Índice

Introducción...................................................................................................................................2
Objetivos.........................................................................................................................................3
5.1 Control de calidad..................................................................................................................4
5.2 Diagramas de dispersión......................................................................................................7
5.3 Regresión lineal simple.........................................................................................................8
5.4 Correlación.............................................................................................................................10
5.5 Determinación y analisis de los coeficientes de correlación y determinación.....13
5.6 Distribución normal bidimensional.................................................................................15
5.7 Intervalos de confianza y pruebas para el coeficiente de correlacion....................16
5.8 Errores de medición.............................................................................................................18
Ejercicios.......................................................................................................................................20
Conclusiones...............................................................................................................................34
Referencias...................................................................................................................................35

1|Página
Introducción:

Dentro del presente trabajo se desarrollaran los temas correspondientes con la

Unidad V de la materia de Probabilidad y Estadística impartida dentro del Instituto
por la Ing. Leticia Fuentes Fonseca. Los temas abordados en el desarrollo de este
trabajo corresponden como ya se dijo a la Unidad V que lleva por nombre
“Regresión y Correlación” dividiéndose a su vez en ocho subtemas, que son los
que se desarrollaron en este trabajo.

Para desarrollar este trabajo se contó con el apoyo de fuentes de información

electrónicas en su totalidad, además de apoyos visuales tales como tablas,
graficas, formulas, etc. Todo lo anterior recuperado de las fuentes electrónicas a
las que se hace referencia al final del documento.

Al finalizar aquí el tiempo del curso el trabajo nos permitirá identificar la manera de
interactuar de los temas anteriores vistos en clase, para una mejor comprensión
del mismo es necesario tener presentes todos los conocimientos adquiridos a lo
largo del curso.

2|Página
Objetivos:

General: Establecer una relación entre los conocimientos previos al realizar este
trabajo y los conocimientos que se generaran en la elaboración del presente
trabajo.

Específicos:

 Desarrollar conocimientos nuevos de acuerdo a los temas abordados.

 Complementar los conocimientos adquiridos a lo largo del curso.
 Implementar los conocimientos de búsqueda y compilación de información
obtenidos a lo largo del curso.
 Implementar el uso de software especializado en la materia, para
desarrollar material de apoyo.

3|Página
5.1 Control de calidad.

Definimos el “Control Estadístico de la Calidad” como la aplicación de diferentes

técnicas estadísticas a procesos industriales (mano de obra, materias primas
medidas, máquinas y medio ambiente), procesos administrativos y/o servicios con
objeto de verificar si todas y cada una de las partes del proceso y servicio cumplen
con unas ciertas exigencias de calidad.

Variación en los procesos.

Existen variaciones en todas las partes producidas en el proceso de manufactura,

existen dos tipos de variación:

 Variación aleatoria se debe al azar y no se puede eliminar por completo.

 Variación asignable: no es aleatoria y se puede reducir o eliminar.

Dentro del control de calidad nos podemos apoyar con diversos diagramas para
una mejor interpretación del proceso el cual se está analizando. Dentro de las
herramientas de apoyo a las cuales podemos acudir se encuentran:

 Hoja de control.
 Histograma.
 Diagrama de Pareto.
 Diagrama de causa y efecto.
 Diagrama de control.

Dentro del control de calidad nos ayudaran demasiado, en especial los diagramas
de control. Una gráfica de control indica cuando su proceso está fuera de control y
le ayuda a identificar la presencia de una variación por causas especiales.

La mayoría de las gráficas de control incluye una línea central, un límite de control
superior y un límite de control inferior. La línea central representa la media del
proceso. Los límites de control representan la variación del proceso.

