z S.E.P. S.E.S.

TecNM

INSTITUTO TECNOLÓGICO DE TOLUCA

INGENIERÍA INDUSTRIAL

Estadística Inferencial I

“Serie de Ejercicios Tema 1"

P R E S E N T A:

Flores Becerril Ramon 19280150

García Herrera Dorian Cristofer 21281371
Nava Morales Eduardo 20280590
Robles Ruiz Eduardo 20281154
Vega Herrera Miguel Ángel C19280754

METEPEC, ESTADO DE MÉXICO, Febrero DE 2022.

Sustituyendo en el sistema de ecuaciones

ΣY = Σ X1= ΣX2= Σ Y^2= ΣX1 ^2= ΣX2 ^2= ΣX1*Y= ΣX2*Y= Σ X1 * X2=
8.019 11280 8.12 13.745217 11043750 6.762 9131.205 6.62724 7632.8

n=12
𝑛 ∗ 𝛽0 + 𝛽1∑ 𝑋1 + 𝛽2∑ 𝑋2 + 𝛽3∑ 𝑋3+⋯+𝛽𝑘∑𝑋𝑘=∑𝑌
12 * 𝛽0 + 11280 * 𝛽1 + 8.12 * 𝛽2 = 8.019

𝛽0∑𝑋1+𝛽1∑𝑋12+𝛽2∑(𝑋1∗𝑋2)+𝛽3∑(𝑋1∗𝑋3)+⋯+𝛽𝑘∑(𝑋1∗𝑋𝑘)=∑(𝑋1∗𝑌)
11280 ∗ 𝜷𝟎 + 11043750 ∗ 𝜷𝟏 + 7632.8 ∗ 𝜷𝟐 = 9131.205

𝛽0∑𝑋2+𝛽1∑(𝑋1∗𝑋2)+𝛽2∑𝑋22+𝛽3∑(𝑋2∗𝑋3)+⋯+𝛽𝑘∑(𝑋2∗𝑋𝑘)=∑(𝑋2∗𝑌)
8.12 ∗ 𝜷𝟎+7632.8 ∗ 𝜷𝟏+𝟔.762 ∗ 𝜷𝟐 = 6.62724

Se obtiene el siguiente conjunto de ecuaciones:

12 * 𝛽0 + 11280 * 𝛽1 + 8.12 * 𝛽2 = 8.019
11280 ∗ 𝜷𝟎 + 11043750 ∗ 𝜷𝟏 + 7632.8 ∗ 𝜷𝟐 = 9131.205
8.12 ∗ 𝜷𝟎+7632.8 ∗ 𝜷𝟏+𝟔.762 ∗ 𝜷𝟐 = 6.62724
Obteniendo la siguiente matriz y resolviendo por el método de Gauss-
Jordán:
 2.- Considere los datos de la siguiente tabla, que muestra mediciones de
9 bebés. El objetivo del experimento es calcular una ecuación de
estimación apropiada que relacionara la talla del bebé con todas las
variables independientes o un subconjunto de ellas. Los datos obtenidos
son los siguientes:

Talla del Edad Talla al nacer Peso al nacer Tamaño del pecho
bebé (cm) (días) (cm) (kg) al nacer (cm)
57.5 78 48.2 2.75 29.5
52.8 69 45.5 2.15 26.3
61.3 77 46.3 4.41 32.2
67.0 88 49.0 5.52 36.5
53.5 67 43.0 3.21 27.2
62.7 80 48.0 4.32 27.7
56.2 74 48.0 2.31 28.3
68.5 94 53.0 4.30 30.3
69.2 102 58.0 3.71 28.7

a) ¿Prediga cuál será la talla de un bebé cuya edad es de 90 días,

midió al nacer 47.5cm, peso al nacer 3.25 kg y su pecho midió 26.5
cm?

• Y: Talla de bebé en cm
• X1: Edad (días)
• X2: Talla al nacer (cm)
• X3: Peso al nacer (kg)
• X4: Tamaño del pecho al nacer (cm)

Y X1 X2 X3 X4 X12 X22 X32 X42 X1*X2 X1*X3

57.5 78 48.2 2.75 29.5 6084 2323.24 7.5625 870.25 3759.6 214.5

52.8 69 45.5 2.15 26.3 4761 2070.25 4.6225 691.69 3139.5 148.35

61.3 77 46.3 4.41 32.2 5929 2143.69 19.4481 1036.84 3565.1 339.57

67 88 49 5.52 36.5 7744 2401 30.4704 1332.25 4312 485.76

53.5 67 43 3.21 27.2 4489 1849 10.3041 739.84 2881 215.07

62.7 80 48 4.32 27.7 6400 2304 18.6624 767.29 3840 345.6

56.2 74 48 2.31 28.3 5476 2304 5.3361 800.89 3552 170.94

 68.5 94 53 4.3 30.3 8836 2809 18.49 918.09 4982 404.2

69.2 102 58 3.71 28.7 10404 3364 13.7641 823.69 5916 378.42
ΣY = ΣX1 = ΣX2 = ΣX3 = ΣX4 = ΣX12 = ΣX22 = ΣX32 = ΣX42 = ΣX1*X2 = ΣX1*X3 =
548.7 729 439 32.68 266.7 60123 21568.18 128.6602 7980.83 35947.2 2702.41

