Universidad Nacional del Santa

Escuela de Postgrado

MAESTRA EN GESTION AMBIENTAL

CURSO : ESTADSTICA
PROFESOR : Dr. LUIS ALBERTO RUBIO JACOBO
FECHA: 30/10/2017 TIEMPO 120 minutos

ALUMNO: Jorge Henriquez Blas

EXAMEN FINAL
PREGUNTA 01:
Si usted tiene la siguiente informacin hidrolgica respecto a las descargas medias de agua de los ros Vir y Huacapongo,
las siguientes preguntas:

DATA 1: Descargas medias anuales del Ro Vir.

Aos Qmax Aos Qmax Aos Qmax Aos Qmax Aos Qmax
1960 128 1970 172.8 1980 15 1990 7 2000 36.26
1961 20.16 1971 48 1981 110 1991 10 2001 44.65
1962 122.5 1972 200 1982 10 1992 5.6 2002 35
1963 138 1973 51.7 1983 120 1993 40 2003 35
1964 19.2 1974 12.8 1984 100 1994 16 2004 35
1965 48.57 1975 110 1985 6 1995 8.32
1966 7.77 1976 15 1986 15 1996 48
1967 200 1977 45.6 1987 35 1997 40
1968 12 1978 8 1988 25.6 1998 380
1969 28.8 1979 38 1989 40 1999 102.7

A. Las series se ajustan a una normal? Presente resultados concretos. Concluya.

B. Las series presentan valores atpicos (out-liersl).
Presente sus conclusiones en forma detallada, utilizando las salidas del SPSS

Solucin:

1. Evaluamos si los datos se ajustan a una normal, mediante la prueba de hiptesis:

Ho: Los datos de las descargas medias del rio Vir se asemejan a la normal.
H1: Los datos de las descargas medias del rio Vir no se asemeja a la normal.

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadstico gl Sig. Estadstico gl Sig.

Caudal ,285 45 ,000 ,715 45 ,000

a. Correccin de la significacin de Lilliefors

Evaluando la significancia:
P= significancia

Si p<0.05; rechazar Ho
Si p>= 0.05; aceptar Ho
CONCLUSION:
Debido a que el valor de p de la prueba de normalidad es de 0,000 tanto con Kolmogorov-Smirnov y
Shapiro-Wilk es menor a 0.05, entonces rechazamos la hiptesis nula (Ho) y aceptamos H1, la cual no
indica que los datos de las descargas medias del rio Vir no son normales.
2. Evaluamos la presencia de Out - liers

Identificacin de OUT-LIERS mediante SPSS:

CONCLUSIONES:
Utilizando la prueba de Tukey y el diagrama de Cajas y Bigotes en el SPSS, podemos observar que
tenemos valores atpicos, tanto leves como extremo, ya que en esta prueba indica que valores
comprendidos entre 1.5 y 3 son considerados valores atpicos leves y valores superiores a 3, son
considerados valores atpicos extremos, y como observamos, tenemos un valor atpico extremo
equivalente a 4,44719 que pertenece al ao 1998 con una descarga media anual de 380m/s.
Para el caso de los 3 valores atpicos leves, son relativamente notorios, que no se ven reflejado en el
diagrama.
DATA 2: Descargas medias anuales del Rio Huacapongo (Chao)
Aos Qmax Aos Qmax Aos Qmax Aos Qmax Aos Qmax
1960 3.22 1970 4.8 1980 0.87 1990 0.49 2000 2.45
1961 2.39 1971 4.76 1981 6.1 1991 0.63 2001 5.18
1962 5.41 1972 9.33 1982 0.98 1992 0.3 2002 3.31
1963 3.59 1973 4.56 1983 6.92 1993 2.92 2003 1.52
1964 3.03 1974 1.32 1984 4.78 1994 3.33 2004 1.67
1965 3.17 1975 7.56 1985 0.57 1995 0.87 2005 1.53
1966 0.97 1976 1.62 1986 1.92 1996 2.77 2006 3.95
1967 4.45 1977 4.08 1987 3.05 1997 2.2 2007 4.19
1968 0.59 1978 0.23 1988 2.65 1998 19.8 2008 3.66
1969 2.31 1979 2.03 1989 3.6 1999 3.27