4|Página
 Límites de control: Los límites de control son las líneas horizontales
ubicadas arriba y debajo de la línea central, que se utilizan para determinar
si un proceso está fuera de control.
 Línea central: La línea central es la línea de referencia horizontal en una
gráfica de control que es el valor promedio de la característica de calidad
graficada. Utilice la línea central para observar cómo actúa el proceso
comparado con el promedio

Para obtener los valores de A2 nos apoyaremos de la tabla que se muestra a

continuación:

5|Página
 Pasos para elaborar una gráfica de control:

1. Determinar cuál es el proceso que se trabajara y cuál es la característica

de calidad que se medirá.
2. Definir el tipo de gráfico de control que se va a utilizar.
3. Determinar el tiempo que se estarán capturando los datos y define con
base al tipo de grafico que se trazara, es recomendable considerar al
menos 20 muestras.
4. Recopilar los datos.
5. Determinar la línea central y el límite de control superior e inferior.
6. Representar los datos en la gráfica.
7. Analizar el resultado.

Ejemplo de una gráfica de control.

Gracias a las formulas y pasos anteriormente presentados se puede obtener una

gráfica de este tipo, las cuales como ya se mencionó nos ayudan a conocer la
manera en la que esta distribuido el proceso y así poder entender la variación de
control que existe en el mismo.

6|Página
5.2 Diagramas de dispersión

Es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para

mostrar los valores de dos variables para un conjunto de datos.

El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos

asociados de datos que aparecen en pares (por ejemplo, (x, y) uno de cada
conjunto). El diagrama muestra estos pares como una nube de puntos.

Características principales:

 Impacto visual
 Un Diagrama de Dispersión muestra la posibilidad de la existencia de
correlación entre dos variables de un vistazo.
 Comunicación
 Simplifica el análisis de situaciones numéricas complejas
 Guía en la investigación
 El análisis de datos mediante esta herramienta proporciona mayor
información que el simple análisis matemático de correlación, sugiriendo
posibilidades y alternativas de estudio, basadas en la necesidad de
conjugar datos y procesos en su utilización.
 Utilidad

Pasos a seguir para elaborar un diagrama de dispersión:

1. Elaborar una teoría admisible y relevante sobre la supuesta relación entre

dos variables.
2. Obtener los pares de datos correspondientes a las dos variables.
3. Determinar los valores máximo y mínimo para cada una de las variables.
4. Decidir sobre qué eje se representará a cada una de las variables.
5. Trazar y rotular los ejes horizontal y vertical.
6. Marcar sobre el diagrama los pares de datos.
7. Rotular el gráfico.

7|Página
Ejemplo de un diagrama de dispersión:

Se muestran las calificaciones de 12 alumnos en las materias de matemáticas y

física.

Matemáticas 2 3 4 4 5 6 6 7 7 8 10 10

Física 1 3 2 4 4 4 6 4 6 7 9 10

5.3 Regresión lineal simple.

Tiene como objeto estudiar cómo los cambios en una variable, no aleatoria,
afectan a una variable aleatoria, en el caso de existir una relación funcional entre
ambas variables que puede ser establecida por una expresión lineal, es decir, su
representación gráfica es una línea recta.

La manera de obtener la regresión lineal es mediante la ecuación del menor

ajuste:

Y=a+bx.

Dónde Y representa los valores de la coordenada a lo largo del eje vertical en el

gráfico (ordenada) en tanto que x indica la magnitud del a coordenada sobre el eje
horizontal (abscisa). El valor de a (que puede ser negativo, positivo o igual a cero)

8|Página
es llamado el intercepto; en tanto que el valor de b (el cual puede ser negativo o
positivo) se denomina la pendiente o coeficiente de regresión.

Error de estimación.

El error estándar de estimación mide la variabilidad o dispersión de los valores

observados alrededor de la línea de regresión y se representa como Se. Su
fórmula es la siguiente:

Cuanto mayor sea el error estándar de la estimación, más grande será la

dispersión (o esparcimiento) de puntos alrededor de la línea de regresión. Por el
contrario, si Se= 0, se espera que la ecuación de estimación sea un estimador
“perfecto”.

Ejemplo de una regresión lineal simple:

Muestra la relación entre la concentración de dicha sustancia comparado con la

lectura de un colorimetro.

9|Página
5.4 Correlación.

