Instituto Politécnico Nacional

Unidad Profesional Interdisciplinaria de

Biotecnología

Problemario-Tercer Parcial

Profesora:
Martínez Allende Lucero

Integrantes:
Chávez Esquivel Marco Rabindranath
Flores Miranda Silvia
Hernández García Daniel Paola
López Márquez Alejandro Enrique
Ramos Quintanar Víctor Hugo
Vaquero Anaya Adrián
 DIFERENCIA DE MUESTRAS GRANDES
1.1. Se hizo un estudio de muestra del número de almuerzos empresariales que los
ejecutivos afirman son gastos deducibles por mes. Si 60 ejecutivos de la industria
de los seguros promediaron 9.6 de este tipo de deducciones con una desviación
estándar de 1.8 en un mes dado, mientras que 50 ejecutivos bancarios
promediaron 8.4 con una desviación estándar de 2.1, demuestre en el nivel de
significado 0.01 si la diferencia entre estas medias de dos muestras es importante.

Ejecutivos de la industria Ejecutivos Bancarios

Tamaño de muestra 𝑛1 = 60 𝑛2 = 50
Media =9.6 =8.4
Desviación estándar 𝜎 =1.8 𝜎 =2.1
Significancia 𝛼 = 0.01

1) Planteamiento de hipótesis
𝐻0 𝜇1 = 𝜇2
𝐻1 𝜇1 ≠ 𝜇2

2) Estadístico
̅ − X̅
X 1 2
𝑍=
𝜎2 𝜎2
√ 1 + 2
𝑛1 𝑛2

9.6 − 8.4
𝑍= = 3.1822
2 2
√(1.8) + (2.1)
60 50
3) Gráfica
0.01
𝛼 =1− =
2
El valor de 0.995 en tablas para Z es de =

3.1822

Aceptación
4) Resultado

La diferencia que se presenta entre

-2.2575 2.2575 las muestras si es significativa
 1.2. Una compañía asegura que sus lámparas incandescentes son superiores a las de
su principal competidor. Si un estudio demostró que una muestra de n1 = 40 de esas
lámparas tienen una vida útil media de 647 horas con una desviación estándar de 27
horas, mientras que una muestra de n2 = 40 de su principal competidor tuvieron una
vida útil media de 638 horas de uso continuo con una desviación estándar de 31 horas,
¿se debe aceptar la afirmación con un nivel de significancia de 0.05?

Datos
N1 = 40 X2 = 638 horas
X1 = 647 horas σ2 = 31 horas
σ1= 27 horas Α= 0.05
N2 = 40

1) Planteamiento de hipótesis:

H0 µ1 = µ2 H1 µ1 ˃ µ2
2) Estadístico Sustitución
647−638
𝑍= 2 2
= 1.384
√27 +31
40 40

3) Gráfica: 1-0.05= 0.95 … y en las tablas es 1.645

1.645

Aceptación

1.384

4) Análisis de resultados: La hipótesis nula se rechaza aceptando la se alternativa, la

cual podemos decir que la primera empresa tiene lámparas superiores que los de su
principal competidor.
 DISTRIBUCIÓN DE MUESTRAS PEQUEÑAS

1.1. Un nutricionista cree que el consumo diario promedio de proteínas en una

población es menor que 75 gramos. Una muestra aleatoria de 16 sujetos arrojo
una media de 73.8 gramos con una desviación típica de 2.4 gramos.
¿Constituyen estos datos un fundamento para la opinión del nutricionista?
Sea α = 0.05 n=16, x=73.8, s=2.4, μ=75 , α=0.05

