Professional Documents
Culture Documents
Variable aleatoria
Se llama variable aleatoria a toda función que asocia a cada elemento del espacio
muestral E un número real.
Se utilizan letras mayúsculas X, Y, ... para designar variables aleatorias, y las respectivas
minúsculas (x, y, ...) para designar valores concretos de las mismas.
Una variable discreta es aquella que solo puede tomar un número finito de valores entre dos
valores cualesquiera de una caraterística.
Ejemplos:
Una variable continua es aquella que puede tomar un número infinito de valores entre dos
valores cualesquiera de una caraterística.
Ejemplos:
La altura de los alumnos de una clase, las horas de duración de una pila.
Función de probabilidad
0 ≤ pi ≤ 1
p1 + p2 + p3 + · · · + pn = Σ pi = 1
Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.
x pi
Representación
Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de menor a mayor.
Llamaremos función de distribución de la variable X, y escribiremos F(x) a la función:
F(x) = p(X ≤ x)
Ejemplo:
x pi
x <1 0
1≤ x < 2
2≤ x < 3
3≤ x < 4
4≤ x < 5
5≤ x < 6
6≤ x 1
Representación
Varianza
Desviación típica
Ejemplo
x pi x·pi x 2 · pi
6 1 6
Ejercicios de distribuciones discretas
x p i x · p i x 2· pi
2 1 /3 6 2 /3 6 4 /3 6
3 2 /3 6 6 /3 6 1 8 /3 6
4 3 /3 6 1 2 /3 6 4 8 /3 6
5 4 /3 6 2 0 /3 6 1 0 0 /3 6
6 5 /3 6 3 0 /3 6 1 8 0 /3 6
7 6 /3 6 4 2 /3 6 2 9 4 /3 6
8 5 /3 6 4 0 /3 6 3 2 0 /3 6
9 4 /3 6 3 6 /3 6 3 2 4 /3 6
10 3 /3 6 3 0 /3 6 3 0 0 /3 6
11 2 /3 6 2 2 /3 6 2 4 2 /3 6
12 1 /3 6 1 2 /3 6 1 4 4 /3 6
7 54.83
2 U n ju gado r lan za u n dado c o rri e nte . S i s ale 1 o núm e ro prim o , gana tanto s
c ie n to s de e u ro s c om o marc a e l dado , pe ro si no s al e núme ro prim o , pi e rde
tan to s c i e n to s de eu ro s co mo marc a el dado . De te rmi nar l a func ió n de
pro babi l i dad y l a es pe ran za m ate m áti c a de l jue go
x p i x · p i
+1 0 0 1 0 0 /6
+ 200 2 0 0 /6
+ 300 3 0 0 /6
- 400 -4 0 0 /6
+ 500 5 0 0 /6
-6 0 0 - 6 0 0 /6
1 0 0 /6
µ =1 6 . 6 6 7
3 S i u n a pe rs o n a co m pra u n a papel e ta e n una ri f a, e n l a que pue de ganar de
5. 000 € ó u n s e gu n do pre mi o de 2000 € co n pro babil i dade s de : 0. 001 y 0. 003.
¿C u ál se rí a el pre ci o ju s to a pagar po r l a pape l e ta?
x pi
0 0,1
1 0,2
2 0,1
3 0,4
4 0,1
5 0,1
1 C al c ul ar la f un c i ó n de di s tri bu c i ó n.
2 C al c ul ar las si gu i e n te s pro babi l i dade s :
p ( X < 4. 5)
p ( X ≥ 3)
p ( 3 ≤ X < 4. 5)
E je rc i ci o s de di s tri bu c io n e s di s c re tas I I
1 C al c u l ar l a f u n c ió n de di s tri bu c ió n.
E = {( c, c ) ; ( c, x) ; ( x, c ) ; ( x, x) }
p( + 1) = 2/ 4
p( + 2) = 1/ 4
p( − 5) = 1/ 4
x p i
5
6
x p i
x <1 0
1≤ x < 2
2≤ x < 3
3≤ x < 4
4≤ x < 5
5≤ x < 6
6≤ x 1
3 La esperanza matemática, la varianza y la desviación típica
x p i x· p i x 2
·p i
6 1 6
2 C al c u l ar l as s i gu ie n te s pro babil i dade s :
p ( X < 4. 5)
p ( X < 4. 5) = F ( 4. 5) = 0. 9
p ( X ≥ 3)
p ( X ≥ 3) = 1 - p( X < 3) = 1 - 0. 4 = 0. 6
p ( 3 ≤ X < 4. 5)
2 Dada l a f u n c ió n :
0 0. 1 0 0
1 0. 1 5 0.15 0. 1 5
2 0. 4 5 0.9 1. 8
3 0. 1 0.3 0. 9
4 0. 2 0.8 3. 2
2. 1 5 6. 0 5
μ =2 . 1 5
2 La vari an za
σ ² = 6. 05 - 2. 15² = 1. 4275
3 La de s vi ac ió n tí pi c a
σ = 1.19
x pi
0 0,1
1 0,2
2 0,1
3 0,4
4 0,1
5 0,1
p ( X < 4. 5)
p ( X ≥ 3)
p ( 3 ≤ X < 4. 5)
p ( X < 4. 5)
p ( X < 4. 5) = F ( 4. 5) = 0. 9
p ( X ≥ 3)
p ( X ≥ 3) = 1 - p( X < 3) = 1 - 0. 4 = 0. 6
p ( 3 ≤ X < 4. 5)
0 0. 1 0 0
1 0. 1 5 0.15 0. 1 5
2 0. 4 5 0.9 1. 8
3 0. 1 0.3 0. 9
4 0. 2 0.8 3. 2
2. 1 5 6. 0 5
μ =2 . 1 5
σ² = 6. 0 5 - 2 . 1 5² = 1. 4 2 7 5
σ = 1.19
E = {( c, c ) ; ( c, x) ; ( x, c ) ; ( x, x) }
p( + 1) = 2/ 4
p( + 2) = 1/ 4
p( − 5) = 1/ 4
x p i x · p i x 2· pi
2 1 /3 6 2 /3 6 4 /3 6
3 2 /3 6 6 /3 6 1 8 /3 6
4 3 /3 6 1 2 /3 6 4 8 /3 6
5 4 /3 6 2 0 /3 6 1 0 0 /3 6
6 5 /3 6 3 0 /3 6 1 8 0 /3 6
7 6 /3 6 4 2 /3 6 2 9 4 /3 6
8 5 /3 6 4 0 /3 6 3 2 0 /3 6
9 4 /3 6 3 6 /3 6 3 2 4 /3 6
10 3 /3 6 3 0 /3 6 3 0 0 /3 6
11 2 /3 6 2 2 /3 6 2 4 2 /3 6
12 1 /3 6 1 2 /3 6 1 4 4 /3 6
7 54.83
6 U n ju gado r lan za u n dado c o rri e nte . S i s ale 1 o núm e ro prim o , gana tanto s
c ie n to s de e u ro s c om o marc a e l dado , pe ro si no s al e núme ro prim o , pi e rde
tan to s c ie n to s de e u ros co mo m arc a el dado . De te rmi nar l a func ió n de
pro babi l i dad y l a es pe ran za m ate m áti c a de l jue go
x p i x · p i
+1 0 0 1 0 0 /6
+ 200 2 0 0 /6
+ 300 3 0 0 /6
- 400 -4 0 0 /6
+ 500 5 0 0 /6
-6 0 0 - 6 0 0 /6
1 0 0 /6
µ =1 6 . 6 6 7
1. En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito) y su
contrario .
2. La probabilidad del suceso A es constante, es decir, que no varía de una prueba a otra. Se
representa por p.
p es la probabilidad de éxito.
La variable binomial es una variable aleatoria discreta, sólo puede tomar los valores 0, 1,
2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo:
k es el número de éxitos.
p es la probabilidad de éxito.
q es la probabilidad de fracaso.
El número combinatorio
Ejemplos
La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los
lectores ya la han leido. Un grupo de 4 amigos son aficionados a la lectura:
n=4
p = 0.8
q = 0.2
B(4, 0.8)
2 ¿Y cómo máximo 2?
Media
Varianza
Desviación típica
Ejemplo
La probabilidad de que un artículo producido por una fabrica sea defectuoso es 0.02. Se envió
un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado de artículos
defectuosos, la varianza y la desviación típica.
Eje r c i ci o s d e di st r i b uc i ó n bi no mi al
B ( 4, 0. 5) p = 0. 5q = 0. 5
2 U n age n te de se gu ro s ve n de pól i zas a ci nc o pe rs o nas de l a m is m a edad y que
dis f ru tan de bu en a s al u d. S egú n l as tabl as ac tual e s , l a pro babil i dad de que una
pe rs o n a e n e s tas co n di c io n e s vi va 30 año s o más es 2/ 3. H ál l es e la pro babi li dad de
que , tran s c u rri do s 30 añ o s , vi van :
1 Las ci n c o pe rs o n as
B ( 5, 2/ 3) p = 2/ 3 q = 1/ 3
2 Al me no s tre s pe rso n as
3 E xac tam e n te do s pe rs o n as
B ( 10, 1/ 5) p = 1/ 5q = 4/ 5
4 La pro babil i dad de qu e u n ho m bre aci e rte e n e l bl anco e s 1/ 4. S i di s para 10
ve ce s ¿c u ál e s l a pro babil i dad de que ac i e rte e xac tame nte e n tre s o c asi o nes ? ¿C uál
es l a pro babi l i dad de qu e ac ie rte po r l o m eno s e n una o c asi ó n?
B ( 10, 1/ 4) p = 1/ 4q = 3/ 4
B ( 10, 1/ 3) p = 1/ 3q = 2/ 3
Eje r c i ci o s d e l a d i st r i b uc ió n b i no mi al
1 De te rmi n ar l a pro babi li dad de que e xac tame nte tre s co nduc to re s hayan co me ti do
al gun a de las dos i nf rac c i o ne s
2 De te rmi n e la pro babi li dad de que al m eno s uno de lo s co nduc to re s co ntro l ado s
h aya co me ti do al gu n a de las do s i nf rac c i o nes
1 Ni n gú n pac i e n te te n ga e fe c to s se c undari o s
B ( 100, 0. 03) p = 0. 03 q = 0. 97
2 Al me no s do s te n gan ef e c to s s e c undari o s
B ( 4, 0. 2) p = 0. 8 q = 0. 2
2 ¿Y có mo m áxim o 2?
1 Las ci n c o pe rs o n as
B ( 5, 2/ 3) p = 2/ 3 q = 1/ 3
2 Al me no s tre s pe rso n as
3 E xac tam e n te do s pe rs o n as
B ( 4, 0. 5) p = 0. 5q = 0. 5
B ( 10, 1/ 5) p = 1/ 5q = 4/ 5
B ( 10, 1/ 4) p = 1/ 4q = 3/ 4
6 E n u n as pru e bas de al co h ol em i a s e ha o bse rvado que el 5% de l os c o nduc to re s
co n tro l ado s dan po s i ti vo en la prue ba y que el 10% de lo s c onduc to re s co ntro l ado s
no l le van pue s to el c in tu ró n de se guri dad. Tam bi é n s e ha o bs e rvado que l as do s
in f rac c i o ne s so n in de pe n di e n te s . U n guardi a de tráf i c o para ci nc o co nduc to re s al
azar. Si te ne m os en c u e n ta qu e e l núme ro de c o nduc to re s es suf i ci e ntem e nte
im po rtan te c om o para es ti m ar qu e l a pro po rc ió n de i nf rac to re s no varí a al hac e r l a
se l ec c i ó n
1 De te rmi n ar l a pro babi li dad de que e xac tame nte tre s co nduc to re s hayan co me ti do
al gun a de las dos i nf rac c i o ne s .
2 De te rmi n e la pro babi li dad de que al m eno s uno de lo s co nduc to re s co ntro l ado s
h aya co me ti do al gu n a de las do s i nf rac c i o nes .
7 La pro babi li dad de que u n artí c ul o pro duc i do po r una f abri c a s e a def e c tuo so es p
= 0. 02. S e en vi ó u n c argam e n to de 10. 000 artí c ul o s a uno s al m ace ne s. H al l ar e l
n úm e ro e s pe rado de artí c u lo s def e c tuo so s , la vari anza y l a des vi ac i ó n tí pi c a
8 E n u n a u rn a h ay 30 bol as , 10 ro jas y e l re s to bl anc as. S e el i ge una bo l a al azar y
se an o ta si e s ro ja; el pro ce s o s e re pi te , de vo l vi endo l a bo l a, 10 ve c es . C al c ul ar l a
me di a y l a de s vi ac ió n tí pi c a
B ( 10, 1/ 3) p = 1/ 3q = 2/ 3
1 Ni n gú n pac i e n te te n ga e fe c to s se c undari o s.
B ( 100, 0. 03) p = 0. 03 q = 0. 97
2 Al me no s do s te n gan ef e c to s s e c undari o s .
Una variable aleatoria continua, X, sigue una distribución normal de media μ y desviación
típica σ, y se designa por N(μ, σ), si se cumplen las siguientes condiciones:
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y
otra igual a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva.
N(0, 1)
La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el
valor cero, μ = 0, y por desviación típica la unidad, σ =1.
Su gráfica es:
Tipificación de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribución N(μ, σ) en otra variable Z que siga una distribución N(0, 1).
Empleo de la tabla de la distribución normal
Φ ( k) = P (z ≤ k)
P(Z ≤ a)
P( Z ≤ 1. 47) = 0. 9292
p = K
p = 0. 75Z ≤ 0. 68
( X - μ) / σ = 0. 68X = μ + 0. 68 σ
Teorema de Moivre
S i:
n · p ≥ 5 y n · q ≥ 5.
La di st r i b uc i ó n bi no mi al B( n, p) se pue de apro xim ar me di ante una di str i buci ó n
no r ma l :
Eje mp l o :
te lé fo n o .
E n tre 60 kg y 75 kg
2 M ás de 90 kg
3 Me n o s de 64 kg
4 64 kg
5 64 kg o m en o s
p cl as s = "b">
B aja c ul tu ra h as ta 49 pu n to s .
E xc e le n te c ul tu ra a parti r de 84 punto s .
7 Vari o s te s t de i n tel i ge n ci a die ro n una puntuac i ó n que s i gue una l e y no rm al c o n
me di a 100 y de s vi ac ió n tí pi c a 15
1 De te rmi n ar e l po rc e n taje de po bl ac i ó n que obte ndrí a un co ef i c ie nte entre 95 y
110
Distribuciones bidimensionales
Relación funcional
Ejemplos
Si se deja caer una piedra, existe una fórmula que nos permite calcular exactamente, la altura a
la que se encuentra en función del tiempo transcurrido.
h = ½ g t².
Relación estadística
Ejemplo:
Una variable bidimensional es una variable en la que cada individuo está definido por un par
de caracteres, (X, Y).
Estos dos caracteres son a su vez variables estadísticas en las que sí existe relación entre
ellas, una de las dos variables es la variable independiente y la otra variable dependiente.
Distribuciones bidimensionales
Son aquellas en las que a cada individuo le corresponden los valores de dos variables, las
representamos por el par (xi, yi).
Si representamos cada par de valores como las coordenadas de un punto, el conjunto de todos
ellos se llama nube de puntos o diagrama de dispersión.
Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible,
llamada recta de regresión.
Ejemplo:
Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas Física
2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10
Covarianza
La covarianza de una variable bidimensional es la media aritmética de los productos de las
desviaciones de cada una de las variables respecto a sus medias respectivas.
Ejemplos
Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas Física
2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10
xi yi xi · yi
2 1 2
3 3 9
4 2 8
4 4 16
5 4 20
6 4 24
6 6 36
7 4 28
7 6 42
8 7 56
10 9 90
10 10 100
72 60 431
Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
En primer lugar convertimos la tabla de doble entrada en tabla simple y calculamos las medias
aritméticas.
xi yi fi xi · fi yi · fi xi · yi · fi
0 1 2 0 2 0
0 2 1 0 2 0
0 3 2 0 6 0
2 1 1 2 1 2
2 2 4 8 8 16
2 3 5 10 15 30
4 1 3 12 3 12
4 2 2 8 4 16
20 40 41 76
Correlación
La correlación trata de establecer la relación o dependencia que existe entre las dos variables
que intervienen en una distribución bidimensional.
Es decir, determinar si los cambios en una de las variables influyen en los cambios de la otra.
En caso de que suceda, diremos que las variables están correlacionadas o que
hay correlación entre ellas.
Tipos de correlación
1º Correlación directa
2º Correlación inversa
La correlación nula se da cuando no hay dependencia de ningún tipo entre las variables.
En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma
redondeada.
Grado de correlación
El grado de correlación indica la proximidad que hay entre los puntos de la nube de puntos.
Se pueden dar tres tipos:
1. Correlación fuerte
La correlación será fuerte cuanto más cerca estén los puntos de la recta.
2. Correlación débil
La correlación será débil cuanto más separados estén los puntos de la recta.
3. Correlación nula
−1 ≤ r ≤ 1
7. Si r = 1 ó −1, los puntos de la nube están sobre la recta creciente o decreciente. Entre ambas
variables hay dependencia funcional.
Ejemplos
Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas Física
2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10
2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
2º Calculamos la covarianza.
3º Calculamos las desviaciones típicas.
Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
xi yi fi xi · fi xi2 · fi yi · fi yi2 · fi xi · yi · fi
0 1 2 0 0 2 2 0
0 2 1 0 0 2 4 0
0 3 2 0 0 6 18 0
2 1 1 2 4 1 1 2
2 2 4 8 16 8 16 16
2 3 5 10 20 15 45 30
4 1 3 12 48 3 3 12
4 2 2 8 32 4 8 16
20 40 120 41 97 76
Recta de regresión
La recta de regresión es la que mejor se ajusta a la nube de puntos.
La recta de regresión de Y sobre X se utiliza para estimar los valores de la Y a partir de los de
la X.
La recta de regresión de X sobre Y se utiliza para estimar los valores de la X a partir de los de
la Y.
Si la correlación es nula, r = 0, las rectas de regresión son perpendiculares entre sí, y sus
ecuaciones son:
y=
x=
Ejemplos
Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas Física
2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
y 44 ki l os .
1 H al l ar l a e c u ac ió n de l a re c ta de re gre s ió n de l a edad s o bre e l pe so .
xi yi xi2 yi2 xi · yi
2 14 4 196 28
3 20 9 400 60
5 32 25 1 024 160
7 42 49 1 764 294
8 44 64 1 936 352
8 15
7 19
6 25
4 23
2 34
1 40
1 C al c u l ar e l co e fi c ie nt e d e c o r re l aci ó n l i ne al .
2 Si el ce n tro c om e rc i al s e s i tú a a 2 km , ¿c uánto s c l ie nte s pue de es pe rar?
3 Si de s e a rec i bi r a 5 cl ie n te s , ¿a qué di s tanc i a de l núc le o de po bl ac i ó n de be
si tu ars e ?
xi yi x i ·y i xi2 yi2
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
28 156 603 170 4 496
Co r re l ac i ó n ne g at i va muy fue r te .
Matemáticas Química
6 6.5
4 4.5
8 7
5 5
3.5 4
xi yi x i ·y i xi2 yi2
6 6. 5 36 42. 25 39
4 4. 5 16 20. 25 18
8 7 64 49 56
5 5 25 25 25
3. 5 4 1 2. 2 5 16 14
2 6. 5 27 1 5 3. 2 5 152. 5 152
4 U n co n ju n to de dato s bi di me ns i onal e s ( X , Y) ti e ne co e fi cie nte de
c o rr e l ac ió n r = − 0. 9, s ie n do l as me di as de las di s tri buc io ne s m argi nale s =
1, = 2. Se s abe que u n a de l as c uatro e c uac io ne s s i gui e nte s co rre s po nde a
l a re c t a d e r e g re si ó n de Y s o bre X :
y = -x + 2 3x - y = 1 2x + y = 4 y = x + 1
U n pu n to de la re c ta h a de s e r ( , ) , es de c i r, ( 1, 2) .
2 ≠ - 1 + 2
2 . 1 + 2 = 4
La re c ta pe di da es : 2x + y = 4 .
186 85
189 85
190 86
192 90
193 87
193 91
198 93
201 103
203 100
205 101
C al c ul ar:
1 La r e c t a de re g r e si ó n de Y so bre X.
2 El co e fi c ie nt e d e c o r re l ac i ó n .
3 El pe so es ti m ado de u n ju gado r que m i de 208 c m.
xi yi xi2 yi2 x i ·y i
80 300
79 302
83 315
84 330
78 300
60 250
82 300
85 340
79 315
84 330
80 310
62 240
S e pi de :
1 C al c u l ar e l co e fi c ie nt e d e c o r re l aci ó n .
2 De te rmi n ar l a ec u ac i ón de l a re cta de r e gre si ó n de Y s o bre X .
3 Si una persona duerme ocho horas y media, ¿cuánto cabe esperar que vea la televisión?
xi yi fi xi · fi xi2 · fi yi · fi yi2 · fi xi · yi · fi
6 4 3 18 108 12 48 72
9 2 10 90 810 20 40 180
10 1 1 10 100 1 1 10
8 La tabla siguiente nos da las notas del test de aptitud (X) dadas a seis dependientes a prueba y
X 25 42 33 54 29 36
Y 42 72 50 90 45 48
1 Una compañía desea hacer predicciones del valor anual de sus ventas totales en cierto país a partir
de la relación de éstas y la renta nacional. Para investigar la relación cuenta con los siguientes datos:
X Y
189 402
190 404
208 412
227 425
239 429
252 436
257 440
274 447
293 458
308 469
316 469
i n cl u s i ve ). C al cu l ar:
1 La r e c t a de re g r e si ó n de Y so bre X.
2 El co e fi c ie nt e d e c o r re l ac i ó n l i ne al e inte rpre tarl o .
3 Si en 2001 l a re n ta n ac io n al de l paí s f ue de 325 mi ll o ne s de e uros . ¿C uál s e rá l a
pre di cc i ó n para las ve n tas de l a co m pañí a e n e s te año ?
11 2
14 3
16 5
15 6
16 5
18 3
20 7
21 10
14 6
20 10
19 5
11 6
C al c ul ar:
11 2 121 4 22
14 3 196 9 42
16 5 256 25 80
15 6 225 36 90
16 5 256 25 80
18 3 324 9 54
20 7 400 49 140
14 6 196 36 84
19 5 361 25 95
11 6 121 36 66
20 6.5
16 6
34 8.5
23 7
27 9
32 9.5
18 7.5
22 8
S e pi de :
1 Re c ta de re gre s i ó n de Y so bre X.
2 Calificación estimada para una persona que hubiese estudiado 28 horas.
xi yi x i ·y i xi2 yi2
16 6 256 36 96
18 7. 5 324 56.25 1 35
20 6. 5 400 42.25 1 30
22 8 484 64 1 76
23 7 529 49 1 61
27 9 729 81 2 43
32 9. 5 1 024 90.25 3 04
34 8. 5 1156 72.25 2 89
6 9
6 6
6.7 7
7 8
7.4 7
7.9 4
8 2
8.2 3
8.5 3
8.9 1
6 9 36 81 54
6. 4 6 40.96 36 3 8. 4
6. 7 7 44.89 49 4 6. 9
7 8 49 64 56
7. 4 7 54.76 49 5 1. 8
7. 9 4 62.41 16 3 1. 6
8 2 64 4 16
8. 2 3 67.24 9 2 4. 6
8. 5 2 72.25 4 17
8. 9 1 79.21 1 8. 9
75 49 570.72 313 3 4 5. 2
Y/X 100 50 25
14 1 1 0
18 2 3 0
22 0 1 2
S e pi de :
1 C al c u l ar l a c o var i anz a .
2 O bte ne r e in te rpre tar e l c oe f i ci e nte de co r r el aci ó n li ne al .
3 E c u aci ó n de la re c t a d e r e g re si ó n de Y s o bre X .
xi yi fi xi · fi xi2 · fi yi · fi yi2 · fi xi · yi · fi
6 Las puntuaciones obtenidas por un grupo de alumnos en una batería de test que mide la
22>(25-35) 6 4 0 0
22>(35-45) 3 6 1 0
22>(45-55) 0 2 5 3
22>(55-65) 0 1 2 7
S e pi de :
xi yi fi xi · fi xi2 · fi yi · fi yi2 · fi xi · yi · fi
= 0
r = 0
pl an o ?
= k1 , = k2 k1, k2 .
permisos de conducir y el número de infracciones cometidas en el último año por cada uno de
ellos son los siguientes:
Años (X) 3 4 5 6
Infracciones (Y) 4 3 2 1
C al c ul ar el c o e fi c i e nt e d e c or r e l aci ó n li ne al e interpretarlo.
xi yi x i ·y i xi2 yi2
3 4 12 9 16
4 3 12 16 9
5 2 10 25 4
6 1 6 36 1
18 10 40 86 30
La co r r el ac i ó n e s pe r fe c t a e i nve r sa .
9 Una persona rellena semanalmente una quiniela y un boleto de lotería primitiva anotando el
número de aciertos que tiene. Durante las cuatro semanas del mes de febrero, los aciertos
fueron:
Quiniela (X) 6 8 6 8
Primitiva (Y) 1 2 2 1
6 1 6 36 1
8 2 16 64 4
6 2 12 36 4
8 1 8 64 1
28 6 42 200 10
No e xi s te co r r el ac i ó n en tre am bas vari abl e s, po r tanto l as e s tim ac i o ne s he c has
c o n l as re c t as d e re g r e si ó n no o fre ce ni nguna co nfi anz a .