Escolar Documentos
Profissional Documentos
Cultura Documentos
1) ANLISIS DE CORRELACIN
Dado dos variables, la correlacin permite hacer estimaciones del valor de una de ellas conociendo el
valor de la otra variable.
Los diagramas de dispersin son planos cartesianos en los que se marcan los puntos correspondientes a
los pares ordenados (X,Y) de los valores de las variables.
- Correlacin mltiple: Cuando la variable dependiente acta sobre varias variables independientes.
- Correlacin parcial: Cuando la relacin que existe entre una variable dependiente y una
independiente es de tal forma que los dems factores permanezcan constantes.
- Correlacin positiva.- Dos variables tiene correlacin positiva cuando al aumentar o disminuir el
valor de una de ellas entonces el valor correspondiente a la otra aumentar o disminuir
respectivamente, es decir, cuando las dos variables aumentan en el mismo sentido. Ejemplo: Peso de
una persona y su talla.
- Correlacin negativa.- Dos variables tiene correlacin negativa cuando al aumentar o disminuir el
valor de una de ellas entonces el valor de la otra disminuir o aumentar respectivamente, es decir, una
variable aumenta y otra disminuye o viceversa. Ejemplo: Nmero de partidos ganados por un equipo en
una temporada y su posicin final en la tabla.
Los coeficientes de correlacin son medidas que indican la situacin relativa de los mismos sucesos
respecto a las dos variables, es decir, son la expresin numrica que nos indica el grado de relacin
existente entre las 2 variables y en qu medida se relacionan. Son nmeros que varan entre los lmites
+1 y -1. Su magnitud indica el grado de asociacin entre las variables; el valor r = 0 indica que no
existe relacin entre las variables; los valores 1 son indicadores de una correlacin perfecta positiva
(al crecer o decrecer X, crece o decrece Y) o negativa (Al crecer o decrecer X, decrece o crece Y).
No hay correlacin
Correlacin Positiva
Correlacin Negativa
Valor Significado
-1 Correlacin negativa grande y perfecta
-0,9 a -0,99 Correlacin negativa muy alta
-0,7 a -0,89 Correlacin negativa alta
-0,4 a -0,69 Correlacin negativa moderada
-0,2 a -0,39 Correlacin negativa baja
-0,01 a -0,19 Correlacin negativa muy baja
0 Correlacin nula
0,01 a 0,19 Correlacin positiva muy baja
0,2 a 0,39 Correlacin positiva baja
0,4 a 0,69 Correlacin positiva moderada
0,7 a 0,89 Correlacin positiva alta
0,9 a 0,99 Correlacin positiva muy alta
1 Correlacin positiva grande y perfecta
Ejemplo ilustrativo:
Con los datos sobre las temperaturas en dos das diferentes en una ciudad, determinar el tipo de
correlacin que existe entre ellas mediante el coeficiente de PEARSON.
X 18 17 15 16 14 12 9 15 16 14 16 18 X =180
Y 13 15 14 13 9 10 8 13 12 13 10 8 Y= 138
Solucin:
Para Y:
X Y
x = X-
y = Y- x2 xy y2
18 13 3 1,5 9 4,5 2,25
17 15 2 3,5 4 7 12,25
15 14 0 2,5 0 0 6,25
16 13 1 1,5 1 1,5 2,25
14 9 -1 -2,5 1 2,5 6,25
12 10 -3 -1,5 9 4,5 2,25
9 8 -6 -3,5 36 21 12,25
15 13 0 1,5 0 0 2,25
16 12 1 0,5 1 0,5 0,25
14 13 -1 1,5 1 -1,5 2,25
16 10 1 -1,5 1 -1,5 2,25
18 8 3 -3,5 9 -10,5 12,25
=180 = 138 72 28 63
Se aplica la frmula:
( )( ) ( )( )
2) Con los datos de la siguiente tabla sobre las temperaturas del da X y del da Y en determinadas
horas en una ciudad
X 9 10 12 14 16 18 20 22 24 26 28 30
Y 12 14 15 16 17 20 22 23 26 28 31 32
4) Consulte y presente un ejemplo resuelto del coeficiente de correlacin de Pearson para datos
agrupados en intervalos en http://www.monografias.com/trabajos85/coeficiente-correlacion-karl-
pearson/coeficiente-correlacion-karl-pearson.shtml
Este coeficiente se emplea cuando una o ambas escalas de medidas de las variables son ordinales, es
decir, cuando una o ambas escalas de medida son posiciones. Ejemplo: Orden de llegada en una carrera
y peso de los atletas.