C. Las series se ajustan a una normal?. Presente resultados concretos. Concluya.

D. Las series presentan valores atpicos (out-liers)?.
Presente sus conclusiones en forma detallada, utilizando las salidas del SPSS

Solucin:

1. Evaluamos si los datos se ajustan a una normal, mediante la prueba de hiptesis:

Ho: Los datos de las descargas medias del rio Huacapongo son normales
H1: Los datos de las descargas medias del rio Huacapongo no son normales

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadstico gl Sig. Estadstico gl Sig.

Qmax ,179 49 ,000 ,709 49 ,000

a. Correccin de significacin de Lilliefors

Evaluando la significancia:
P= significancia

Si p<0.05; rechazar H0
Si p>= 0.05; aceptar H0
 CONCLUSION:
Debido a que el valor de p de la prueba de normalidad es de 0,000 tanto con Kolmogorov-Smirnov y
Shapiro-Wilk es menor a 0.05, entonces rechazamos la hiptesis nula (Ho) y aceptamos H1, la cual no
indica que los datos de las descargas medias del rio Vir no son normales.

2. Evaluamos la presencia de Out - liers

Identificacin de OUT-LIERS mediante SPSS:

CONCLUSIONES:
Utilizando la prueba de Tukey y el diagrama de Cajas y Bigotes en el SPSS, podemos observar que
tenemos valores atpicos, tanto leves como extremo, ya que en esta prueba indica que valores
comprendidos entre 1.5 y 3 son considerados valores atpicos leves y valores superiores a 3, son
considerados valores atpicos extremos, y como observamos, tenemos un valor atpico extremo
equivalente a 5.29781 que pertenece al ao 1998 con una descarga media anual de 19.80m/s.
Tambin se puede observar en el diagrama, el valor atpico leve con un valor de 1.92275
correspondindole un caudal de 9.33m/s del ao 1972.
PREGUNTA 02:
Como miembro de una empresa financiera que ha sido contratada por un grupo de inversionistas para llevar a cabo
acciones comerciales con diferentes monedas, a usted se le ha asignado la tarea de estudiar las tendencias a largo plazo
en las tazas de intercambio del dlar canadiense, el marco francs, el marco alemn, el yen japons y la libra inglesa en
trminos de dlar estadounidense. Los datos de la siguiente tabla han sido recogidos durante un periodo de 26 aos,
comprendido entre 1990 y 2012.

Ao Dlar Canadiense Franco francs

1990 1.0444 5.5288
1991 1.0099 5.5288
1992 0.9907 5.0444
1993 1.0002 4.4535
1994 0.9780 4.8107
1995 1.0175 4.2877
1996 0.9863 4.7825
1997 1.0633 4.9161
1998 1.1405 4.5091
1999 1.1713 4.2567
2000 1.1693 4.2251
2001 1.1990 5.4397
2002 1.2344 6.5794
2003 1.2325 7.6204
2004 1.2952 8.7356
2005 1.3659 8.9800
2006 1.3896 6.9257
2007 1.3259 6.0122
2008 1.2306 5.9595
2009 1.1842 6.3802
2010 1.1668 5.4467
2011 1.1460 5.6468
2012 1.2085 5.2935

A. Desarrolle modelos de proyeccin para la tasa de intercambio de cada una de estas dos monedas, basndose en los
datos de la tabla. Presentndolos en tabla inferior:

A.1. MODELOS PROYECTADOS PARA EL AO 2020 CON RESPECTO AL DLAR

CANADIENSE

Descripcin del modelo

Nombre del modelo MOD_2
Variable dependiente 1 Dolar Canadiense
1 Lineal
2 Cuadrtico
Ecuacin
3 Potenciaa
4 Exponenciala
Variable independiente Secuencia de casos
Constante Incluidos
Variable cuyos valores etiquetan las observaciones en los Sin especificar
grficos
Tolerancia para la entrada de trminos en ecuaciones ,0001
a. El modelo necesita todos los valore no perdidos para ser positivo.
 Modelo Lineal:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,735 ,540 ,518 ,087

