Universidad Nacional del Santa

Escuela de Postgrado

MAESTRA EN GESTION AMBIENTAL

CURSO : ESTADSTICA
PROFESOR : Dr. LUIS ALBERTO RUBIO JACOBO
FECHA: 30/10/2017 TIEMPO 120 minutos

ALUMNO: Carlos Enrique Vsquez Campoverde

EXAMEN FINAL
PREGUNTA 01:
Si usted tiene la siguiente informacin hidrolgica respecto a las descargas medias de agua de los ros Vir y
Huacapongo, las siguientes preguntas:

DATA 1: Descargas medias anuales del Ro Vir.

Aos Qmax Aos Qmax Aos Qmax Aos Qmax Aos Qmax
1960 128 1970 172.8 1980 15 1990 7 2000 36.26
1961 20.16 1971 48 1981 110 1991 10 2001 44.65
1962 122.5 1972 200 1982 10 1992 5.6 2002 35
1963 138 1973 51.7 1983 120 1993 40 2003 35
1964 19.2 1974 12.8 1984 100 1994 16 2004 35
1965 48.57 1975 110 1985 6 1995 8.32
1966 7.77 1976 15 1986 15 1996 48
1967 200 1977 45.6 1987 35 1997 40
1968 12 1978 8 1988 25.6 1998 380
1969 28.8 1979 38 1989 40 1999 102.7

DATA 2: Descargas medias anuales del Rio Huacapongo (Chao)

Aos Qmax Aos Qmax Aos Qmax Aos Qmax Aos Qmax
1960 3.22 1970 4.8 1980 0.87 1990 0.49 2000 2.45
1961 2.39 1971 4.76 1981 6.1 1991 0.63 2001 5.18
1962 5.41 1972 9.33 1982 0.98 1992 0.3 2002 3.31
1963 3.59 1973 4.56 1983 6.92 1993 2.92 2003 1.52
1964 3.03 1974 1.32 1984 4.78 1994 3.33 2004 1.67
1965 3.17 1975 7.56 1985 0.57 1995 0.87 2005 1.53
1966 0.97 1976 1.62 1986 1.92 1996 2.77 2006 3.95
1967 4.45 1977 4.08 1987 3.05 1997 2.2 2007 4.19
1968 0.59 1978 0.23 1988 2.65 1998 19.8 2008 3.66
1969 2.31 1979 2.03 1989 3.6 1999 3.27

A. Las series se ajustan a una normal. Presente resultados concretos. Concluya.

B. Las series presentan valores atpicos (out-liers).
Presente sus conclusiones en forma detallada, utilizando las salidas del SPSS
PREGUNTA 02:
Como miembro de una empresa financiera que ha sido contratada por un grupo de inversionistas para llevar a
cabo acciones comerciales con diferentes monedas, a usted se le ha asignado la tarea de estudiar las tendencias
a largo plazo en las tazas de intercambio del dlar canadiense, el marco francs, el marco alemn, el yen japons
y la libra inglesa en trminos de dlar estadounidense. Los datos de la siguiente tabla han sido recogidos durante
un periodo de 26 aos, comprendido entre 1990 y 2012.

Ao Dlar Canadiense Franco francs

1990 1.0444 5.5288
1991 1.0099 5.5288
1992 0.9907 5.0444
1993 1.0002 4.4535
1994 0.9780 4.8107
1995 1.0175 4.2877
1996 0.9863 4.7825
1997 1.0633 4.9161
1998 1.1405 4.5091
1999 1.1713 4.2567
2000 1.1693 4.2251
2001 1.1990 5.4397
2002 1.2344 6.5794
2003 1.2325 7.6204
2004 1.2952 8.7356
2005 1.3659 8.9800
2006 1.3896 6.9257
2007 1.3259 6.0122
2008 1.2306 5.9595
2009 1.1842 6.3802
2010 1.1668 5.4467
2011 1.1460 5.6468
2012 1.2085 5.2935

A. Desarrolle modelos de proyeccin para la tasa de intercambio de cada una de estas dos monedas,
basndose en los datos de la tabla. Presentndolos en tabla inferior
B. Asegrese de indicar que modelo de prediccin que ha escogido es el mejor. Luego proporcione
predicciones para los aos 2017, 2018, 2020 para cada tipo de moneda.

