ESTADÍSTICA II

TALLER PC4 – 2018.02

SOLUCIONARIO

PROBLEMA 1
El gerente de la empresa Cars S.A. dedicada a la compra-venta de vehículos usados, desea verificar si el
precio de venta de este tipo de vehículos (miles de dólares) está explicada por el recorrido acumulado
(decenas de miles de kilómetros). Con este fin, se hace un estudio basado en una muestra aleatoria de
vehículos vendidos durante el año 2017 y se obtuvo la siguiente información:
9 9 9
x  10.711; y  6.87;  x i2  1033.52;  y i2  424.8009;  xi yi  662.113
i 1 i 1 i 1

a. Defina la variable respuesta y predictora.

Variable respuesta = Var. Dependiente: Y = Precio de venta (miles de dólares)

Variable predictora = Var. Independiente: X = Recorrido acumulado (decenas de miles de kilómetros)

b. Calcule e interprete la covarianza.

c. Calcule e interprete el coeficiente de correlación de Pearson.
d. Determine la recta de regresión lineal simple.
e. Con un nivel de significancia de 5%, ¿se puede afirmar que el modelo de regresión lineal es significativo?
f. Calcule e interprete el coeficiente de determinación.
g. Estime el precio de venta del vehículo si tuvo un recorrido de 11.5 decenas de miles de kilómetros.

Solución: desde b.
Datos:
n = 9,
x́=10.711
ý=6.87
SP(x, y) = 662.113 – 9(10.711)(6.87) = -0.1481
SC(X) = 0.9903
SC(Y) = 0.0288

b. La covarianza es:

−0.1481
Cov ( X , Y )= =−0.0185
8

Por lo tanto, existe relación inversa entre las variables.

c. El coeficiente de correlación de Pearson:

−0.1481
R= =−0.877
√ 0.9903(0.0288)
Por lo tanto, existe buena relación inversa entre las variables.

d. La recta estimada es:

−0.1481
b 1= =−0.1496
0.9903

Página 1 de 4
b 0=6.87−(−0.1496 ) ( 10.711 )=8.4724

Luego:
Y = 8.4724 – 0.1496X

*Interpretando b1 (coeficiente de regresión estimado): Por cada decena de miles de kilómetros

recorrido, el precio esperado de venta de los vehículo usado disminuye en 0.1496 miles de dólares.

e. Verificando:

Planteamiento de las hipótesis:

H0: El modelo de regresión lineal no es significativo.
H1: El modelo de regresión lineal es significativo.
Nivel de significancia: α = 0.05
Estadístico de prueba:
Calculando las Sumas de Cuadrados para:
SCT = SC(Y) = 0.0288
SCR = b1SP(X,Y) = -0.1496(-0.1481) = 0.0222
Luego,
Tabla ANOVA:
F. Variación G.L. SC CM Fcal
Regresión 1 0.0222 0.0222
24.67
Error 7 0.0066 0.0009
Total 8 0.0288

Valor crítico: F(1, 7, 0.05) = 5.5913

Decisión y conclusión: Se rechaza H0, Fcal > FT. Al 5% de significancia, existe evidencia estadística para
afirmar que el modelo de regresión lineal es significativo.

f. Calculando: R2 = (-0.877)2 = 0.769

Por lo tanto, la variación del precio de venta por vehículo usado explicado por el modelo de regresión es 76.9%.

^ =8.4724 – 0.1496 X 0=8.4724−0.1496 ( 11.5 )=6.752 miles de dólares .

g. Si: X0 = 11.5 → Y

PROBLEMA 2
Un conductor de vehículos pesados efectúa 150 viajes al sur y centro del país durante seis meses. En la
siguiente tabla se dan las distancias recorridas en kilómetros por hora:

Distancia recorrida N° de viajes

x  161.2 51
161.2  x < 170.8 45
170.8 < x  180.4 35
180.4 < x < 190.0 16
x  190.0 3

Además, se sabe que:

kms kms
μ=175.9 y σ =4.2
h h

Página 2 de 4
Si se utiliza un nivel de significación de  = 0.10, ¿existe evidencia estadística para afirmar que la distancia
recorrida sigue una distribución normal?

Sea X = Distancia recorrida de un conductor de vehículos pesados, en km/hr.

H0: X sigue una distribución normal.

H1: X no sigue una distribución normal.
 = 0.10
Estadístico de prueba:
Distancia recorrida Oi Ei = 150Pi Contribución
x  161.2 51 0.03
161.2  x < 170.8 45 16.94
x < 170.8 96 16.97 (96-16.97)2/16.97 = 368.05
170.8 < x  180.4 35 111.68 52.65
180.4 < x < 190.0 16 21.29
x  190.0 3 0.06
x > 180.4 19 21.35 0.26
2
Total 150 150 X cal = 420.96
Donde: Pi se calculan como:
 P(x  161.2) = P(z  -3.5) = 0.00023
 P(161.2  x < 170.8) = P(z < -1.21) – 0.00023 = 0.11314 – 0.00023 = 0.11291
 P(170.8 < x  180.4) = P(z  1.07) – 0.11314 = 0.85769 – 0.11314 = 0.74455
 P(180.4 < x < 190.0) = P(z < 3.36) – 0.85769 = 0.99961 – 0.85769 = 0.14192
 P(x  190.0) = 1 – 0.99961 = 0.00039
X−μ
*Se usó la estandarización: Z=
σ

*k = 3 y m = 0 (se conocen los parámetros)

Valor crítico: X2(2; 0.90) = 4.61
Decisión y conclusión: Se rechaza H0, X2cal > X2T. Al 10% de significancia, no existe evidencia estadística para
afirmar que la distancia recorrida sigue una distribución normal.

PROBLEMA 3
El gerente de una planta industrial desea determinar si el número de consultas médicas mensuales
por accidentes no graves en los empleados presentan un comportamiento aleatorio representado por
la siguiente función de probabilidad:
P ( X=x )=k x2 ; x=1,2,3,4

Con base en una muestra aleatoria de 70 empleados se registró la siguiente información:

N° consultas N° empleados
1 30
2 26
3 11
4 3

a. Defina la variable aleatoria del problema.

Sea X = N° consultas médicas mensuales por accidentes no graves.

Página 3 de 4
b. Calcule el valor de la constante k.

∑ Pi=1 → k +4 k +9 k +16 k=1 →30 k =1→ k =1/30

c. Con un nivel de significancia de 5% ¿Se puede concluir que el comportamiento aleatorio en cuanto
al número de consultas médicas continúa siendo determinado por dicha distribución de
probabilidad?

H0: X continúa siendo determinado por dicha distribución de probabilidad

H1: X no continúa siendo determinado por dicha distribución de probabilidad
 = 0.05
Estadístico de prueba:
1 2
P ( X=x )= x ; x=1,2,3,4
30

N° consultas N° empleados Pi Ei = 70Pi Contribución

1 30 1/30 2.33
2 26 4/30 9.33
1a2 56 11.66 (56-11.66)2/11.66 = 168.61
3 11 9/30 21 4.76
4 3 16/30 37.33 31.57
Total 70 1 70 X2cal = 204.94

Valor crítico: X2(2; 0.95) = 5.991

*k = 3
Decisión y conclusión: Se rechaza H 0, X2cal > X2T. Al 5% de significancia, no se puede concluir que el
número de consultas médicas continúa siendo determinado por dicha distribución de probabilidad.

Página 4 de 4