ANALISIS ESTADISTICO Y DISEO EXPERIMENTAL

ESCUELA DE INGENIEROS MILITARES

ESPECIALIZACION EN TECNICAS MODERNAS DE VOLADURA
ING CIVIL : JENNY PATRICIA ARAGON SARMIENTO

"La roca, por su misma naturaleza, es un material

heterogneo en el que sus propiedades y
caractersticas varan de un lugar a otro o de un
espcimen a otro an proviniendo todos de la
misma muestra, formacin geolgica o tren de
perforacin.
Al estudiar cualquier propiedad o caracterstica de
las rocas, interesa no slo el valor promedio de
dicha caracterstica, sino tambin la variacin que
puede esperarse que ocurra. Adems de la
desviacin que se presenta a causa de la propia
naturaleza de la roca, existe la producida por el
error experimental, inherente a todas las tcnicas
de medicin.

Dichos errores experimentales son usualmente

de dos tipos, sistemticos y probabilsticos; los
primeros son del mismo signo para cada
observacin, en tanto que los segundos se
distribuyen normalmente en torno a un valor
central de cero. Los errores sistemticos no
pueden reducirse al incrementar el nmero de
observaciones, en tanto que los probabilsticos
pueden reducirse sin lmite al incrementar el
nmero de ellas; sin embargo, esta reduccin
es proporcional a la raz cuadrada del nmero
de lecturas, de tal forma que existe un lmite
prctico hasta el cual puede llevarse dicha
reduccin.

la incertidumbre asociada con las propiedades

de los materiales geotcnicos, y el enorme
cuidado que hay que tener al seleccionar los
valores apropiados para los clculos, han
incitado a varios investigadores a recomendar
que los mtodos tradicionales determinsticos
sean reemplazados por mtodos
probabilsticos, ms familiares con los
conceptos de anlisis de riesgos. Estos
mtodos probabilsticos deben utilizarse para
estimar los comportamientos de la estructura
frente a la viabilidad de varias opciones.

1.0 DEFINICIONES, TERMINOLOGA Y NOTACIN

La estadstica utiliza un sinnmero de palabras que
tienen significados especficos;
Poblacin o Universo: cualquier conjunto finito o
infinito de individuos, objetos o procesos que tienen
alguna caracterstica comn observable y medible.
Muestra: subconjunto de una poblacin. En el trabajo
experimental, se observa y se mide una caracterstica
de una muestra, y a partir de estos datos se estima la
caracterstica de la poblacin.
Parmetro: constante que caracteriza una poblacin.
Espcimen o ncleo: parte individualizada de una poblacin

o muestra; es la mnima parte a la que se le hacen las

determinaciones
de
rigor,
buscando
que
sean
representativas del todo.
Rplica: repeticin de un experimento o medicin bajo
condiciones idnticas.

2.0 PROPIEDADES FSICAS

2.1 Unidades de medida
La fsica se ocupa casi exclusivamente de cantidades

medibles. Por tanto, es muy importante saber

exactamente qu es lo que se entiende por medida.

Magnitud: todo aquello que puede medirse.

Medida: comparacin de una magnitud con otra de la

misma especie, que arbitrariamente se toma como patrn.

La magnitud de una cantidad fsica se expresa mediante
un nmero de veces la unidad de medida; en el quehacer
cientfico, sta habitualmente se expresa en el sistema
mtrico, o su sucesor, el Sistema Internacional de Medidas
(SI).

En el estudio de las propiedades fsicas de los materiales

se distinguen dos tipos de magnitudes: fundamentales y
derivadas.
Las magnitudes fundamentales son patrones de
referencia y dependen solo de las unidades.

Las magnitudes derivadas se forman mediante la

combinacin de las fundamentales

Tabla 1.2 Magnitudes Derivadas

Las magnitudes suplementarias: son aquellas que no han sido

clasificadas como ninguna de las anteriores ejemplo; La
atmosfera ( 1 atm = 760 mmHg = 101,325 kPa = 1 bar = 1
kg/cm) y La calora ( 1 cal = 4,186 J ).
Los sistemas mtrico y SI son sistemas decimales, en los que se
utilizan prefijos para indicar fracciones y mltiplos de diez (Exa,
1018; Peta, 1015; Tera, 1012; Giga, 109; Mega, 106; kilo, 103; hecto,
102; deca, 101; deci, 10-1; centi, 10-2; mili, 10-3; micro, 10-6; nano,
10-9; pico, 10-12; femto, 10-15, atto, 10-18)

2.2 Notacin Cientfica o Exponencial

Cuando se trabaja con nmeros muy grandes o muy
pequeos, y para evitar escribir tantos ceros, se utiliza
la notacin cientfica, mediante la cual se escribe el
nmero en forma exponencial y se coloca un dgito no
nulo a la izquierda de la coma decimal.
2.3
Precisin y Exactitud
La exactitud indica el grado en que un valor medido
coincide con el valor correcto, mientras que la precisin
se refiere al grado en que las medidas individuales
coinciden entre s. La diferencia entre ambos conceptos
se indica en la Figura.

