Ejercicio de Estadística II
Ángel Rubén Aguilar Pérez
ci 29.674.146
Esc. 45 – Extensión Mérida
En un estudio acerca de la cantidad de precipitación pluvial y la cantidad de
contaminación del aire eliminada, se obtuvieron los siguientes datos:
Lluvia diaria (mm) Partículas eliminadas (mg.m3)
4,3 126
4,5 121
5,9 116
5,6 118
6,1 114
5,2 118
3,8 132
2,1 141
7,5 108
a. Determine la variable dependiente y la variable independiente.
b. Represente los datos en un diagrama de dispersión
c. Determine la ecuación de regresión para pronosticar las partículas removidas, a
parir de la cantidad de precipitación pluvial diaria. Analice B1 y B0
d. Estime la cantidad de partículas removidas cuando la precipitación pluvial diaria
es de 4,8 unidades.
e. Represente la recta estimada en el gráfico de la parte b.
f. Calcule el error estándar de estimación y analice en términos del problema.
g. Calcule el coeficiente de correlación y analice.
h. Calcule el coeficiente de determinación y analice.
Solución
a. Variable dependiente y Variable independiente
X : Variable independiente = Lluvia diaria (mm)
Y : Variable dependiente = Partículas eliminadas (mg.m3)
b. Gráfico de Dispersión
X (mm) Y (mg.m3)
4,3 126
4,5 121
5,9 116
5,6 118
6,1 114
5,2 118
3,8 132
2,1 141
7,5 108
c. Ecuación de regresión
X Y X2 Y2 X.Y
4,3 126 18,49 15.876 541,8
4,5 121 20,25 14.641 544,5
5,9 116 34,81 13.456 684,4
5,6 118 31,36 13.924 660,8
6,1 114 37,21 12.996 695,4
5,2 118 27,04 13.924 613,6
3,8 132 14,44 17.424 501,6
2,1 141 4,41 19.881 296,1
7,5 108 56,25 11.664 810
∑ = 45 ∑ = 1094 ∑ = 244,26 ∑ = 133.786 ∑ = 5348,2
Obtención de la ecuación de la recta lineal por el método de los mínimos
cuadrados
Como la Línea de Tendencia es y = B0.x+B1
Por el método de los mínimos cuadrados, se tiene:
𝐧.∑ 𝐗.𝐘 − ∑ 𝐗 .∑ 𝐘
𝐁𝟎 =
𝐧.∑ 𝐗 𝟐 − (∑ 𝐗 )𝟐
∑ 𝐘 −𝐦.∑ 𝐗
𝐁𝟏 =
𝐧
n: Nro. de datos = 9
Entonces:
𝐧.∑ 𝐗.𝐘 − ∑ 𝐗 .∑ 𝐘 𝟗∗𝟓𝟑𝟒𝟖,𝟐 − 𝟒𝟓∗𝟏𝟎𝟗𝟒 − 𝟏𝟎𝟗𝟔,𝟐
𝐁𝟎 = = = = − 𝟔, 𝟑𝟐
𝐧.∑ 𝐗𝟐 − (∑ 𝐗 )𝟐 𝟗∗𝟐𝟒𝟒,𝟐𝟔 − (𝟒𝟓)𝟐 𝟏𝟕𝟑,𝟑𝟒
∑ 𝐘 −𝐁𝟏 .∑ 𝐗 𝟏𝟎𝟗𝟒 − (−𝟔,𝟑𝟐)∗𝟒𝟓 𝟏𝟑𝟕𝟖,𝟒
𝐁𝟏 = = = = 𝟏𝟓𝟑, 𝟏𝟖
𝐧 𝟗 𝟗
y = B0.x+B1 y = - 6,32 x + 𝟏𝟓𝟑, 𝟏𝟖
Análisis de B0 y B1
Respecto al valor obtenido de B0 se puede decir que ello indica que el valor de
la variable independiente va disminuyendo a medida que la variable dependiente
va aumentando, es decir, que en la situación mostrada mientras mayor sea la
cantidad de lluvia o precipitación registrada menor será la cantidad de partículas
de aire contaminado eliminadas.
Y en cuanto al valor B1 se tiene que cuando no se ha registrado precipitación o
lluvia alguna, la cantidad de partículas de aire contaminado es aproximadamente
de 153,18 mg.m3
Y comparando ambos valores al mismo tiempo se concluye que el hecho de que
llueva no favorece a la purificación del aire o lo que es lo mismo a eliminar una
cantidad apreciable de partículas de aire contaminado.
d. Cantidad de partículas removidas cuando la precipitación pluvial diaria es de 4,8
unidades
Cuando X = 4,8 unidades:
y = - 6,32 x + 𝟏𝟓𝟑, 𝟏𝟓 = - 6,32 .(4,8) + 𝟏𝟓𝟑, 𝟏𝟖 = 𝟏𝟐𝟐, 𝟖𝟒
Entonces las partículas removidas cuando la precipitación pluvial diaria es de 4,8 mm
es de 122,84 mg.m3
e. Recta estimada en el gráfico de la parte b
f. Error estándar de estimación
∑(𝐘 −𝒀𝒆𝒔𝒕𝒊𝒎𝒂𝒅𝒂 )𝟐
𝐒𝐱𝐲 = √
𝐧 −𝟐
Donde:
𝐘𝐞𝐬𝐭𝐢𝐦𝐚𝐝𝐚 = − 𝟔, 𝟑𝟐 𝐱 + 𝟏𝟓𝟑, 𝟏𝟓
X (mm) Y (mg.m3) Yestimada (Y - Yestimada)2
4,3 126 125,974 0,000676
4,5 121 124,71 13,7641
5,9 116 115,862 0,019044
5,6 118 117,758 0,058564
6,1 114 114,598 0,357604
5,2 118 120,286 5,225796
3,8 132 129,134 8,213956
2,1 141 139,878 1,258884
7,5 108 105,75 5,0625
∑ = 33,96
𝟑𝟑,𝟗𝟔
𝐒𝐱𝐲 = √ = √𝟒, 𝟖𝟓 = 𝟐, 𝟐𝟎
𝟕
El error estándar de estimación obtenido indica que la variabilidad o dispersión
de los valores tomados como muestrales están muy alejados de los que se
obtienen asumiendo una relación lineal entre las variables estudiadas.
g. Coeficiente de correlación
Coeficiente de correlación de Pearson
𝛔𝐗𝐘
𝐫=
𝛔𝐗 .𝛔𝐘
∑𝒙 ∑𝒙 𝟐 𝟐
𝛔𝐗 = √ − ( )
𝒏 𝒏
𝟐𝟒𝟒,𝟐𝟔 𝟒𝟓 𝟐
𝛔𝐗 = √ − ( ) = √𝟐𝟕, 𝟏𝟒 − 𝟐𝟓 = 𝟏, 𝟒𝟔𝟑
𝟗 𝟗
∑𝒚 ∑𝒚 𝟐 𝟐
𝛔𝐘 = √ − ( )
𝒏 𝒏
𝟏𝟑𝟑.𝟕𝟖𝟔 𝟏𝟎𝟗𝟒 𝟐
𝛔𝐘 = √ − ( ) = √𝟏𝟒. 𝟖𝟔𝟓, 𝟏𝟏 − 𝟏𝟒𝟕𝟕𝟓, 𝟕𝟓 = 𝟗, 𝟒𝟓
𝟗 𝟗
∑ 𝑿𝒀 ∑𝑿 ∑𝒀
𝛔𝐗𝐘 = − .
𝒏 𝒏 𝒏
𝟓𝟑𝟒𝟖,𝟐 𝟒𝟓 𝟏𝟎𝟗𝟒
𝛔𝐗𝐘 = −( ).( ) = 𝟓𝟗𝟒, 𝟐𝟒 − 𝟔𝟎𝟕, 𝟕𝟖 = − 𝟏𝟑, 𝟓𝟑
𝟗 𝟗 𝟗
𝛔𝐗𝐘 − 𝟏𝟑,𝟓𝟑
𝐫= = = − 𝟎. 𝟗𝟕𝟖
𝛔𝐗 .𝛔𝐘 𝟏,𝟒𝟔𝟑∗𝟗,𝟒𝟓
Como el coeficiente de correlación de Pearson es menor que 0 (negativo)
indica que existe una correlación negativa, es decir, que las dos variables
estudiadas están asociadas en sentido inverso.
h. Coeficiente de determinación
∑(𝐘 − 𝐘𝐞𝐬𝐭𝐢𝐦𝐚𝐝𝐚)𝟐
𝐑 =𝟏 − ∑(𝐘 − 𝐘̅)𝟐
Donde:
∑𝐘 𝟏𝟎𝟗𝟒
̅ = 𝐘 𝐩𝐫𝐨𝐦𝐞𝐝𝐢𝐨 =
𝐘 = = 𝟏𝟐𝟏, 𝟓𝟔
𝐧 𝟗
Y (mg.m3) (𝐘 − 𝐘̅)𝟐
126 19,7136
121 0,3136
116 30,9136
118 12,6736
114 57,1536
118 12,6736
132 108,9936
141 377,9136
108 183,8736
∑ = 804,2224
𝟑𝟑,𝟗𝟔
𝐑 =𝟏 − = 𝟏 − 𝟎, 𝟎𝟒𝟐 = 𝟎, 𝟗𝟓𝟖
𝟖𝟎𝟒,𝟐𝟐𝟐𝟒
Como el coeficiente de determinación se aproxima a 1, eso significa que el
modelo de regresión estimado para las variables estudiadas es muy fiable.
