Documente Academic
Documente Profesional
Documente Cultură
aleatoria por fabricante de 3 autos y plantear la hipótesis de que los precios promedios por
auto son iguales frente a la alterna que los precios promedios por auto son diferentes para
esos grupos de fabricantes, usar un alfa de 5% no olvidar los pasos para una prueba de
este tipo
Por último de la misma base Kuiper seleccionar dos variables cuantitativas continuas y
plantear una relación de dependencia, ahora bien con el modelo de regresión lineal de Excel
verificar si la relación que plantearon tiene sentido, justificar.
Sólo entregar estas pautas por grupo.
FABRICANTE
Buick
PARAMETROS ESTADIGRAFOS
µ 20815,1139 n 5
σ ? 19916,7037
(1-α) *100% 0,95 S 3595,23362
α 0,05 gl 4
α/2 0,025
PASOS
INV.T(0.975;4)
Tα = 2,7764
3. Estadígrafo de prueba
X - 0
2 Desconocida t con (n - 1) g.l. Si n < 30
S
n
20815,1139 − 19916,7037
Tc =
3595,23362/√5
Tc = -0,5587
l Tc l > l Tα l Se acepta Ho
0,5587 > 2,7764
5. Conclusión
De acuerdo a la evidencia experimental y con un alfa del 5% se acepta la Ho donde la
media poblacional es igual a la media muestra.
FABRICANTE
Cadillac
PARAMETROS ESTADIGRAFOS
µ 40936,3354 n 5
σ ? 43506,3074
(1-α) *100% 0,95 S 12825,5194
α 0,05 gl 4
α/2 0,025
PASOS
INV.T(0.975;4)
Tα = 2,7764
3. Estadígrafo de prueba
X - 0
2 Desconocida t con (n - 1) g.l. Si n < 30
S
n
43506,3074 − 40936,3354
Tc =
12825,5194/√5
Tc = 0,4480
l Tc l > l Tα l Se acepta Ho
0,4480 > 2,7764
5. Conclusión
De acuerdo a la evidencia experimental y con un alfa del 5% se acepta la Ho donde la
media poblacional es igual a la media muestra.
FABRICANTE
Chevrolet
PARAMETROS ESTADIGRAFOS
µ 16427,5993 n 5
σ ? 16770,08
(1-α) *100% 0,95 S 4160,08308
α 0,05 gl 4
α/2 0,025
PASOS
1 identificar variable, parámetros, estadígrafos y prueba de hipótesis
Ho: =µ
H1: ≠µ
16770,08 − 16427,5993
Tc =
4160,08308/√5
Tc = 4,7210
l Tc l > l Tα l Se Rechaza Ho
4,7210 > 2,7764
5. Conclusión
De acuerdo a la evidencia experimental y con un alfa del 5% se rechaza Ho lo cual indica
que hay diferencia entre la media de los precios y la media muestral de los precios
MODELO DE REGRESIÓN LINEAL SIMPLE “KUPIER”
β0 y β1 Son los parámetros del modelo. ε es una variable aleatoria, llamada error, que
explica la variabilidad en y que no se puede explicar con la relación lineal entre x y y. Los
errores, ε, se consideran variables aleatorias independientes distribuidas normalmente con
media cero y desviación estándar σ. Esto implica que el valor medio o valor esperado de y,
denotado por E(Y/x), es igual a β0 + β1 x.
Para la aplicación del modelo de regresión lineal se escogieron dos variables cuantitativas
continuas de la base de datos kupier las cuales fueron:
(precio-litro)
Relación de dependencia.
Se define que el precio depende de los litros del carro, donde Y=Litros , X=Precio.
Donde:
Coeficiente de correlación:
El modelo de regresión lineal coincide con el cuadrado del coeficiente de correlación lineal:
R2 = r2 El coeficiente de determinación toma valores entre -0,99 y 0,99, y cuanto más se
aproxime a 1 mejor será el ajuste y por lo tanto mayor la fiabilidad de las predicciones que
con él realicemos.
Interpretación:
Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las
dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo
hace en proporción constante.
Si 0 < r < 1, existe una correlación positiva.
Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables son
independientes: pueden existir todavía relaciones no lineales entre las dos variables.
Si -1 < r < 0, existe una correlación negativa.
Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total entre
las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra disminuye en
proporción constante.
La correlación de la variables precio y litros o el grado de asociacion es positiva, pero no
está dentro del rango ideal 0.80 < R <0.99 o -0.80 < R< -0.99
Coeficiente de determinación:
r=r^2