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,014 ,003 ,735 4,968 ,000

(Constante) ,992 ,037 26,501 ,000

Modelo Cuadrtico:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,822 ,676 ,643 ,075

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,041 ,010 2,229 4,190 ,000

Secuencia de casos ** 2 -,001 ,000 -1,538 -2,892 ,009
(Constante) ,877 ,051 17,157 ,000

Modelo Potencial:
Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,741 ,549 ,527 ,075

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

ln(Secuencia de casos) ,097 ,019 ,741 5,053 ,000

(Constante) ,923 ,042 21,789 ,000

La variable dependiente es ln(Dolar Canadiense).

 Modelo Exponencial:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,750 ,563 ,542 ,073

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,012 ,002 ,750 5,199 ,000

(Constante) ,994 ,031 31,598 ,000

La variable dependiente es ln(Dolar Canadiense).

A.1. MODELOS PROYECTADOS PARA EL AO 2020 CON RESPECTO AL FRANCO

FRANCES

Descripcin del modelo

Nombre del modelo MOD_2
Variable dependiente 1 Franco Frances
1 Lineal
2 Cuadrtico
Ecuacin
3 Potenciaa
4 Exponenciala
Variable independiente Secuencia de casos
Constante Incluidos
Variable cuyos valores etiquetan las observaciones en los Sin especificar
grficos
Tolerancia para la entrada de trminos en ecuaciones ,0001
a. El modelo necesita todos los valore no perdidos para ser positivo.
 Modelo Lineal:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,428 ,183 ,144 1,229

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,084 ,039 ,428 2,167 ,042

(Constante) 4,707 ,530 8,884 ,000

Modelo Cuadrtico:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,466 ,218 ,139 1,232

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,232 ,162 1,184 1,433 ,167

Secuencia de casos ** 2 -,006 ,007 -,779 -,943 ,357
(Constante) 4,089 ,843 4,850 ,000

Modelo Potencial:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,376 ,141 ,100 ,204

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

ln(Secuencia de casos) ,098 ,053 ,376 1,859 ,077

(Constante) 4,480 ,563 7,964 ,000

La variable dependiente es ln(Franco Frances).

 Modelo Exponencial:

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,457 ,209 ,171 ,196

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,015 ,006 ,457 2,356 ,028

(Constante) 4,689 ,396 11,844 ,000

La variable dependiente es ln(Franco Frances).

Resumen de datos obtenidos

MODELO Dlar canadiense Franco Francs
2 2
R Modelo R Modelo
LINEAL 0,540 Y = 0,014 + 0,992 X 0,183 Y = 0,084 + 0,707 X
CUADRATICO 0,676 Y = 0,041 0,001 X + 0,877 X 2
0,218 Y = 0,232 0,006 X + 4,089 X2
POTENCIA 0,549 Y = 0.097 X 0,923 0,141 Y = 0.098 X 4,480
EXPONENCIAL 0,563 0,209
Y = 0.012 e 0,994 Y = 0.015 e 4,689
B. Asegrese de indicar que modelo de prediccin que ha escogido es el mejor. Luego proporcione predicciones
para los aos 2017, 2018, 2020 para cada tipo de moneda.

Del anlisis del tem A, se selecciona con certeza que el mejor modelo de proyeccin es el que tiene el ms alto R, los
cuales vendran a ser los modelos cuadrticos, los cuales se vendrn a usar para pronosticar los aos 2017, 2018 y 2020.