X1*X4 X2*X3 X2*X4 X3*X4 X1*Y X2*Y X3*Y X4*Y Y2

2301 132.55 1421.9 81.125 4485 2771.5 158.125 1696.25 3306.25

1814.7 97.825 1196.65 56.545 3643.2 2402.4 113.52 1388.64 2787.84

2479.4 204.183 1490.86 142.002 4720.1 2838.19 270.333 1973.86 3757.69

3212 270.48 1788.5 201.48 5896 3283 369.84 2445.5 4489

1822.4 138.03 1169.6 87.312 3584.5 2300.5 171.735 1455.2 2862.25

2216 207.36 1329.6 119.664 5016 3009.6 270.864 1736.79 3931.29

2094.2 110.88 1358.4 65.373 4158.8 2697.6 129.822 1590.46 3158.44

2848.2 227.9 1605.9 130.29 6439 3630.5 294.55 2075.55 4692.25

2927.4 215.18 1664.6 106.477 7058.4 4013.6 256.732 1986.04 4788.64

ΣX1*X4 = ΣX2*X3 = ΣX2*X4 = ΣX3*X4 = ΣX1*Y = ΣX2*Y = ΣX3*Y = ΣX4*Y = ΣY2 =

21715.3 1604.388 13026.01 990.268 45001 26946.89 2035.521 16348.29 33773.65

Sustituyendo en el sistema de ecuaciones:

ΣY = ΣX1 = ΣX2 = ΣX3 = ΣX4 = ΣX12 = ΣX22 = ΣX32 = ΣX42 = ΣX1*X2 = ΣX1*X3 =
548.7 729 439 32.68 266.7 60123 21568.18 128.6602 7980.83 35947.2 2702.41

ΣX1*X4 = ΣX2*X3 = ΣX2*X4 = ΣX3*X4 = ΣX1*Y = ΣX2*Y = ΣX3*Y = ΣX4*Y = ΣY2 =

21715.3 1604.388 13026.01 990.268 45001 26946.89 2035.521 16348.29 33773.65

𝑛 ∗ 𝛽0 + 𝛽1 ∑ 𝑋1 + 𝛽2 ∑ 𝑋2 = ∑ 𝑌

9 ∗ β𝟎 + 729∗ β𝟏 + 8439∗ β𝟐 +32.68∗ β3+ 266.7 ∗ β4 = 548.7

𝛽0 ∑ 𝑋1 + 𝛽1 ∑ X12+ 𝛽2∑(𝑋1 ∗ 𝑋2) + 𝛽3∑(𝑋1 ∗ 𝑋3) + 𝛽4∑(𝑋1 ∗ 𝑋4) = ∑(𝑋1
∗ 𝑌)

729 ∗ β𝟎 + 60 123 ∗ β𝟏 + 35 947.2 ∗ β𝟐 + 2 702.41 ∗ β3 + 21 715.3∗ β4 = 45 001

𝛽0 ∑ 𝑋2 + 𝛽1 ∑(𝑋2 ∗ 𝑋1) + 𝛽2 ∑ 𝑋22 + 𝛽3 ∑(𝑋2 ∗ 𝑋3) + 𝛽4 ∑(𝑋2 ∗ 𝑋4 ) = ∑(𝑋2 ∗ 𝑌)

439∗ β𝟎 + 35 947.2∗ β𝟏 + 21 568.18 ∗ β𝟐 + 1604.388 ∗ β3 + 13 026.01∗ β4 = 26

946.89

𝛽0 ∑ 𝑋3 + 𝛽1 ∑(𝑋1 ∗ 𝑋3) + 𝛽2 ∑(𝑋2 ∗ 𝑋3 ) + 𝛽3 ∑ 𝑋32 + 𝛽4 ∑(𝑋4 ∗ 𝑋3) = ∑(𝑋3 ∗ 𝑌)

32.68∗ β𝟎 + 2702.41∗ β𝟏 + 1604.388 ∗ β𝟐 + 128.6602∗ β3 + 990.268 ∗ β4 =

2035.521
𝛽0 ∑ 𝑋4 + 𝛽1 ∑(𝑋1 ∗ 𝑋4) + 𝛽2 ∑(𝑋2 ∗ 𝑋4 ) + 𝛽3 ∑(𝑋3 ∗ 𝑋4 ) + 𝛽4 ∑ 𝑋42 = ∑(𝑋4 ∗ 𝑌)

266.7∗ β𝟎 + 21715.3∗ β𝟏 + 13026.01 ∗ β𝟐 + 990.268∗ β3 + 7980.83 ∗ β4 = 16348.29

Se obtiene el siguiente conjunto de ecuaciones:

9 ∗ β𝟎 + 729∗ β𝟏 + 8 439∗ β𝟐 +32.68∗ β3+ 266.7 ∗ β4 = 548.7

729 ∗ β𝟎 + 60 123 ∗ β𝟏 + 35 947.2 ∗ β𝟐 + 2 702.41 ∗ β3 + 21 715.3∗ β4 = 45 001
439∗ β𝟎 + 35 947.2∗ β𝟏 + 21 568.18 ∗ β𝟐 +1 604.388 ∗ β3 + 13 026.01∗ β4 = 26
946.89
32.68∗ β𝟎 + 2 702.41∗ β𝟏 + 1 604.388 ∗ β𝟐 + 128.6602∗ β3 + 990.268 ∗ β4 = 2
035.521
266.7∗ β𝟎 + 21 715.3∗ β𝟏 + 13 026.01 ∗ β𝟐 + 990.268∗ β3 + 7 980.83 ∗ β4 = 16
348.29

