Documente Academic
Documente Profesional
Documente Cultură
1.- estudio descriptivo e inferencial entre los clientes(tarjeta de crédito); variables de interés:
VARIABLE CUALITATIVA
Genero Masculino
Femenino
NOMINAL Vivienda
Principal uso de crédito Autos
Otros
ORDINAL Categoría del cliente A1
A2
VARIABLE CUANTITATIVA
Cobro del mes de mayo por cajero el día del cierre Número de retiros
Monto de crédito adeudado en Enero del 2009 Miles de Soles
𝑎 √3
𝑆= = 0.25 ⇒ 𝑎 =
2. √3 2
1 2√3
=
𝑎 3
Sabemos:
𝑇 = 𝐼 + 𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛𝑐𝑒𝑟𝑡𝑖𝑓𝑖𝑐𝑎𝑑𝑜
Entonces como no considero la correcion del valor más representativo(media) de los datos:
1 2√3
𝐼= = , 𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛 = 0
𝑎 3
Considerando la corrección:
2√3
𝑇 = 𝐼 + 𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛𝑐𝑒𝑟𝑡𝑖𝑓𝑖𝑐𝑎𝑑𝑜 = + 0.07 = 1.224700538
3
𝑎 1⁄1.224700538
𝑆= = = 0.23571079 ≅ 0.24
2. √3 2. √3
3.- la afirmación que no presenta un uso adecuado del análisis exploratorio de datos es:
a) debido que nos ayuda a ver si los datos presenta alguna distribución conocida.
4.- analizar si los datos sigue una distribución normal, plantear hipótesis, usar prueba de
Anderson-Darling : que distribución sigue, conclusión.
Hipótesis:
> ad.test(humedad[,1])
data: humedad[, 1]
5.- Se recomienda utilizar el termómetro de marca 3; debido que su media de los datos coincide
con la del punto crioscopico (0°C), y su dispersión de sus valores es mas pequeño.
El de la marca 1 se aleja un poco del punto requerido por encima con una mayor dispersión de los
datos, con n punto atípico y mayor variabilidad.
El de la marca 2 se aleja del punto requerido por debajo, y una distribución menos homogénea
con poca dispersión.
En la marca 4 presenta poca variabilidad de los datos, pero alejado del punto requerido por
encima.
La marca 5 está cerca del punto requerido su media, pero por encima y con variabilidad moderada
, pero presenta puntos atípicos por debajo y por encima.
1 𝑎3 𝑎2
𝐸(𝑥 2 ) = .( ) =
3. 𝑎 4 12
[𝐸(𝑥)]2 = 0
𝑎2 𝑎
𝑆=√ =
12 2. √3
Como P-value = 0.3174> alfa=0.05 entonces se acepta Ho (las varianzas son homogéneas)
8.- Luego de realizar la calibración de un termómetro se obtiene una curva de calibración de tipo
lineal. Para comprobar la adecuación del modelo a los datos de calibración se grafican los residuos
del modelo:
Se observa que el ajuste de tipo lineal no es tan conveniente, debido que los residuos presenta un
patrón casi cuadrático (parabólico) algo disperso (no son tan aleatorio), pero sus datos si se ajusta
a una distribución normal. Se Podría comparar con un ajuste cuadrático los datos y ver cual
presenta una mejor aleatoriedad de residuos.