El análisis de correlación es la herramienta estadística de que nos valemos para

describir el grado de relación que hay entre dos variables. Los principales
componentes elementales de una línea de ajuste y, por lo tanto, de una
correlación, son la fuerza, el sentido y la forma.

Pudiendo ser de 3 formas

•Positiva (aumento)

•Negativa (descenso)

•Nula (cuando las variables no están correlacionada)

10 | P á g i n a
Otra clasificación de la correlación es el grado que indica que tanta proximidad hay
entre los puntos

• Correlación fuerte: cuando los puntos estén cerca de la recta.

• Débil: cuando los puntos están más separados de las rectas.

Fuerza, sentido y forma de la correlación

 La relación entre dos super variables cuantitativas queda representada

mediante la línea de mejor ajuste, trazada a partir de la nube de puntos. Los
principales componentes elementales de una línea de ajuste y, por lo tanto,
de una correlación, son la fuerza, el sentido y la forma:
 La fuerza extrema según el caso, mide el grado en que la línea representa
a la nube de puntos: si la nube es estrecha y alargada, se representa por
una línea recta, lo que indica que la relación es fuerte; si la nube de puntos
tiene una tendencia elíptica o circular, la relación es débil.
 El sentido mide la variación de los valores de B con respecto a A: si al
crecer los valores de A lo hacen los de B, la relación es positiva; si al crecer
los valores de A disminuyen los de B, la relación es negativa.
 La forma establece el tipo de línea que define el mejor ajuste: la línea recta,
la curva monotónica o la curva no monotónica.

11 | P á g i n a
Interpretación geometrica:

Dados los valores muestrales de dos variables aleatorias e

, que pueden ser consideradas como vectores en un espacio a n

dimensiones, puden construirse los "vectores centrados" como:

e .

El coseno del ángulo alfa entre estos vectores es dada por la fórmula siguiente:

Pues es el coeficiente de correlación muestral de Pearson. El coeficiente

de correlación es el coseno entre ambos vectores centrados:

 Si r = 1, el ángulo °, ambos vectores son colineales (paralelos).

 Si r = 0, el ángulo °, ambos vectores son ortogonales.

 Si r =-1, el ángulo °, ambos vectores son colineales de dirección

opuesto.

Generalmente el angulo  se consigue de la siguiente manera:

12 | P á g i n a
Ejemplo de correlación:

5.5 Determinación y analisis de los coeficientes de correlación y

determinación.

El coeficiente de correlación lineal mide el grado de intensidad de esta posible

relación entre las variables. Este coeficiente se aplica cuando la relación que
puede existir entre las variables es lineal (es decir, si representáramos en un
gráfico los pares de valores de las dos variables la nube de puntos se aproximaría
a una recta).

El coeficiente de determinación denominado r 2 y pronunciado r cuadrado, es un

estadistico usado en el contexto de un modelo estadistico cuyo principal propósito
es predecir futuros resultados o testear una hipótesis determinando la calidad del
modelo para replicar los resultados, y la proporción de variación de los resultados
que puede explicarse por el modelo.

13 | P á g i n a
Coeficiente muestral de correlación.

La raíz cuadrada del coeficiente de determinación muestral, √ r 2, es un índice

alternativo común del grado de asociación entre dos variables cuantitativas. Esta
mediad se llama coeficiente de correlación muestral (r) y es un estimador puntual
del coeficiente de correlación poblacional (ρ).

El calculo del coeficiente de correlación muestral se lleva a cavo con la

siguiente formula:

Los valores que puede tomar el coeficiente de correlación “r” son: −1 < r < 1

 Si “r” > 0, la correlación lineal es positiva (si sube el valor de una variable
sube el de la otra). La correlación es tanto más fuerte cuanto más se
aproxime a 1.
 Si “r” < 0, la correlación lineal es negativa (si sube el valor de una variable
disminuye el de la otra). La correlación negativa es tanto más fuerte cuanto
más se aproxime a −1.
 Si “r” = 0, no existe correlación lineal entre las variables. Aunque podría
existir otro tipo de correlación (parabólica, exponencial, etc.)

