, por lo que se selecciona cualquier mquina. 3. Las capas de xido en las obleas semiconductoras son depositadas en una mezcla de gases para alcanzar el espesor apropiado. La variabilidad del espesor es una caracterstica crtica de la oblea, y lo deseable para los siguientes pasos de la fabricacin es tener una variabilidad baja. Para ello se estudian dos mezclas diferentes de gases con la finalidad de determinar con cul se obtienen mejores resultados en cuanto a la reduccin en la variabilidad del espesor del xido. Veintin obleas son depositadas en cada gas. Las desviaciones estndar de cada muestra del espesor del xido son s1 = 1.96 angstroms y s2 = 2.13 angstroms. Existe evidencia que indique una diferencia en las desviaciones? Utilice =0.05. Solucin: Datos: s1= 1.96 n1 = 21 s2 = 2.13 n2= 21 Ensayo de hiptesis:

Estadstico de prueba:

La sugerencia que se hace es que el numerador sea el de valor mayor . Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin uno menos uno. 1= 21-1 = 20 y 2 = 21-1=20.

Regla de decisin: Si 0.406 Fc 2.46 No se rechaza Ho,

Si la Fc < 0.406 si Fc > 2.46 se rechaza Ho. Clculo:

Decisin y Justificacin: Como 0.85 esta entre los dos valores de Ho no se rechaza , y se concluye con un = 0.05 que existe suficiente evidencia para decir que las varianza de las poblaciones son iguales. Error Tipo II

1. Para el ejercicio anterior, encontrar la probabilidad de cometer error tipo II si la verdadera relacin

Solucin:

1. Del ejercicio nmero 1 del ensayo de hiptesis en donde la variabilidad en la cantidad de impurezas presentes en un lote de productos qumicos dependa del tiempo que tardaba el proceso y el fabricante empleaba dos lneas de produccin 1 y 2, e hizo un

pequeo ajuste al proceso 2, calcular la probabilidad de cometer error tipo II si le relacin

1.5.

Solucin:

por lo tanto s12/s22 = 2.11 ya que esto fue lo que dio la tabla y al despejar nos queda los mismo. Se calcula un nuevo valor de F con la relacin de varianzas de 1.5.

Si se recuerda para este ejercicio se tienen 24 grados de libertad uno y 19 de grados de libertad dos, por lo que se tiene que hacer una doble interpolacin ya que 19 grados de libertad dos no vienen en la tabla.
Primero se interpolar para 24 grados de libertad uno y 15 grados de libertad dos: Area 0.50 0.75 Valor de F 1.02 1.41

Al interpolar para un valor de Fisher de 1.406 se ve que este valor est muy cercano a 1.41, el cual le corresponde un rea de 0.75, por lo que queda un resultado de 0.7474 Ahora se procede a interpolar para 24 grados de libertad uno y 20 grados de libertad dos:
Area 0.75 0.90 Valor de F 1.35 1.77

La interpolacin para un valor de Fisher de 1.406 es de 0.77.

Teniendo los dos valores, se puede calcular el rea correspondiente a 24 grados de libertad uno y 19 grados de libertad dos:

Area 0.7474 0.77

15 20

Por lo tanto al interpolar para 19 grados de libertad dos nos da un valor de 0.76548

Correlacin estadstica
L a c o rrelac i n existe entre la s estad stic a det erm ina do s va ria bles que la re l a cin o en de pendenc ia que

int ervien en

una d ist rib u c in

b id imen sio n al .

Es decir, d eterm ina r si los ca mbios en una de l a s va ria bles inf luyen en los ca mbios de la otra . En ca so de que suceda , dire mos que la s va ria b les est n corre la ciona da s o que ha y c o rrelac i n entre el la s.

Coeficiente de correlacin
E l c o efic ien te d e c o rr elac i n lin eal s e exp re sa media nte la let ra r .

Pro p ied ad es

1. E l c o efic ien te
medic in.

de

c o rrelac i n no

va ra

al

ha cer lo

la

esca l a

de

Es

decir,

si

expresa mos

la

a ltura

en

metros

en

centmetr os

el

coefici ente de co rre la ci n no va ra .

2. E l signo de l c o efic ien te d e c o rrelac i n es el mismo que e l de

la c o varian za .

S i la cova ria nza es posi tiva , la corre la cin es d irecta .

S i la cova ria nza es neg a tiva , la correla ci n es inversa .

S i la cova ria nza es nula , no existe cor rela c in.

3. E l c o efic ien te d e c o rrelac i n lin eal es u n nmero rea l c ompren dido

entre menos 1 y 1.

1 r 1

4. S i el c o efic ien te d e c o rrelac i n l in eal to ma va lores cerca nos a 1 la

corre la cin es fu er te e in versa , a proxime r a 1. y s er ta nto m s fuerte cua nto m s se

5. S i el c o efic ien te d e c o rrelac i n lin eal t oma va lores c erca nos a 1 la

corre la cin es fu erte y d irec ta , y ser ta nto m s fuerte cua nto m s se

a proxime r a 1.

6. S i e l c o efic ien te d e c o rrelac i n lin eal to ma va lores cerca nos a 0, la

corre la cin es d b il .

7. S i r = 1 1, los puntos de la nub e est n sobre la recta cr ecie nte o

decrec iente. Entre a mb a s va ria bles ha y d ep end en c ia fu n c ion al .