Dlar canadiense Pronostico 2017 - Modelo Cuadrtico

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,822 ,676 ,643 ,075

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,041 ,010 2,229 4,190 ,000

Secuencia de casos ** 2 -,001 ,000 -1,538 -2,892 ,009
(Constante) ,877 ,051 17,157 ,000
Dlar canadiense Pronostico 2018 - Modelo Cuadrtico

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,822 ,676 ,643 ,075

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,041 ,010 2,229 4,190 ,000

Secuencia de casos ** 2 -,001 ,000 -1,538 -2,892 ,009
(Constante) ,877 ,051 17,157 ,000
Dlar canadiense Pronostico 2020 - Modelo Cuadrtico

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,822 ,676 ,643 ,075

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,041 ,010 2,229 4,190 ,000

Secuencia de casos ** 2 -,001 ,000 -1,538 -2,892 ,009
(Constante) ,877 ,051 17,157 ,000

Pronostico Dlar Canadiense - Modelo Cuadrtico

MODELO PRONOSTICO
Modelo Prediccin FIT
2017 Y = 0,041 0,001 X + 0,877 X2 1,12790
2018 Y = 0,041 0,001 X + 0,877 X2 1,10357
2020 Y = 0,232 0,006 X + 0,877 X2 1,04803
Franco Francs Pronostico 2017 - Modelo Cuadrtico

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,466 ,218 ,139 1,232

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,232 ,162 1,184 1,433 ,167

Secuencia de casos ** 2 -,006 ,007 -,779 -,943 ,357
(Constante) 4,089 ,843 4,850 ,000
Franco Francs Pronostico 2018 - Modelo Cuadrtico

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,466 ,218 ,139 1,232

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,232 ,162 1,184 1,433 ,167

Secuencia de casos ** 2 -,006 ,007 -,779 -,943 ,357
(Constante) 4,089 ,843 4,850 ,000
Franco Francs Pronostico 2020 - Modelo Cuadrtico

Resumen del modelo

R R cuadrado R cuadrado Error tpico de la

corregida estimacin

,466 ,218 ,139 1,232

Coeficientes

Coeficientes no estandarizados Coeficientes t Sig.

estandarizados

B Error tpico Beta

Secuencia de casos ,232 ,162 1,184 1,433 ,167

Secuencia de casos ** 2 -,006 ,007 -,779 -,943 ,357
(Constante) 4,089 ,843 4,850 ,000

Pronostico Franco Francs - Modelo Cuadrtico

MODELO PRONOSTICO
Modelo Prediccin FIT
2017 Y = 0, 232 0, 006 X + 4,089 X 2
5,74240
2018 Y = 0, 232 0, 006 X + 4,089 X2 5,62240
2020 Y = 0, 232 0, 006 X + 4,089 X2 5,34534
PREGUNTA 03:
En la pgina WEB del Ministerio del Ambiente se obtiene las cantidades de agua residuales (m3) desde 2008 hasta 2014
por departamento. Realice un anlisis estadstico descriptivo por departamento.
DEPARTAMENTO 2008 2009 2010 2011 2012 2013 2014
Amazonas 1086776 3133908 3060170 3264663.96 3319913 3810909 3740994.43
Ancash 24380127 24262528 25068318 24764742.96 23106081 23093462 25383558.34
Apurimac 2267898 3065387 3256540 3405923.5 3058348 3453636 3170666.22
Arequipa 32060615 34334867 35033733 32861388.4 35712201 38781846 37576825.76
Ayacucho 9811712 9610775 9884516 9867448 10375067 10680041 11086714.53
Cajamarca 15147528 15219588 12510109 12423072.65 12496486 13823915 13196161.82
Cusco 16503355 16375882 15381121 15582925.91 17007710 18403398 19246209.23
Huancavelica 2081437 2172479 2261283 2189188.38 2211079 2105898 2092571.25
Huanuco 9349039 9286294 9336778 9458355.58 9790763 10023803 10166073.85
Ica 42435449 33878252 35017454 37055357.16 31897322 38918721 37141946.41
Junin 28376631 30723934 31816669 30924800.23 30466988 29809251 30167666.08
La Libertad 26844188 26746316 27872269 28651024 31474718 30262142 31931536.09
Lambayeque 39743593 44711233 36566205 37628532.9 37265463 34136561 33765691.97
Lima 422668221 428661601 435867128 446424754.9 455881799 422963898 463968076.8
Loreto 12153042 12694084 12687476 12039916.4 11081404 10410486 10582605.58
Madre De Dios 867301 980232 1037993 1261640.99 1399264 1608334 1470856.56
Moquegua 7050318 7369920 7487027 7142017.27 7004122 7662309 7971116.03
Pasco -- 1700059 1309469 2059188.95 19462 1448576 1295385.4
Piura 33827955 34469039 35013415 36196185.94 37164127 40107689 40343737.38
Puno 10829775 11436103 11863337 12273723.03 12428819 15134975 13357617.16
San Martin 8263517 9224458 9693926 9491510.91 8933044 9239677 9235984.49
Tacna 11762861 11740884 11849027 11656621.49 13434269 13999041 13639809.17
Tumbes 6362292 6308320 5103156 6347439.74 5898822 6613401 5877206.78
Ucayali 6016506 6459371 6168466 6588341.52 7008231 8497517 9367793.03

