Estadstica Aplicada Producto Acadmico N 03

Producto Acadmico N 03
Desarrolle de manera detallada las preguntas presentadas a continuacin y responda a las
preguntas.
1. El gerente de ventas de COPIADORAS SUPER que tienen una gran fuerza de ventas en el
pas quiere determinar si hay alguna relacin entre el nmero de llamadas de ventas
hechas en un mes y el nmero de copiadoras vendidas en ese mes.
El gerente selecciona una muestra aleatoria de 10 representantes y determina el nmero
de llamadas de ventas hechas por cada representante el mes pasado y el nmero de
copiadoras que vendi. La informacin se muestra a continuacin:

Llamadas de ventas 20 40 20 30 10 10 20 20 20 30
Copiadoras vendidas 30 60 40 60 30 40 40 50 30 70

a. Represente grficamente la relacin entre las dos variables.

RELACION ENTRE DOS VARIABLES

COPIADORAS VENDIDAS

80
70
60
50
40
30
20
10
0
0 5 10 15 20 25 30 35 40 45

LLAMADAS REALIZADAS

b. Determine el grado de relacin entre las variables.

Grado de coeficiente de correlacin:

1|P gi na
 Estadstica Aplicada Producto Acadmico N 03

10(10.800) (220)(450)
=
{10(5.600) (220)2 }{10(22.100) (450)2 }

= 0.759 (coeficiente de correlacin)

Correlacin positiva alta

c. Calcule la variacin del nmero de copiadoras vendidas que se debe a la

variacin al nmero de llamadas de venta.

El coeficiente de determinacin es:

= 2

= 0.576

Interpretacin:

Existe una alta asociacin entre las variables, 57.6% de la variacin en el

nmero de copiadoras vendidas, se explica, o se debe a, la variacin en el
nmero de llamadas realizadas.

d. Realice la Prueba de hiptesis respecto al coeficiente de correlacin.

Llamadas (X) Copiadoras X2 Y2 XY

vendidas
(Y)
10 30 100 900 300

10 40 100 1,600 400

20 30 400 900 600

20 40 400 1,600 800

20 40 400 1,600 800

20 50 400 2,500 1,000

20 30 400 900 600

30 60 900 3,600 1,800

30 70 900 4,900 2,100

2|P gi na
 Estadstica Aplicada Producto Acadmico N 03

40 60 1,600 3,600 2,400

220 450 5,600 22,100 10,800

HIPOTESIS FORMULADAS

la correlacin encontrada se puede generalizar para toda la poblacin, para

todos los vendedores de la compaa?, o la correlacin encontrada se debe a
la casualidad?
PRUEBA BASADA EN T

H0: = 0

H1: 0

Donde : correlacin de la poblacin.

El nivel de significancia:

= 0.05

La estadstica de prueba adecuada es t, y la frmula es:

= 3.297

GRADOS DE LIBERTAD

Gl = n 2

Gl = 10 2

Gl = 8

3|P gi na
 Estadstica Aplicada Producto Acadmico N 03

Bbuscando en las tablas de la distribucin de t, se obtiene el valor crtico de 2.306

La regla de decisin es entonces: No rechazar H 0 si el valor que se encuentre

para t es mayor que 2.306 y menor que 2.306. Si el valor calculado no cae en
este rango, se rechaza H0 y se acepta H1

Dado que el valor que se encontr para t fue de 3.297, se rechaza la hiptesis
nula.

CONCLUCION: con un nivel de significancia de 0.05 se puede asegurar que la

correlacin de la poblacin no es cero. Lo que indica que s hay correlacin para
el total de vendedores, o que es posible generalizar los resultados.

e. Determine la ecuacin de regresin (recta de regresin).

FORMA GENERAL DE LA ECUACION DE LA REGRESION LINEAL

Y = a + bX

Pendiente de la lnea de regresin b = (n ( XY ) ( X ) ( Y ))/ n ( X2 ) ( X ) 2

Intercesin con el eje x a= Y/(n) b X(n)

ECUACION DE LA REGRESION:

Y = (18.9476 + (1.1842) X

f. Cul es el nmero esperado de venta de copiadoras para un empleado que

hace 20 llamadas?

EL NMERO DE COPIADORAS QUE SE ESPERA VENDER SI UN EMPLEADO REALIZA 20

LLAMADAS.