Obteniendo la siguiente matriz y resolviendo por el método de Gauss-

Jordán:

𝟗 𝟕𝟐𝟗 𝟖 𝟒𝟑𝟗 𝟑𝟐. 𝟔𝟖 𝟐𝟔𝟔. 𝟕 𝟓𝟒𝟖. 𝟕

𝟕𝟐𝟗 𝟔𝟎 𝟏𝟐𝟑 𝟑𝟓 𝟗𝟒𝟕. 𝟐 𝟐 𝟕𝟎𝟐. 𝟒𝟏 𝟐𝟏 𝟕𝟏𝟓. 𝟑 𝟒𝟓 𝟎𝟎𝟏
𝟒𝟑𝟗 𝟑𝟓 𝟗𝟒𝟕. 𝟐 𝟐𝟏 𝟓𝟔𝟖. 𝟏𝟖 𝟔𝟎𝟒. 𝟑𝟖𝟖 𝟏𝟑 𝟎𝟐𝟔. 𝟎𝟏 𝟐𝟔 𝟗𝟒𝟔. 𝟖𝟗
𝟑𝟐. 𝟔𝟖 𝟐 𝟕𝟎𝟏. 𝟒𝟏 𝟏 𝟔𝟎𝟒. 𝟑𝟖𝟖 𝟏𝟐𝟖. 𝟔𝟔𝟎𝟐 𝟗𝟗𝟎. 𝟐𝟔𝟖 𝟐 𝟎𝟑𝟓. 𝟓𝟐𝟏
[𝟐𝟔𝟔. 𝟕 𝟐𝟏 𝟕𝟏𝟓. 𝟑 𝟏𝟑 𝟎𝟐𝟔. 𝟎𝟏 𝟗𝟗𝟎. 𝟐𝟔𝟖 𝟕 𝟗𝟖𝟎. 𝟖𝟑 𝟏𝟔 𝟑𝟒𝟖. 𝟐𝟗

Por lo tanto:
β𝟎 = -7.28114
β1 = 0.52333
β2 = 0.00015
β3 = -0.02650
 β4 = 0.87084

De donde resulta:
Y´= β0+ β1*X1 + β2*X2 + β3*X3 + β4*X4

Y´= -7.28114+ (0.52333 *X1) + (0.00015*X2) + (-0.02650*X3) + (0.87084*X4)

Y´= -7.28114+ (0.52333*90) + (0.00015*47.5) + (-0.02650*3.25) + (0.87084*26.5)

Y (90,47.5,3.25,26.5) = 62.816 cm
Por lo tanto, la talla estimada para un un bebé cuya edad es de 90
días, midió al nacer 47.5cm, peso al nacer 3.25 kg y su pecho midió
26.5 cm será de 62.816 cm.

b) Elabore la prueba de hipótesis correspondiente, considerado un

α=0.01

Análisis de varianza (tabla ANOVA):

̅ = 𝟓𝟒𝟖.𝟕 = 𝟔𝟎. 𝟗𝟔𝟕
𝒀
𝟗

Y´= -7.28114+ (0.52333 *X1) + (0.00015*X2) + (-0.02650*X3) + (0.87084*X4)

YI X1 X2 X3 X4 Y´ (𝒀
̂i −𝒀
̅𝒊 ) 2 (𝒀𝒊 − 𝒀
̂i ) 2 (𝒀𝒊 − 𝒀
̅)2

57.5 78 48.2 2.75 29.5 59.162735 990.172089 2997.5625 12.020089

52.8 69 45.5 2.15 26.3 51.681572 1201.80089 2565.4225 66.699889

61.3 77 46.3 4.41 32.2 60.946398 827.540289 3236.4721 0.110889

67 88 49 5.52 36.5 70.41863 598.634089 3779.7904 36.397089

53.5 67 43 3.21 27.2 51.390203 1140.21029 2529.0841 55.756089

62.7 80 48 4.32 27.7 58.600248 1106.69329 3408.2244 3.003289

56.2 74 48 2.31 28.3 56.036037 1067.13289 2904.1321 22.724289

68.5 94 53 4.3 30.3 68.192332 940.464889 4121.64 56.746089

69.2 102 58 3.71 28.7 71.002013 1041.15929 4288.9401 67.782289

ΣY = Σ (𝒀
̂ i −𝒀
̅𝒊 )2 = Σ (𝒀𝒊 − 𝒀
̂ i)2 = Σ (𝒀𝒊 − 𝒀
̅ )2 =
 548.7 8913.808 29831.2682 321.240001

TABLA ANOVA

Fuente de Grados de Suma de

variabilidad libertad Cuadrados medios F
cuadrados
𝟐𝟐𝟐𝟖. 𝟒𝟓𝟐
4 𝑺𝑪𝑹 = 8913.808 𝑪𝑴𝑹 = 𝟖𝟗𝟏𝟑. 𝟖𝟎𝟖/ 𝟒 𝐅=
𝟕𝟒𝟓𝟕. 𝟖𝟏𝟕
Regresión 𝑪𝑴𝑹 = 𝟐𝟐𝟐𝟖. 𝟒𝟓𝟐
𝐅 = 𝟎. 𝟐𝟗𝟖𝟖
9-4-1 𝑺𝑪𝑬 = 29831.2682 𝑪𝑴𝑬 = 𝟐𝟗𝟖𝟑𝟏. 𝟐𝟔𝟖𝟐/ 𝟒
Error =4
𝑪𝑴𝑬 = 𝟕𝟒𝟓𝟕. 𝟖𝟏𝟕
Total 9-1=8 𝑺𝑪𝑻 = 321.240001

H0: Que la edad, talla, peso y tamaño del pecho al nacer no influyen en la
talla del bebé.