A. Calcular las medidas estadsticas. Interprete

CONCLUSIONES:
Se obtuvieron los valores promedio de las aguas residuales para todos los departamentos desde el ao
2008 hasta el 2014. En este caso seria los valores obtenidos en la media. Tambin se obtuvieron los
valores ms representativos, en este caso sera la moda.
B. Realice el grafico de cajas y bigotes. Interprete.
CONCLUSIONES:
Como se puede observar en las grficas, el departamento de Lima es quien obtuvo mayores cantidades
de aguas residuales en los aos presentados (desde el 2008 hasta el 2009) en comparacin con los dems
departamentos; asimismo se puede entender que este vertimiento ha ido en aumento al pasar los aos y
esto es debido al aumento de la poblacin que existe en el departamento de Lima.
PREGUNTA 04:
En un pre-test se obtuvieron datos de 15 sujetos acerca de Nike. En la siguiente tabla se presentan los datos, que incluyen
las siguientes variables: conciencia, la actitud, la preferencia, la intencin y la lealtad hacia Nike de una muestra de
usuarios de este calzado. La conciencia, la actitud, la preferencia, la intencin y la lealtad se midieron en una escala tipo
Likert de 7 puntos (1: Muy desfavorable, 7: Muy favorable). Analice los datos de Nike para responder las siguientes
preguntas.

Nmero Uso Sexo Conciencia Actitud Preferencia Intencin Lealtad

1 3 2 7 6 5 5 6
2 1 1 2 2 4 6 5
3 1 1 3 3 6 7 6
4 3 2 6 5 5 3 2
5 3 2 5 4 7 4 3
6 2 2 4 3 5 2 3
7 2 1 5 4 4 3 2
8 1 1 2 1 3 4 5
9 2 2 4 4 3 6 5
10 1 1 3 1 2 4 5
11 3 2 6 7 6 4 5
12 3 2 6 5 6 4 4
13 1 1 4 3 3 1 1
14 3 2 6 4 5 3 2
15 1 2 4 3 4 5 6

A. Obtenga una distribucin de frecuencias para cada una de las siguientes variables: conciencia, actitud y preferencia,
B. Los hombres y las mujeres difieren en su conciencia de la marca Nike?

Hiptesis
Ho: Los hombres y las mujeres difieren en su conciencia de la marca Nike.
H1: Los hombres y las mujeres no difieren en su conciencia de la marca Nike.
P= 0.00
Valores de P
Si P <0.05 se Rechaza Ho
Si P>=0.05 Acepta Ho

Por lo tanto, se acepta la hiptesis nula; donde las variables son independientes y por lo tanto difieren en su
conciencia de la marca Nike.
C. La conciencia de la marca Nike se distribuye de manera normal? Que concluye

Evaluando la significancia:
P= significancia

Si p<0.05; rechazar Ho
Si p>= 0.05; aceptar Ho

CONCLUSIONES:
Debido a que el valor de p de la prueba de normalidad es de 0,200 para Kolmogorov-Smirnov y para
Shapiro-Wilk es 0.305; ambos son mayores a 0.05, entonces aceptamos la hiptesis nula (Ho) y
rechazamos H1, la cual no indica que la conciencia de la marca Nike se distribuye de manera normal.
PREGUNTA 05:
En una empresa pesquera se obtuvieron datos sobre harina de pescado, rendimiento y eficiencia. Con estos datos obtener:
A. La matriz de correlaciones entre las variables harina, rendimiento y eficiencia. Interprete.
B. Encontrar el modelo de regresin lineal simple entre de la harina en funcin de rendimiento y harina en funcin de
eficiencia.
C. Encontrar el modelo de regresin lineal mltiple entre la harina en funcin de rendimiento y eficiencia.