Se calcula aplicando la siguiente ecuacin:
( )
rs = Coeficiente de correlacin por rangos de Spearman
d = Diferencia entre los rangos ( X menos Y)
n = Nmero de datos
Nota: Los datos hay que traducirlos u ordenarlos en rangos. A los puntajes ms elevados le asignamos
el rango 1 al siguiente el rango 2 y as sucesivamente. Si se repiten dos puntajes o ms se calculan las
medias aritmticas.
Ejemplo ilustrativo: La siguiente tabla muestra el rango u orden obtenido en la primera evaluacin
(X) y el rango o puesto obtenido en la segunda evaluacin (Y) de 8 estudiantes universitarios en la
asignatura de Estadstica. Realizar el diagrama de dispersin y calcular el coeficiente de correlacin por
rangos de Spearman.
Estudiante X Y
Dyana 1 3
Elizabeth 2 4
Mario 3 1
Orlando 4 5
Mathas 5 6
Josu 6 2
Anita 7 8
Luca 8 7
Para calcular el coeficiente de correlacin por rangos de Spearman de se llena la siguiente tabla:
Se aplica la frmula:
( ) ( )
Por lo tanto existe una correlacin positiva moderada entre la primera y segunda evaluacin de los 8
estudiantes.
TAREA DE INTERAPRENDIZAJE
2) La siguiente tabla muestra el rango u orden obtenido en la primera evaluacin (X) y el rango o
puesto obtenido en la segunda evaluacin (Y) de 8 estudiantes universitarios en la asignatura de
Matemtica.
X Y
1 4
2 5
3 6
4 8
5 3
6 2
7 1
8 7
Revela qu porcentaje del cambio en Y se explica por un cambio en X. Se calcula elevando al cuadrado
el coeficiente de correlacin.
( )( )
x X X
y Y Y
r = Coeficiente de correlacin de Pearson
Coeficiente de determinacin
La ecuacin del coeficiente producto-momento (Coeficiente de Pearson) puede
( )( )
escribirse en la forma equivalente:
( )( )
[ ( ) ][ ( ) ]
Ejemplo ilustrativo
Con los datos de la siguiente tabla sobre las temperaturas, calcular el coeficiente de determinacin
empleando la ecuacin obtenida de la forma equivalente del coeficiente de Pearson.
X 18 17 15 16 14 12 9 15 16 14 16 18
Y 13 15 14 13 9 10 8 13 12 13 10 8
X Y XY X2 Y2
18 13 234 324 169
17 15 255 289 225
15 14 210 225 196
16 13 208 256 169
14 9 126 196 81
12 10 120 144 100
9 8 72 81 64
15 13 195 225 169
16 12 192 256 144
14 13 182 196 169
16 10 160 256 100
18 8 144 324 64
2 2
X=180 Y =138 XY=2098 X = 2772 X =1650
( )( )
[ ( ) ][ ( ) ] [ ( ) ][ ( ) ]
[ ][ ] [ ][ ]
Coeficiente de determinacin = ( )
Nota:
El r2 tiene significado slo para las relaciones lineales. Dos variables pueden tener r2 =0 y sin embargo
estar relacionadas en sentido curvilneo. El valor de r2 no se interpreta como si la variable Y fuera
causado por un cambio de la variable X, ya que la correlacin no significa causa.
TAREA DE INTERAPRENDIZAJE
1) La siguiente tabla muestra el dinero en miles de dlares gastado en publicidad por una empresa (X)
para vender sus productos, y el nmero en miles de clientes (Y) que compran los productos de la
empresa.
X 15 17 14 13 18 20 17 18 16 14 20 18
Y 30 34 28 26 32 40 34 36 32 25 40 36
2) ANLISIS DE REGRESIN
Los primeros y ms importantes estudios al respecto se deben a los cientficos Francis Galton (1822-
1911) y Karl Pearson (1857-1936). Fue Galton quien utiliz por primera vez el trmino regresin para
indicar que, aunque influida por la estatura de sus padres, la estatura de los hijos regresaba a la media
general.