H1: Que la edad, talla, peso y tamaño del pecho al nacer si influyen en la
talla del bebé.

F (α, k, n-k-1) = F (0.01, 4, 4)

F (0.01, 2, 9) = 15.98
F < F (α, k, n-k-1) → Aceptar H0
F > F (α, k, n-k-1) → Rechazar H0

F = 0.2988 < F (0.01, 4, 4) = 15.98 → Aceptar H0

Por lo tanto, la edad, talla, peso y tamaño del pecho al nacer no

influyen en la talla del bebé, considerando un α = 0.01.

c) Determine el coeficiente de correlación e interprételo.

Coeficiente de correlación múltiple:

ΣY2 =33773.65
ΣY = 548.7 𝑺𝑪𝑬
𝒓 = √𝟏 −
n=9 𝑺𝒀∗𝒀
𝑺𝑪𝑬 = 29831.2682
(∑ 𝒚)𝟐 29831.2682
𝐒𝐘∗𝐘 = ∑ 𝐘 𝟐 − 𝒓 = √𝟏 −
𝐧
321.24
(548.7)2
SY∗Y = 33773.65 −
9 𝒓 = -9.585
SY∗Y = 321.24

Por lo tanto, no existe relación (correlación o dependencia) entre las

variables: edad, talla, peso y tamaño del pecho al nacer.
 TECNOLÓGICO NACIONAL DE MÉXICO
INSTITUTO TECNOLÓGICO DE TOLUCA

a) ¿Prediga cuál será la talla de un bebé cuya edad es de 90 días, midió al nacer 47.5
cm, peso al nacer 3.25 kg y su pecho midió 26.5 cm?
b) Elabore la prueba de hipótesis correspondiente, considerado un α=0.05.
c) Determine el coeficiente de correlación e interprételo.

3. El señor Sánchez es presidente del sindicato de profesores del Distrito escolar de

XXXII. Al prepararse para futuras negociaciones, le gustaría investigar la estructura de
sueldos de personal docente en el distrito. Considera que existen tres factores que
afectan pago laboral de un profesor: años de experiencia, una calificación de la
efectividad en enseñanza (asignada por el director) y si el enseñante tiene o no grado
de maestría. Una muestra aleatoria de 20 profesores dio como resultado los siguientes
datos:
Años de Calificación del
Sueldo Maestría
experiencia director
211.0 8 35 0
236.0 5 43 0
192.9 2 51 1
330.0 15 60 1
286.0 11 73 0
350.0 14 80 1
320.0 9 76 0
267.9 7 54 1
385.9 22 55 1
217.0 3 90 1
156.9 1 30 0
206.0 5 44 0
417.9 23 84 1
367.0 17 76 0
283.9 12 68 1
236.0 14 25 0
317.9 8 90 1
207.0 4 62 0
227.9 2 80 1
327.9 8 72 0
a) ¿Qué sueldo estimaría usted para un profesor con cinco años de experiencia, una
calificación de 60 dada por el director, y sin maestría?
b) Elabore la prueba de hipótesis correspondiente, considerado un α=0.01.
c) Determine el coeficiente de correlación e interprételo.

Departamento de Ingeniería Industrial e Ingeniería en Logística

Docente: Ing. Norma Rubí Baca
Ejercicio 3
Variable independientes = Años de experiencia(X1)
Calificación del director(X2)
Maestría(X3)

Variebles dependientes= Sueldo(Y)

a) ¿Qué sueldo estimaría usted para un profesor con cinco años de experiencia, una
calificación de 60 dada por el director, y sin maestría?