1- Prueba de hipótesis

H0= μ≥75 H1= μ<75

2- Estadístico

𝑺 𝟐. 𝟒 𝑿 − 𝝁 𝟕𝟑. 𝟖 − 𝟕𝟓
𝑺 ×= == = 𝟎. 𝟔 𝒕= = = −𝟐
√𝒏 √𝟏𝟔 𝑺𝑿 𝟎. 𝟔

Grados de libertad n-1= 16-1= 15

De la tabla obtenemos= 1.7531 4) La hipótesis nula se

rechaza, por lo que, el
3- Grafica
consumo diario de proteínas
es menor a 75kg
1.2 Una máquina vendedora de refrescos está programada para servir 6.0 onzas por vaso. Si la
máquina se examina nueve veces, produciendo un llenado medio del vaso de 6.2 onzas con
una desviación estándar de 0.15 onza, ¿es la evidencia en el nivel de significado 0.05 que la
máquina está llenando los vasos más de lo debido?

n=9, x=6.2, s=0.15, µ=6, α=0.05

1- Prueba de hipótesis

H0= µ=6 H1= µ>6

2- Estadístico

𝑺 𝟎.𝟏𝟓 𝑿−𝝁 𝟔.𝟐−𝟔

𝑺𝑿 = = = 𝟎. 𝟎𝟓 𝒕= = =𝟒
√𝒏 √𝟗 𝑺𝑿 𝟎.𝟎𝟓

Grados de libertad n-1= 9-1= 8

Valor de tabla = -1.859

3-Grafica

4)La hipótesis se nula se

rechaza, aceptando así la
alternativa
 INTERVALOS DE CONFIANZA

2. Una muestra de 16 niñas de diez años dio un peso medio de 35.8 kg y una
desviación estándar de 6 kg, respectivamente. Suponiendo normalidad, encontrar
los intervalos de confianza del 90, 95 y 99 por ciento para μ.

Niñas
Tamaño de muestra 𝑛 = 16
Media muestral =35.8 kg
Desviación estándar 𝑠 = 6 𝑘𝑔
Significancia 𝛼 =?
Media poblacional μ=?

1) Como primer paso tenemos que encontrar los intervalos de confianza al 90 %, a lo

que el grafico tendrá dos zonas de rechazo y una de aceptación

0.1
𝛼= 2
= 0.05

90%

95% = 0.95
5% 5%

-𝑍𝛼 𝑍𝛼
2 2

2) Después saber el intervalo de confianza, obtenemos de las tablas =0.95 y

𝛼
obtenemos el valor de 𝑍 2 = 1.645=Z

90%

-1.645 1.645
3) Sabiendo el valor de Z, pero no el de la media poblacional, procedemos a hacer un
despeje para ajustar datos
̅−𝜇
X
𝑍= 𝑠
√𝑛
Despejando 𝜇
𝑠𝑍
𝜇=X ̅−
√𝑛
Sustituyendo valores

(6)(1.635) (6)(−1.635)
̅̅̅̅̅̅ −
𝜇1 = 35.8 = 33.3475 ̅̅̅̅̅̅ −
𝜇2 = 35.8 =38.2525
√16 √16

4) Teniendo los intervalos de confianza para μ del 90% son

33.3475 < 𝜇 < 38.2525

5) Los intervalos de confianza para μ del 95% son

(6)(1.96) (6)(−1.96)
𝜇1 = ̅̅̅̅̅̅
35.8 − = 32.86 𝜇2 = ̅̅̅̅̅̅
35.8 − =38.74
√16 √16

32.86 < 𝜇 < 38.74

6) Y los intervalos de confianza para μ del 99% son

(6)(2.578) (6)(−2.578)
𝜇1 = ̅̅̅̅̅̅
35.8 − = 31.933 𝜇2 = ̅̅̅̅̅̅
35.8 − =39.667
√16 √16

31.933 < 𝜇 < 39.667

3. En una revisión de rutina, un dentista encuentra que seis internos de una prisión,
en una muestra aleatoria, requieren 2, 3, 6, 0, 4 y 3 curaciones. Elabore un intervalo
de confianza del 99% para el número promedio de curaciones que requieren los
internos de esta prisión (muy grande).

