Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
3 5 6 8 8 8 9 9 10 11
7.70 Ma = 7.70
10
88
8 Me = 8.00
2
Moda (Mo): Es el valor que se presenta con mayor frecuencia en un grupo de datos,
a una distribucin que tiene una sola moda se le denomina unimodal. Si hubiese
ms de dos valores no adyacentes con frecuencias mximas similares la
distribucin es multimodal; bimodal, trimodal, etc. En el caso que no exista ningn
valor que se repita se dice que no existe moda, el sistema ser amodal.
En nuestro caso para el problema el valor que ms se repite es:
Mo = 8.00
Rango = 8.00
Desviacin media =
D.M .
X
j 1
Donde:
X :
X
media aritmtica
X
Sabemos: X = Ma = 7.70
D.M .
1.82
D.M. = 1.82
desviacin tpica.
X
N
S2
Sabemos: X = Ma = 7.70
j 1
2
2
2
2
2
2
2
10
S 2 52.1 10
S2 = 5.21
Desviacin Estndar:
como.
X
N
j 1
S 2 5.21 2.283
S = 2.28
S
100%
X
Sabemos: X = Ma = 7.70
S = 2.28
V
2.28
100% 29.61
7.70
V = 29.61
3.
Los valores reducidos de lpidos en las heces se relacionan con valores reducidos de
energa. Calcule el coeficiente de correlacin del siguiente grupo de datos e interprete su
valor.
Sujeto
Lpidos fecales
(gramos/da)
10.0
11.0
9.9
9.8
15.5
5.0
10.7
13.0
13.8
16.7
3.2
4.0
6.0
8.9
9.1
4.1
17.0
22.2
2.9
5.0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Energa fecal
(MJ/da)
2.1
1.1
1.1
0.9
0.7
0.4
1.0
1.5
1.2
1.4
1.0
0.5
0.9
0.8
0.6
0.5
1.2
1.1
0.9
1.0
Sol.Definicin:
En el contexto del anlisis de la regresin lineal simple el coeficiente de correlacin
establece una medida del grado de asociacin lineal entre la variable respuesta y la
variable predictora, concretamente entre la variable respuesta y la recta de regresin
estimada. Se define, a partir de los n pares de observaciones, mediante:
n
x
i 1
x
i 1
x yi y
x
2
y
i 1
Total
20
i 1
Lpidos Energa
Xi
Yi
Xi - x Yi - y (Xi - x)(Yi - y) (Xi - x) (Yi - y)
10.0
2.1
0.1
1.1
0.122
0.012
1.221
11.0
1.1
1.1
0.1
0.117
1.232
0.011
9.9
1.1
0.0
0.1
0.001
0.000
0.011
9.8
0.9
-0.1
-0.1
0.009
0.008
0.009
15.5
0.7
5.6
-0.3
-1.655
31.472
0.087
5.0
0.4
-4.9
-0.6
2.910
23.912
0.354
10.7
1.0
0.8
0.0
0.004
0.656
0.000
13.0
1.5
3.1
0.5
1.571
9.672
0.255
13.8
1.2
3.9
0.2
0.802
15.288
0.042
16.7
1.4
6.8
0.4
2.758
46.376
0.164
3.2
1.0
-6.7
0.0
-0.033
44.756
0.000
4.0
0.5
-5.9
-0.5
2.916
34.692
0.245
6.0
0.9
-3.9
-0.1
0.370
15.132
0.009
8.9
0.8
-1.0
-0.2
0.193
0.980
0.038
9.1
0.6
-0.8
-0.4
0.312
0.624
0.156
4.1
0.5
-5.8
-0.5
2.866
33.524
0.245
17.0
1.2
7.1
0.2
1.458
50.552
0.042
22.2
1.1
12.3
0.1
1.293
151.536
0.011
2.9
0.9
-7.0
-0.1
0.664
48.860
0.009
5.0
1.0
-4.9
0.0
-0.024
23.912
0.000
9.9
1.0
16.649
533.198
2.910
x yi y 16.649
20
x x
i 1
533.198
20
y
i 1
2.91
Interpretacin del r:
Por lo tanto podemos decir que para nuestro caso el Coeficiente de Correlacin, r = 0.42,
implica una correlacin baja (a moderada).
4.
Se desea predecir si el puntaje logrado con el examen preliminar (A) puede predecir el
puntaje logrado con un examen final (B). Represente el grfico de Dispersin respectivo.
Sujeto
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Grfico 1.
Grfico de Dispersin
11
10
9
8
7
6
5
4
3
2
1
0
14
16
18
20
22
24
26
28
30
Luego procesando los datos podemos obtener las sumatorias respectivas para el clculo de
a y b, con n = 20.
Exam. A Exam. B
Xi
Yi
Xi * Yi
28
8
224
25
7
175
24
7
168
28
9
252
25
10
250
25
8
200
24
9
216
21
5
105
25
9
225
29
9
261
27
10
270
18
6
108
24
10
240
29
10
290
27
8
216
21
6
126
27
6
162
17
3
51
28
8
224
20
6
120
492
154
3883
20
xi 492
i 1
20
i 1
y i 154
20
Xi
784
625
576
784
625
625
576
441
625
841
729
324
576
841
729
441
729
289
784
400
12344
x i y i 3883
i 1
20
x
i 1
12344
2
i
Sol.El Coeficiente Alfa (a) indica la pendiente de la Recta de Regresin Lineal, la cual se
define como la divisin entre el Examen Final (B) y el Examen Preliminar (A); esta
pendiente es baja y positiva.
7. Como interpreta el coeficiente beta (b)
Sol.El Coeficiente Beta (b) indica el valor de la ordenada en el origen, es decir cuando x
(Examen Preliminar A) es cero (0).
8. Cual sera el puntaje probable de un alumno en el examen final (B) si en el examen de tipo
(A) obtuvo 25.
Sol.Como la frmula de regresin lineal es: y 0.3929 x 1.9643 y sabiendo que y
(Examen A) es la variable dependiente de x (Examen B) procedemos a reemplazar el
valor de 25 en x para hallar el Examen Final (B):
y 0.3929 25 1.9643
7.8582