Estadística Básica Actividad 5- Página 1 de 7 25/01/2023

Universidad de las Fuerzas Armadas

Estadística Básica Actividad

Apellidos: Medina Lara

Nombres: José Luis Firma: 1805055256
NRC: 6425 Fecha límite de entrega: 25/01/2023

Usted debe realizar la Actividad en estas hojas asegurándose de que el archivo electrónico
resultante sea legible. El formato de entrega es pdf, con el nombre del archivo
[Link]ísticaBá[Link]. Si se incumple estas reglas su trabajo tendrá
una calificación de cero.

Debe utilizar esfero o un lápiz que permita leer con facilidad el procedimiento realizado.
También podría usar word pero DEBE enviar en pdf.

Se requiere que usted muestre su trabajo y esfuerzo en cada problema de esta actividad. Se
aplican las siguientes reglas:

• Organice su trabajo, de una manera coherente y ordenada en el espacio disponible.

• Respuestas misteriosas y no sustentadas no recibirán la nota completa. Una respuesta

correcta, que no se encuentre soportada por sus respectivos cálculos, explicación o
desarrollo estadístico y matemático no recibirá una calificación completa; una respuesta
incorrecta soportada por cálculos y explicaciones sustancialmente correctas podría
recibir una calificación parcial.

Ejercicio 1:
Conteste las siguientes preguntas. Sustente adecuadamente las mismas e indique la bibliografía

1
Estadística Básica Actividad 5- Página 2 de 7 25/01/2023

que tomó como referencia para la misma:

a. ¿Cuál es la interpretación de Análisis de Regresión?

Es una herramienta estadística que nos ayuda para verificar la relación que existe entre dos o más
variables cuantitativas, es importante mencionar los siguientes supuestos que se necesita para
el análisis de regresión.
 Comprueba si existe una relación entre dos variables, supuesto de independencia
estadística.
 Investigar la fuerza de las asociaciones midiendo las asociaciones se llama coeficiente de
correlación.
 Compruebe la forma de la relación. Usando estos datos, desarrollaremos un modelo el
valor de a se puede predecir para y a partir de esta relación de otra variable.

Variable
Predecida
dependiente
Variables de
regresión
Variable
Predictora
independiente

b. ¿Cuál es el objetivo del análisis de correlación?

La correlación es una rama estadística su objetivo principal se refiere a que si existe un vínculo
entre varios eventos. Una de las herramientas que nos permite inferir si existe dicha relación de
variables es el análisis de correlación, este procedimiento tiene como finalidad indicarnos si

2
Estadística Básica Actividad 5- Página 3 de 7 25/01/2023

existe relación entre dos variables para realizar un análisis confiable, se necesita primero realizar
muchas observaciones de dos variables.
Planteando un ejemplo si visitamos a una tienda de centro comercial y revisar el precio de las
leches y el precio del pan, la colección de los datos que se obtenga para aquellas observaciones
puede expresarse en formas de una matriz o tabla, que puede someterse a análisis utilizando
software de estadística, como R, SAS, SPSS, etc. El análisis de correlación general da como
resultado un número entre -1 y 1 llamado de coeficiente de correlación. Este resultado nos sirve
para entender tres cosas.
 Si existe o no correlación entre variables.
 Un coeficiente que valga 0 indica que nuestras variables son independientes.
 Que tan fuerte es la relación si existe.
Si existen correlaciones llamadas directas (donde ambas variables aumentan o disminuyen
simultáneamente) e inversas (donde una variable aumenta la otra disminuye). Un coeficiente
positivo significa que la correlación es de primer tipo, mientras que uno negativo indica que es
del segundo.

c. Para el análisis de regresión lineal se realizan suposiciones que permiten validar

cualquier conclusión encontrada, cuatro de estas suposiciones son: la linealidad, la
independencia de los errores, la Normalidad y la igualdad de varianza u
homocedasticidad. Explique cada una (utilice al menos media carilla por suposición)

Una vez comprobado que los coeficientes son significativos, tendremos que comprobar que se
cumplen una serie de supuestos necesarios para que el modelo sea válido. Es lo que se conoce
como diagnóstico del modelo de regresión.