Datos

N= 6
=3
0.1
𝛼= 2
= 0.05

99%

99.5% = 0.995

0.5%

-𝑍𝛼 𝑍𝛼
2 2

Z= 2.575

99%

-2.575 2.575

𝛴(𝑥𝑖−x)2
𝑠=√ Sustituimos:
𝑛−1

(2 − 3)2 + (3 − 3)2 + (6 − 3)2 + (0 − 3)2 + (4 − 3)2 + (3 − 3)2 20

𝑠=√ =√ =
6−1 5

𝑠𝑍
Se despeja para obtener µ ̅−
𝜇=X
√𝑛

̅− (2)(2.575) ̅− (2)(−2.575)
𝜇1 = 3 = 0.8975 𝜇2 = 3 = 5.1024
√6 √6

Y el intervalo de confianza es de: 0.8975 < 𝜇 < 5.1024

DIFERENCIA DE MUESTRAS PEQUEÑAS
1.1. Quince árboles de cítricos maduros seleccionados al azar de una variedad tienen una altura media de
14.8 pies con una desviación estándar de 1.3 pies, mientras que doce árboles de cítricos maduros de otra
variedad seleccionados también al azar tienen una altura media de 13.6 pies con una desviación estándar de
1.5 pies. Pruebe en el nivel de significado 0.01 si la diferencia entre las medias de las dos muestras es
importante
n1=60 X1=9.6 𝛼1 =1.8

1) Planteamiento del problema h0; 𝜇𝐼 = 𝜇𝐼𝐼 − 𝜇𝐼 − 𝜇 = 0

H1; 𝜇𝐼 = 𝜇𝐼𝐼 − 𝜇𝐼 − 𝜇 = 0
2) n2= 50 x1=8.4 𝛼2=2.1 𝛼 = 0.01
9.6−8.441.5−46.1
3) Estadístico 𝑇= (0−1)(1.8)2 +(50−1)(2.1)2
= 0.61
√[ ]
(60+50−2)

0.61
Tablas= 2.575

4) La diferencia de medias no es
-2.575 importante ya que se acepta la Ho
2.575

1.2. Doce mediciones realizadas del contenido de hidrógeno (en número porcentual de átomos) de gases
colectados de las erupciones de dos volcanes produjeron x 41.5, x 46.1, s1 5.2 y s2 6.7. Utilice el nivel de
significado α = 0.05 para demostrar la hipótesis nula de que no existe diferencia (en relación con el contenido
de hidrógeno) en la composición de los gases de las dos erupciones.

Tamaño de muestra n1= 12 n2=12 α = 0.05

Media x1= 41.5 x2=46.1
Varianza S1= 5.2 S2= 6.7

1) Planteamiento de problema
H0= µ1= µ2 H1= µ1≠ µ2

41.5−46.1
2) Estadístico 𝑇= (12−1)(5.2)2+(12−1)(6.7)2 1 1
√[ ][ + ]
(12+12−2) 12 12

−4.6 −4.6
𝑇= 𝑇= 𝑇 = −1.8793
√[35.965][0.1666] √5.991

3) Grafica

4)
Se acepta la hipótesis Ho, por lo
que no existe diferencia en la
composición de los gases de las
erupciones.
-1.8793 1.782
 INTERVALOS DE CONFIANZA
2.1 En un estudio usando niños con retraso educativo, 11 niños y 10 niñas, después de un
año de enseñanza académica combinada con terapia, se les calificó en relación con sus
logros. La calificación media para los niños fue de x1= 67.0 y para las niñas, x2= 61.5 Si es
razonable suponer que las calificaciones para niños semejantes, bajo circunstancias
semejantes, están distribuidas normalmente con desviaciones estándar σ1 = 11 y σ2 = 10,
encontrar: a) El intervalo de confianza del 90 por ciento para μ1 – μ2. b) El intervalo de
confianza del 95 por ciento para μ1 – μ2

n1=11 n2=10 x1=67.0, x2= 61.5 S1 = 11 y S2 = 10

• Intervalo de confianza de 90% para µ1

∝= 1 − 0.90 𝑡 ∝ 𝛿 = 𝑡(∝, 𝑛 − 1)
∝= 0.10 𝑡 ∝ 𝛿 = 𝑡(0.05,11 − 1)
∝ 0.10 𝑡 ∝ 𝛿 = 𝑡(0.05 ,10)
=
2 2
Buscando en tablas
∝
𝑡 = 1.812
2