La regresin examina la relacin entre dos variables, pero restringiendo una de ellas con el objeto de
estudiar las variaciones de una variable cuando la otra permanece constante. En otras palabras, la
regresin es un mtodo que se emplea para predecir el valor de una variable en funcin de valores
dados a la otra variable. En estadstica la palabra predecir no se utiliza en el sentido empleado por los
astrlogos, futurlogos y mentalistas, sino mas bien en un sentido lgico como es el de utilizar el
conocimiento del comportamiento de una variable para obtener informacin sobre otra variable. Por
ejemplo, puede predecirse el resultado que obtendr un estudiante en su examen final, basados en el
conocimiento de las calificaciones promedio de sus exmenes parciales, o predecir la preferencia de los
estudiantes por profesiones cientficas, conociendo los promedios de sus calificaciones en los estudios
escolares.
En todos los casos de regresin existe una dependencia funcional entre las variables. En el caso de dos
variables, siendo una de ellas (X) variable independiente y la otra (Y) la dependiente, se habla de
regresin de Y sobre X; Por ejemplo, los ingenieros forestales utilizan la regresin de la altura de los
rboles sobre su dimetro, lo cual significa que midiendo el dimetro (variable independiente) y
reemplazando su valor en una relacin definida segn la clase de rbol se obtiene la altura, y aun sin
necesidad de clculos aprecian la altura utilizando grficas de la funcin de dependencia, altura =
funcin del dimetro.
Se llama lnea de mejor ajuste y se define como la lnea que hace mnima la suma de los cuadrados de
las desviaciones respecto a ella de todos los puntos que corresponden a la informacin recogida.
A esta ecuacin suele llamarse recta de regresin de Y sobre X, y se usa para estimar los valores de Y
para valores dados de X.
Y a0 N a1 X
XY a0 X a1 X2
Que se llaman las ecuaciones normales para la recta de mnimos cuadrados.
Las constantes a 0 y a1 de las anteriores ecuaciones tambin se pueden calcular empleando las
siguientes frmulas:
( ) ( )
A esta ecuacin suele llamarse recta de regresin de X sobre Y, y se usa para estimar los valores de X
para valores dados de Y. Las constantes y quedan fijadas al resolver el siguiente sistema de
ecuaciones:
X b0 N b1 Y
XY b0 Y b1 Y2
Las constantes y del sistema de ecuaciones anterior se pueden calcular empleando las siguientes
frmulas:
( ) ( )
( )
Ejemplo ilustrativo
Con los datos de la siguiente tabla sobre la altura en centmetros (X) y los pesos en kilogramos (Y) de
una muestra de 8 estudiantes varones tomada al azar del segundo semestre de una universidad.
1) Ajustar la recta de mnimos cuadrados para Y como variable dependiente resolviendo el sistema:
Y a0 N a1 X
XY a0 X a1 X2
2) Ajustar la recta de mnimos cuadrados para Y como variable dependiente empleando las frmulas:
( ) ( )
3) Ajustar la recta de mnimos cuadrados para Y como variable dependiente empleando la frmula:
( )
4) Ajustar la recta de mnimos cuadrados para X como variable dependiente resolviendo el sistema:
X b0 N b1 Y
XY b0 Y b1 Y2
7) Elaborar el diagrama de dispersin. Y en el mismo diagrama graficar las dos rectas de mnimos
cuadrados obtenidas en los pasos anteriores.
X Y XY X2 Y2
152 56 8512 23104 3136
157 61 9577 24649 3721
162 67 10854 26244 4489
167 72 12024 27889 5184
173 70 12110 29929 4900
178 72 12816 31684 5184
182 83 15106 33124 6889
188 92 17296 35344 8464
2 2
X =1359 Y = 573 XY = 98295 X = 231967 Y = 41967
Y a0 N a1 X
XY a0 X a1 X2
{ {
| |
| |
| |
Interpretacin:
- El valor indica que la recta tiene una pendiente positiva aumentando a razn de 0,864
2) Con los datos de la tabla anterior se substituye valores en las siguientes ecuaciones:
( ) ( )
( ) ( )
X Y x= - y= - xy x2 y2
152 56 -17,88 -15,625 279,297 319,516 244,141
157 61 -12,88 -10,625 136,797 165,766 112,891
162 67 -7,875 -4,625 36,422 62,016 21,391
167 72 -2,875 0,375 -1,078 8,266 0,141
173 70 3,125 -1,625 -5,078 9,766 2,641
178 72 8,125 0,375 3,047 66,016 0,141
182 83 12,125 11,375 137,922 147,016 129,391
188 92 18,125 20,375 369,297 328,516 415,141
2 2
X=1359 Y=573 xy = 956,625 x = 1106,875 x = 925,875
( ) ( )
( ) ( ) ( )
X b0 N b1 Y
XY b0 Y b1 Y2
{ {
Interpretacin:
- El valor indica que la recta tiene una pendiente positiva aumentando a razn de 1,033
5) Para calcular el centroide X , Y se resuelve el sistema formado por las dos rectas de los mnimos
cuadrados en donde X es y Y es .