Y'=β0+β1*X1+β2*X2+β3*X3

Y X1 X2 X3 Y^2 X1^2 X2^2 X3^2 X1*X2 X1*X3 X2*X3 X1*Y X2*Y X3*Y
211 8 35 0 44521 64 1225 0 280 0 0 1688 7385 0
236 5 43 0 55696 25 1849 0 215 0 0 1180 10148 0
192.9 2 51 1 37210.41 4 2601 1 102 2 51 385.8 9837.9 192.9
330 15 60 1 108900 225 3600 1 900 15 60 4950 19800 330
286 11 73 0 81796 121 5329 0 803 0 0 3146 20878 0
350 14 80 1 122500 196 6400 1 1120 14 80 4900 28000 350
320 9 76 0 102400 81 5776 0 684 0 0 2880 24320 0
267.9 7 54 1 71770.41 49 2916 1 378 7 54 1875.3 14466.6 267.9
385.9 22 55 1 148918.81 484 3025 1 1210 22 55 8489.8 21224.5 385.9
217 3 90 1 47089 9 8100 1 270 3 90 651 19530 217
156.9 1 30 0 24617.61 1 900 0 30 0 0 156.9 4707 0
206 5 44 0 42436 25 1936 0 220 0 0 1030 9064 0
417.9 23 84 1 174640.41 529 7056 1 1932 23 84 9611.7 35103.6 417.9
367 17 76 0 134689 289 5776 0 1292 0 0 6239 27892 0
283.9 12 68 1 80599.21 144 4624 1 816 12 68 3406.8 19305.2 283.9
236 14 25 0 55696 196 625 0 350 0 0 3304 5900 0
317.9 8 90 1 101060.41 64 8100 1 720 8 90 2543.2 28611 317.9
207 4 62 0 42849 16 3844 0 248 0 0 828 12834 0
227.9 2 80 1 51938.41 4 6400 1 160 2 80 455.8 18232 227.9
327.9 8 72 0 107518.41 64 5184 0 576 0 0 2623.2 23608.8 0
∑Y= ∑X1= ∑X2= ∑X3= ∑Y^2= ∑X1^2= ∑X2^2= ∑X3^2= ∑X1*X2= ∑X1*X3= ∑X2*X3= ∑X1*Y= ∑X2*Y= ∑X3*Y=
5545.1 190 1248 10 1636846.09 2590 85266 10 12306 108 712 60344.5 360847.6 2991.3

n=20
Y'=β0+β1*X1+β2*X2+β3*X3
20*β0+190*β1+1248*β2+10*β3=5545.1

190*β0+2590*β1+12306*β2+108*β3=60344.5

1248*β0+12306*β1+85266*β2+712*β3=360847.6

10*β0+108*β1+712*β2+10*β3=2991.3

Obteniendo la siguiente matriz

20 190 1248 10 5545.1

190 2590 12306 108 60344.5
1248 12306 85266 712 360847.6
10 108 712 10 2991.3

La matriz se resuelve por método de Gauss Jordan

20 190 1248 10 5545.1 R1/20=R1

190 2590 12306 108 60344.5
1248 12306 85266 712 360847.6
10 108 712 10 2991.3

1 19/2 312/5 1/2 55451/200 -190*R1+R2=R2

190 2590 12306 108 60344.5 -1248*R1+R3=R3
1248 12306 85266 712 360847.6 -10*R1+R4=R4
10 108 712 10 2991.3

1 19/2 312/5 1/2 55451/200

0 785 450 13 153321/20 R2/785=R2
0 450 36954/5 88 370834/25
0 13 88 5 875/4

1 19/2 312/5 1/2 55451/200

0 1 90/157 13/785 153321/15700 -450*R2+R3=R3
0 450 36954/5 88 370834/25 -13*R2+R4=R4
0 13 88 5 875/4

1 19/2 312/5 1/2 55451/200

0 1 90/157 13/785 153321/15700 R3*785/5599278=R3
0 0 5599278/785 12646/157 81944651/7850
0 0 12646/157 3756/785 720601/7850

1 19/2 312/5 1/2 55451/200

0 1 90/157 13/785 153321/15700
0 0 1 31615/2799639 81944651/55992780
0 0 12646/157 3756/785 720601/7850 -12646/157*R3+R4=R4

1 19/2 312/5 1/2 55451/200

0 1 90/157 13/785 153321/15700
0 0 1 31615/2799639 81944651/55992780 13998195/54244762*R4=R4
0 0 0 54244762/13998195 -1825660759/69990975

1 19/2 312/5 1/2 55451/200 -31615/2799639*R4+R3=R3

0 1 90/157 13/785 153321/15700 -13/785*R4+R2=R2
0 0 1 31615/2799639 81944651/55992780 -1/2*R4+R1=R1
0 0 0 1 -140435443/20863370
 1 19/2 312/5 0 1170938227417/417267400
0 1 90/157 0 64706119339/6551098180 -90/157*R3+R2=R2
0 0 1 0 64238243/41726740 -312/5*R3+R1=R1
0 0 0 1 -140435443/20863370

1 19/2 0 0 15401832757/83453480
0 1 0 0 375316417/41726740 -19/2*R2+R1=R1
0 0 1 0 64238243/41726740
0 0 0 1 -140435443/20863370

1 0 0 0 4135410417/41726740
0 1 0 0 375316417/41726740
0 0 1 0 64238243/41726740
0 0 0 1 -140435443/20863370

β0= 4135410417/41726740 ≈ 99.107

β1= 375316417/41726740 ≈ 8.9946
β2= 64238243/41726740 ≈ 1.539
β3= -140435443/20863370 ≈ -6.7312
De donde resulta:
Y'=β0+β1*X1+β2*X2+β3*X3
Y'=4135410417/41726740+(375316417/41726740*5)+(64238243/41726740*60)+(-140435443/20863370*0)
Y'=236.4499858

Por lo tanto, el sueldo estimado para un profesor con 5 años de experiencia, 60 de calificación por parte del director
y sin maestría, será de $236.4499858

b) Elabore la prueba de hipotesis correspondiente, considerando un α=0.01

𝑦ത = 277.255

Y'=4135410417/41726740+(375316417/41726740*5)+(64238243/41726740*60)+(-140435443/20863370*0)