Ejemplo de coeficiente de correlación:

14 | P á g i n a
5.6 Distribución normal bidimensional.

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. Una
distribución normal es bidimensional si su función de densidad conjunta definida
en r 2es de la forma.

Donde µX y µY son las medias de X y Y respectivamente y σ X y σ Y sus

desviaciones tipicas y ρ el coeficiente de correlacion de lineal entre las dos
variables.

Variables bidimensionales.

Una variable bidimensional es una variable en la que cada individuo está definido

por un par de caracteres, (X, Y).

15 | P á g i n a
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.

5.7 Intervalos de confianza y pruebas para el coeficiente de correlacion.

Un intervalo de confianza es un rango de valores, derivado de los estadísticos de

la muestra, que posiblemente incluya el valor de un parámetro de población
desconocido. Debido a su naturaleza aleatoria, es poco probable que dos
muestras de una población en particular produzcan intervalos de confianza
idénticos.

Factores de los que depende un intervalo de confianza

El cálculo de un intervalo de confianza depende principalmente de los siguientes

 Tamaño de la muestra seleccionada: Dependiendo de la cantidad de datos

que se hayan utilizado para calcular el valor muestral, este se acercará más
o menos al verdadero parámetro poblacional.
 Nivel de confianza: Nos va a informar en qué porcentaje de casos nuestra
estimación acierta. Los niveles habituales son el 95% y el 99%.
 Margen de error de nuestra estimación: Este se denomina como alfa y nos
informa de la probabilidad que existe de que el valor poblacional esté fuera
de nuestro intervalo.

16 | P á g i n a
  Lo estimado en la muestra (media, varianza, diferencia de medias…): De
esto va a depender el estadístico pivote para el cálculo del intervalo.

Para poder calcular los intervalos de confianza nos vamos a apoyar de la siguiente
formula:

También necesitamos apoyarnos de los intervalos de predicción el cual se utiliza

para predecir un intervalo de valores de Y, dado un valor de X. Este se calcula con
la siguiente formula:

Ejemplo de intervalos de confianza:

17 | P á g i n a
5.8 Errores de medición.

Definimos al error de la medición como la diferencia entre el resultado de una

medición y el valor verdadero de la característica medida o mesurando. Dado que
el valor verdadero no se puede determinar, en la práctica se usa un valor
verdadero convencional o “valor de referencia”.

Tenemos diferentes tipos de errores como por ejemplo:

Errores brutos: Este tipo de error de medición corresponde a un error al usar

alguna herramienta o aparatos para calcular y registrar los resultados de medición.
En la mayoría de los casos es una mala costumbre del operador quien no tiene la
capacidad de recordad correctamente los resultados o datos arrojados por el
medidor. Esta es la única razón por la que existen errores brutos que son
considerados peligrosos a la hora de emprender el resultado final.
18 | P á g i n a
Errores finales: Son originados por un registro defectuoso o por un valor incorrecto
al registrar la medición, en si es la secuencia que viene de un error bruto, por eso
que olvidar un número registrado o leer erróneamente la escala puede alterar los
análisis finales.

Error de medición: El error de medición es el resultado de la diferencia de una

medición de datos verdaderos. Habitualmente, el error de medición radica en un
error arriesgado y un error sistemático.

Errores sistemáticos: Los errores sistemáticos suceden debido a las fallas

ocasionadas por dispositivo de medición. Habitualmente, se nombran como cero
error, un error negativo o positivo. Estos errores logran separarse y se enfoca en
corregir el dispositivo de medición para obtener una lectura precisa y correcta.

Errores instrumentales: Los errores instrumentales suceden debido a una

reconstrucción incorrecta de los dispositivos de medición. Estos errores suelen
ocurrir por histéresis o frote. Estos tipos de errores contienen el resultado de carga
y la mala manipulación de los instrumentos. Para reducir estos errores tan graves
en la medición, se aplicar diversos agentes de corrección y si la condición es
extremas, el dispositivo se debe recalibrar cuidadosamente.