2.4 Redondeo de cifras

Generalmente,

los clculos nunca arrojan nmeros

exactos y por tanto es necesario redondearlos, para lo
cual deben seguirse las siguientes normas:

Si el dgito a eliminar es mayor que 5, el dgito retenido

aumenta en
Si el dgito
mantiene.
Si el dgito
aumenta en
Si el dgito
mantiene.

uno.
a eliminar es menor que 5, el dgito retenido se
a eliminar es 5 y el retenido impar, el retenido
uno.
a eliminar es 5 y el retenido par, el retenido se

2.5Cifras significativas
Estamos acostumbrados a confiar en los resultados
obtenidos de los ensayos o del desarrollo de problemas, sin
detenernos a pensar si los valores son coherentes, precisos
o exactos, si es necesario utilizar cada una de las muchas
cifras que arrojan los clculos o sobre la influencia que
tiene en los resultados, utilizar indistintamente un sistema
u otro de medida durante el procesamiento de los datos.
Las aproximaciones, segn recomendaciones, son muy
comunes; sin embargo, la incertidumbre que se plantea al
momento de efectuarlas, es bastante grande ya que
generalmente no se conoce la precisin de los equipos
empleados para las pruebas previstas y simplemente se
presenta una hoja de clculo con los valores obtenidos.

2.5.1

Reglas en las cifras significativas

Las cifras significativas son las cifras que se miden con

precisin, segn el instrumento utilizado, o, si se

realizan clculos a partir de valores medidos, son las
cifras del resultado en las que se puede tener
confianza de que son precisas. Para saber el nmero
de cifras significativas presentes en un resultado, se
pueden utilizar las siguientes reglas:

Los ceros a la izquierda no son significativos. Esto se

debe a que los ceros a la izquierda no le aaden

precisin a la medicin, sino que solamente sirven
para establecer la posicin de la coma decimal. En ese
caso, para contar las cifras significativas, se parte del
primer dgito distinto de cero y se cuentan todos los
dgitos a la derecha de ste.

Los ceros a la derecha s son significativos. Los ceros a la

derecha deben escribirse s y slo s constituyen una parte

verdadera de la medicin.

Los nmeros enteros, por naturaleza, se consideran como si

tuvieran una cantidad infinita de cifras significativas. Dicho de

otra manera, los enteros, por naturaleza, se pueden conocer
con exactitud perfecta.

Los factores de conversin generalmente son exactos. O sea

que, al igual que los nmeros enteros, puede considerarse

como si tuvieran un nmero infinito de cifras significativas.
Cualquier dgito distinto de cero es significativo. Ejemplo:
243, (3 c.s.); 2421, (1 c.s.).

Los ceros utilizados para posicionar la coma, no son cifras

significativas. Ejemplo: 0,000427, (3 c.s.), que en notacin

cientfica sera: 4,27 x 10-4.

2.5.2Clculos con cifras significativas

En la multiplicacin y divisin, el nmero resultante no debe tener

ms cifras significativas que el factor con el menor nmero de

cifras significativas (factor menos preciso) utilizado en la operacin

En la adicin, el ltimo dgito retenido est determinado por la

posicin del ltimo dgito dudoso, es decir, el nmero que tenga

menos cifras significativas despus de la coma decimal, as por

Con la sustraccin hay que tener especial cuidado, ya que dos

nmeros con muchas cifras significativas pero valores muy

parecidos pueden dar un resultado con muy pocas cifras
significativas

Finalmente, para operaciones como races cuadradas, potencias,

logaritmos y exponenciales, no existen reglas tan sencillas pero

como primera aproximacin, se pueden utilizar las mismas que
para la multiplicacin y la divisin.