Y X1 X2 X3 𝑦ⅈ
ො (𝒚̂𝒊−𝒚̅)𝟐 (𝒚𝒊−𝒚̂𝒊)𝟐 (𝒚𝒊−𝒚̅)𝟐
211 8 35 0 224.9288 2738.031206 194.0114694 4389.725025
236 5 43 0 210.257 4488.732004 662.702049 1701.975025
192.9 2 51 1 188.854 7814.736801 16.370116 7115.766025
330 15 60 1 319.6348 1796.047448 107.437371 2782.035025
286 11 73 0 310.3946 1098.233088 595.0965092 76.475025
350 14 80 1 341.4202 4117.172891 73.61296804 5291.835025
320 9 76 0 297.0224 390.7501028 527.9701018 1827.135025
267.9 7 54 1 238.444 1506.293721 867.655936 87.516025
385.9 22 55 1 374.902 9534.936609 120.956004 11803.73603
217 3 90 1 257.8696 375.7937332 1670.324204 3630.665025
156.9 1 30 0 154.2716 15124.91668 6.90848656 14485.32603
206 5 44 0 211.796 4284.880681 33.593616 5077.275025
417.9 23 84 1 428.5276 22883.39951 112.9458818 19781.01603
367 17 76 0 368.9792 8413.328866 3.91723264 8054.165025
283.9 12 68 1 304.963 767.733264 443.649969 44.156025
236 14 25 0 263.5064 189.024002 756.602041 1701.975025
317.9 8 90 1 302.8426 654.7252738 226.7252948 1652.016025
207 4 62 0 230.5034 2185.712103 552.4098116 4935.765025
227.9 2 80 1 233.485 1915.8129 31.192225 2435.916025
327.9 8 72 0 281.8718 21.31484224 2118.595195 2564.916025
∑Y= ∑(𝒚̂𝒊−𝒚̅)𝟐= ∑(𝒚𝒊−𝒚̂𝒊)𝟐= ∑(𝒚𝒊−𝒚̅)𝟐=
5545.1 90301.57572 9122.676482 99439.3895

k=3
n=20

Tabla ANOVA
Fuente de Grados de Suma de Cuadrados
F
variabilidad libertad cuadrados medios
Regresión 3 90301.57572 30100.5252 52.79244581
Error 16 9122.676482 570.16728
Total 19 99439.3895

𝐻0 = Que los años de experiencia , que la calificación dada por el director y si tiene o no maestría, no influyen en el sueldo del profesor.
𝐻1 = Que los años de experiencia , que la calificación dada por el director y si tiene o no maestría, si influyen en el sueldo del profesor.

F(α,k,n-k-1)= 5.292

F=52.7924 > F(α,k,n-k-1)=5.292 Rechazar 𝐻0

Por lo tanto, los años de experiencia , la calificación dada por el director y si tiene o no maestría, si influyen en el sueldo del profesor considerando un α=0.01

c) Determine el coeficiente de correlación e interprételo.

Coeficiente de correlación múltiple: 𝒓= √𝟏−(𝑺𝑪𝑬/(S𝒀∗𝒀))

𝑺𝒀∗𝒀=Σ𝒀^2−(Σ𝒀)^2/𝒏

Σ𝒀^2= 1636846.09
Σ𝒀= 5545.1
n= 20
SCE= 9122.676482

𝑺𝒀∗𝒀= 1636846.09-((5545.1)^2/20)
99439.3895

r=√1-9122.676482/99439.3895
r= 0.953

Por lo tanto, existe relación (correlación o dependencia) entre las variables años de experiencia, calificación de efectividad, si tiene o no grado de maestría y el sueldo.
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple0.953026306
Coeficiente de determinación R^2 0.908259141
R^2 ajustado 0.89105773
Error típico 23.87814775
Observaciones 20

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 3 90316.73446 30105.57815 52.8014321 1.6054E-08
Residuos 16 9122.655041 570.1659401
Total 19 99439.3895

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 99.0%Superior 99.0%
Intercepción 99.10696156 19.14774352 5.175908139 9.1945E-05 58.5155586 139.698365 43.1805842 155.033339
Variable X 1 8.994625916 0.876107734 10.26657518 1.9025E-08 7.13736049 10.8518913 6.43570655 11.5535453
Variable X 2 1.539498245 0.314162632 4.900322592 0.0001601 0.87350322 2.20549327 0.6218978 2.45709869
Variable X 3 -6.731196494 12.12991481 -0.55492529 0.58662058 -32.4454672 18.9830742 -42.1600287 28.6976358

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 224.9464075 -13.94640746
2 210.2785157 25.72148433
3 188.8794274 4.020572611
4 319.6650485 10.3349515
5 310.4312185 -24.43121852
6 341.4603875 8.539612512
7 297.0604614 22.93953858
8 238.4710517 29.4289483
9 374.9299387 10.97006131
10 257.9144849 -40.91448486
11 154.2865348 2.613465178
12 211.8180139 -5.818013916
13 428.5700137 -10.67001371
14 369.0174688 -2.01746875
15 304.9971567 -21.09715672
16 263.5191805 -27.51918051
17 302.8876144 15.01238556
18 230.5343564 -23.53435641
19 233.5248765 -5.624876494
20 281.9078425 45.99215748
4.Las tiendas de ropa Jenn ́s están localizadas en el área metropolitana de Monterrey, a Miranda; la dueña, lesagradaría la extensión a otras comunidades del sureste de Monterrey; como
parte de su presentación al banco local, le gustaría entender mejor los factores que hacen que una tienda en particular sea l ucrativa. La propietaria debe hacer todo el trabajo sola, así que
no podrá analizar todos sus establecimientos. Selecciona al azar una muestra de 15 tiendas y registro el promedio de las ventas diarias (Y), la superficie de piso (área), el número de lugares
de estacionamiento, y el ingreso económico medio de familias en esa región para cada establecimiento la intimación de la mues tra se presenta enseguida:
a)¿Determine la venta diaria de un sitio cuya área sea de 420, los lugares de estacionamiento sean 5 y considere un ingreso de 43?
b)Elabore la prueba de hipótesis correspondiente considerando un α=0.005.
c)Calcule el coeficiente de correlación e interprételo.

Ventas diarias Area de la tienda L. Estacionamiento Ingreso

Y X₁ X₂ X₃ X ₁² X₂² X₃² X ₁ * X₂ X ₁*X₃ X₂*X₃ X ₁*Y X₂*Y X₃*Y Y²
1840 532 6 44 283024 36 1936 3192 23408 264 978880 11040 80960 3385600
1746 478 4 51 228484 16 2601 1912 24378 204 834588 6984 89046 3048516
1812 530 7 45 280900 49 2025 3710 23850 315 960360 12684 81540 3283344
1806 508 7 46 258064 49 2116 3556 23368 322 917448 12642 83076 3261636
1792 514 5 44 264196 25 1936 2570 22616 220 921088 8960 78848 3211264
1825 556 6 46 309136 36 2116 3336 25576 276 1014700 10950 83950 3330625
1811 541 4 49 292681 16 2401 2164 26509 196 979751 7244 88739 3279721
1803 513 6 52 263169 36 2704 3078 26676 312 924939 10818 93756 3250809
1830 532 5 46 283024 25 2116 2660 24472 230 973560 9150 84180 3348900
1827 537 5 46 288369 25 2116 2685 24702 230 981099 9135 84042 3337929
1764 499 3 48 249001 9 2304 1497 23952 144 880236 5292 84672 3111696
1825 510 8 47 260100 64 2209 4080 23970 376 930750 14600 85775 3330625
1763 490 4 48 240100 16 2304 1960 23520 192 863870 7052 84624 3108169
1846 516 8 45 266256 64 2025 4128 23220 360 952536 14768 83070 3407716
1815 482 7 43 232324 49 1849 3374 20726 301 874830 12705 78045 3294225
27105 7738 85 700 3998828 515 32758 43902 360943 3942 13988635 154024 1264323 48990775

A)
15 * β₀ + 7738 * β₁ + 85* β₂ + 700 * β₃= 27105

7738 * β₀ + 3998828 * β₁ + 43902 * β₂ + 36943 * β₃ = 13988635

85*β₀ + 43902 * β₁ + 515 * β₂ + 3942 * β₃ = 154024

700*β₀ + 360943 * β₁ + 3942 * β₂ + 32758 * β₃ = 1264323

Ecuacion Para matriz

15β₀ 7738β₁ 85β₂ 700β₃ 27105

7738 β₀ 3998828β₁ 43902β₂ 36943β₃ 13988635
85β₀ 43902β₁ 515β₂ 3942β₃ 154024
700β₀ 360943β₁ 3942β₂ 32758β₃ 1264323

β₀ = 66.5011
β₁ = 2.1065
β₂ = 0.0952
β₃ = 0.0286

Y′ = β0+ β1*X1 + β2*X2 + β3*X3

= 66.5011 + (2.1065*420) + (0.0952*5) + ( 0.0286*43)

= 66.5011 + 884.73 + 0.476 1.2298

Ventas diarias Area de la tienda L. Estacionamiento Ingreso

Y X₁ X₂ X₃ ŷi (̂ŷi - y̅)² (yi - ŷi)² (yi - y̅)²
1840 532 6 44 1188.989 381937.967 423815.713 1089 B0 66.5011
1746 478 4 51 1075.248 535461.721 449908.916 3721 B1 2.1065
1812 530 7 45 1184.900 387009.032 393255.037 25 B2 0.0952
1806 508 7 46 1138.585 446778.479 445442.649 1 B3 0.0286
1792 514 5 44 1150.977 430366.833 410911.128 225
1825 556 6 46 1239.602 321940.604 342690.935 324 Y̅ 1807
1811 541 4 49 1207.900 358921.050 363729.851 16
1803 513 6 52 1149.194 432708.734 427462.286 16
1830 532 5 46 1188.951 381984.937 410944.205 529 k 3
1827 537 5 46 1199.483 369076.662 393777.334 400 n 15
1764 499 3 48 1119.303 472927.164 415634.222 1849 n-k-1 11
 1825 510 8 47 1142.922 440999.723 465230.534 324 n-1 10
1763 490 4 48 1100.440 499227.458 438986.151 1936 α 0.005
1846 516 8 45 1155.504 424447.429 476785.140 1521 α/2 0.0025
1815 482 7 43 1083.730 523119.059 534755.374 64
27105 7738 85 700 17325.726 6406906.850 6393329.476 12040

Fuente de V. Grados de l. Suma de cuadrados Cuadraddo M F

Regresion 3 6406906.850 2135635.617 3.674
Error 11 6393329.476 581211.7705
Total 10 12040

F(0.005,3,11) 7.60

H₀ Acepta H₀ Rechaza H₀ Acepta

B) La hipotesis se acepta por lo tanto decimos que si hay

influencia en la venta diaria cuando los ingresos, el lugar de
estacionamiento y el area de la tienda cambian repentinamente a
un nivel de significancia del 0.005

Coeficiente de Correlacion

Sy*y= 685702290 Y² 734681025

r= 0.995

R²= 0.991

C) Por lo tanto el area, ingreso y lugar de estacionamiento

tienen mucha influencia en la venta diaria
(Y) (x1) (x2) (x3) (x4) y2
410 69 125 59 55.66 168100
569 57 131 31.75 63.97 323761
425 77 141 80.5 45.32 180625
344 81 122 75 46.67 118336
324 0 141 49 41.21 104976
505 53 152 49.35 43.83 255025
235 77 141 60.75 41.61 55225
501 75 132 41.25 64.57 251001
400 65 157 50.75 42.41 160000
584 97 166 32.25 57.95 341056
434 76 141 54.5 57.9 188356
4731 727 1549 584.1 561.1 2146461

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.853077558
Coeficiente de determinación R^2 0.727741319
R^2 ajustado 0.546235532
Error típico 71.19403316
Observaciones 11

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 4
Residuos 6
Total 10

Coeficientes
Intercepción -881.1981593
Variable X 1 -0.828691848
Variable X 2 4.896683819
Variable X 3 1.317059924
Variable X 4 11.89160718

H1= que la evaluacion cuantifica a los ma

H0= que la evaluacion cuantifica a los mae
Análisis de los residuales

Observación Pronóstico para Y

1 413.3009717
 2 515.5547495
3 390.3759481
4 302.8340283
5 363.8233273
6 405.3831632
7 320.246152
8 525.1820137
9 404.8800818
10 582.862064
11 506.5575003
 x1 x2 x3 x4 (y)*(x1) (y)*(x2) (Y)*(x3)
4761 15625 3481 3098.0356 28290 51250 24190
3249 17161 1008.0625 4092.1609 32433 74539 18065.75
5929 19881 6480.25 2053.9024 32725 59925 34212.5
6561 14884 5625 2178.0889 27864 41968 25800
0 19881 2401 1698.2641 0 45684 15876
2809 23104 2435.4225 1921.0689 26765 76760 24921.75
5929 19881 3690.5625 1731.3921 18095 33135 14276.25
5625 17424 1701.5625 4169.2849 37575 66132 20666.25
4225 24649 2575.5625 1798.6081 26000 62800 20300
9409 27556 1040.0625 3358.2025 56648 96944 18834
5776 19881 2970.25 3352.41 32984 61194 23653
54273 219927 33408.735 29451.4184 319379 670331 240795.5

A)= ecuacion de regresion multiple

Y= -881.19+(-0.82*x1)+(4.89*x2)+(1.31*x3)+(11.89*x4)

Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
81289.3669 20322.3417 4.009466203 0.06424102
30411.5421 5068.59036
111700.909

Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%
749.147412 -1.17626804 0.284038594 -2714.29584 951.899521 -2714.29584 951.899521
1.41447939 -0.5858635 0.579321939 -4.28979822 2.63241452 -4.28979822 2.63241452
2.94200684 1.66440259 0.147087874 -2.3021476 12.0955152 -2.3021476 12.0955152
3.23347381 0.40732042 0.697906328 -6.59496546 9.22908531 -6.59496546 9.22908531
5.58989446 2.1273402 0.077493561 -1.78637181 25.5695862 -1.78637181 25.5695862

e la evaluacion cuantifica a los maestros son importantes

e la evaluacion cuantifica a los maetrsos no son importantes

B) prueba de hipotesis considerando alfa 0.001

Residuos
-3.30097171 por lo tanto p es mayor a alfa y se dice que la hipotesis se acepta
 53.4452505 y la evaluacion es importante
34.6240519
41.1659717
-39.8233273
99.6168368
-85.246152 C) Determine el coeficienyte de correlacion
-24.1820137
-4.88008179 0.853
1.13793599 por lo tanto se dice que existe relacion entre las variables x1, x2,x3
-72.5575003
 (y)*(x4) x1*x2 x1*x3 x1*x4 x2*x3 x2*x4 x3*x4
22820.6 74390625 16573041 14749747.5 54390625 48406806.3 10784261.9
36398.93 55756089 3275195.06 13295430.8 17299360.6 70225573.2 4125153.95
19261 117874449 38421402.3 12177587.3 128833850 40833633.6 13309801
16054.48 97653924 36905625 14290441.3 83722500 32418675.2 12251750.1
13352.04 0 0 0 47734281 33763188.6 4077532.1
22134.15 64899136 6841101.8 5396282.54 56268001.4 44384375.9 4678614.42
9778.35 117874449 21881345.1 10265423.8 73372073.1 34421806.3 6389810.76
32349.57 98010000 9571289.06 23452227.6 29648025 72645620.1 7094298.84
16964 104142025 10881751.6 7599119.22 63485040.1 44333891.1 4632427.57
33842.8 259274404 9785948.06 31597327.3 28659962.3 92538628.1 3492740.49
25128.6 114832656 17156164 19363520.2 59051540.3 66649263.2 9957495.8
248084.52 1104707757 171292863 152187107 642465259 580621461 80793886.9

perior 95.0%

hipotesis se acepta