( )( )
[ ( ) ][ ( ) ] [ ( ) ][ ( ) ]
Coeficiente de determinacin = ( )
TAREA DE INTERAPRENDIZAJE
1) Consulte sobre la biografa de Francis Galton y de Cramer, y realice un organizador grfico de cada
una.
2) Dada la siguiente tabla sobre la altura en centmetros (X) y los pesos en kilogramos (Y) de una
muestra de 8 estudiantes varones tomada al azar del segundo semestre de una universidad.
2.1) Ajuste la recta de mnimos cuadrados para Y como variable dependiente resolviendo el sistema. El
sistema resuelva de manera manual y mediante Excel.
Y a0 N a1 X
XY a0 X a1 X2
2.3) Ajuste la recta de mnimos cuadrados para Y como variable dependiente empleando la frmula
( )
2.4) Ajuste la recta de mnimos cuadrados para X como variable dependiente resolviendo el sistema. El
sistema resuelva de manera manual y mediante Excel.
X b0 N b1 Y
XY b0 Y b1 Y2
2.5) Ajuste la recta de mnimos cuadrados para X como variable dependiente empleando las frmulas
( ) ( )
2.6) Ajuste la recta de mnimos cuadrados para X como variable dependiente empleando la frmula
( )
73,6
172,2
3) Cree y resuelva un ejercicio similar al anterior con datos obtenidos de 10 amigas suyas.
Y a0 N a1 X a 2 X 2
XY a0 X a1 X 2 a 2 X 3
X 2Y a0 X 2 a1 X 3 a 2 X 4
Ejemplo ilustrativo
La siguiente tabla muestra la poblacin de un pas en los aos 1960-2010 en intervalos de 5 aos.
Ao 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010
Poblacin (millones) 4,52 5,18 6,25 7,42 8,16 9,12 10,92 11,62 12,68 13,12 13,97
Nota: Se recomienda codificar o cambiar la numeracin de los aos, eligiendo X de modo que el ao
central, 1985, corresponda a X= 0, para que se hagan ms fciles los clculos.
Solucin:
Ao X Y X2 X3 X4 XY X2Y
1960 -5 4,52 25 -125 625 -22,6 113
1965 -4 5,18 16 -64 256 -20,72 82,88
1970 -3 6,25 9 -27 81 -18,75 56,25
1975 -2 7,42 4 -8 16 -14,84 29,68
1980 -1 8,16 1 -1 1 -8,16 8,16
1985 0 9,12 0 0 0 0 0
1990 1 10,92 1 1 1 10,92 10,92
1995 2 11,62 4 8 16 23,24 46,48
2000 3 12,68 9 27 81 38,04 114,12
Y a0 N a1 X a 2 X 2
XY a0 X a1 X 2 a 2 X 3
X 2Y a0 X 2 a1 X 3 a 2 X 4
{ {
Ao X Y Valores de tendencia
Y = 9,464 + 0,995X - 0,01X2
1960 -5 4,52 4,24
1965 -4 5,18 5,32
1970 -3 6,25 6,39
1975 -2 7,42 7,43
1980 -1 8,16 8,46
1985 0 9,12 9,46
1990 1 10,92 10,45
1995 2 11,62 11,41
2000 3 12,68 12,36
2005 4 13,12 13,28
2010 5 13,97 14,19
Ao X Y X2 XY Y2
1960 -5 4,52 25 -22,6 20,430
1965 -4 5,18 16 -20,72 26,832
1970 -3 6,25 9 -18,75 39,063
1975 -2 7,42 4 -14,84 55,056
1980 -1 8,16 1 -8,16 66,586
1985 0 9,12 0 0 83,174
1990 1 10,92 1 10,92 119,246
1995 2 11,62 4 23,24 135,024
2000 3 12,68 9 38,04 160,782
2005 4 13,12 16 52,48 172,134
2010 5 13,97 25 69,85 195,161
0 102,96 110 109,46 1073,490
( )( )
[ ( ) ][ ( ) ] [ ( ) ][ ( ) ]
TAREA DE INTERAPRENDIZAJE
Ao 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010
Poblacin (miles) 123 140 170 201 221 247 296 315 344 356 379
1.2) Calcule los valores de tendencia para los aos dados de manera manual y empleando Excel.
