TRABAJO DE ESTADISTICA DESCRIPTIVA

1. Los siguientes datos corresponden a los salarios de 15 empleados (en miles

de pesos) de la empresa de Electricaribe.
Empresa A: $820 $820 $850 $880 $890 $890 $910 $920 $920 $925 $930
$940 $940 $960 $1060
Calcular:
Media aritmtica:
Varianza:
Desviacin estndar:
Desviacin media:
Coeficiente de variacin
Coeficiente de desviacin media:
2. Los siguientes datos corresponden a los salarios de 20 empleados (en miles
de pesos) de la empresa de ACUACUR
Empresa B: $815 $815 $825 $835 $835 $865 $865 $865 $865 $885 $885
$885 $895 $895 $905 $905 $925 $935 $935 $950
Calcular:
Media aritmtica:
Varianza:
Desviacin estndar:
Desviacin media:
Coeficiente de variacin
Coeficiente de desviacin media:
3. Defina y de sus frmulas y ejemplos los siguientes conceptos:

a. REGRESIN LINEAL SIMPLE
b. CORRELACIN

c. REGRESIN MLTIPLE
Desarrollo de la actividad.

1. EMPRESA A:

a. Media aritmtica:

=
n

= 13655
15

= 910,3

b. Varianza:

s
2
= ( )
2

n

s
2
= (820 - 910,3)
2
2 + (850 910,3)
2
+ (880 910,3)
2
+ (890 910,3)
2
2 +
(910 910,3)
2
2 + (925 910,3)
2
+ (925 910,3)
2
+ (930 910,3)
2
+ (940 910,3)
2
2 + (960 910,3)
2
+ (1060 910,3)
2
15

s
2
= 16308,18 + 3636,09 + 918,09 + 824,18 + 0,09 + 188,18 + 216,09 + 388,09
+ 1764,18 + 2470,09 + 22410,09
15

s
2
= 49123,35
15

s
2
= 3274, 89

c. Desviacin estndar:

s = s
2

s = 3274,89

s = 57,22




d. Desviacin media:

DM = -
n

DM = (820 910,3) 2 + (850 910,3) + (880 910,3) + (890 910,3) 2
+ (910 910,3) + (920 910,3) 2 + (925 910,3) + (930 910,3)
+ (940 910,3) 2 + (960 910,3) + (1060 910,3)
15

DM = 180,6 + 60,3 + 30,3 + 40,6 + 0,3 + 19,4 + 14,7 + 19,7 + 59,4 + 49,7
+ 149,7
15

DM = 624,7
15

DM = 41,64


e. Coeficiente de variacin:

CV = s 100%


CV = 57,22 100%

910,3

CV = 6,28%

f. Coeficiente de desviacin media:

CVM = DM 100%


CVM = 41,64 100%
910,3

CVM = 4,57%






2. EMPRESA B:

a. Media aritmtica:

=
n

= 17585
20

= 879,25

b. Varianza:

s
2
= ( )
2

n

s
2
= (815 879,25)
2
2 + (825 879,25)
2
+ (835 879,25)
2
2 + (865
879,25)
2
4 + (885 879,25)
2
3 + (895 879,25)
2
2 + (905 879,25)
2
2
+ (925 879,25)
2
+ (935 879,25)
2
2 + (950 879,25)
2
20


s
2
= 8256,12 + 2943,06 + 3916,12 + 812,25 + 99,18 + 496,12 + 1326,12
+ 2093,06 + 6216,12 + 5005, 56
20

s
2
= 31163,71
20

s
2
= 1558,18

c. Desviacin estndar:

s = s
2

s = 1558,18

s = 39,47






d. Desviacin media:

DM = -
n

DM = (815 879,25) 2 + (825 879,25) + (835 879,25) 2 + (865
879,25) 4 + (885 879,25) 3 + (895 879,25) 2 + (905 879,25) 2
+ (925 879,25) + (935 879,25) 2 + (950 879,25)
20

DM = 128,5 + 54,25 + 88,57 + 57 + 17,25 + 31,5 + 51,5 + 45,75 + 111,5
+ 70,75
20

DM= 656,5
20
DM = 32,82

e. Coeficiente de variacin:

CV = s 100%


CV = 39,47 100%
879,25

CV= 4,48%

f. Coeficiente de desviacin media:

CVM = DM 100%


CVM = 32,82 100%
879,25

CVM = 3,73%

3. Defina y de sus frmulas y ejemplos los siguientes conceptos:

a. REGRESIN LINEAL SIMPLE
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que
modela la relacin entre una variable dependiente Y, las variables independientes
Xi y un trmino aleatorio . Este modelo puede ser epresado como:
Y_t = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \cdots +\beta_p X_p +
\varepsilon
Y_t: variable dependiente, explicada o regresando.
X_1, X_2, \cdots, X_p : variables explicativas, independientes o regresores.
\beta_0,\beta_1,\beta_2,\cdots ,\beta_p : parmetros, miden la influencia que las
variables explicativas tienen sobre el regresando.
donde \beta_0 es la interseccin o trmino "constante", las \beta_i \ (i > 0) son los
parmetros respectivos a cada variable independiente, y p es el nmero de
parmetros independientes a tener en cuenta en la regresin. La regresin lineal
puede ser contrastada con la regresin no lineal.
b. CORRELACIN

La correlacin estadstica determina la relacin o dependencia que existe entre
las dos variables que intervienen en una distribucin bidimensional. Es decir,
determinar si los cambios en una de las variables influyen en los cambios de la
otra. En caso de que suceda, diremos que las variables estn correlacionadas o
que hay correlacin entre ellas.

Coeficiente de correlacin.

El coeficiente de correlacin lineal se expresa mediante la letra r.



En el caso de que se est estudiando dos variables aleatorias x e y sobre
una poblacin estadstica; el coeficiente de correlacin de Pearson se simboliza con
la letra , siendo la expresin que nos permite calcularlo:

Dnde:
es la covarianza de
es la desviacin tpica de la variable
es la desviacin tpica de la variable
De manera anloga podemos calcular este coeficiente sobre un estadstico
muestral, denotado como a:



c. REGRESIN MLTIPLE

Este tipo se presenta cuando dos o ms variables independientes influyen sobre
una variable dependiente. Ejemplo: Y = f(x, w, z).
Por ejemplo: Podra ser una regresin de tipo mltiple:
Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin
del nmero de pedidos de los tipos de software que desarrolla (Sistemas,
Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el
presente ao.
En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W
(N de pedidos de Aplicaciones Educativas) y Z (N de pedidos de
Automatizaciones empresariales).

Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y
explicar el uso de la ecuacin de regresin mltiple, as como el error estndar
mltiple de estimacin. Despus se medir la fuerza de la relacin entre las
variables independientes, utilizando los coeficientes mltiples de determinacin.

Y 440 455 470 510 506 480 460 500 490 450
X 50 40 35 45 51 55 53 48 38 44
W 105 140 110 130 125 115 100 103 118 98
Z 75 68 70 64 67 72 70 73 69 74