Representantes Llamadas Copiadoras X2 Y2 XY

de ventas (X) vendidas
(Y)
Representante 1 20 30 400 900 600
Representante 2 40 60 1,600 3,600 2,400
Representante 3 20 40 400 1,600 800
Representante 4 30 60 900 3,600 1,800
Representante 5 10 30 100 900 300
Representante 6 10 40 100 1,600 400
Representante 7 20 40 400 1,600 800
Representante 8 20 50 400 2,500 1,000
Representante 9 20 30 400 900 600
Representante 10 30 70 900 4,900 2,100

4|P gi na
 Estadstica Aplicada Producto Acadmico N 03

TOTAL 220 450 5,600 22,100 10,800

Pendiente de la lnea de regresin (b)

= 10 ( 10,800 ) ( 220 ) ( 450 )/ 10 ( 5,600 ) ( 220 ) 2
= (108000 99000)/(56000- 48400)
= 9000/7600
=1.1842
INTERSECCION CON EL EJE Y (a)
=450/10 1.1842 (220/10)
= 45 1.1842 (22)
=45 26.0524
= 18.9476
EN LA ECUACION GENERAL
Y = (18.9476 + (1.1842) 20
Y = 18.9476 + 23.684
Y = 42.6316

RESPUESTA: Esto quiere decir que un vendedor que realiza 20 llamadas puede
esperar ventas de 43 copiadoras.
g. Determine el error estndar de estimacin.

Representantes VENTAS VENTAS DESVIACION DESVIACION AL

de ventas CALCULADAS REALES CUADRADO

Representante 1 20 30 -12.6316 159.557

Representante 2 40 60 -6.3156 39.887
Representante 3 20 40 -2.6316 6.925
Representante 4 30 60 5.5264 30.541
Representante 5 10 30 -0.7896 0.623
Representante 6 10 40 9.2104 84.831
Representante 7 20 40 -2.6316 6.925
Representante 8 20 50 7.3684 54.293
Representante 9 20 30 -12.6316 159.557
Representante 10 30 70 15.5264 241.069
TOTAL 220 450 0 784.208

Error de determinacin estndar = ((sumatoria de desviacin Al cuadrado)/(n-2))

*
= (784.208 / 8)*1/2
= (98.035)*1/2
=9.901

5|P gi na
 Estadstica Aplicada Producto Acadmico N 03

h. Determine el intervalo de confianza del 95% para todos los representantes que
hicieron 20 llamadas.

y=18.9476 + 1.1842X
=18.9476 + 23.684
= 42.6316

N=8 con NC al 95 %
t= 2.306

intervalo de confianza =42.6316 +/- 2.306(9.901)*(1/10)( 20-22)2 )/ 784.208

=42.6316 +/- 22.8317(0.3241)
= 42.6316 +/- 7.3995

i. Determine el intervalo de prediccin del 95% para una representante del norte
del pas que hizo 20 llamadas.

Intervalo de prediccin = 42.6316 +/- 2.306(9.901) (1 +0.1 +0.0051)1/2

= 42.6316 +/- 22.8317(1.1051)1/2
= 42.6316 +/- 1.051

2. La tabla muestra las correlaciones de las variables de la ecuacin para estimar la

resistencia a la tensin mecnica de un alambre de acero:

a) Halle e interprete si la muestra es de tamao 5.

Dimetro ex- Cantidad de

Resistencia (y)
terior (x1) Molibdeno (x2)
Dimetro exterior (x1) 1,000
Cantidad de Molibdeno (x2) 0,971 1,00
Resistencia (y) 0,995 0,990 1,00

6|P gi na
 Estadstica Aplicada Producto Acadmico N 03

K= nmero de variables independientes

N= tamao de la muestra = 5

R2= 1-(1-R2)5-1/5-2-1

R2 = 1-(1-R2)*2

R2 = 1

R=1

b) Realice el anlisis de multicolinealidad.

Evaluaremos cul de las variables son independientes y dependientes:

1. Dimetro exterior: variable independiente

2. Cantidad de molibdeno: Variable independiente

3. Resistencia: Variable dependiente

La multicolinealidad no afecta la bondad de ajuste ni la bondad de prediccin. Los

coeficientes (funcin discriminante lineal) no pueden interpretarse de forma fiable, pero
los valores (clasificados) ajustados no se ven afectados.