∝ 𝛿 ∝ 𝛿 𝟏𝟏 𝟏𝟏
𝑋−𝑡 ( )<𝜇 >𝑋+𝑡 ( ) 𝟔𝟕 − 𝟏. 𝟖𝟏𝟐 ( ) < 𝝁 > 𝟔𝟕 + 𝟏. 𝟖𝟏𝟐 ( )
2 √𝑛 2 √𝑛 √𝟏𝟏 √𝟏𝟏
𝟔𝟎. 𝟗𝟗 < 𝝁 > 𝟕𝟑

•Intervalo de confianza de 90% para µ2

𝑡 ∝ 𝛿 = 𝑡(∝, 𝑛 − 1)
∝= 1 − 0.90 𝑡 ∝ 𝛿 = 𝑡(0.05,10 − 1)

∝= 0.10 𝑡 ∝ 𝛿 = 𝑡(0.05 ,9)

∝ 𝟎. 𝟏𝟎 Buscando en tablas
=
𝟐 𝟐 ∝
𝑡 = 1.833
2

∝ 𝛿 ∝ 𝛿 𝟏𝟎 𝟏𝟎
𝑋−𝑡 ( )<𝜇 >𝑋+𝑡 ( ) 𝟔𝟏. 𝟓 − 𝟏. 𝟖𝟑𝟑 ( ) < 𝝁 > 𝟔𝟏. 𝟓 + 𝟏. 𝟖𝟑𝟑 ( )
2 √𝑛 2 √𝑛 √𝟏𝟎 √𝟏𝟎
 𝟓𝟓. 𝟕𝟎 < 𝝁 > 𝟔𝟕. 𝟐𝟗

• Intervalo de confianza de 95% para µ1

∝= 1 − 0.95
𝑡 ∝ 𝛿 = 𝑡(∝, 𝑛 − 1)
∝
∝= 0.05 = 0.025
2 𝑡 ∝ 𝛿 = 𝑡(0.025,11 − 1)
∝ 0.05 𝑡 ∝ 𝛿 = 𝑡(0.025 ,10)
=
2 2
Buscando en tablas
∝ 𝛿 ∝ 𝛿 𝟏𝟏 𝟏𝟏
𝑋−𝑡 ( )<𝜇 >𝑋+𝑡 ( ) 𝟔𝟕 − 𝟐.∝𝟐𝟐𝟖 ( ) < 𝝁 > 𝟔𝟕 + 𝟐. 𝟐𝟐𝟖 ( )
2 √𝑛 2 √𝑛 𝑡 = 2.228
√𝟏𝟏 √𝟏𝟏
2
𝟓𝟗. 𝟔𝟏 < 𝝁 > 𝟕𝟒. 𝟑𝟖

• Intervalo de confianza de 90% para µ2

∝= 1 − 0.95
𝑡 ∝ 𝛿 = 𝑡(∝, 𝑛 − 1)
∝= 0.05
𝑡 ∝ 𝛿 = 𝑡(0.025,10 − 1)
∝ 0.05
= 𝑡 ∝ 𝛿 = 𝑡(0.025 ,9)
2 2
∝ Tablas
= 0.025
2 ∝
𝑡 = 2.262
2

∝ 𝛿 ∝ 𝛿 𝟏𝟎 𝟏𝟎
𝑋−𝑡 ( )<𝜇 >𝑋+𝑡 ( ) 𝟔𝟏. 𝟓 − 𝟐. 𝟐𝟔𝟐 ( ) < 𝝁 > 𝟔𝟏. 𝟓 + 𝟐. 𝟐𝟔𝟐 ( )
2 √𝑛 2 √𝑛 √𝟏𝟎 √𝟏𝟎
𝟓𝟒. 𝟑𝟒 < 𝝁 > 𝟔𝟖. 𝟔𝟓

