Estadistica Aplicada Semana 6
Estadistica Aplicada Semana 6
Estadistica Aplicada Semana 6
SEMANA 6
Le han solicitado elaborar un estudio de desempeño laboral en la empresa Luz Ltda. con el fin de
observar la incidencia y determinar si es relevante que un empleado realice actividades personales en
su horario de trabajo. Es por esto que se tomó como referencia el tiempo en horas que un empleado
navega en internet en su puesto durante la semana hábil y verificar si existe relación entre el
consumo de internet y las siguientes variables: edad, antigüedad laboral, sueldo mensual que
percibe y su escolaridad, además de si el sexo del funcionario incide en este comportamiento de
actividades no laborales en su lugar de trabajo.
a) Realice un gráfico de dispersión e indique el tipo de relación entre las variables edad del
trabajador y horas conectadas a internet.
Y= 0,3488 + 27,39
R^2= 0,75502
b) Con respecto a las mismas variables de la letra a), construya un modelo de regresión e
interprete el valor de la pendiente.
Calculamos la pendiente: m=(Y2-Y1) /(X2-X1) = -0,3488.
En este caso la pendiente y el grado de inclinación en la recta observada, es negativa, lo
cual podemos deducir que a medida que aumenta la edad de los trabajadores, las horas de
conexión a internet decaen.
El eje X nos representa la edad de los trabajadores y el eje Y las horas conectados a
internet.
Y= -0,3488 + 27,39
R^2= 0,7502
c) Estime el número de horas que un trabajador está conectado a internet, si tiene 62 años.
Esto nos indica que si el trabajador tiene 62 años está conectado a internet
aproximadamente 6 horas.
d) Si un trabajador está conectado 18 horas a internet, ¿qué edad se puede estimar que tiene el
trabajador?
Y= 18
18= -0,3488 + 27,39
18 – 27,39= - 0,3488
-9,39 = -0,3488x X =
26,92.
En este si un trabajador está conectado a internet durante 18 horas, la edad estimada seria
27 años app.
e) Desde la gerencia se requiere establecer un modelo de regresión para las variables: sueldo mensual
y antigüedad de los trabajadores, para realizar estimaciones respecto a esas variables.
Entonces:
EXPONENCIAL.
e.2)Estime qué modelo se ajusta mejor a los datos. Justifique su respuesta.
Teniendo en cuentas los resultados, encuentro que el modelo mejor que se ajusta
es el modelo EXPONENCIAL, ya que al se mayor (0,805) se ajusta mejor a los datos
por lo cual es un modelo confiable.
1.374,395 * 1000
750/ 274,4
1,0053041= 0,1074x
X = 9,36