3. La tabla muestra los das de inasistencia al trabajo y el bono de reconocimiento (x100

soles) recibido por una muestra de empleados de una empresa por motivo de fiestas
patrias:

Inasistencias (das) (x) 1 4 5 1 2 3

Bono de reconocimiento (y) 49 41 40 48 45 43

a) Grafique el diagrama de dispersin.

7|P gi na
 Estadstica Aplicada Producto Acadmico N 03

DIAGRAMA DE DISPERCION
6000
BONO DE RECONOCIMIENTO

5000

4000

3000

2000

1000

0
0 1 2 3 4 5 6
INASISTENCIAS

b) Identifique el mejor modelo matemtico (lineal, cuadrtico, exponencial, loga-

rtmico o potencial) que mejor se ajuste a los datos de la tabla. Argumente su
decisin.

El mejor modelo matemtico sera el lineal ya que el ejercicio presenta dos variables en el eje
x y que son constantes pues sera mejor eleccin.

c) Realice una prediccin para 6 inasistencias.

Se estima a que en 6 inasistencias el bono de reconocimiento ser menor a 4000 segn la

grfica ya que se est ejerciendo una funcin indirectamente proporcional a mayores
asistencias menor bono de reconocimiento.

4. En la tabla se presentan datos que corresponden a la cantidad de muertes a causa de

accidentes mensualmente en los Estados Unidos desde el ao 1973 a 1978 (Fuente
National Sadety Council).

Media mensual
Meses del ao
de muertes
Enero 8044,00
Febrero 7283,83
Marzo 8063,83
Abril 8264,83
Mayo 9126,17
Junio 9595,33
Julio 10452,80
Agosto 9749,17
Septiembre 8700,33

8|P gi na
 Estadstica Aplicada Producto Acadmico N 03

Octubre 8984,67
Noviembre 8467,17
Diciembre 8720,67

Su correspondiente grfico es:

Grfico de cantidad de muertes a causa de accidentes mensualmente en los Estados Unidos

desde el ao 1973 a 1978 (Fuente National Sadety Council).

Conteste:
a) En qu mes del ao es menos frecuente las muertes? ............................
Como se puede observar en el grafico el mes de febrero es donde hay menos
frecuencia de muertes con un total de 7283,83 media muertos
b) En qu mes del ao ocurren ms muertes? .......................................
En el mes de julio es donde ocurren ms muertes con 10452,80
Media de muertos
c) En qu meses del ao ocurren picos?

Julio y octubre
d) En qu meses del ao ocurren valles? .

Febrero, septiembre, noviembre

5. A partir de los datos de la tabla anterior aplique el mtodo de suavizamiento de la serie

del promedio mvil trimestral y realice los pronsticos a partir del mes de febrero
hasta noviembre. Grafique la tendencia de las muertes por accidentes y el
correspondiente suavizamiento trimestral.

MES DEL AO DEMANDA PROMEDIO PRONOSTICO Cuando Cuando

DE MOVIL CUANDO = 0.1 = 0.5 = 0.9
MUERTES TRIMESTRAL
N=3
ENERO 8044.00

9|P gi na
 Estadstica Aplicada Producto Acadmico N 03

FEBRERO 7283.83 8044 8044 8044

MARZO 8063.83 7968 7664 7360
ABRIL 8264.83 7797.22 7978 7864 7993
MAYO 9126.17 2361.49 8007 8065 8238
JUNIO 9595.33 8484.94 8119 8596 9037
JULIO 10452.80 8995.44 8267 9096 9539
AGOSTO 9749.17 9724.76 8486 9774 10361
SEPTIEMBRE 8700.33 9932.43 8612 9762 9810
OCTUBRE 8984.67 9634.1 8621 9231 8811
NOVIEMBRE 8467.17 9144.72 8657 9108 8968
DICIEMBRE 8720.67 8717.39 8638 8788 8517
8724.17 8646 8755 8701

GRAFICA SUAVIZAMIENTO TRIMESTRAL

12000

10000 9724.76 9932.43 9634.1

8995.44 9144.72
8484.94 8717.39
8000 7797.22

6000

4000

2361.49
2000

10 | P g i n a
 Estadstica Aplicada Producto Acadmico N 03

GRAFICA DE PRONOSTICOS

PRONOSTICO
11000

10000

9000

8000

7000

6000

5000

DEMANDA X=0.1" X=0.5 X=0.9

11 | P g i n a