MODELO Dlar canadiense Franco Francs

2 2
R Modelo R Prioridad
LINEAL
CUADRATICO
POTENCIA
EXPONENCIAL
 MODELO PRONOSTICO
Modelo Prioridad
2017
2018
2020

PREGUNTA 03:
En la pgina WEB del Ministerio del Ambiente se obtiene las cantidades de agua residuales (m3) desde 2008
hasta 2014 por departamento. Realice un anlisis estadstico descriptivo por departamento.
DEPARTAMENTO 2008 2009 2010 2011 2012 2013 2014
Amazonas 1086776 3133908 3060170 3264663.96 3319913 3810909 3740994.43
Ancash 24380127 24262528 25068318 24764742.96 23106081 23093462 25383558.34
Apurimac 2267898 3065387 3256540 3405923.5 3058348 3453636 3170666.22
Arequipa 32060615 34334867 35033733 32861388.4 35712201 38781846 37576825.76
Ayacucho 9811712 9610775 9884516 9867448 10375067 10680041 11086714.53
Cajamarca 15147528 15219588 12510109 12423072.65 12496486 13823915 13196161.82
Cusco 16503355 16375882 15381121 15582925.91 17007710 18403398 19246209.23
Huancavelica 2081437 2172479 2261283 2189188.38 2211079 2105898 2092571.25
Huanuco 9349039 9286294 9336778 9458355.58 9790763 10023803 10166073.85
Ica 42435449 33878252 35017454 37055357.16 31897322 38918721 37141946.41
Junin 28376631 30723934 31816669 30924800.23 30466988 29809251 30167666.08
La Libertad 26844188 26746316 27872269 28651024 31474718 30262142 31931536.09
Lambayeque 39743593 44711233 36566205 37628532.9 37265463 34136561 33765691.97
Lima 422668221 428661601 435867128 446424754.9 455881799 422963898 463968076.8
Loreto 12153042 12694084 12687476 12039916.4 11081404 10410486 10582605.58
Madre De Dios 867301 980232 1037993 1261640.99 1399264 1608334 1470856.56
Moquegua 7050318 7369920 7487027 7142017.27 7004122 7662309 7971116.03
Pasco -- 1700059 1309469 2059188.95 19462 1448576 1295385.4
Piura 33827955 34469039 35013415 36196185.94 37164127 40107689 40343737.38
Puno 10829775 11436103 11863337 12273723.03 12428819 15134975 13357617.16
San Martin 8263517 9224458 9693926 9491510.91 8933044 9239677 9235984.49
Tacna 11762861 11740884 11849027 11656621.49 13434269 13999041 13639809.17
Tumbes 6362292 6308320 5103156 6347439.74 5898822 6613401 5877206.78
Ucayali 6016506 6459371 6168466 6588341.52 7008231 8497517 9367793.03
A. Calcular las medidas estadsticas. Interprete
B. Realice el grafico de cajas y bigotes. Interprete.
PREGUNTA 04:
En un pre-test se obtuvieron datos de 15 sujetos acerca de Nike. En la siguiente tabla se presentan los datos,
que incluyen las siguientes variables: conciencia, la actitud, la preferencia, la intencin y la lealtad hacia Nike
de una muestra de usuarios de este calzado. La conciencia, la actitud, la preferencia, la intencin y la lealtad se
midieron en una escala tipo Likert de 7 puntos (1: Muy desfavorable, 7: Muy favorable). Analice los datos de
Nike para responder las siguientes preguntas.
A. Obtenga una distribucin de frecuencias para cada una delas siguientes variables: conciencia, actitud y
preferencia.

CONCIENCIA

CONCIENCIA NUEVO

Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado

Vlido 1-2 2 13,3 13,3 13,3

3-4 6 40,0 40,0 53,3

5-7 7 46,7 46,7 100,0

Total 15 100,0 100,0

ACTITUD

ACTITUD NUEVO

Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado

Vlido 1-2 3 20,0 20,0 20,0

3-4 8 53,3 53,3 73,3

5-7 4 26,7 26,7 100,0

Total 15 100,0 100,0
 PREFERENCIA

PREFERENCIA NUEVO

Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado

Vlido 1-2 1 6,7 6,7 6,7

3-4 6 40,0 40,0 46,7

5-7 8 53,3 53,3 100,0

Total 15 100,0 100,0

B. Los hombres y las mujeres difieren en su conciencia de la marca Nike?

Aplicamos correlacin de Pearson entre el sexo y la conciencia

Correlaciones

SEXO CONCIENCIA

SEXO Correlacin de Pearson 1 ,708**

Sig. (bilateral) ,003

N 15 15
CONCIENCIA Correlacin de Pearson ,708** 1

Sig. (bilateral) ,003

N 15 15

**. La correlacin es significativa en el nivel 0,01 (bilateral).

Interpretando el coeficiente de la correlacin de Pearson podemos deducir que existe un alto grado
de correlacin entre el sexo y la conciencia.

C. La conciencia de la marca Nike se distribuye de manera normal? Que concluye.

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadstico gl Sig. Estadstico gl Sig.

CONCIENCIA ,172 15 ,200* ,934 15 ,308

*. Esto es un lmite inferior de la significacin verdadera.
a. Correccin de significacin de Lilliefors
 HO: Los datos se aproximan a una distribucin normal.
H1: Los datos NO se aproximan a una distribucin normal

Considerando a Kolmogorov-Smirnov o a Shapiro-Wilk observamos que el valor de p es

mayor a 0.05 por lo tanto se acepta Ho, los datos se aproximan a una distribucin normal.