Ao 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010
Valor de tendencia 114,88 144,26 173,11 201,42 229,21 256,46 283,19 309,39 335,05 360,19 384,79
1.5) Elabore un diagrama de dispersin, y en el mismo diagrama graficar la parbola de los mnimos
cuadrados de manera manual, empleando Excel y empleando Graph.
2) Cree y resuelva un ejercicio de aplicacin de la parbola de los mnimos cuadrados con datos de la
poblacin del Ecuador o de cualquier otro pas de manera manual, empleando Excel y Graph.
y se puede estimar ahora log Y y log , y de ah obtener y , aplicando los mtodos de los mnimos
cuadrados.
Ejemplo ilustrativo: Las cifras siguientes son datos sobre el porcentaje de llantas radiales producidas
por cierto fabricante que an pueden usarse despus de recorrer cierto nmero de millas:
Solucin:
1) Elaborando el diagrama de dispersin empleando Excel se obtiene la siguiente figura:
X Y log Y X2 X logY
1 99 1,996 1 1,996
2 95 1,978 4 3,955
5 85 1,929 25 9,647
15 55 1,740 225 26,105
25 30 1,477 625 36,928
30 24 1,380 900 41,406
35 20 1,301 1225 45,536
40 15 1,176 1600 47,044
X=153 log Y=12,97759 X2 = 4605 X logY = 212,61769
{ {
| |
| |
| |
( )
5) La estimacin del porcentaje de llantas radiales que durarn 50000 millas se obtiene reemplazando
en la ecuacin predictora el valor de X = 50
TAREA DE INTERAPRENDIZAJE
2) Las cifras siguientes son datos sobre el porcentaje de llantas radiales producidas por cierto fabricante
que an pueden usarse despus de recorrer cierto nmero de millas:
2.1) Ajuste una curva exponencial aplicando el mtodo de mnimos cuadrados. Resolver manualmente
y empleando Excel. Realizar los clculos empleando la mayor cantidad de decimales.
2.3) Grafique la ecuacin predictora de manera manual, empleando Excel y el programa Graph.
2.4) Estime qu porcentaje de las llantas radiales del fabricante durarn 35000 millas.
21,7%
Para el primer caso los valores siguen una ley potencial. Si la ecuacin predictora est dada por:
Y X , tomando logaritmos en ambos miembros, queda:
Para el segundo caso, si la ecuacin predictora est dada por Y 1/( X ) , entonces invirtiendo, la
misma expresin se puede escribir 1/ Y ( X ) /1 , o sea:
1
N X
Y
1
X X X2
Y
Ejemplos ilustrativo N 1
Sea el siguiente conjunto de valores, las lecturas de un experimento donde X es el volumen (variable
independiente) e Y es la presin de una masa dada de gas (variable resultante).
X 1 2 3 4 5 6 7
Y 7 30 90 170 290 450 650
{ {
1.3) Para calcular la ecuacin predictora, primero se calcula el valor de de la siguiente manera:
1.5) Para estimar la presin de la masa de gas de volumen 9 se reemplaza el valor X = 9 en la ecuacin
predictora
Ejemplo ilustrativo N 2
Sea el siguiente conjunto de valores, las lecturas de un experimento donde X es la variable
independiente e Y la variable resultante.
X 1 2 3 4 5 6 7
Y 1,4 1 0,9 0,7 0,6 0,55 0,5
2.1) Elaborar el diagrama de dispersin.
2.2) Calcular las constantes y , aplicando el mtodo de mnimos cuadrados.
2.3) Calcular la ecuacin predictora.
2.4) Graficar la ecuacin predictora.
2.5) Estimar el valor de Y para X = 9
Solucin:
2.1) El diagrama de dispersin elaborado en Excel se muestra en la siguiente figura:
2.2) Para calcular las constantes y , aplicando el mtodo de mnimos cuadrados se llena la
siguiente tabla:
X Y 1/Y X(1/Y) X2
1 1,4 0,7143 0,7143 1
2 1 1,0000 2,0000 4
3 0,9 1,1111 3,3333 9
4 0,7 1,4286 5,7143 16
5 0,6 1,6667 8,3333 25
6 0,55 1,8182 10,9091 36
7 0,5 2,0000 14,0000 49
2
X = 28 (1/Y) = 9,7388 X(1/Y) = 45,0043 X = 140
2.3) Para calcular la ecuacin predictora se reemplaza los valores encontrados de y , y se obtiene:
2) Sea el siguiente conjunto de valores, las lecturas de un experimento donde X es el volumen (variable
independiente) e Y es la presin de una masa dada de gas (variable resultante).