Estos supuestos son cuatro: linealidad, homocedasticidad, normalidad e independencia. Una

vez más, utilizaremos un programa de estadística para realizar un correcto diagnóstico del
modelo regresión.

a. LINEALIDAD

3
Estadística Básica Actividad 5- Página 4 de 7 25/01/2023

La relación entre las variables predictoras (independientes) y criterio (dependientes) debe ser
lineal en el rango de valores observados de la variable predictora. Una manera fácil de probar
esta suposición es dibujar un diagrama de dispersión y ver si la distribución de puntos sigue
aproximadamente una línea recta.
Un método numérico que permite probar el supuesto de linealidad es la prueba RESET de
Ramsey. Para que el modelo sea correcto, la mediana del residual debe ser cercana a cero y los
valores absolutos del residual deben estar distribuidos uniformemente entre los cuartiles (entre el
máximo y el mínimo y entre el primer y el tercer cuartil entre similares). ). Si esto es cierto,
significa que los residuos siguen una distribución normal con media cero, lo cual es una
condición necesaria para la validez del modelo.
Un diagrama de dispersión es una aproximación de primer orden que no es particularmente
rigurosa para estudios lineales. Aparentemente sí. Podemos hacer esto comparando gráficos de
residuos y puntos esperados. Pasamos al gráfico/gráfico de dispersión y hacemos las siguientes
selecciones:
Si la relación o es lineal, hay algunas configuraciones obvias. Este no parece ser el caso, por lo
que confirmamos la supuesta linealidad. También podemos hacer esto más fácilmente usando
gráficos en el comando de regresión. Aquí, los resultados están estandarizados, lo que asegura
que todas las variables estén en la misma escala. Así que en la regresión lineal/gráfico
elegiremos:
b. NORMALIDAD
Para facilitar la estimación por intervalo del modelo de regresión es exigible la normalidad de la
distribución de los errores. Podemos usar dos procedimientos, un gráfico y otro analítico. El
gráfico hace referencia simplemente al histograma de los residuales estandarizados (ZRESID) así
como al gráfico P-P normal. Como ya hemos mencionado, los residuos deben distribuirse de
forma normal.
Una forma sencilla de comprobarlo sería representar el histograma o el gráfico de cuantiles
teóricos de los residuos, en el que deberíamos ver su distribución a lo largo de la diagonal del
gráfico.
También podremos aplicar un método numérico, como la prueba de Kolmogorov-Smirnov o la
de Shapiro-Wilk

4
Estadística Básica Actividad 5- Página 5 de 7 25/01/2023

c. HOMOCEDASTICIDAD

El supuesto de homocedasticidad exige que para todo el recorrido de la variable X la varianza del
error sea constante. Esto es importante de cara a la predicción de valores en los cuales la
desviación tipo de los residuos forma parte del cálculo del intervalo de confianza.
Esto significa que los residuos deben distribuirse de forma homogénea para todos los valores de
la variable de predicción. Podemos comprobarlo de forma sencilla con un diagrama de dispersión
que represente, en el eje de abscisas, las estimaciones de la variable dependiente para los
distintos valores de la variable independiente y, en el eje de coordenadas, los residuos
correspondientes. Se aceptará el supuesto de homocedasticidad si los residuos se distribuyen de
forma aleatoria, en cuyo caso veremos una nube de puntos de forma similar en todo el rango de
las observaciones de la variable independiente.
También existen métodos numéricos para comprobar el supuesto de homocedasticidad, como la
prueba de Breusch-Pagan-Godfrey, cuya hipótesis nula supone que se cumple este supuesto.