Errores ambientales: Los errores ambientales se deben a ciertas condiciones

externas del dispositivo. Las situaciones externas encierran principalmente la
temperatura, presión, cargas magnéticas, o la humedad. Para reducir este tipo de
error ambiental se debe contralar el medio ambiente donde se encuentra el
dispositivo de medición.

Sin embargo por su naturaleza estadística los errores de medición se pueden

clasificar en dos diferentes categorías: errores sistemáticos y errores aleatorios y
este tipo de errores se presentan a continuación y son en los que nos vamos a
centrar:

 Error sistemático: Es el error que siempre se presenta de igual manera

cada vez que se ejecuta una medición. Cuando la medición se realiza en

19 | P á g i n a
 condiciones idénticas este error siempre tiene el mismo valor. Está
íntimamente relacionado con la exactitud del sistema de medición.
 Exactitud y error sistemático: Se define la exactitud como la cercanía de las
mediciones respecto al valor verdadero o al valor de referencia aceptado.
Se relaciona con el promedio de las mediciones repetidas. Es decir, al
medir la exactitud de un sistema de medición se está evaluando su error
sistemático.
 Error aleatorio: Es el que se presenta durante el proceso de medición
debido a eventos únicos, irrepetibles e imposibles de eliminar durante el
proceso de medición. Lo más que puede hacerse para mantenerlo bajo
control es establecer métodos, procedimientos y condiciones adecuadas
para el proceso de medición con la esperanza de minimizarlo, sin embargo
jamás será eliminado.

Ejercicios:

Ejercicios de diagramas de dispersión:

1. Se han tomado cinco muestras de glucógeno, de una cantidad fija cada
una. Se les ha aplicado una cantidad X de glucogenasa (en milimoles por
litro) anotando en cada caso la velocidad de reacción Y medida en
micromoles por minuto, obteniéndose así la siguiente tabla:

X 1 2 3 0.2 0.5
Y 18 35 60 8 10

Elabore el diagrama de dispersión de acuerdo a los datos presentados:

20 | P á g i n a
2. Se ha medido, en miligramos por litro, el contenido de oxígeno Y del lago
Worther, en Austria, a una profundidad de X metros, obteniéndose los
siguientes datos:

X 15 20 30 40 50 60 70
Y 6.5 5.6 5.4 6.0 4.6 1.4 0.1

Elabore el diagrama de dispersión de acuerdo a los datos presentados:

3. En un hospital se ha aplicado un medicamento A a 100 enfermos, y en otro

hospital se ha aplicado un segundo medicamento B a otros 100 enfermos.
El número diario de curados durante los 10 primeros días es el siguiente:

A 8 7 6 5 4 3 3 2 1 1
B 4 4 6 7 2 5 1 2 2 2

21 | P á g i n a
 Elabore el diagrama de dispersión de acuerdo a los datos presentados:

4. Una empresa quiere analizar si existe relación entre el número de

productos vendidos respecto a las reclamaciones por parte de los clientes.
En este caso, hemos obtenido los datos, analizando el historial de la
empresa, y obteniendo los registros de reclamaciones y de ventas.

Productos Clientes
50 5
60 15
70 11
80 22
90 25

Elabore el diagrama de dispersión de acuerdo a los datos presentados:

5. Se presentan la cantidad de dinero obtenido en la venta de un CD de una

banda famosa en relación a su número de fans:

22 | P á g i n a
 Fans Ventas
221 $ 27,752
235 $50, 403
284 $10, 455
351 $81, 283
365 $191, 922

Elabore el diagrama de dispersión de acuerdo a los datos presentados:

Ejercicios de regresión lineal simple:

6. Se realizó un estudio en Virginia Tech para determinar si ciertas medidas
de la fuerza estática del brazo influyen en las características de
“levantamiento dinámico” de un individuo. Veinticinco individuos se
sometieron a pruebas de fuerza y luego se les pidió que hicieran una
prueba de levantamiento de peso, en el que el peso se elevaba en forma
dinámica por encima de la cabeza. A continuación se presentan los datos.