ITEM NOMBRE HARINA RENDIMIENTO EFICIENCIA

1 ALEJANDRIA II 308.965 0.81 0.97
2 ALEJANDRIA II 194.875 0.51 0.43
3 ALEJANDRIA II 250.245 0.66 0.66
4 ALEJANDRIA II 294.645 0.78 0.78
5 ALEJANDRIA II 316.41 0.83 0.91
6 ALEJANDRIA II 313.03 0.82 0.81
7 ALEJANDRIA II 233.65 0.61 0.61
8 ALEJANDRIA II 81.1 0.21 0.21
9 ALEJANDRIA II 262.2 0.69 0.74
10 ALEJANDRIA II 59.41 0.16 0.09
11 ALEJANDRIA II 304.765 0.80 0.99
12 ALEJANDRIA II 301.17 0.79 0.63
13 ALEJANDRIA II 286.5 0.75 0.60
14 ALEJANDRIA II 302.75 0.80 0.76
15 ALEJANDRIA II 106.67 0.28 0.24
16 ALEJANDRIA II 280.46 0.74 0.71
17 ALEJANDRIA II 142.95 0.38 0.30
18 ALEJANDRIA II 200.325 0.53 0.57
19 ALEJANDRIA II 197.765 0.52 0.57
20 ALEJANDRIA II 85.36 0.22 0.22
21 ALEJANDRIA II 302.68 0.80 0.96
22 ALEJANDRIA II 304.345 0.80 0.96
23 ALEJANDRIA II 112.465 0.30 0.31
24 ALEJANDRIA II 295.86 0.78 0.83
25 ALEJANDRIA II 183.37 0.48 0.62
1 COMANCHE III 268.13 0.71 0.71
2 COMANCHE III 297.5 0.78 0.87
3 COMANCHE III 294.46 0.77 0.77
4 COMANCHE III 184.865 0.49 0.50
5 COMANCHE III 243.785 0.64 0.68
6 COMANCHE III 296.315 0.78 0.98
7 COMANCHE III 62.175 0.16 0.28
8 COMANCHE III 285.84 0.75 0.75
9 COMANCHE III 124.64 0.33 0.33
10 COMANCHE III 37.66 0.10 0.10
11 COMANCHE III 169.665 0.45 0.71
12 COMANCHE III 133.645 0.35 0.35
13 COMANCHE III 284.42 0.75 0.80
14 COMANCHE III 36.82 0.10 0.14
15 COMANCHE III 183.855 0.48 0.58
16 COMANCHE III 253.8 0.67 0.70
17 COMANCHE III 138.905 0.37 0.38
18 COMANCHE III 269.495 0.71 0.90
19 COMANCHE III 259 0.68 0.92
20 COMANCHE III 42.305 0.11 0.11
21 COMANCHE III 211.585 0.56 0.56
22 COMANCHE III 242.255 0.64 0.98
23 COMANCHE III 255.785 0.67 0.97
24 COMANCHE III 263.835 0.69 0.69
25 COMANCHE III 165.17 0.43 0.50

EL PROFESOR
FECHA DE ENTREGA DEL EXAMEN EN FISICO: 04 Y 05 DE NOVIEMBRE 2017.
ANEXOS

1. EJERCICIO 1, DATA 1
Item A:
Evaluacion de normalidad
Identificacin de Out-liers ITem A:
EJERCICIO 1, DATA 2
Son los mismos datos del EJERCICIO 1, DATA 1
2. Ejercicio 2 Proyecciones

PARTE A:
LO MISMO PARA FRANCO FRANCES

PARTE B: