ESPOL  
PROYECTO  DE  ESTADÍSTICA  
(REGRESION  LINEAL)  

INTEGRANTES:    
LENIN  JAIR  LIMA  PAGUAY  
RODRIGO  FARINANGO  PEÑARRETA  
 
PROFESORA:    
ING.  JOFRE  SANCHEZ  
 

Paralelo:  2  
 
Fecha:  7/Febrero/2016  
Contenido  
1.   INTRODUCCIÓN  ..........................................................................................................................  3  
2.   OBJETIVOS  ..................................................................................................................................  3  
2.1.   OBJETIVO  GENERAL  ...........................................................................................................  3  
2.2.   OBJETIVOS  ESPECÍFICOS  ....................................................................................................  3  
3.   MARCO  TEÓRICO  ........................................................................................................................  4  
3.1.   Estadística  Inferencial.  ......................................................................................................  4  
3.1.1.   Estimación  de  Parámetros.  ...........................................................................................  4  
3.1.2.   Estimación  por  intervalo.  ..............................................................................................  4  
3.1.3.   Intervalos  de  confianza  para  la  media  (µ)  de  una  población  normal.  ..........................  5  
3.1.4.   Intervalos  de  Confianza  para  la  Varianza  (𝝈𝟐)  de  una  Población  Normal.  ...................  7  
3.2.   Prueba  de  hipótesis.  .........................................................................................................  9  
3.3   Regresión  Lineal  ..................................................................................................................  11  
4.   ESTADÍSTICAS  DESCRIPTIVAS  ....................................................................................................  12  
4.1   Resultados  de  recolección  de  datos  ................................................................................  12  
Tabla  de  Datos  ..........................................................................................................................  12  
Gráfico  Peso  vs  Estatura  ...........................................................................................................  13  
4.2   Análisis  de  Datos  .............................................................................................................  13  
5.   CONCLUSIONES  ........................................................................................................................  16  
6.   RECOMENDACIONES.  ...............................................................................................................  16  
7.   BIBLIOGRAFÍA.  ..........................................................................................................................  16  
7.1.   Trabajos  citados  ..............................................................................................................  16  
 

   
 1.   INTRODUCCIÓN  
El     siguiente   escrito   se   realizó   por   medio   de   caminatas   las   áreas   del   campus   Espol,   la   cual   se  
obtuvo   el   peso   y   altura   en   kg   y   metros   respectivamente,   obteniendo   10   datos   en   total,   en   los  
cuales  se  procedió  a  realizar  los  diferentes  procesos  estadísticos.  

De   los   datos   obtenidos   se   procedió   a   realizar   Estadísticas   inferenciales   tales   como   pruebas   de  
hipotesis,  regresión  lineal,  intervalos  de  confianza  y  cálculo  del  valor  p  de  la  prueba.  

El  experimento  es  realizado  para  probar  la  hipótesis  de  que  no  es  COLOCAR  TU  HIPOTESIS  NULA  
siendo  así  se  tuvo  que  realizar  diferentes  métodos  estadísticos  para  llegar  a  una  conclusión  final  
de  la  proposición  o  supuesto.  

2.   OBJETIVOS  
 
2.1.   OBJETIVO  GENERAL  

ü   Analizar  peso  y  estatura  de  diferentes  chicos.  

 
2.2.   OBJETIVOS  ESPECÍFICOS  

ü   Identificar  que  parámetro  influyen  los  factores  peso  y  estatura.  

ü   Representar  mediante  gráficos  estadísticos  datos  obtenidos  en  el  experimento.  
ü   Realizar  Pruebas  de  Hipótesis  para  verificar  la  teoría  o  modelo  del  supuesto  que  
tenga  el  investigador.  

   
 3.   MARCO  TEÓRICO  
3.1.   Estadística  Inferencial.  
La  teoría  de  inferencia  estadística  consiste  en  aquellos  métodos  con  los  cuales  se  pueden  realizar  
inferencias  o  generalizaciones  acerca  de  una  población.  

La  inferencia  estadística  puede  dividirse  en  2  áreas:  

ü   Estimación  de  Parámetros  

ü   Pruebas  de  Hipótesis  

3.1.1.   Estimación  de  Parámetros.  

Los  parámetros  a  estudiar  son  parámetros  poblacionales  como  la  media  y  la  varianza.  

Si  θ  es  un  parámetro  desconocido,  entonces  θ  será  su  estimador.    

Así,   𝑥   es   un   estimador   de   µ   y   𝑠 '   es   un   estimador   de   σ'  y   ellos   cumplen   con   la   propiedad   de  

insesgamiento.  

3.1.2.   Estimación  por  intervalo.  

Una   estimación   por   intervalo   de   un   parámetro   poblacional  θ   es   un   intervalo   de   la   forma   𝜃* < 𝜃 <
𝜃' ,   donde   𝜃*   y   𝜃'   dependen   del   valor   de   𝜃   para   una   muestra   particular   y   también   de   la  
distribución  muestral  de  𝜃 .  

Basado   en   la   distribución   muestral   de   𝜃   se   puede   determinar   si   el   intervalo   (𝜃* , 𝜃' )   con   una  
probabilidad  dada  contiene  realmente  el  parámetro  que  se  supone  que  va  a  estimar.  

Esto  es  𝑃 (𝜃* < 𝜃* < 𝜃' ) = 1 − 𝛼  donde  0  <  α  <  1.        

El  intervalo  (𝜃* , 𝜃' )  calculado  de  una  muestra  particular  se  llama  intervalo  de  confianza  del  (1 −
𝛼)100%,  la  fracción  1 − 𝛼  se  denomina  coeficiente  de  confianza,  grado  de  confianza  o    

nivel  de  confianza  y  los  puntos  𝜃*  y  𝜃'  se  llaman  límites  de  confianza.  

   
 3.1.3.   Intervalos  de  confianza  para  la  media  (µ)  de  una  población  normal.  
 

ü   Se  conoce  su  varianza  

@A
Obs.:  Si  𝑋 − 𝑁 µμ, 𝜎 ' , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠  𝑥 − N(µμ, )    
B

 
@A DEF
Como  𝑥 − N µμ, , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠    𝑍 = G  
B
H

P 𝑍* < 𝑍 < 𝑍' = 1 − 𝛼       Luego:  𝑍' = 𝑍*EJ   por  construcción  

A

L L
P Z < Z' = + 1 − 𝛼 = 1 −       𝑍* = 𝑍J   pero  𝑍* = −𝑍'  
' ' A

L
P(Z < 𝑍' ) =         Luego:  𝑍* = −𝑍*EJ  
' A

   
Si  𝑥    es  la  media  de  una  muestra  aleatoria  e  tamaño  n  de  una  población  normal  con  varianza  𝜎 '  ,  
el  intervalo    de  confianza  (1  –  α)  100%  para  µ  es:  

(Morales,  Estadística  y  Probabilidades,  2012)  

ü   Varianza  desconocida  
Sea  𝑥*  ,  𝑥'  ,  …  ,  𝑥B  una  muestra  aleatoria  de  𝑋 − 𝑁 µμ, 𝜎 '  con  𝜎 '  desconocida.  
 
𝑥−𝜇
𝑇= 𝑠  
𝑛
Tiene  una  distribución  t  –  student  con  (n  –  1)  grados  de  libertad  (s  es  la                                          a  
desviaciones    estándar  de  la  muestra).  
 
La  función  de  la  densidad  de  la  t  –  student  gráficamente  es  igual  a  la  densidad  de  la    normal.  

 
Su  función  de  distribución  acumulada  se  encuentra  tabulada.  
 
El  parámetro  que  caracteriza  a  la  t  –  student  se  conoce  como  grados  de  libertad.  

 
  

Si   𝑥   es   la   media   de   una   muestra   aleatoria   de   tamaño   n   de   una   población   normal   con   varianza  
desconocida,  el  intervalo    de  confianza  (1  –  α)  100%  para  µ  es:  

 
(Morales,  Estadística  y  Probabilidades,  2012)  
 

3.1.4.   Intervalos  de  Confianza  para  la  Varianza  (𝝈𝟐 )  de  una  Población  Normal.  
 

Sea  𝑥*  ,  𝑥'  ,  …  ,  𝑥B  una  muestra  aleatoria  de  𝑋 − 𝑁 µμ, 𝜎 '  con  𝜎 '  desconocida.  
 
(𝑛 − 1)𝑠 '
𝑋' =  
𝜎'
Tiene  distribución  ji  cuadrado    con  (n  –  1)  grados  de  libertad  (𝑠'  es  la  Varianza  de  la  muestra).  

La  grafica  de  la  función  de  densidad:  

 
  

Si  𝑠 '  es  la  varianza  de  una  muestra  aleatoria  de  tamaño  n  de  una  población  normal,  su  intervalo  
de  confianza  es  del   1 − 𝛼 100%  para  𝜎 '  es:    

 
L L
Donde   𝑋J'   y   𝑋*E
' '
J   son   valores   de   𝑋   con   n-­‐1   grados   de   libertad,   con   áreas   de     y   1 − ,  
A A
' '
respectivamente  

(Morales,  Estadística  y  Probabilidades,  2012)    

 3.2.   Prueba  de  hipótesis.  
 

Son  procedimientos  de  decisión  basada  en  datos  que  puedan  introducir  una  conclusión  acerca  de  
algún  sistema  científico.  

Una  hipótesis  estadística  es  una  afirmación  o  conjetura  acerca  de  una  o  mas  poblaciones.  

No  es  posible  saber  con  absoluta  certeza  la  verdad  o  falsedad  de  una  hipótesis  estadística,  pues  
para  ello  habría  que  trabajar  con  toda  la  población.  En  la  práctica  se  toma  una  muestra  aleatoria  
de   la   población   de   interés   y   se   utilizan   los   datos   que   contiene   tal   muestra   para   proporcionar  
evidencias   que   confirmen   o   no   la   hipótesis.   Si   la   evidencia   de   la   muestra   es   inconsistente   con   la  
hipótesis   planteada,   entonces   ésta   se   rechaza   y   si   la   evidencia   apoya   a   la   hipótesis   planteada,  
entonces  se  acepta  ésta.  

La  aceptación  de  una  hipótesis  implica  tan  solo  que  los  datos  no  proporcionan  evidencia  suficiente  
para  refutarla.  Por  otro  lado,  el  rechazo  implica  que  la  evidencia  de  la  muestra  la  refuta.  

La   estructura   de   una   prueba   de   hipótesis   consiste   en   la   formulación   de   una   hipótesis   nula,   es  

decir,   cualquier   hipótesis   que   se   desee   probar,   se   denota   por   𝑯𝟎 . el  rechazo  de  𝐻] ,   genera   la  
aceptación  de  una  hipótesis  alternativa,  que  se  denota  por  𝑯𝟏 .  

Una   hipótesis   nula   referente   a   un   parámetro   poblacional   siempre   debe   establecerse   de   manera  
que   especifique   un   valor   exacto   del   parámetro,   mientras   que   la   hipótesis   alternativa   admite   la  
posibilidad  de  varios  valores.  

(Morales,  Estadística  y  Probabilidades,  2012)  

REGLA DE DECISIÓN

Generalmente  se  considera  α  =  0.05.  

   
  

Fuente:  Universidad  de  Oviedo.  

En  la  hipótesis  alternativa  se  plantea  usualmente  lo  que  se  cree  verdadero  y  en  la  hipótesis  nula  lo  
que  se  desea  rechazar.  

Para   tomar   una   decisión   acerca   de   un   parámetro   es   necesaria   una   prueba   estadística   para  
cuantificar  esta  decisión.  Esto  se  logra  al  establecer  primero  la  distribución  maestral  que  sigue  la  
muestra   estadística   (es   decir,   la   media)   y   después   calcular   la   prueba   estadística   apropiada.   Esta  
prueba  estadística  mide  que  tan  cerca  de  la  hipótesis  nula  se  encuentra  el  valor  de  la  muestra.  La  
prueba  estadística  suele  seguir  una  distribución  conocida  (normal,  t-­‐student,  ji  cuadrado).  

La  distribución  apropiada  de  la  prueba  estadística  se  divide  en  dos  regiones  

ü   Región  de  rechazo  (región  critica)  

ü   Región  de  no  rechazo  

Si  la  prueba  estadística  cae  en  la  región  de  no  rechazo  no  se  puede  rechazar  la  hipótesis  nula  y  si  
cae  en  la  región  de  rechazo,  se  rechaza  la  hipótesis  nula.  

Para   decidir   con   relación   a   la   hipótesis   nula,   primero   se   tiene   que   determinar   el   valor   crítico     para  
la   distribución   estadística   de   interés.   El   valor   crítico   separa   la   región   de   no   rechazo   de   la   de  
rechazo.  

(Morales,  Estadística  y  Probabilidades,  2012)  

 
 3.3   Regresión  Lineal  

En  estadística  la  regresión  lineal  o  ajuste  lineal  es  un  modelo  matemático  usado  para  aproximar  la  
relación   de   dependencia   entre   una  variable   dependiente  Y,   las  variables   independientes  Xi  y   un  
término  aleatorio  ε.  Este  modelo  puede  ser  expresado  como:  

 
Donde:  

:  Variable  dependiente,  explicada  o  regresando.  

:  Variables  explicativas,  independientes  o  regresores.  
:  Parámetros,  miden  la  influencia  que  las  variables  explicativas  tienen  sobre  
el  regrediendo.  

Donde    es   la   intersección   o   término   "constante",   las    son   los   parámetros  

respectivos   a   cada   variable   independiente,   y    es   el   número   de   parámetros   independientes   a  
tener   en   cuenta   en   la   regresión.   La   regresión   lineal   puede   ser   contrastada   con   la  regresión   no  
lineal.  
   
 4.   ESTADÍSTICAS  DESCRIPTIVAS  
4.1   Resultados  de  recolección  de  datos  
Se   escogieron   al   azar   10   personas   y   se   tomaron   las   mediciones   del   peso   y   estatura   de   cada  
persona.  

Tabla  de  Datos  

Los  datos  que  se  obtuvieron  fueron  los  siguientes:  

Estatura  (cm)   Peso  (kg)  

179   64,09  
175   60,91  
165   70,45  
176   67,27  
160   73,64  
171   65,45  
160   50,00  
161   54,55  
170   62,73  
160   56,36  
160   60,00  
157   60,00  
155   70,00  
157   54,55  
178   86,36  
165   63,18  
155   47,73  
167   91,82  
170   75,00  
164   44,55  
 

   
 Gráfico  Peso  vs  Estatura  
 

Peso  (kg)  vs  Estatura(cm)

80,00
70,00
60,00
50,00
Peso

40,00
Peso  (kg)
30,00
20,00 Lineal    (Peso  (kg))
10,00
0,00
155 160 165 170 175 180
Estatura
 

Con  el  gráfico  mostrado,  nuestra  primera  inferencia  acerca  de  este  conjunto  de  datos  bivariados  
es   que   no   tiene   relación   es   decir   que   el   peso   es   independiente   de   la   estatura   en   la   muestra  
tomada  ya  que  la  línea  de  regresión  no  pasa  por  la  mayoría  de  los  puntos.  Pero  para  asegurarnos  
de   esto   procedemos   a   analizar   los   datos   y   elaborar   una   prueba   de   hipótesis   que   nos   permita  
rechazar  nuestra  hipótesis  nula  que  definiremos  mas  adelante.  

4.2   Análisis  de  Datos  

Para  verificar  si  existe  o  no  una  relación  entre  las  variables  peso  y  estatura,  lo  haremos  a  través    
del  análisis  de  regresión  lineal  simple,  es  decir,  de  una  sola  variable  independiente,  el  peso.  Junto  
con   una   prueba   de   hipótesis   para   el   coeficiente   de   correlación   de   Pearson   entre   dos   variables  
próximo   a   determinar   que   nos   permitirá   contrastar   la   hipótesis   de   que   la   pendiente   de   la   recta   de  
regresión  vale  0  que  indicaría  que  las  variables  no  están  relacionadas.  

Primero  encontraremos  el  coeficiente  de  correlación  de  Pearson.  

𝑋𝑌
− 𝑋𝑌
𝑟D` = 𝑁  
𝑆D 𝑆`

   
Para  el  conjunto  de  datos  las  medias  y  las  desviaciones  muestrales  son:  

𝑋 = 62,5  

𝑌 = 167,7  

𝑆D = 6,93  

𝑆` = 7,04  

Con  estos  datos  el  valor  del  coeficiente  de  correlación  de  Pearson  es  de:  

𝑟D` = 0,298  

Ya   calculado   el   valor   del   coeficiente   de   correlación,   nos   interesa   determinar   si   el   valor   que  
obtuvimos  muestra  que  las  variables  peso  y  estatura  están  relacionadas  de  cierta  manera,  es  decir  
ver   la   significación   del   coeficiente   de   correlación.   Para   esto   nuestra   hipótesis   nula   y   alternativa  
serán  las  siguientes:  

𝐻] : 𝑟D` = 0 El   coeficiente   de   correlación   obtenido   proviene   de   una   población   cuya  

correlación  es  cero.  

𝐻l : 𝑟D` ≠ 0   El   coeficiente   de   correlación   obtenido   procede   de   una   población   cuya  

correlación  es  distinta  de  cero.  

