ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS

AÑO: 2018 PERÍODO: PRIMERO TÉRMINO PUNTAJE

Jennifer Marcillo, Mario Solorzano, TEMA 1
ESTADÍSTICA
MATERIA: PROFESORES: Kenny Escobar, Carlos Ronquillo,
INFERENCIAL
Francisco Moreira, Eva María Mera. TEMA 2

EVALUACIÓN: SEGUNDA FECHA: 30 de agosto de 2018 TEMA 3

TEMA 4

COMPROMISO DE HONOR
Yo, ………………………………………………………………………………………………………………..…………… al firmar este
compromiso, reconozco que el presente examen está diseñado para ser resuelto de manera individual, que puedo usar una calculadora
ordinaria para cálculos aritméticos, un lápiz o esferográfico; que solo puedo comunicarme con la persona responsable de la recepción del
examen; y, cualquier instrumento de comunicación que hubiere traído, debo apagarlo y depositarlo en la parte anterior del aula, junto con
algún otro material que se encuentre acompañándolo. No debo además, consultar libros, notas, ni apuntes adicionales a las que se
entreguen en esta evaluación. Los temas debo desarrollarlos de manera ordenada.
Firmo al pie del presente compromiso, como constancia de haber leído y aceptar la declaración anterior.
"Como estudiante de ESPOL me comprometo a combatir la mediocridad y actuar con honestidad, por eso no copio ni dejo copiar".

Firma: ______________________ NÚMERO DE MATRÍCULA: __________ PARALELO: ___

TEMA 1 (15 puntos)

Los siguientes porcentajes de mineral de hierro se obtienen al explotar dos yacimientos (A y B) en una
provincia del Austro ecuatoriano, de los cuales se presentan siete observaciones del primero y cinco del
segundo.

XAT= (13,6; 12,5; 9,87; 12,4; 14,2; 15,6; 12,9

)
XBT= (14,8; 11,5; 9,78; 12,4; 15,1
)
a) ¿Qué supuestos se deben hacer para realizar un contraste mediante estadística paramétrica?
b) ¿Se justifica el supuesto de igualdad de varianza para las observaciones provenientes de las dos
muestras antes mencionadas?
c) Una vez realizado el contraste de hipótesis sobre las varianzas, se puede afirmar que el porcentaje de
hierro del yacimiento A es mayor al del yacimiento B.
d) Proponga una prueba no paramétrica correspondiente a la situación planteada en el literal anterior.

Concluya considerando el valor P de las pruebas.

Solución:

a) ¿Qué supuestos se deben hacer para realizar un contraste mediante estadística paramétrica? (2
puntos)
1. Las muestras deberían haber sido tomadas de poblaciones con distribución Normal.

RÚBRICA:

Desarrollo
Nivel Insuficiente En desarrollo Desarrollo Excelente
Criterios No indica ningún supuesto. Indica supuesto
El estudiante conoce los necesario para
supuestos para utilizar pruebas utilizar pruebas
de hipótesis de estadística paramétricas.
paramétrica.
Puntos 0 2

b) ¿Se justifica el supuesto de igualdad de varianza para las observaciones provenientes de las dos
muestras antes mencionadas? (6 puntos)

Yacimiento A B
𝑥̅ 13,01 12,72
s 1,78 2,25
n 7 5
Se plantea el contraste de hipótesis

𝐻0 : 𝜎𝐴2 = 𝜎𝐵2 vs.

𝐻0 : 𝜎𝐴2 ≠ 𝜎𝐵2

𝑛𝑀 − 1 = 4; y, 𝑛𝑚 − 1 = 6

2
𝑠𝑀 2,252
𝐹= 2 = = 1,599
𝑠𝑚 1,782

𝐹0,05 (4, 6) ≅ 4.53

Por lo tanto 𝑉𝑎𝑙𝑜𝑟 𝑝 = 2𝑃(𝐹(4,6) > 𝐹) > 0.1; no existe evidencia estadística para rechazar H0 en favor de H1, es decir
las varianzas no son diferentes.

RÚBRICA:

Desarrollo
Nivel Insuficiente En desarrollo Desarrollo Excelente
Criterios No identifica el Identifica el estadístico Calcula correctamente Determina
El estudiante estadístico de prueba. de prueba, pero no el estadístico de correctamente el valor
identifica establece prueba, pero no P de la prueba y
correctamente la correctamente si la determina el valor P. concluye la misma de
prueba de razón prueba es bilateral. forma correcta.
de varianzas y
concluye usando
el valor P.
Puntos 0 1–2 3–4 5–6
 c) Una vez realizado el contraste de hipótesis sobre las varianzas, se puede afirmar ¿qué en promedio
el porcentaje de hierro del yacimiento A es mayor al del yacimiento B? (6 puntos)

Dado que las varianzas son iguales (y desconocidas), se plantea el contraste de hipótesis:

𝐻0 : 𝜇𝐴 = 𝜇𝐵 vs.

𝐻0 : 𝜇𝐴 > 𝜇𝐵

2
(𝑛𝐴 − 1)𝑠𝐴2 + (𝑛𝐵 − 1)𝑠𝐵2 6(1,782 ) + 4(2,252 )
𝑆𝑝𝑙 = = = 3,92
𝑛𝐴 + 𝑛𝐵 − 2 10

(𝑥̅𝐴 − 𝑥̅𝐵 ) − (𝜇𝐴 − 𝜇𝐵 ) 13,01 − 12,72 0,29

𝑇= = = = 0,254
1 1 1 1 1,98(0,586)
𝑆𝑝𝑙 √ + 1,98√ +
𝑛𝐴 𝑛𝐵 7 5

Dado que 𝑇 < 𝑡0,30(10), el valor P de la prueba es mayor 0,30. Como no existe evidencia estadística para
rechazar la hipótesis nula, se puede afirmar que los porcentajes de hierro son iguales.

RÚBRICA:

Desarrollo
Nivel Insuficiente En desarrollo Desarrollo Excelente
Criterios No identifica el Identifica el estadístico Calcula Determina
El estudiante estadístico de de prueba, pero no correctamente el correctamente el valor P
identifica prueba. establece que la prueba estadístico de prueba, de la prueba y concluye
correctamente la es unilateral. pero no determina el la misma de forma
prueba de valor P. correcta.
diferencia de
medias y
concluye usando
el valor P.
Puntos 0 1–2 3–4 5–6

d) Proponga una prueba no paramétrica correspondiente a la situación planteada. (1 punto)

La prueba adecuada para muestras independientes es “Suma de Rangos de Wilcoxon-Mann-Whitney”.

RÚBRICA:

Desarrollo
Nivel Insuficiente En desarrollo Desarrollo Excelente
Criterios No identifica la prueba no paramétrica correspondiente. Identifica correctamente
El estudiante que la prueba no
identifica paramétrica
correctamente la correspondiente.
prueba no
paramétrica
correspondiente.
Puntos 0 1
TEMA 2 (15 puntos)

Se desea probar la eficacia de dos tipos de vacuna contra la influenza, para esto se seleccionaron
aleatoriamente 21 individuos, a cada uno se le aplicó un solo tipo de vacuna contra la influenza y se les midió
el tiempo (horas) en que entra en reacción el sistema inmunológico quedando registrado los siguientes datos:

TIPO 1 1,00 5,00 2,00 1,00 8,00 3,00 8,00 2,00 5,00 7,00 6,00

TIPO 2 1,00 4,00 8,00 1,00 2,00 1,00 5,00 3,00 2,00 7,00

a) ¿Qué consideraciones se deben tener para realizar un contraste mediante estadística no paramétrica?
b) ¿Se puede determinar que los tipos de vacunas difieren en cuanto a sus efectos con un nivel de
significancia del 0,05? Utilice el test no paramétrico adecuado.
c) Proponga una prueba paramétrica correspondiente a la situación planteada.

Solución:

a) ¿Qué consideraciones se deben tener para realizar un contraste mediante estadística no paramétrica?
1. Las dos poblaciones son continuas e independientes.
2. Se considera que tienen la misma forma y dispersión.

Nivel Inicial En desarrollo Desarrollado Excelente

Criterios No identifica las Identifica la 1era Identifica las 2
consideraciones. consideración. consideraciones.

Puntos 0 2 3

b) ¿Se puede determinar que los tipos de vacunas difieren en cuanto a sus efectos con un nivel de
significancia del 0,05? Utilice el test no paramétrico adecuado.

H0: Mediana Tipo 1 = Mediana Tipo 2

H1: Mediana Tipo 1 ≠ Mediana Tipo 2

H0: Media Tipo 1 = Media Tipo 2

H1: Media Tipo 1 ≠ Media Tipo 2

Datos ordenados

1 1 1 1 1 2 2 2 2 3 3 4 5 5 5 6 7 7 8 8 8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
3 3 3 3 3 7,5 7,5 7,5 7,5 10,5 10,5 12 14 14 14 16 17,5 17,5 20 20 20

TIPO 1
1 5 2 1 8 3 8 2 5 7 6 W2
3 14 7,5 3 20 10,5 20 7,5 14 17,5 16 133
TIPO 2
1 4 8 1 2 1 5 3 2 7 W1
3 12 20 3 7,5 3 14 10,5 7,5 17,5 98

U1 = W1-(n1*(n1+1)/2)
U2 = W2-(n2*(n2+1)/2)
U = min (U1, U2)

𝑛1 = 10, 𝑛2 = 11
U1 = 98 - (10*(10+1)/2) = 43
U2 = 133 - (11*(11+1)/2) = 67
U = min (43, 67)
U = 43

OPCIÓN 1.
𝑈0.05 = 26
𝑈 > 𝑈0.05
Conclusión: No se Rechaza la Hipótesis Nula, con un nivel de significancia del 0,05, los tipos de vacunas NO
difieren en cuanto a sus efectos.

OPCIÓN 2.

𝑛1 ∗ 𝑛2
𝑈−
𝑍𝑐𝑎𝑙𝑐 = 2
√𝑛1 ∗ 𝑛2 ∗ (𝑛1 + 𝑛2 + 1)
12
10 ∗ 11
43 −
𝑍𝑐𝑎𝑙𝑐 = 2
√10 ∗ 11 ∗ (10 + 11 + 1)
12
−12
𝑍𝑐𝑎𝑙𝑐 =
14,200938

𝑍𝑐𝑎𝑙𝑐 = −0.85

Gráfica de distribución
Normal. Media=0. Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1
0,1960 0,1960

0,0
-0,856 0 0,856
X
Conclusión: No se Rechaza la Hipótesis Nula, valor p > 0.1, los tipos de vacunas NO difieren en cuanto a sus
efectos.

Rúbrica:

Nivel Inicial En desarrollo Desarrollado Excelente

Criterios Asume las Plantea las Calcula R1 y Selecciona el
consideracione hipótesis R2 y saca el U valor crítico
s necesarias, correctas y o W asociado a la
Plantea mal las calcula los correspondient prueba o
hipótesis pero rangos de e aproxima a la
ordena los orden dist. normal y
datos calcula el valor
de Z, concluye
correctamente
Puntos 0-2 3-5 6-8 9

a) Proponga una prueba paramétrica correspondiente a la situación planteada.

La adecuada es la prueba T para dos muestras independientes.

Rúbrica:

Nivel Inicial En desarrollo Desarrollado Excelente

Criterios No identifica la prueba Identifica la Identifica más
paramétrica prueba asociada de una prueba
correspondiente asociada,
propone
pruebas para
verificar
igualdad de
varianzas.
Puntos 0 3 +1
TEMA 3 (30 puntos)

Los científicos se cuestionan si la extinción de especies ocurre al azar, a través del registro fósil de las
especies, u ocurren en períodos donde las tasas de extinción son usualmente más altas en comparación con
las tasas “naturales”. Para ello se han recabado datos del registro fósil de invertebrados marinos,
específicamente los datos que se presentan a continuación son el número de extinciones registradas en 76
períodos contiguos de tiempo.

Frecuencia de períodos de tiempo en el registro fósil en el cual un número observado de familias de

invertebrados marinos fueron extintos.
Número de extinciones Frecuencia Número de extinciones Frecuencia Número de extinciones Frecuencia
0 0 8 1 16 2
1 13 9 2 17 0
2 15 10 1 18 0
3 16 11 1 19 0
4 7 12 0 20 1
5 10 13 0 >20 0
6 4 14 1
7 2 15 0 Total 76

a) ¿Qué distribución de probabilidad se puede utilizar para representar la cantidad de extinciones que
ocurren por periodo?
b) Definir el contraste de hipótesis adecuado.
c) Desarrollar la prueba de bondad de ajuste por el método Ji-cuadrado conforme la distribución
propuesta en a). concluir utilizando el valor P.

Solución

a) ¿Qué distribución de probabilidad se puede utilizar para representar la cantidad de extinciones que
ocurren por periodo? (3 puntos)
POISSON

Inicial En desarrollo Desarrollado Excelente

1 punto 3 puntos
Define la distribución N/A Propone una N/A Propone la distribución
adecuada para distribución Poisson
representar “cantidad de diferente que
extinciones” poco representa
la variable de
estudio

b) Definir el contraste de hipótesis adecuado (3 puntos)

𝑯𝟎 : La cantidad de extinciones por período de tiempo sigue una distribución Poisson

𝑯𝟏 : La cantidad de extinciones por período de tiempo NO sigue una distribución Poisson

Inicial En desarrollo Desarrollado Excelente

0-1 1 - 1.5 3 puntos
Establece el Define la 𝑯𝟎 en Define la 𝑯𝟎 y Define la 𝑯𝟎 en Define la 𝑯𝟎 y 𝑯𝟏 en
contraste de concordancia 𝑯𝟏 en concordancia concordancia con la
hipótesis con la concordancia con la distribución propuesta
distribución con la distribución en a) - Distribución
propuesta en a) distribución propuesta en a) Poisson
- pero es una propuesta en a) - Distribución
 distribución - pero es una Poisson pero
diferente a la distribución no propone 𝑯𝟏
Poisson pero no diferente a la
propone 𝑯𝟏 Poisson

c) Desarrollar la prueba de bondad de ajuste por el método Ji-cuadrado conforme la distribución

propuesta en a). concluir utilizando el valor P. (24 puntos)

Calculamos 𝜆

(0 ∗ 0) + (1 ∗ 13) + (2 ∗ 15) + ⋯ + (20 ∗ 1)

𝜆=
76
= 4,21
N. Frecuencia
𝑝𝑖 𝐸𝑖 = 𝑛𝑝𝑖
extinciones observada
0 0 0.015 1.128
1 13 0.062 4.748
2 15 0.132 9.999
3 16 0.185 14.032
4 7 0.194 14.769
5 10 0.164 12.435
6 4 0.115 8.726
7 2 0.069 5.248
8 1 0.036 2.762
9 2 0.017 1.292
10 1 0.007 0.544
11 1 0.003 0.208
12 0 0.001 0.073
13 0 0.000 0.024
14 1 0.000 0.007
15 0 0.000 0.002
16 2 0.000 0.001
17 0 0.000 0.000
18 0 0.000 0.000
19 0 0.000 0.000
20 1 0.000 0.000
>20 0 0.000 0.000
Total 76

Inicial En desarrollo Desarrollado Excelente

0-3 3-5 5-7 7-10
Cálculo de 𝜆 y las Plantea el Realiza el Plantea y calcula Plantea y calcula
probabilidades bajo H0 cálculo para 𝜆 cálculo de la correctamente 𝜆 correctamente 𝜆 y las
pero comete probabilidades pero el cálculo de probabilidades según
errores de utilizando la las probabilidades distribución Poisson
cálculo distribución bajo H0 tiene
adecuada errores
(Poisson) pero
comete errores
de cálculo

Reagrupando las primeras y últimas categorías…

 N. F. (𝑛𝑗 − 𝐸𝑗 )2
F. Esperada
extinciones Observada 𝐸𝑗
0-1 13 5.876 8.63679571
2 15 9.999 2.50092056
3 16 14.032 0.27592364
4 7 14.769 4.08675687
5 10 12.435 0.47699213
6 4 8.726 2.5592626
>7 11 10.160 0.06948219
18.6061337

2
La región crítica está dada por: 𝜒 2 > 𝜒(0.05; 7−1−1)

18.606 > 11.070

Se rechaza la 𝑯𝟎 de que los datos se ajustan a una distribución Poisson.

Inicial En desarrollo Desarrollado Excelente

0-4 4-5 6-9 10
𝜒 2 calculado y 𝜒 2 No agrupa aquellas Agrupa sólo las Agrupa las primeras Agrupa las primeras y
teórico categorías/clases primeras y últimas últimas categorías;
que presentan categorías o las categorías; pero establece
frecuencias de 0, 1 últimas comete errores al correctamente los
y 2. El 𝜒 2 teórico es categorías. El establecer los grados de libertad.
incorrecto por los 𝜒 2 teórico es grados de libertad.
grados de libertad incorrecto por
dado por “k-p-1” los grados de
libertad dado
por “k-p-1”

Tomando en cuenta la tabla de distribución 𝜒 2 se observa que el p-valor es < 0.005

Inicial En desarrollo Desarrollado Excelente

0 1-2 3 4
Conclusión de la prueba de No concluye Sólo concluye Comete errores al Aproxima
bondad de ajuste sobre la prueba utilizando los aproximar el p- correctamente el p-
de bondad de valores de valor en la tabla de valor
ajuste. 𝜒 2 calculado y distribución 𝜒 2 (por
teórico ej: tomar un
número incorrecto
de grados de
libertad)
TEMA 4 (40 puntos)

Los valores que se muestran a continuación son resultado del análisis de variables de respuesta y predictoras
en dos modelos de regresión lineal. Se midieron 107 sacos de harina de pescado, y se registró de cada uno la
Proteína, Grasa y Humedad. Cada saco trae impreso la cantidad de proteína que posee y la humedad se la
puede medir fácilmente.

Detalle de las variables:

Grasa: cantidad de grasa presente en la harina de pescado.
Proteína: cantidad de proteína presente en la harina de pescado.
Humedad: cantidad de humedad presente en la harina de pescado.

MODELO 1:
ANOVA
Fuentes de Coeficientes
SC GL MC F p
variación Desv.
Estimado t p
Regresión 4250.3 ________ ________ ________ ________ Estándar
Residual ______ ________ ________ (Intercepto) 1.299 0.338 ________ ________
Total 4711.9 ________ HUMEDAD 0.994 0.032 ________ ________

MODELO 2:
ANOVA Coeficientes
Fuentes de Desv.
SC GL MC F p Estimado t p
variación Estándar
Regresión ______ ________ 2136.88 ________ ________ (Intercepto) -8.960 4.357 ________ ________
Residual ______ ________ 4.21 PROTEINA 0.158 0.067 ________ ________
Total 4711.9 ________ HUMEDAD 0.986 0.031 ________ ________

a) Plantee los modelos estadísticos (teóricos) a utilizar y sus supuestos.

b) Escriba las expresiones matemáticas utilizadas para estimar la variable de respuesta.
c) Complete las tablas ANOVA y de coeficientes, muestre la expresión correspondiente para cada cálculo
e indique los contrastes de hipótesis asociados.
d) Realizar un intervalo de confianza del 99% para el coeficiente de la variable proteína del MODELO 2.
e) Calcule el coeficiente de determinación y estime la varianza de ambos modelos.
f) ¿En cuántas unidades incrementaría la grasa si hay un incremento de 5 unidades en la humedad en el
MODELO 1?
Solución:

a) Plantee los modelos estadísticos (teóricos) a utilizar y sus supuestos. (5 puntos)

Modelo 1:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝜀𝑖
Donde 𝑦𝑖 es la observación i-ésima de la Grasa, variable de respuesta y 𝑋𝑖 es la variable predictora Humedad, 𝜀𝑖
es un componente del error aleatorio.

Modelo 2:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖1 + 𝛽2 𝑋𝑖2 + 𝜀𝑖
Donde 𝑦𝑖 es la observación i-ésima de la Grasa, variable de respuesta y 𝑋𝑖1 es la variable predictora Proteina y 𝑋𝑖2
es la variable predictora Humedad, 𝜀𝑖 es un componente del error aleatorio.

Supuestos:
- Linealidad*
- Homocedasticidad (Var(𝜀𝑖 )= 𝜎 2 )
- Homogeneidad (E(𝜀𝑖 ) = 0; i = 1, 2, …, n)*
- Independencia (Cov(𝜀𝑖 , 𝜀𝑗 ) = 0 ∀𝑖, 𝑗; 𝑖 ≠ 𝑗)
- Normalidad (𝜀𝑖 ~𝑁(0, 𝜎 2 ))

*Podemos obviar homogeneidad si colocamos linealidad

Rubrica:
Nivel Inicial En desarrollo Desarrollado Excelente
Criterios No logra identificar Plantea los modelo pero Plantea correctamente Plantea correctamente los
los modelos no detalla las variables los dos modelo y los modelos y los describe
adecuados. de respuesta y describe o coloca además coloca todos los
predictora (dependiente todos los supuestos. supuestos.
ni independiente) o
coloca al menos dos
supuestos.
Puntos 0 1–2 3–4 5

b) Escriba las expresiones matemáticas utilizadas para estimar la variable de respuesta. (2 puntos)
𝑌̂𝑖 = 𝑏0 + 𝑏1 𝑋𝑖
𝑌̂𝑖 = 𝑏0 + 𝑏1 𝑋𝑖1 + 𝑏2 𝑋𝑖2

Rubrica:
Nivel Inicial En desarrollo Desarrollado Excelente
Criterios No logra identificar Escribe una de las Escribe las dos
las expresiones ecuaciones ecuaciones
adecuadas, incluye
el componente
aleatorio.
Puntos 0 1 2

c) Complete las tablas ANOVA y de coeficientes, muestre la expresión correspondiente para cada cálculo
e indique los contrastes de hipótesis asociados. (20 puntos)
MODELO 1:
ANOVA

Model Sum of Squares df Mean Square F p

1 Regression 4250.3 1 4250.276 966.8 < .001

Residual 461.6 105 4.396

Total 4711.9 106

Coefficients

Standard
Model Unstandardized t p
Error

1 (Intercept) 1.299 0.338 3.846 < .05

HUMEDAD 0.994 0.032 31.093 < .05

MODELO 2:
ANOVA

Model Sum of Squares df Mean Square F p

1 Regression 4273.8 2 2136.882 507.2 < .05

Residual 438.1 104 4.213

Total 4711.9 106

Coefficients

Model Unstandardized Standard Error t p

1 (Intercept) -8.960 4.357 -2.056 < .05

PROTEINA 0.158 0.067 2.361 < .05

HUMEDAD 0.986 0.031 31.328 < .05

Sumas cuadráticas:
Regresión ∑107
𝑖=1 (𝑦𝑖 − 𝑦̅)2 (0.5 puntos)
107 2
Error ∑𝑖=1 (𝑦𝑖 − 𝑦̂𝑖 ) (0.5 puntos)
Total ∑107
𝑖=1 (𝑦𝑖 − 𝑦̅)2 (0.5 puntos)

Medias cuadráticas:
SCR/glR
SCE/glE
SCT/glT
F=MCR/MCE
𝐻0 : 𝛽𝑖 = 0 𝑣𝑠 𝐻1 : 𝛽𝑖 ≠ 0 Prueba T
𝐻0 : 𝛽1 = 0 𝑣𝑠 𝐻1 : ¬𝐻0 Prueba F Modelo 1
𝐻0 : 𝛽1 = 𝛽2 = 0 𝑣𝑠 𝐻1 : ¬𝐻0 Prueba F Modelo 2