2.2 Una muestra de 10 niñas de doce años y una muestra de 10 niños de doce años
proporcionaron las estaturas medias de x1 151.9 centímetros y x2 148.6 centímetros,
respectivamente. Suponiendo distribuciones normales de las estaturas con σ1 = 5.1
centímetros y σ2 = 7.6 centímetros, encontrar: a) el intervalo de confianza del 90 por ciento
para µ1 - µ2, b) el intervalo de confianza del 95 por ciento para µ1 - µ2.

a) el intervalo de confianza del 90 por ciento para µ1 - µ2

Ⴟ1=151.9 n1=10 σ1=5.1
Ⴟ2=148.6 n2=10 σ2=7.6
 𝛼 σ12 σ22 5.1 7.6
(Ⴟ1 − Ⴟ2) ± 𝑍1 − √ + (151.9 − 148.6) ± 1.64√ +
2 𝑛1 𝑛2 10 10

3.3 ± 1.64√1.27 3.3 ± 1.64(1.13) 3.3 ± 1.85

1.45 ≤ µ1 − µ2 ≤ 5.15

La diferencia de los promedios reales varía entre 1.45 y 5.15 en confianza de 90%.
b) el intervalo de confianza del 95 por ciento para µ1 - µ2.
Ⴟ1=151.9 n1=10 σ1=5.1
Ⴟ2=148.6 n2=10 σ2=7.6

𝛼 σ12 σ22 5.1 7.6

(Ⴟ1 − Ⴟ2) ± 𝑍1 − √ + (151.9 − 148.6) ± 1.96√ +
2 𝑛1 𝑛2 10 10

3.3 ± 1.96√1.27 3.3 ± 1.96(1.13) 3.3 ± 2.92

0.38 ≤ µ1 − µ2 ≤ 6.22

La diferencia de los promedios reales de los niños varía entre 0.8 y 6.22 en
confianza de 95%.
 Análisis de Varianza

1.- La enfermería de una universidad realiza un experimento para determinar el grado de alivio que proporcionan
tres remedios para la tos. Cada remedio se trata en 50 estudiantes y se registran los siguientes datos: Alivio
completo 7 9 14 Cierto alivio 32 28 27 Sin alivio 11 13 9 NyQuil Robitussin Triaminic Remedio para la tos Pruebe
la hipótesis, con un nivel de significación de 0.05, de que los tres remedios para la tos son igualmente efectivos.

RESUMEN

Grupos Cuenta Suma Promedio Varianza

Columna 1 3 30 10 13

Columna 2 3 87 29 7

Columna 3 3 33 11 4

ANÁLISIS DE
VARIANZA
Promedio de
Origen de las Suma de los Valor crítico
variaciones cuadrados Grados de libertad cuadrados F Probabilidad para F
Entre grupos 686 2 343 42.875 0.000279663 5.14325285
Dentro de los grupos 48 6 8

Total 734 8

Y decimos que la hipótesis se rechaza

suma 30 87 33
media 10 29 11

suma total 150

ni 3 3 3

N 9 K 3

sctrst 686

sctotal 734

scerror 48

Entre muestras 686 2 343 42.875

dentro muestraas 48 6 8

total 734 8
alivio completo cierto alivio sin alivio
7 32 11
9 28 13
14 27 9

valor crítico 5.14325285

pvalor 0.000279663
 3.- Un técnico de laboratorio desea comparar la resistencia al rompimiento de tres
tipos de hilo y originalmente él planeó repetir cada determinación seis veces. Sin
embargo, sin contar con el tiempo suficiente, él tiene que basar su análisis en los
resultados siguientes (en onzas):Hilo 3 16.5 17.8 16.1Hilo 2 21.1 17.8 18.6 20.8
17.9 19.0Hilo 1 18.0 16.4 15.7 19.6 16.5 18.2Realice un análisis de la varianza para
demostrar en el nivel de significado 0.05 si las diferencias entre las medias de la
muestra son importantes.

1) Planteamiento de prueba de hipótesis

H0 µ1=µ2=µ3 H1 µ1≠µ2≠µ3
2) Estadístico
K= 3 N= n1 + n2 + n3= 3 + 6 + 6= 15

Σ hilo 3: 50.5 Σ (hilo 1)2 : 2073.59

Σ hilo 2: 115.2 Σ (hilo 3)2 : 848.3 Σ (hilos)2 : 5143.95
Σ hilo 1: 104.4 Σ (hilo 2)2 : 2222.06
Σ hilos = 270

104.42 115.22 50.42 2702

SSB= [ + + ]− = 15.12
6 6 3 15

V1= gl = K -1 = 3-1= 2

𝑆𝑆𝐵 15.12 2702

𝑆2𝐵 = = = 7.56 SSW = [5143.95] – [ ] = 268.83
𝐾−1 2 15

𝑆𝑆𝑊 268.83
𝑆𝑊 2 = = = 22.4025
𝑁−𝐾 12

7.56
Razon F= = 0.3374
22.4025

𝛼 0.05
3) Gráfica = = 0.025………. 5. 16 acode las tablas
2 2

4) Análisis: Se acepta la
hipótesis nula; la
diferencia de las
muestras no es
significante, ya que
recae en la zona de
0.3374 5.16
aceptación.
 REGRESION Y CORRELACIÓN

4.1 Se realiza un experimento para estudiar la relación entre la dosis de un estimulante y el tiempo que un individuo
tarda en reaccionar a él. Los datos registrados son: Tiempo de rección(segundos) Y 3.5 2.4 2.1 1.3 1.2 2.2 2.6
4.2Dosis (miligramos) X 1 3 4 7 9 12 13 14a) Calcule la ecuación de regresión, b) calcule el coeficiente de
correlación y presentar un diagrama de dispersión.
Dosis (X) Tiempos de XiYi Xi ² Yi ²
reacción (Y)
1 3.5 3.5 1 12.25
3 2.4 7.2 9 5.76
4 2.1 8.4 16 4.41
7 1.3 9.1 49 1.69
9 1.2 10.8 81 1.44
12 2.2 26.4 144 4.84
13 2.6 33.8 169 6.76
14 4.2 58.8 196 17.64
Σ = 63 Σ=19.5 Σ=158 Σ=665 Σ=54.79
• Cálculo de ecuación de regresión:
𝒏 ∑ 𝑿𝒊𝒀𝒊−∑ 𝑿𝒊 ∑ 𝒀𝒊 𝟖(𝟏𝟓𝟖)−(𝟔𝟑)(𝟏𝟗.𝟓) 𝟑𝟓.𝟓
𝒎= 𝒏 ∑ 𝑿𝒊𝟐 −(∑ 𝑿𝒊)𝟐
= 𝟖(𝟔𝟔𝟓)−(𝟔𝟑)𝟐
= 𝟏𝟑𝟓𝟏 𝟎. 𝟎𝟐𝟔𝟐

∑ 𝒙𝒊𝟐 ∑ 𝒀𝒊 −∑ 𝑿𝒊 ∑ 𝑿𝒊𝒀𝒊 (𝟔𝟔𝟓)(𝟏𝟗.𝟓)−(𝟔𝟑)(𝟏𝟓𝟖) 𝟑,𝟎𝟏𝟑.𝟓

𝒃= 𝒏 ∑ 𝒙𝒊𝟐 −(∑ 𝑿𝒊)𝟐
= 𝟏𝟑𝟓𝟏
= 𝟏𝟑𝟓𝟏
=2.2305

Y=mx + b → Y=0.0262x + 2.2305

• Cálculo de coeficiente de correlación:
𝒏 ∑ 𝑿𝒊𝒀𝒊 − ∑ 𝑿𝒊 ∑ 𝒀𝒊
𝒓=
√(𝒏 ∑ 𝑿𝒊𝟐 ) − (∑ 𝑿𝒊)𝟐 √𝒏 ∑ 𝒀𝒊𝟐 − (∑ 𝒀𝒊)𝟐
(𝟖)(𝟏𝟓𝟖) − (𝟔𝟑)(𝟏𝟗. 𝟓) 𝟑𝟓. 𝟓 𝟑𝟓. 𝟓
𝒓= = = = 𝟎. 𝟏𝟐𝟔𝟕
√(𝟖)(𝟔𝟔𝟓) − (𝟔𝟑)𝟐 √𝟖(𝟓𝟒. 𝟕𝟗) − (𝟏𝟗. 𝟓)𝟐 √𝟏𝟑𝟓𝟏 √𝟓𝟖. 𝟎𝟕 𝟐𝟖𝟎. 𝟎𝟗

Gráfica
 5. Por medio de un procedimiento químico llamado polarografía diferencial de pulsos,un
químico midió la corriente máxima (en microamperes) que se genera al agregar a una
solución amortiguadora otra que contiene una cierta cantidad de níquel (en partes por
cada mil millones):y corriente máxima (mA) 0.095 0.174 0.256 0.348 0.429 0.500 0.580x
Ni (ppb) 19.1 38.2 57.3 76.2 95 114 131
a)Calcule la recta de regresión de mínimos cuadrados.

b)Utilice la recta de regresión para predecir la corriente máxima generada al agregar a

la solución amortiguadora otra que contiene 100 ppb de níquel.

c) Obténgase el coeficiente de correlación r.

Y X x2 X*Y y2
0.095 19.1 364.81 1.8145 0.009025
0.174 38.2 1459.24 6.6468 0.030276
0.256 57.3 3283.29 14.6688 0.065536
0.348 76.2 5806.44 26.5176 0.121104
0.429 95 9025 40.755 0.184041 n: 7
0.5 114 12996 57 0.25 m: 0.00434279
0.58 131 17161 75.98 0.3364 b: 0.01097781
2.382 530.8 50095.78 223.3827 0.996382 Sumatoria r: 0.99965635
5.673924 281748.64 Elevado al cuadrado
0.7

0.6
x Y=mx+b
1 0.09392519
0.5 0.17687256
2
0.4 3 0.25981994
0.3 4 0.34189875
5 0.42354329
0.2
6 0.50605638
0.1 7 0.57988389
0
0 2 4 6 8
4. 3. En un experimento de laboratorio se midieron la presión lateral y la carga de rotura
llegando a los siguientes resultados (codificados): Carga de rotura y 10 10.7 12.1 12.6
13.8 16.2 18.9 Presión x 0 1 2 3 4 5 8 Obtenga la ecuación de regresión de y sobre x,
y de x sobre y, grafíquelas con los datos experimentales.

a) Ecuación de regresión y sobre x, x sobre y

(7)(360.1) ∗ (23)(94.3) (119)(94.3) ∗ (23)(360.1)

𝑚= = 1.1572 𝑏= = 9.6690
(7)(119) − (23)2 (7)(119) − (23)2

𝑦− 9.6690
𝑦 = 1.1572𝑥 + 9.6690 𝑦 = 𝑚𝑥 + 𝑏 𝑥= 1.1572

(7)(360.1) ∗ (23)(94.3)
𝑟= = 0.9895
√(7)(119) − (23)2 √(7)(1329.75) − (94.3)2

Planteamiento de hipótesis H0= p=0 H1= p≠0

5
𝑇 = 0.9895 √ = 15.3085 𝑇 = 0.025
1−0.98952
b) Grafica
4.4. El número de bacterias por unidad de volumen encontradas en un cultivo después
de x horas se indica en la siguiente tabla:Número de bacterias y 47 64 81 107 151 209
298 841Número de horas x 0 1 2 3 4 5 6 7a) Estime las constantes en la relación logy
= a + bx. b) Calcule el número de bacterias por unidad de volumen mediante una
estimación de punto que corresponda a x 4.5 h.
Número de bacterias y 47 64 81 107 151 209 298 841

Número de horas x 01234567

a) Estime las constantes en la relación logy=a+bx

b) Calcule el número de bacterias por unidad de volumen mediante una estimación de punto
que corresponda a x 4.5 h.