Trabajamos en primera instancia con las variables capacitacin y porcentaje de rechazos.

Creemos que las horas invertidas en capacitacin inciden favorablemente en la disminucin de los porcentajes de rechazo, dicho de otra manera, creemos que el porcentaje de rechazos depende de las horas de capacitacin que recibe el personal. Considerando como variable dependiente a porcentaje de rechazos y como variable independiente a capacitacin en horas, realizamos como primera medida un diagrama de dispersin.

Podemos apreciar que parece haber una relacin inversa entre ambas variables. Para evaluar la forma en la que se relacionan las variables calculamos el estimador de la covarianza, mediante la siguiente frmula de clculo:

Como rechazos.

, podemos afirmar que hay una relacin inversa entre capacitacin y porcentaje de

Para medir la intensidad de asociacin entre las dos variables calculamos el coeficiente de correlacin (r) mediante software.

Como el coeficiente de correlacin es de -0,94 y teniendo en cuenta que con | | tenemos una buena asociacin, podemos afirmar que las variables tienen una asociacin lineal inversa. Por otro lado, el p valor que es igual a es mucho menor a cualquiera de los niveles de asociacin que podemos utilizar, de sta manera rechazamos la hiptesis nula de la prueba sobre el coeficiente de correlacin realizada por Infostat, que es la siguiente:

Trabajamos de igual manera con las variables Dureza despus del revenido (mm) como variable independiente y Carga al final del proceso (kg) como variable dependiente. El diagrama de dispersin obtenido es el siguiente:

En el mismo observamos una clara relacin entre las variables dadas, de tipo directa. De modo de confirmar sta suposicin obtenemos la covarianza:

Como el valor de covarianza es mayor a cero, podemos decir que la relacin entre ambas variables es directa. De modo de establecer el grado de relacin lineal entre dimetro y carga, mediante Infostat calculamos el coeficiente de correlacin:

Considerando que el p valor es mucho menor a cualquier nivel de significacin que podamos utilizar, rechazamos la hiptesis nula en la prueba para coeficiente de correlacin antes mencionado. Adems, como el valor de r es mayor a 0,7 decimos que hay una asociacin lineal directa fuerte entre las variables. Pasamos entonces al anlisis del ltimo par de variables, Altura despus del revenido (mm), variable independiente, y Carga al final del proceso(kg); cuyo grfico de dispersin es:

En ste grafico apreciamos que no existe relacin entre ambas variables. De igual manera calculamos la covarianza (estimador), y el coeficiente de correlacin mediante Infostat para afirmar nuestras suposiciones:

NOTA: ESTE VALOR DA MUY ALTO ! Es un clculo muy choto para hacerlo todo de nuevo, si pueden fjense si est bien, y si est bien el otro valor de covarianza (el de dureza y carga) porque son muchos datos y puedo haberme equivocado.