Se observa que no hay una apariencia de un mayor grosor de la nube de puntos en una dirección
u otra, aunque hay que decir que con tan pocos individuos no hay mucha fundamentación para
afirmarlo. De todas formas, si queremos ser más rigurosos también aquí disponemos de recursos
analíticos; calcularemos la correlación entre las puntuaciones residuales en valores absolutos y
las puntuaciones predichas. Decimos en valores absolutos porque si no la correlación sería de
cero. Para ello, previamente hemos de calcular los valores absolutos de la variable err_1. Vamos
a Transformar/Calcular:
D. EL SUPUESTO DE INDEPENDENCIA DE LOS ERRORES
Todos los residuos deben ser independientes entre sí, Para comprobar este supuesto, es necesario
comprobar que los residuos sean independientes entre sí y que no haya ningún tipo de
correlación entre [Link] puede contrastarse realizando la prueba de Durbin-Watson, cuya
hipótesis nula supone, precisamente, que los residuos son independientes.
A los supuestos de linealidad, normalidad y homocedasticidad, tratados anteriormente, hay que
añadir el de incorrelación de errores. Para datos transversales en las que se supone que las
observaciones son independientes entre sí, probablemente no sucederá que éstas se encuentren
relacionadas entre sí. Otra circunstancia sucede para datos longitudinales en los que la natural

5
Estadística Básica Actividad 5- Página 6 de 7 25/01/2023

inercia de los acontecimientos da lugar a que hay aun resto que se mantiene en el
tiempo .Cuando se realizan diferentes observaciones de una misma variable en el tiempo, cabe
esperar que éstas presenten un cierto parecido, que haya una cierta inercia en el sistema que haga
que los valores sucesivos no se alejen demasiado entre sí. No se cumple el supuesto de
independencia de los errores, cuya expresión es: Vamos a trabajar con unos datos que hacen
referencia al consumo de bebidas alcohólicas en Inglaterra durante el periodo comprendido entre
1870 y 1938. Estudiaremos a la influencia que sobre este consumo ejercen los salarios y el precio
de estas bebidas. Los datos ([Link]) son los siguientes:

BIBLIOGRAFÍA

Walpole, R. E., & Ayala, L. E. P. (2012). PROBABILIDAD Y ESTADISTICA PARA

INGENIEROS Y CIENCIAS, 9ED. Pearson Educación.

Anderson. D;(2008). Estadística para administración y economía, [Link].

[Link]
[Link].

Beaver, M., Beaver. (2006). Introducción a la probabilidad y

estadística.[Link]

6
Estadística Básica Actividad 5- Página 7 de 7 25/01/2023

Ejercicio 2:
Lee Iacocca, presidente y director ejectuvo de Chryler Corporation, manifiesta su
preocupación por la elevada estructura de costes de la empresa después de haber adquirido
AMC y lo que él llamaba “beneficios escasos frente a ventas crecientes”. En el 2021 ordenó
a los ejecutivos que emprendieran un estudio concertado de la estructura de costes de
Chryler en relación a sus ventas oficiales. Se recogieron los datos sobre la producción del
vehículo K. Los resultados obtenidos fueron los siguientes:

Mes Costes Ventas

1 15,8 23
2 12,3 18
3 14,5 21
4 15,7 23
5 12,7 18
6 13,5 19
7 13,7 20
8 15,9 22
9 13,7 19
10 14,3 21

a) Elabore el correspondiente diagrama de dispersión.

b) Explique qué tipo de relación se establece entre las dos variables mostradas.

DIAGRAMA DE DISPERCION Y CORRELACION

VENTAS Y COSTOS
25
y = 1,4376x - 0,0289
R² = 0,9345
20

15
CO STO S

10

0
0 2 4 6 8 10 12 14 16 18
VENTAS

7
Estadística Básica Actividad 5- Página 8 de 7 25/01/2023

DIAGRAMA DE DISPERCION Y CORRELACION

COSTES y VENTA
25
y = -0,0848x + 20,867

20

15 COSTES
VENTAS
y = -0,0115x + 14,273 Lineal (COSTES)
10
Lineal (VENTAS)
5

0
0 2 4 6 8 10 12

La relación entre las dos variables costes (x), ventas (y) tienen una relación positiva en el
modelo de regresión lineal simple el mismo que se encuentra en el gráfico de dispersión
mostrando las variables una independiente y otra dependiente.

Los siguientes gráficos nos muestran una fuerte correlación positiva, los costes aumenta a
medida que aumentan las ventas. No obstante, la relación entre estas dos variables parece ser
débil, al tiempo que se observa una considerable dispersión de los datos, especialmente en el
rango de los altos costes de venta.