PREGUNTA 05:
En una empresa pesquera se obtuvieron datos sobre harina de pescado, rendimiento y eficiencia. Con estos
datos obtener:
A. La matriz de correlaciones entre las variables harina, rendimiento y eficiencia. Interprete.

ALEJANDRIA II

Correlaciones

rendimiento harina eficiencia

rendimiento Correlacin de Pearson 1 1,000** ,927**

Sig. (bilateral) ,000 ,000

N 25 25 25
harina Correlacin de Pearson 1,000** 1 ,927**
Sig. (bilateral) ,000 ,000
N 25 25 25
eficiencia Correlacin de Pearson ,927** ,927** 1
Sig. (bilateral) ,000 ,000

N 25 25 25
 **. La correlacin es significativa en el nivel 0,01 (bilateral).

Correlacin harina-rendimiento
r=1
Entonces existe una correlacin perfecta positiva
Correlacin harina-eficiencia
r = 0.927
0.70 r < 1.00
Entonces existe un alto grado de correlacin
Correlacin rendimiento-eficiencia
r = 0.927
0.70 r < 1.00
Entonces existe un alto grado de correlacin

COMANCHE III

Correlaciones

rendimiento harina eficiencia

rendimiento Correlacin de Pearson 1 1,000** ,927**

Sig. (bilateral) ,000 ,000

N 25 25 25
harina Correlacin de Pearson 1,000** 1 ,927**
Sig. (bilateral) ,000 ,000
N 25 25 25
eficiencia Correlacin de Pearson ,927** ,927** 1

Sig. (bilateral) ,000 ,000

N 25 25 25

**. La correlacin es significativa en el nivel 0,01 (bilateral).

Correlacin harina-rendimiento
r = 0.304
0.20 r < 0.40
Entonces existe una correlacin baja
Correlacin harina-eficiencia
 r = 0.356
0.20 r < 0.40
Entonces existe una correlacin baja
Correlacin rendimiento-eficiencia
r = 0.585
0.40 r < 0.70
Entonces existe correlacin significativa

B. Encontrar el modelo de regresin lineal simple entre de la harina en funcin de rendimiento y harina en
funcin de eficiencia.
ALEJANDRIA II

- Harina en funcin del rendimiento.

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estndar Beta t Sig.

1 (Constante) -,053 ,698 -,076 ,940

rendimiento 380,285 1,088 1,000 349,501 ,000

a. Variable dependiente: harina

Y= -0.53+ 380.285X
Como el valor de p (0.000) es menor que 0.05 entonces se rechaza la hiptesis, por lo
tanto se deduce que el rendimiento si influye en la harina.

- Harina en funcin de la eficiencia.

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estndar Beta t Sig.

1 (Constante) 41,630 15,156 2,747 ,011

 eficiencia 302,404 22,539 ,942 13,417 ,000

a. Variable dependiente: harina

Y= 41.63+ 302.404X
Como el valor de p (0.000) es menor que 0.05 entonces se rechaza la hiptesis, por lo
tanto se deduce que la eficiencia si influye en la harina.

COMANCHE III

- Harina en funcin del rendimiento.

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estndar Beta t Sig.

1 (Constante) -,319 ,602 -,529 ,602

rendimiento 380,704 1,052 1,000 361,818 ,000

a. Variable dependiente: harina

Y= -0.319+ 380.704X
Como el valor de p (0.000) es menor que 0.05 entonces se rechaza la hiptesis, por lo
tanto se deduce que el rendimiento si influye en la harina.

- Harina en funcin de la eficiencia.

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estndar Beta t Sig.

1 (Constante) 22,016 16,448 1,338 ,194

eficiencia 291,973 24,626 ,927 11,856 ,000

a. Variable dependiente: harina

Y= 22.016+ 291.973X
Como el valor de p (0.000) es menor que 0.05 entonces se rechaza la hiptesis, por lo
tanto se deduce que la eficiencia si influye en la harina.
C. Encontrar el modelo de regresin lineal mltiple entre la harina en funcin de rendimiento y eficiencia.

ALEJANDRIA II

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estndar Beta t Sig.

1 (Constante) -,048 ,728 -,066 ,948

rendimiento 380,181 3,307 1,000 114,973 ,000

eficiencia ,094 2,792 ,000 ,034 ,974

a. Variable dependiente: harina

Y= -0.048+380.181X+0.94X

COMANCHE III

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estndar Beta t Sig.

1 (Constante) -,316 ,618 -,511 ,614

rendimiento 380,852 2,871 1,000 132,632 ,000

eficiencia -,132 2,375 ,000 -,056 ,956

a. Variable dependiente: harina

Y= -0.316+380.852X-0.132X