Rubrica:
Nivel Inicial En desarrollo Desarrollado Excelente
Criterios Escribe hasta dos de Escribe hasta 5 de las Escribe hasta 8 de las Escribe todas las
las expresiones y los expresiones y los expresiones y los expresiones y los
contrastes contrastes asociados, contrastes asociados, contrastes asociados,
asociados, rellena rellena hasta 10 casillas rellena hasta 24 rellena las 25 casillas
hasta 3 casillas correctamente. casillas correctamente.
correctamente. correctamente.
Puntos 0-4 5 – 14 15 – 19 20

d) Realizar un intervalo de confianza del 99% para el coeficiente de la variable proteína del MODELO 2.
(5 puntos)

𝑡0.005,104 ≈ 𝑍0.005 ≅ 2.57 o también es válido para esta resolución utilizar el último valor presente en la
tabla proporcionada 𝑡0.005,104 → 𝑡0.005,30 = 2.75
0.158±0.172 o también es válido 0.158±0.184
IC para 𝛽2 (-0.014, 0.330) o (-0.026, 0.342) con un 99% de confianza

Rubrica:
Nivel Inicial En desarrollo Desarrollado Excelente
Criterios No realiza cálculos Presenta el intervalo sin Realiza el cálculo de Realiza el cálculo
pertinentes realizar cálculo alguno. los límites inferior y correcto de los límites
superior, coloca el inferior y superior, coloca
nivel de confianza en el nivel de confianza en
la presentación del la presentación del
intervalos pero se intervalos.
equivoca al presentar
los grados de libertad
de la distribución T
asociada.
Puntos 0 1 2–4 5

e) Calcule el coeficiente de determinación y estime la varianza de ambos modelos. (3 puntos)

𝑆𝐶𝑅
Modelo 1: 𝑅 2 = = 0.902; 𝑀𝐶𝐸 = 4.39
𝑆𝐶𝑇
𝑆𝐶𝑅
Modelo 2: 𝑅2 = = 0.907; 𝑀𝐶𝐸 = 4.21
𝑆𝐶𝑇
Rubrica:
Nivel Inicial En desarrollo Desarrollado Excelente
Criterios No realiza cálculos Calcula 1 de los valores Calcula 3 de los 4 Calcula todo lo solicitado
pertinentes solicitados de forma valores correctamente.
correcta. correctamente.

Puntos 0 1 2 3
 f) ¿En cuántas unidades incrementaría la grasa si hay un incremento de 5 unidades en la humedad en el
MODELO 1? (5 puntos)

𝑌̂𝑖 = 1.299 + 0.994𝑋𝑖 ; 𝑌̂𝑖 ′ = 1.299 + 0.994(𝑋𝑖 + 5)

𝑌̂𝑖′ − 𝑌̂𝑖 = 0.994(5) = 4.97 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

Rubrica:
Nivel Inicial En desarrollo Desarrollado Excelente
Criterios No realiza cálculos Realiza cálculos Calcula correctamente lo
pertinentes pertinentes pero no solicitado.
logra el resultado
correcto.

Puntos 0 1–4 5
 TABLA
Distribución Normal Estándar
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,10 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,20 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,30 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,40 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,50 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,60 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,70 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,80 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,90 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,00 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,10 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,20 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,30 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,40 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
1,50 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,60 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,70 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,80 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,90 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,00 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,10 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,20 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,30 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,40 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,50 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,60 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,70 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,80 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,90 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,00 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
TABLA
Distribución T – Student

TABLA
Distribución Ji – cuadrado

Valores críticos para la prueba de suma de

rangos de Wilcoxon Mann-Whitney

𝑃𝑟𝑢𝑒𝑏𝑎 𝑑𝑒 𝑢𝑛𝑎 𝑐𝑜𝑙𝑎 𝑐𝑜𝑛 𝛼 = 0.025 𝑜 𝑝𝑟𝑢𝑒𝑏𝑎 𝑑𝑒 𝑑𝑜𝑠 𝑐𝑜𝑙𝑎𝑠 𝑐𝑜𝑛 𝛼

= 0.05 𝒏𝟐

Tabla – Distribución F