Ejercicio 3:
En su famoso libro de 1936 A General Theory of Employment, Interest and Money, el famoso
economista británico John Maynard Keynes propuso una relación teórica entre renta y
gastos de consumo personal. Keynes afirmaba que cuando la renta crece el consumo
aumenta en una cantidad más pequeña. Esta relación teórica se ha comprobado muchas
veces de manera empírica desde 1936.
Milton Fredman, antiguo profesor de Economía de la Universidad de Chicago y ganador
del premio Nobel de Economía, recogió numerosos datos sobre la renta y el consumo en
Estados Unidos a lo largo de un período. A continuación se muestra diez observaciones de
niveles anuales de consumo y renta utilizadas por Friedman para su estudio: (las cifras
están en millones de dólares actuales)

8
Estadística Básica Actividad 5- Página 9 de 7 25/01/2023

Año Renta Consumo

1950 284,8 191,0
1951 328,4 206,3
1952 345,5 216,7
1953 364,6 230,0
1954 364,7 236,5
1955 398,0 254,4
1956 419,2 266,7
1957 441,1 281,4
1958 447,3 290,1
1959 483,7 311,2

a) ¿Las variables descritas presentan una relación lineal? Justifique gráficamente y

razone su respuesta.

Si tiene una relación lineal positiva.

Los datos proporcionados por Milton Fredman se puede evidenciar que se cumple la teoría
Keynesiana (el consumo depende directamente de la renta) como ejemplo en el año de 1950
se inició con una renta Y= 284,8 millones$ y un consumo C=191,0, pero para el año final de
1959 se finalizó con una renta de Y=483,7 millones $ y con un consumo C= 311,2.

Tiene una relación lineal positiva porque a medida que va aumentando Y también va en
incrementando X, es decir, a medida que aumenta la renta el consumo también aumenta las
variables son directamente proporcional.

9
Estadística Básica Actividad 5- Página 10 de 7 25/01/2023

b) Calcule la ecuación de regresión lineal para predecir los gastos de consumo personal
en función de la renta. Grafique la misma en el diagrama de dispersión
correspondiente.
X Y
AÑÓ RENTA CONSUMO
1950 284,8 191
1951 328,4 206,3
1952 345,5 216,7
1953 364,6 230
1954 364,7 236,5
1955 398 254,4
1956 419,2 266,7
1957 441,1 281,4
1958 447,3 290,1
1959 483,7 311,2

SOLUCION= variable Y consumo X renta

Tabla de solución

10
Estadística Básica Actividad 5- Página 11 de 7 25/01/2023

COEFICIENTE DE CORRELACIÓN
X Y X-X Y-Y (X-X)(Y-Y)
284,80 191,00 -102,93 -57,43 5911,27
328,40 206,30 -59,33 -42,13 2499,57
345,50 216,70 -42,23 -31,73 1339,96
364,60 230,00 -23,13 -18,43 426,29
364,70 236,50 -23,03 -11,93 274,75
398,00 254,40 10,27 5,97 61,31
419,20 266,70 31,47 18,27 574,96
441,10 281,40 53,37 32,97 1759,61
447,30 290,10 59,57 41,67 2482,28
483,70 311,20 95,97 62,77 6024,04
3877,30 2484,30 0,00 0,00 21354,03

VARIANZA EN X
N=10
Xi x Xi-X (x-x)
284,80 387,73 -102,93 10594,58
328,40 387,73 -59,33 3520,05
345,50 387,73 -42,23 1783,37
364,60 387,73 -23,13 535,00
364,70 387,73 -23,03 530,38
398,00 387,73 10,27 105,47
419,20 387,73 31,47 990,36
441,10 387,73 53,37 2848,36
447,30 387,73 59,57 3548,58
483,70 387,73 95,97 9210,24
SUMAS 3877,30 3877,30 0,00 33666,40
PROMEDIO 387,73 969,33 0,00 8416,60

VARIANZA 33666,40 3740,71 61,16

9,00

11
 Estadística Básica Actividad 5- Página 12 de 7 25/01/2023

VARIANZA EN Y
N=10
Yi Y Yi-y (y-y)
191,00 248,43 -57,43 3298,20
206,30 248,43 -42,13 1774,94
216,70 248,43 -31,73 1006,79
230,00 248,43 -18,43 339,66
236,50 248,43 -11,93 142,32
254,40 248,43 5,97 35,64
266,70 248,43 18,27 333,79
281,40 248,43 32,97 1087,02
290,10 248,43 41,67 1736,39
311,20 248,43 62,77 3940,07
SUMAS 2484,30 993,72 0,00 13694,84
PROMEDIO 248,43 248,43 0,00 3423,71

VARIANZA 13694,841 1521,649000000 39,008

9

Coeficiente de correlación
Ecuación de la recta
B
Ecuación de la recta
A

R 21354,031
B= 0,994(39,008)
(10-1)(61,16)(39,008)
61,16
R= 21354,031
B= 38,7936165
21472,21481 A= 248,43-0,6343(383,73)
61,16
B= 0,6343
R= 0,994 A= 2,4994

Análisis
Mediante los siguientes datos estadísticos podemos mencionar que el consumo autónomo
depende de la renta que dispone las personas, es decir, mientras mayor sea mi ingreso mayor será
mi consumo. Las variables son directamente proporcionales arrojando una relación positiva.

12
Estadística Básica Actividad 5- Página 13 de 7 25/01/2023

MEDIA X 387,73
MEDIA Y 248,43
n-1 9
Sx 61,16
Sy 39,008
r 0,994
b 0,6343
a 2,4994

c) ¿Puede afirmar que el modelo lineal encontrado en el ítem b) es el adecuado?

Justifique su respuesta.

Mediante los datos mostrado anteriormente podemos decir que existe una relación directa entre
variables a medida que la renta mejora el consumo aumenta,
Para que el modelo sea el adecuado se debe cumplir todos los supuestos, en los cálculos
realizados podemos mencionar que si es un modelo factible para predecir la relación que existe
entre variables así como también para administrar de menor manera el consumo de las personas.

Como mi valor de r = 0,994 existe una correlación positiva es por tal motivo que mientras la
renta sube el consumo también incrementa. Por tal motivo tiene una pendiente positiva en
crecimiento constante.

Ejercicio 4:
La teoría económica sostiene que cuando los tipos de interés bajan, las empresas pueden
invertir más en bienes de equipo. En la tabla se dan cifras mensuales de tipos de interés e
inversiones nuevas de capital en miles de millones de dólares:

Tipo de Inversión
Mes
Interés de Capital
Enero 10,0 10
Febrero 9,5 11
Marzo 9,0 12
Julio 7,5 16
Agosto 7,0 17
Septiembre 6,5 18
Octubre 6,0 19
Noviembre 5,5 20
Diciembre 5,0 21

Determine en función del comportamiento de las variables tipo de interés e inversión de

capital.

13
Estadística Básica Actividad 5- Página 14 de 7 25/01/2023

a) Coeficiente de determinación. ¿Qué conclusiones puede obtener?

VARIANZA EN X
N=9
Xi x Xi-X (x-x)
10 7,333333333 2,66666667 7,111111111
9,5 7,333333333 2,16666667 4,694444444
9 7,333333333 1,66666667 2,777777778
7,5 7,333333333 0,16666667 0,027777778
7 7,333333333 -0,33333333 0,111111111
6,5 7,333333333 -0,83333333 0,694444444
6 7,333333333 -1,33333333 1,777777778
5,5 7,333333333 -1,83333333 3,361111111
5 7,333333333 -2,33333333 5,444444444

SUMAS 66 66 0 26
PROMEDIO 7,333333333 16,5 0 6,5

VARIANZA 26 3,25 1,80

8

14
Estadística Básica Actividad 5- Página 15 de 7 25/01/2023

VARIANZA EN Y
N=9
Yi Y Yi-y (y-y)
10,00 16,00 -6,00 36,00
11,00 16,00 -5,00 25,00
12,00 16,00 -4,00 16,00
16,00 16,00 0,00 0,00
17,00 16,00 1,00 1,00
18,00 16,00 2,00 4,00
19,00 16,00 3,00 9,00
20,00 16,00 4,00 16,00
21,00 16,00 5,00 25,00