X 1 2 3 4 5 6 7
Y 5 35 90 180 300 460 670
2.2) Ajuste una curva exponencial aplicando el mtodo de mnimos cuadrados empleando por lo menos
4 decimales para los clculos.
X 1 2 3 4 5 6 7
Y 1,5 1 0,8 0,9 0,5 0,4 0,3
4.2) Calcule las constantes y , aplicando el mtodo de mnimos cuadrados de manera manual y
empleando Excel.
= 0,0159; = 0,4196
4.3) Calcule la ecuacin predictora.
5) Cree y resuelva un ejercicio similar al anterior de manera manual, empleando Excel y el programa
Graph.
Donde:
= cada valor de Y
= valor estimado de Y a partir de la recta de regresin
N = nmero de datos
Nota: Como se puede observar, el error estndar de estimacin es un clculo de la desviacin estndar
de la muestra de datos con respecto a la recta de regresin, en la que sustituye a la media de la
muestra, y con n-2 en el denominador en vez de n-1. La razn de que sea n-2, es debido a que se pierde
2 grados de libertad al calcular las 2 constantes, y en la recta de regresin.
Donde:
= ordenada en el origen (punto de interseccin de la recta con el eje y)
a1 = pendiente de la recta (tangente del ngulo de inclinacin de la recta)
Ejemplo ilustrativo
Calcular error estndar de estimacin empleando las 3 frmulas dadas, utilizando los datos de la tabla
del ejemplo para ajustar la recta de mnimos cuadrados para Y como variable dependiente.
X Y
152 56
157 61
162 67
167 72
173 70
178 72
182 83
188 92
Solucin:
Para comenzar a resolver este ejemplo recordemos que ya se obtuvo los valores respectivos al resolver
el ejemplo para ajustar la recta de mnimos cuadrados, los cuales fueron:
( )
Realizando los clculos de los componentes de la frmula empleando Excel se obtiene un valor ms
exacto, ya que Excel utiliza una mayor cantidad de decimales al realizar los clculos. Estos clculos se
muestran en la siguiente figura:
( )( ) ( )
Los clculos de los componentes de la frmula empleando Excel se muestran en la siguiente figura:
( )
Los clculos de los componentes de la frmula empleando Excel se muestran en la siguiente figura:
En Excel:
Interpretacin: El valor de , significa que los puntos estn dispersos a una distancia de
4,064 de la recta de regresin.
TAREA DE INTERAPRENDIZAJE
Dada la siguiente tabla sobre la altura en centmetros (X) y los pesos en kilogramos (Y) de una muestra
de 8 estudiantes varones tomada al azar del segundo semestre de una universidad.
2) Calcule el error estndar de estimacin empleando la primera frmula. Utilice 5 decimales para los
clculos. Los elementos de la frmula calcule empleando Excel, tal como se indic en el ejemplo.
2,1
3) Calcule el error estndar de estimacin empleando la segunda frmula. Utilice 5 decimales para los
clculos. Los elementos de la frmula calcule empleando Excel, tal como se indic en el ejemplo.
2,1
4) Calcule el error estndar de estimacin empleando la tercera frmula. Utilice 5 decimales para los
clculos. Los elementos de la frmula calcule empleando Excel, tal como se indic en el ejemplo.
2,1
SUREZ, Mario, (2012), Interaprendizaje de Estadstica Bsica, Universidad Tcnica del Norte
TAPIA, Fausto Ibarra, Ecuador.
SUREZ, Mario, (2011), Coeficiente de correlacin de Pearson para datos agrupados en intervalos,
www.monografias.com/trabajos86/
SUREZ, Mario (2011), Anlisis de regresin mediante la parbola de los mnimos cuadrados,
www.monografias.com/trabajos86/
SUREZ, Mario (2011), Regresin potencial mediante el mtodo de los mnimos cuadrados,
www.monografias.com/trabajos89/
SUREZ, Mario (2011), Regresin exponencial mediante el mtodo de los mnimos cuadrados,
www.monografias.com/trabajos89/