2.6 Teora de errores

El significado de la palabra `error'' no es muy preciso,

puesto que con frecuencia distintos investigadores lo

emplean con sentidos diferentes. De una manera
amplia, puede considerarse el error como una
estimacin o cuantificacin de la incertidumbre de una
medida. Cuanto ms incierta sea una medida, tanto
mayor ser el error. Suelen distinguirse dos tipos de
errores: sistemticos y aleatorios.

2.6.1 Errores sistemticos

Pueden surgir de emplear un mtodo inadecuado, un
instrumento defectuoso o por utilizarlo en condiciones
para las que no estaba previsto su uso.

2.6.2

Errores aleatorios

Pueden deberse a la acumulacin de muchas

incertidumbres sistemticas no controladas o provenir de
variaciones intrnsecamente aleatorias. En ambos casos el
resultado es que las medidas de una magnitud siguen una
distribucin de probabilidad, que puede analizarse por
mtodos estadsticos .

Error absoluto y valor ms probable

Es la diferencia algebraica entre la medicin de la

ariable y su media aritmtica; debe expresarse en
ismas unidades que la variable en cuestin.

imero se encuentra la media aritmtica de las mediciones:

10,45 10,43 10,44 10,46 10,42

10,44 cm
5

las

 Posteriormente se calcula el error absoluto mediante la

siguiente igualdad:

error absoluto = medicin media aritmtica

Error relativo
El error relativo es el cociente entre el error absoluto y

la verdadera medicin de la variable (el promedio), en

porcentaje. Puede calcularse sobre una sola medicin.
Para el caso del ejemplo anterior, el error relativo
sera:

3.0 MTODOS DE ANLISIS ESTADSTICOS

La estadstica es la ciencia que estudia los mtodos cientficos que

permiten recolectar, jerarquizar, resumir, analizar y extrapolar datos a

fin de deducir conclusiones vlidas, las que a su vez permitirn tomar
decisiones razonables fundamentadas en dichos anlisis.

Por

estadstica tambin se entienden los datos mismos o las

cantidades derivadas de dichos datos tales como los promedios, los
rangos o las medianas, entre otros. En ensayos fsicos sobre rocas,
por ejemplo, se dice que el promedio de una serie de lecturas es
representativo de todo el conjunto. Estas caractersticas medias estn
influenciadas por tres importantes tipos de factores los cuales
introducen incertidumbres en los resultados:

Errores instrumentales (ver numeral 2.6)

Variaciones en la muestra (el espcimen) que se lleva a ensayo

Variaciones entre el espcimen (la muestra) y los otros especmenes

(muestras) que puedan ser seleccionados de la misma fuente

 En lugar de examinar todas las rocas, lo que se llamara

universo o poblacin, slo se examina una pequea parte de

ellas llamada muestra. Una muestra puede consistir de un solo
espcimen o de un milln de ellos, en tanto que la poblacin
puede ser finita o infinita.
La fase de la estadstica que estudia las condiciones bajo las
cuales es vlida tal deduccin, se conoce como inferencia
estadstica.
La mayora de los ensayos utilizados en la determinacin

de las propiedades fsicas de las rocas, son destructivos

(completamente o en parte). Por esta razn, es
particularmente
difcil
distinguir
entre
variaciones
instrumentales y variaciones causadas por los cambios en
composicin o estructura de la roca, debido a que los
ensayos no pueden ser reproducidos con el mismo
espcimen (o parte de l). Este problema es an ms
complicado al comparar los resultados de dos o ms
ensayos diferentes, todos destructivos.

3.1
Medidas de tendencia central
El promedio, es un valor tpico o representativo de un
conjunto de datos, el promedio tambin es conocido como
la medida de la tendencia central. Uno de los promedios
ms comunes es el promedio aritmtico, o la media
aritmtica, denotado mediante el smbolo x .

Otras medidas de tendencia central, son:

La media aritmtica ponderada. A veces se asocian las

observaciones (lecturas) con ciertos factores-peso tales

como w1, w2,..., wn (que pueden representar, por ejemplo,
la frecuencia de ocurrencia), dependientes de la
relevancia asignada a cada una de ellas.
La media geomtrica. La media geomtrica de un
conjunto de observaciones positivas x1, x2, x3,..., xn, es la
raz ensima del producto de dichos valores
Otras son: La media armnica, La media cuadrtica,

La media cbica.

La mediana. En un conjunto de valores de lecturas ordenados en

magnitud creciente o decreciente, la mediana es el valor central o la

media aritmtica de los dos valores centrales. Geomtricamente la
mediana es el valor de la abscisa x que corresponde a la vertical que
divide un histograma en dos partes de igual rea y se denota, como
m.

La moda. En un conjunto de valores de observaciones, la moda es el

valor que se presenta con mayor frecuencia y que puede existir o no

o incluso no ser nica; se denota como M.

Sesgo o asimetra. Fcilmente se puede observar que no siempre los

valores de la moda, la mediana y la media coinciden, por tal motivo

se define el sesgo como la variacin entre estas tres medidas. No
existe una formulacin que permita calcular el sesgo de una
variable, slo se indican algunas recomendaciones.

Cuartiles, deciles y percentiles.

La varianza (s) o (). Es la suma de los cuadrados de las

desviaciones de las observaciones individuales, respecto al promedio,

dividido por el nmero total de observaciones menos uno (1).
La desviacin tpica o estndar. La diferencia del valor de una
observacin con respecto al valor de la media, se mide usualmente
mediante la desviacin estndar, la cual se define como la raz
cuadrada positiva de la varianza s, y por tanto se evala mediante:

El promedio de la muestra y, por tanto, las desviaciones, estn

relacionadas con el principio estadstico matemtico de los mnimos

cuadrados, de la siguiente forma: si las desviaciones de las
observaciones se miden a partir del promedio de la muestra,
entonces la suma de sus cuadrados es un mnimo (es decir, la suma
de los cuadrados de las desviaciones de un conjunto de datos, a
partir de cualquier dato, a, es un mnimo s y slo s a = ).

Para
distribuciones normales, el 68,27% de los casos, se encuentra entre ( - s) y ( + s); el 95,45% entre ( - 2s) y ( + 2s) y el
99,73%
entre
( - 3s) y ( + 3s). Para distribuciones poco asimtricas, los anteriores porcentajes son, igualmente, aproximadamente vlidos.

 Coeficiente de Variacin (C.V.).

Coeficiente de sesgo (CS). Permite conocer el

sesgo de un variable
Apuntalamiento. Indica qu tan aguda es la curva
de distribucin; es decir, qu tan concentradas
estn las observaciones con respecto a un punto
medio.
3.3 Distribucin normal, muestreo e intervalos de

confianza
Distribucin normal
Las desviaciones experimentales en muchos

campos de la ciencia, a la par que la teora,

conducen a una distribucin general que relaciona
la frecuencia de ocurrencia de una observacin,
con la cantidad por la cual difiere de la media de la
poblacin.
Muestra
Poblacin o Universo

Otro anlisis de probabilidad, con las mismas caractersticas

del de la distribucin normal, es la forma cannica de la

distribucin en mencin, la cual se utiliza con mayor
frecuencia dado que permite realizar un anlisis de
resultados con media cero (0) y varianza uno (1). Para el
clculo de la probabilidad, se determina el valor del
normalizador por medio de la expresin :
A manera de ejercicio, para un gneis micceo, con una

media, , de 645 kg/cm y una desviacin estndar, s, de 337

kg/cm, se puede definir cul es la probabilidad de encontrar
un valor igual o mayor a 1122 kg/cm, que es el lmite
inferior de resistencia a la compresin simple alta, segn
Deere y Miller.
El valor del normalizador z, conforme a la expresin anterior,
es:

 con este valor de z, indicado en la Figura 1.3, se va a la

tabla de reas de la distribucin normal, Tabla 1.4, y se

localiza este valor, el cual se encuentra entre 1,41 y 1,42 e
indica dos valores del rea bajo la curva desde - hasta el
valor de anlisis, x (1122), que para el ejemplo son 0,9207
y 0,9222. Por interpolacin lineal, el valor del rea
correspondiente a z (1,4154) es 0,9215; luego la
probabilidad de encontrar un valor igual o superior a 1122
kg/cm es de (1,000 0,9215), es decir, 0,0785 (7,8%). Por
otro lado, la posibilidad de encontrar un valor menor sera
el complemento; esto es, 100% 7,8% = 92,2%

Normalizador z para un valor de compresin simple de 1122 kg/cm para un gneis

micceo

Caractersticas fsico-mecnicas del gneis micceo y el esquisto cuarzo

micceo del complejo metamrfico del norte de Caldas, organizadas en
orden descendente segn su resistencia a la compresin simple y
segn su peso unitario

Medidas de dispersin de c

4.0 AJUSTE DE CURVAS Y MTODO DE LOS MNIMOS

CUADRADOS
Otra tcnica utilizada para analizar datos experimentales es el
llamado el mtodo de los mnimos cuadrados de gran
importancia en las distintas ramas de la ingeniera, las ciencias
y las matemticas. Este mtodo consiste en encontrar una
funcin cuya grfica sea la ms aproximada a los datos
obtenidos. Precisando, claro esta, que significa estar
aproximada. Este mtodo nos permite predecir la existencia
de otros valores o inferir valores futuros.

Ecuaciones de curvas aproximadas

A continuacin se enlistan varios tipos comunes de curvas

aproximadas y sus ecuaciones, para facilitar los trabajos

posteriores. Todas las letras, excepto X y Y, representan
constantes. Las variables X y Y, se llaman variable
independiente y variable dependiente, respectivamente,
aunque estas cualidades pueden intercambiarse.
Lnea recta:
Parbola, o curva cuadrtica:
Curva cbica:
Curva cuartica:
Curva de grado n:

Las anteriores expresiones representan polinomios de uno,

dos, tres, cuatro y n grados, respectivamente.

 La Figura muestra un diagrama de dispersin obtenido a

partir de una serie de observaciones. Para un valor

determinado de x, por ejemplo x1, existe una diferencia
entre el valor de y1 y el correspondiente valor tal como se
determina a partir de la lnea (curva) c. Como se indica en
la figura, esta diferencia se denota como D1, la cual alude
a una desviacin, error o un valor residual, y puede ser
positivo, negativo o cero. Similarmente, correspondientes
a los valores x2,....., xn, se obtendrn, D2, ....., Dn. De todas
las lneas (o curvas) que se aproximan a un conjunto de
parejas de puntos dado, aqulla que tenga la propiedad
de hacer mnima la sumatoria D1 + D2 + ... + Dn, se
conoce como la curva de ajuste ptimo. Una lnea (curva)
que cumpla esta propiedad, se conoce como la lnea
(curva) de ajuste de las parejas de puntos en el sentido de
los mnimos cuadrados y se llama lnea (curva) de los
mnimos cuadrados, si cumple dicha propiedad.

Diagrama de dispersin indicando la relacin entre las variables X y Y

5.0 CORRELACIN Y REGRESIN

Correlacin

: El grado de interconexin entre variables, o

correlacin, busca determinar la precisin con la que una ecuacin
lineal u otra, describe o explica la relacin entre variables. Si todos
los valores de las variables satisfacen perfectamente bien una
ecuacin, se dir que las variables correlacionan perfectamente, o
que existe una correlacin perfecta entre ellas.

 Regresin o estimacin: A menudo se desea estimar, basado

en datos de una muestra, el valor de una variable Y

correspondiente a un valor dado de la variable X. Esto se
puede hacer estimando el valor de Y mediante una lnea
(curva) de mnimos cuadrados que ajuste los datos de la
muestra.
Cuando slo se involucran dos variables, se est frente a una
correlacin y una regresin simples. Cuando se hacen
intervenir ms de dos variables, se est frente a una
correlacin y regresin mltiples.
5.1
Correlacin lineal

Diagrama de dispersin donde se indica una correlacin lineal, tanto positiva como
negativa, y una serie de datos en la que no se puede plantear una correlacin

5.2 Recta de regresin por los mnimos cuadrados

La lnea de regresin de mnimos cuadrados de Y sobre
X, tiene
la ecuacin:
Por medio del clculo, se
obtienen las
as llamadas ecuaciones normales, las cuales se
expresan de la
siguiente manera:
.
Estas dos
ecuaciones se
resuelven simultneamente para obtener a y b.
5.3 Parbola de mnimos cuadrados
Una parbola de mnimos cuadrados que aproxima el
conjunto de
puntos (X1, Y1), (X2, Y2), ..., (Xn, Yn) tiene una ecuacin
dada por:
donde las constantes a, b y c se
determinan al

5.5 Coeficiente de correlacin

Un coeficiente de correlacin es una medida de la
intensidad de asociacin o relacin entre variables. El
coeficiente de correlacin es independiente de las
unidades de medicin; es una cantidad absoluta o
adimensional. El uso de X y Y ya no se tiene en mira
para significar una variable independiente y una
dependiente. La relacin de la variacin explicada
respecto a la variacin total, se conoce como el
coeficiente de determinacin y se denota como r; por
tanto, siempre es positivo. La raz cuadrada del

coeficiente de determinacin, es conocida como

coeficiente de correlacin, r, el cual est definido
entonces as:

5.6 Error tpico o estndar de estimacin

Como se viene de indicar, ninguna relacin es perfecta; por tanto,
los valores reales no coincidirn con los valores tericos estimados
a partir de la lnea (curva) de regresin. Si la dispersin se mide
con exactitud, se determina la variacin y se establece un rango
dentro del cual caer un porcentaje dado de valores.
6.0

ANLISIS MULTIVARIABLE

En muchos casos prcticos, un parmetro puede depender de ms

de una variable independiente. Si las variables de este tipo
cambian al azar completamente, se puede utilizar la regresin
simple como en el caso de una variable independiente, aun cuando
esto produce cierta
prdida de precisin en el clculo. Sin embargo, si las variables
independientes tienden a variar de acuerdo con algn patrn, la
regresin simple da lugar a resultados confusos, y se tiene que
emplear la regresin mltiple. La diferencia entre ambos mtodos
radica en el hecho de que la regresin mltiple establece el efecto
de una variable independiente, mientras las otras variables del
mismo tipo se mantienen constantes, en tanto que la regresin
simple no controla a las otras variables

Ejemplo
Se llev a cabo un experimento para determinar la relacin existente entre el
contenido de humedad en la densidad ptima y el de cal y puzolana, en la
estabilizacin de una arcilla muy plstica. Los datos se indican en la Tabla.

Se pide:
Ajustar una ecuacin de la forma:
Utilizar la prueba F para verificar si esta forma de ecuacin es

significativa en trminos estadsticos o no. Emplear = 1%

Utilizar la prueba t para comprobar la significacin de los coeficientes
de regresin parcial al nivel del 1%
Calcular el coeficiente mltiple r y probar su significacin. Utilizar =
1%

 Ajuste de la ecuacin. A fin encontrar los tres coeficientes desconocidos b0, b1

y b2 de la ecuacin , se deben resolver simultneamente las siguientes 3

ecuaciones:
de (5)

donde
y : porcentaje de agua
x1 : porcentaje de cal
x2 : porcentaje de puzolana
Lo primero que se debe hacer es disear una tabla que permita con facilidad

evaluar todos los parmetros indicados por las ecuaciones 6, pues slo se
estn considerando las dos variables independientes x1 y x2; estas dos
ecuaciones se reescriben como ecuaciones d y e.

de (6)

 donde

: Contenido promedio de agua

: Contenido promedio de cal
: Contenido promedio de puzolana
Luego

a
b

de a:

a en b:
c
c en a:
Ahora bien, puesto que de (1b):
Sustituyendo,

Utilizacin de la prueba F. Clculo de

de 15:

de 8:
Finalmente, de 16:
1 = k = 2, ya que slo hay 2 parmetros 2 = n (k + 1) = 4

 Con estos valores de 1, 2 se va a la tabla de distribucin de la razn de varianza F con un nivel de

significacin del 1%, tabla 1.8, y se lee el valor de 18.

Ahora, como el valor de F calculado (154,50) es mayor que 18, se rechaza la hiptesis de que la

regresin no es significativa. Luego el contenido de agua depende del contenido de cal y del de
puzolana.

(3) Utilizacin de la prueba t

de (11)

de (10)
de (13)
De la tabla 1.7 se lee que para = n (k + 1) = 7 (2 + 1) = 4, t = 4,604 al nivel de significacin del
1 % y 8,610 al del 0,01%. Como > 4,604 y a su vez que 8,610 entonces, el coeficiente b 1 es
significativo al nivel del 0,1% y de hecho a ms.
As mismo, para b2:
de (13)

 Una vez ms, de la tabla 1.7 se lee que para = 4, t = 4,604 al nivel de significacin del 1 % y

8,610 al del 0,01%. Como > 4,604 y a su vez que 8,610 entonces, el coeficiente b2 es significativo
al nivel del 0,1% y de hecho a ms.
(4) Clculo del coeficiente mltiple y prueba de su significacin.
A partir de la ecuacin:
de (17):

Segn la tabla 1,9, si (k + 1) = 3 variables y = n (k + 1) = 7 (2+1) = 4, r = 0,949 al nivel de

significacin del 1%. Dado que el valor calculado es mayor que el tabulado, se concluye que la
regresin de y sobre las variables x explica una cantidad significativa de la variacin de y.

FIN