SUMAS 144,00 144,00 0,00 132,00

PROMEDIO 16,00 16,00 0,00 14,67

VARIANZA 132,00 16,50 4,062

8,00

COEFICIENTE DE CORRELACIÓN
X Y X-X Y-Y (X-X)(Y-Y)
10,00 10,00 2,67 -6,00 -16,00
9,50 11,00 2,17 -5,00 -10,83
9,00 12,00 1,67 -4,00 -6,67
7,50 16,00 0,17 0,00 0,00
7,00 17,00 -0,33 1,00 -0,33
6,50 18,00 -0,83 2,00 -1,67
6,00 19,00 -1,33 3,00 -4,00
5,50 20,00 -1,83 4,00 -7,33
5,00 21,00 -2,33 5,00 -11,67

66,00 144,00 0,00 0,00 -58,50

15
Estadística Básica Actividad 5- Página 16 de 7 25/01/2023

coeficiente de determinación
‫ݎ‬ଶ ܵଶ ܻܺ
ܵ‫ݔ‬ଶ ‫ݕܵ כ‬ଶ
‫ݎ‬ଶ 3422,25
3.432,000

‫ݎ‬ଶ 0,9972

ANALISIS

Mediante el coeficiente de determinación nos indica existe un ajuste del 99.72% y por lo tanto es
un modelo fiable para las prevenciones futuras. Si la correlación es -1 los activos se mueven en
dirección opuesta la ventaja es poder reducir los riesgos.

c) Coeficiente de correlación. ¿Qué conclusiones puede obtener?

COEFICIENTE DE CORRELACIÓN
X Y X-X Y-Y (X-X)(Y-Y)
10,00 10,00 2,67 -6,00 -16,00
9,50 11,00 2,17 -5,00 -10,83
9,00 12,00 1,67 -4,00 -6,67
7,50 16,00 0,17 0,00 0,00
7,00 17,00 -0,33 1,00 -0,33
6,50 18,00 -0,83 2,00 -1,67
6,00 19,00 -1,33 3,00 -4,00
5,50 20,00 -1,83 4,00 -7,33
5,00 21,00 -2,33 5,00 -11,67

66,00 144,00 0,00 0,00 -58,50

16
Estadística Básica Actividad 5- Página 17 de 7 25/01/2023

Coeficiente de correlación

r= -58,5
(9-1)(1,80)(4,402)

r= -58,5
58,58

r -0,9986

ANALISIS
Mediante los siguientes valores podemos observar que existe una correlación negativa casi
perfecta, ya que sus valores vienen representados por (-1).
Una correlación negativa perfecta entre dos variables indica que el valor de una de ellas
disminuye cuando la otra aumenta, o viceversa. Es decir, a medida que aumenta la inversión
disminuye el interés.

Conclusión
La relación que se encuentra las dos variables interés e inversión, contando que tienen una
pendiente negativa perfecta podemos mencionar que mientras el interés baja incentiva más la
inversión con ellos logrando llegas al mes de Diciembre con un interés del 5% y una inversión
del 21 %.

c) El error estándar de estimación.

Error estandar de estimación Intersección con ej eje y

Pendiente de la recta de regresión

b= (-0,921)(4,402)
1,8 a= 16--2,25(7,33)

b= -4,056 a= 32,5
1,80

b= -2,25

17
Estadística Básica Actividad 5- Página 18 de 7 25/01/2023

El error estándar de la regresión representa el alejamiento de los puntos reales con respecto a la
línea recta de regresión mientras más pequeño sea el error de estimación significa que la línea de
regresión pronostica con mayor precisión. En este caso, los valores observados caen un promedio
de 23,29% de la línea de regresión.

d) De una predicción puntual de la inversión cuando el tipo de interés es del 6.0%. Compare
con el valor de tabla y calcule el porcentaje de diferencia entre estos valores.

x= 0,06

y= 32,5-2,25(0,06)

y= 32,365

PORCENTAJE DE DIFERENCIA VALOR NUEVO-VALOR ANTIGUO

VALOR ANTIGUO

PORCENTAJE DE DIFERENCIA 13,37

19

PORCENTAJE DE DIFERENCIA 0,703421053 70,34

ANALISIS
Mediante la predicción de la inversión cuando ternemos un interés del 6,% el porcentaje de
diferencia es del 70,34%

18