23 | P á g i n a
Estime los valores de β0 y β1 para la curva de regresión lineal μY x β β = 0+ 1x.

7. Las siguientes son las calificaciones de un grupo de 9 estudiantes en un

informe de medio semestre (x) y en el examen final (y):

X 77 50 71 72 81 94 96 99 67
Y 82 66 78 34 47 85 99 99 68

24 | P á g i n a
Estime la recta de regresión lineal.

8. Se registraron las cantidades de un compuesto químico y que se disuelve

en 100 gramos de agua a distintas temperaturas x:

Calcule la ecuación de la recta de regresión.

9. Para fines de calibración se recabaron los siguientes datos, los cuales

permitirían determinar la relación entre la presión y la lectura
correspondiente en la escala.

25 | P á g i n a
Calcule la ecuación de la recta de regresión.

10. Se realizó un estudio sobre la cantidad de azúcar convertida en cierto

proceso a distintas temperaturas. Los datos se codificaron y registraron
como sigue:

Estime la recta de regresión lineal.

26 | P á g i n a
Ejercicios de correlación y determinación y análisis de los coeficientes de
correlación y determinación.

11. Calcule e interprete el coeficiente de correlación para las siguientes

calificaciones de 6 estudiantes seleccionados al azar:

12. Un estudio sobre la cantidad de lluvia y la de contaminación del aire

eliminada produjo los siguientes datos:

Calcule r.

13. Se realizó un estudio en Virginia Tech para determinar si ciertas medidas

de la fuerza estática del brazo influyen en las características de
“levantamiento dinámico” de un individuo. Veinticinco individuos se
27 | P á g i n a
 sometieron a pruebas de fuerza y luego se les pidió que hicieran una
prueba de levantamiento de peso, en el que el peso se elevaba en forma
dinámica por encima de la cabeza. A continuación se presentan los datos.
Y suponga que x y y son variables aleatorias con una distribución normal
bivariada:

Calcule r:

14. Los datos siguientes se obtuvieron en un estudio de la relación entre el

peso y el tamaño del pecho de niños al momento de nacer.

28 | P á g i n a
 Calcule r.

Ejercicios de distribución normal bidimensional:

15. Si X es una variable aleatoria de una distribución N(µ, σ), hallar: p(µ−3σ ≤ X
≤ µ+3σ)

16. En una distribución normal de media 4 y desviación típica 2, calcular el

valor de a para que: P(4−a ≤ x ≤ 4+a) = 0.5934.

29 | P á g i n a
17. En una ciudad se estima que la temperatura máxima en el mes de junio
sigue una distribución normal, con media 23° y desviación típica 5°.
Calcular el número de días del mes en los que se espera alcanzar máximas
entre 21° y 27°.

18. La media de los pesos de 500 estudiantes de un colegio es 70 kg y la

desviación típica 3 kg. Suponiendo que los pesos se distribuyen
normalmente, hallar cuántos estudiantes pesan: Entre 60 kg y 75 kg

19. Se supone que los resultados de un examen siguen una distribución normal
con media 78 y desviación típica 36. Se pide: ¿Cuál es la probabilidad de

30 | P á g i n a
 que una persona que se presenta el examen obtenga una calificación
superior a 72?

20. Tras un test de cultura general se observa que las puntuaciones obtenidas
siguen una distribución una distribución N(65, 18). Se desea clasificar a los
examinados en tres grupos (de baja cultura general, de cultura general
aceptable, de excelente cultura general) de modo que hay en el primero un
20% la población, un 65% el segundo y un 15% en el tercero. ¿Cuáles han
de ser las puntuaciones que marcan el paso de un grupo al otro?

Ejercicios de intervalos de confianza y pruebas para el coeficiente de correlación.

31 | P á g i n a
21. Se aplica un examen de colocación de matemáticas a todos los estudiantes
de nuevo ingreso en una universidad pequeña. Se negará la inscripción al
curso regular de matemáticas a los estudiantes que obtengan menos de 35
puntos y se les enviará a clases de regularización. Se registraron los
resultados del examen de colocación y las calificaciones finales de 20
estudiantes que tomaron el curso regular:

Construya un intervalo de confianza de 95% para la calificación promedio en el

curso de los estudiantes que obtuvieron 35 puntos en el examen de colocación.