Ejercicios
L a s esta tura s y pesos de 10 juga dor es de ba l o ncesto de un equi po so n:

E statu ra ( X)

186

189

190

192

193

193

198

201

203

205

Peso s ( Y)

85

85

86

90

87

91

93

103

100

101

C a lcula r el c o efic ien te d e c o rrelac i n .

xi

yi

xi2

yi2

xi yi

186

85

34 596

7 225

15 810

189

85

35 721

7 225

16 065

190

86

36 100

7 396

16 340

192

90

36 864

8 100

17 280

193

87

37 249

7 569

16 791

193

91

37 249

8 281

175 63

198

93

39 204

8 649

18 414

201

103

40 401

10 609

20 703

203

100

41 209

10 000

20 300

205

101

42 025

10 201

20 705

1 950

921

380 618

85 255

179 971

Co rrelac i n p o sitiva mu y fu erte .

L os va lores de dos va r i a bles X e Y se distr ibuy en segn la ta bla sigu ie nte:

Y/X

100

50

25

14

18

22

Obtener e interp reta r e l c o efic ien te d e c o rrel ac i n lin eal .

C onvertimos la ta bla de doble entra da en una ta bla simpl e.

xi

yi

fi

xi fi

xi2 fi

yi fi

yi2 fi

xi yi fi

100

14

100

10

14

196

1 4 00

000

100

18

200

20 000

36

648

3 6 00

50

14

50

2 500

14

196

700

50

18

150

7 500

54

972

2 7 00

50

22

50

2 500

22

484

1 1 00

25

22

50

1 250

44

968

1 1 00

10

600

43 750

184

3 464

10 600

Correlacin estadstica
L a c o rrelac i n existe entre la s estad stic a det erm ina do s va ria bles que la re l a cin o en de pendenc ia que

int ervien en

una d ist rib u c in

b id imen sio n al .

Es decir, d eterm ina r si los ca mbios en una de l a s va ria bles inf luyen en los ca mbios de la otra . En ca so de que suceda , diremos que la s va ria b les est n corre la ciona da s o que ha y c o rrelac i n entre el la s.

Coeficiente de correlacin
E l c o efic ien te d e c o rr elac i n lin eal s e exp re sa media nte la let ra r .

Pro p ied ad es

1. E l c o efic ien te
medic in.

de

c o rrelac i n no

va ra

al

ha cer lo

la

esca l a

de

Es

decir,

si

expresa mos

la

a ltura

en

metros

en

centmetr os

el

coefici ente de co rre la ci n no va ra .

2. E l signo de l c o efic ien te d e c o rrelac i n es el mismo que e l de

la c o varian za .

S i la cova ria nza es posi tiva , la corre la cin es d irecta .

S i la cova ria nza es neg a tiva , la correla ci n es inversa .

S i la cova ria nza es nula , no existe cor rela c in.

3. E l c o efic ien te d e c o rrelac i n lin eal es u n nmero rea l c ompren dido

entre menos 1 y 1.

1 r 1

4. S i el c o efic ien te d e c o rrelac i n l in eal to ma va lores cerca nos a 1 la

corre la cin es fu er te e in versa , a proxime r a 1. y s er ta nto m s fuerte cua nto m s se

5. S i el c o efic ien te d e c o rrelac i n lin eal t oma va lores c erca nos a 1 la

corre la cin es fu erte y d irec ta , y ser ta nto m s fuerte cua nto m s se

a proxime r a 1.

6. S i e l c o efic ien te d e c o rrelac i n lin eal to ma va lores cerca nos a 0, la

corre la cin es d b il .

7. S i r = 1 1, los puntos de la nub e est n sobre la recta cr ecie nte o

decrec iente. Entre a mb a s va ria bles ha y d ep end en c ia fu n c ion al .

Ejercicios
L a s esta tura s y pesos de 10 juga dor es de ba l o ncesto de un equi po so n:

E statu ra ( X)

186

189

190

192

193

193

198

201

203

205

Peso s ( Y)

85

85

86

90

87

91

93

103

100

101

C a lcula r el c o efic ien te d e c o rrelac i n .

xi

yi

xi2

yi2

xi yi

186

85

34 596

7 225

15 810

189

85

35 721

7 225

16 065

190

86

36 100

7 396

16 340

192

90

36 864

8 100

17 280

193

87

37 249

7 569

16 791

193

91

37 249

8 281

175 63

198

93

39 204

8 649

18 414

201

103

40 401

10 609

20 703

203

100

41 209

10 000

20 300

205

101

42 025

10 201

20 705

1 950

921

380 618

85 255

179 971

Co rrelac i n p o sitiva mu y fu erte .

L os va lores de dos va r i a bles X e Y se distr ibuy en segn la ta bla sigu ie nte:

Y/X

100

50

25

14

18

22

Obtener e interp reta r e l c o efic ien te d e c o rrel ac i n lin eal .

C onvertimos la ta bla de doble entra da en una ta bla simpl e.

xi

yi

fi

xi fi

xi2 fi

yi fi

yi2 fi

xi yi fi

100

14

100

10 000

14

196

1 4 00

100

18

200

20 000

36

648

3 6 00

50

14

50

2 500

14

196

700

50

18

150

7 500

54

972

2 7 00

50

22

50

2 500

22

484

1 1 00

25

22

50

1 250

44

968

1 1 00

10

600

43 750

184

3 464

10 600