Con  un  nivel  de  significancia  del  5%  

Rechazaremos  la  hipótesis  nula  si  𝑡 > 𝑡(L,oE')  

La   distribución   muestral   de   correlaciones   procedentes   de   una   población   caracterizada   por   una  

correlación  igual  a  cero  sigue  una  ley  de  Student  con  𝑁 − 2  grados  de  libertad,  de  media  el  valor  
poblacional  y  desviación  tipo:  

1 − 𝑟D` '
𝑆p =  
𝑁−2

Entonces,   dado   𝑟D` ,   obtenido   en   nuestra   muestra   se   trata   de   comprobar   si   el   coeficiente   se  

encuentra  dentro  de  la  distribución  muestral.  Para  lo  cual  nuestro  estadístico  de  prueba  será:  

𝑟D` − 0
𝑡=  
1 − 𝑟D` '
𝑁−2
Calculando  el  valor  de  t  obtenemos:  

0,298 − 0
𝑡=  
1 − 0,298'
10 − 2

𝑡 = 0,883  

Dado  que  optamos  por  un  nivel  de  significancia  del  5%  nuestro  valor  critico  de  t,  buscando  en  la  
tabla  para  distribución  t-­‐Student  es  de:  

𝑡(].]q,r) = 1,860  

Dado  que:  

𝑡 < 𝑡(].]q,r)  Se  acepta  la  hipótesis  nula,  por  lo  que  ambas  variables  no  están  relacionadas.  

Ahora  calcularemos  el  intervalo  de  confianza:  

1 − 𝑟𝑥𝑦 2 1 − 𝑟𝑥𝑦 2
𝑟𝑥𝑦 − 𝑡 0.05,8 ≤ 𝑟𝑥𝑦 ≤ 𝑟𝑥𝑦 + 𝑡 0.05,8  
𝑁−2 𝑁−2

0,298 − 1,860(0,337) ≤ 𝑟D` ≤ 0,298 + 1,860(0,337)  

−0,32882 ≤ 𝑟D` ≤ 0,925  

Con   un   95%   de   confianza   podemos   decir   que   el   valor   del   coeficiente   de   correlación   de   Pearson  
para  este  grupo  de  datos  está  entre  los  valores  de  -­‐0,32882  y  0,925.  

   
  

5.   CONCLUSIONES  
Con   un   95%   de   confianza,   podemos   decir   que   existe   evidencia   estadística   para   decir   que   el  
coeficiente   de   correlación   obtenido   proviene   de   una   población   cuya   correlación   es   cero,   por   lo  
tanto  para  nuestra  muestra,  es  decir  para    el  grupo  de  personas  que  seleccionamos  al  azar,  el  peso  
es   independiente   de   la   estatura.   Cabe   recalcar   que   la   correlación   simple   expresa   el   grado   de   la  
cercanía   de   la   relación   entre   dos   variables   con   una   medida   indirecta   de   la   variabilidad   de   los  
puntos   alrededor   de   la   mejor   line   de   ajuste,   claro   está   que   la   regresión   ni   la   correlación   dan  
pruebas  de  relaciones  causa  –  efecto.  

6.   RECOMENDACIONES.  
Ya  que  concluimos  que  no  existía  una  relación  entre  los  pesos  y  las  estaturas  de  la  muestra,  habría  
que  recolectar  mas  datos  y  rehacer  la  prueba  de  hipótesis  con  una  muestra  mas  grande,  ya  que  
como  se  conoce  existe  una  relación  entre  la  estatura-­‐peso  pero  que  depende  de  muchas  variables,  
si   bien   interviene   la   masa   muscular,   el   peso   de   nuestros   huesos,   la   grasa   corporal,   entre   otras,  
todo  esto  hace  definir  el  peso  ideal  para  cada  persona  según  su  estatura.  

Se  recomienda  medir  los  datos  con  una  balanza  y  una  cinta  métrica  para  poder  tener  valores  casi  
exactos,  no  solo  preguntarle  a  los  chicos  ya  que  pueden  ser  datos  desactualizados.  

Se  necesita  estar  atentos  al  momento  de  usar  los  instrumentos  al  momento  de  coger  los  datos.  

7.   BIBLIOGRAFÍA.  
 
7.1.   Trabajos  citados  

Herrera,  G.  Z.  (2008).  Probabilidad  y  Estadística:  Fundamentos  y  Aplicaciones.  Guayaquil:  ISBN:  
9789978310557.  

Morales,  A.  E.  (2012).  Estadística  y  Probabilidades.  Santiago  -­‐  Chile:  Paginas  (134-­‐136-­‐140-­‐141-­‐
144-­‐145-­‐150.  

Oviedo,  U.  d.  (2000).  Prueba  de  Hipótesis.  http://uce.uniovi.es/cursolineal/Informese3.html.