22. Se aplica un examen de colocación de matemáticas a todos los estudiantes

de nuevo ingreso en una universidad pequeña. Se negará la inscripción al
curso regular de matemáticas a los estudiantes que obtengan menos de 35
puntos y se les enviará a clases de regularización. Se registraron los
resultados del examen de colocación y las calificaciones finales de 20
estudiantes que tomaron el curso regular:
Construya un intervalo de predicción de 95% para la calificación del curso
de un estudiante que obtuvo 35 puntos en el examen de colocación.

23. Un comerciante minorista realizó un estudio para determinar la relación que

hay entre los gastos semanales de publicidad y las ventas.

32 | P á g i n a
 Construya un intervalo de confianza de 95% para las ventas semanales
promedio cuando se gastan $45 en publicidad.

24. Un comerciante minorista realizó un estudio para determinar la relación que

hay entre los gastos semanales de publicidad y las ventas.

33 | P á g i n a
Construya un intervalo de predicción de 95% para las ventas semanales cuando
se gastan $45 en publicidad.

34 | P á g i n a
Conclusiones:

Al realizar el trabajo anteriormente presentado podemos concluir que la estadística

está inmersa en diversos procesos dentro de diversos ámbitos y nos puede ayudar
a nosotros como ingenieros a establecer la eficacia y eficiencia dentro de un
proceso, de acuerdo con los temas que acabamos de estudiar podemos concluir lo
anteriormente dicho.

También podemos observar que la mayoría de los temas estudiados desde la

Unidad I hasta la anteriormente desarrollada varios conceptos, formulas,
procedimientos y demás cosas vistas en el aula de clase siguen presentes hasta
esta última unidad, es aquí donde la importancia de prestar atención en todas y
cada una de las presentaciones realizadas en clase toma importancia.

Con el desarrollo de este trabajo se pudo demostrar que las habilidades de

búsqueda y compilación de información que se pusieron en práctica y se fueron
desarrollando durante el curso se alcanzaron a desarrollar de una manera
realmente satisfactoria.

Por ultimo al realizar los ejercicios se pudo notar mejor la relación de esta unidad
con las unidades anteriores como ya se ha mencionado, así también se pudo
observar cómo se relacionan todos y cada uno de los temas desarrollados en este
trabajo de investigación.

35 | P á g i n a
Referencias.

 UNIDAD 5 Probabilidad y estadistica. (2018). Recuperado de

https://www.scribd.com/document/285398896/UNIDAD-5-Probabilidad-y-
estadistica.

  Cómo entender las gráficas de control - Minitab. (2014). Recuperado de

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/quality-and-
process-improvement/control-charts/supporting-
topics/basics/understanding-control-charts/

 Diagrama de dispersión - Calidad y ADR. (2018). Recuperado de

https://aprendiendocalidadyadr.com/diagrama-de-dispersion/

 Recuperado de
http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARP
ETA%203%20INFERENCIA_ESTADISTICA/DOC_
%20INFERENCIA/TEMA%204/09%20REGRESION%20Y
%20CORRELACION%20LINEAL%20SIMPLE.pdf
 RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y
KEYING YE Probabilidad y estadística para ingeniería y ciencias Novena
edición PEARSON EDUCACIÓN, México, 2012
 Distribución normal bidimensional - Vitutor. (2017). Recuperado de
https://www.vitutor.com/pro/5/a_g6.html
 González Rodríguez, B., Hernández Abreu, D., Jiménez Paiz, M., Marredo
Rodríguez, I., & Sanabria García, A. (2018). Variables estadísticas
bidimensionales [Ebook] (pp. 1-13). Santa Cruz de Tenerife - España.
Recuperado de
https://campusvirtual.ull.es/ocw/pluginfile.php/6039/mod_resource/content/1
/tema7/PR7-regresion.pdf

36 | P á g i n a