Universidad Abierta

y a Distancia UNAD
EDINSON JESUS
JAIMES ACEROS
cod:91535313

[LABORATORIO DE
REGRESION Y
CORRELACION
LINEAL]
TUTOR: Ing. FRANCISCO CABRERA DIAZ

1. Se quiere estudiar la asociacin entre consumo de sal y tensin arterial. A

una serie de voluntarios se les administra distintas dosis de sal en su dieta
y se mide su tensin arterial un tiempo despus.
Variable X: gr. de sal diarios (no aleatoria)
Variable Y: presin arterial en mm de Hg
N
1
2
3
4
5
6
Suma

X
1,8
2,2
3,5
4
4,3
5
20,8

Y
100
98
105
110
112
120
645

X
3,24
4,84
12,25
16
18,49
25
79,82

Y
XY
10000
180
9604
215,6
11025
367,5
12100
440
12544
481,6
14400
600
69673 2284,7

A. Realice el diagrama de dispersin y determine el tipo de asociacin entre las

variables

Diagrama de Dispersin
140
120
100

Tensin Arterial

f(x) = 6.31x + 85.61

R = 0.92

80
Y
60

Linear (Y)

40
20
0
1.5

2.5

3.5

Cantidad de sal

4.5

5.5

B. Encuentre el modelo matemtico que permite predecir el efecto de una variable

sobre la otra. Es confiable?
El modelo matemtico que permite predecir el efecto de una variable sobre la otra
es: Y= a X + b;
Y = 6,31374243733791X + 85,6123595505619
R= 0,916480645896745
C. Determine el porcentaje de explicacin del modelo y el grado de relacin de las
dos variables.
Coeficiente de Determinacin R2= 0,916480645896745 91,64806 %
Coeficiente de Correlacin r= 0,957329956648566 95,73299%
El R afirma adems que el modelo explica el 91,64806 % de la informacin y el
valor de r coeficiente de correlacin lineal es muy bueno porque el 95,73299 est
muy cercano al extremo 1 positivo que es la correlacin muy buena.
D. Si a un paciente se le administra una dosis de sal de 6,5. Cul es la tensin
arterial esperada?
Y=6,31374243733791 (6,5) + 85,6123595505619= 126,651685393258 mm de Hg
Segn lo anterior la tensin arterial de una persona que le adicionen 6,5 gr de sal
a la dieta es 126,651685393258 mm de Hg

2. En un nuevo proceso artesanal de fabricacin de cierto artculo que esta

implantado, se ha considerado que era importante ir anotando peridicamente
el tiempo medio ( medido en minutos) que se utiliza para realizar una pieza y el
nmero de das desde que empez dicho proceso de fabricacin. Con ello, se
pretende analizar como los operarios van adaptndose al nuevo proceso
mejorando paulatinamente su proceso de produccin.
Los siguientes datos representan dicha situacin:
X

10

20

30

40

50

60

70

35

28

23

20

18

15

13

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre

las variables
SOLUCION:
N
1
2
3
4
5
6
7
Suma

X
10
20
30
40
50
60
70
280

Y
35
28
23
20
18
15
13
152

X
100
400
900
1600
2500
3600
4900
14000

Y
1225
784
529
400
324
225
169
3656

XY
350
560
690
800
900
900
910
5110

Diagrama de Dispersin
40
30

f(x) = - 0.35x + 35.57

R = 0.95
Linear (Diagrama de dispersin)

Diagrama
de dispersin
20
Tiempo
en das
10
0
0

10

20

30

40

50

60

70

80

Tiempo en minutos

b. Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?
El modelo matemtico que permite predecir el efecto de una variable sobre la
otra es: Y= a X + b;
Y = -a + bX
Y = -0,346428571428572 X + 35,5714285714286
R= 0,945438102893892
c. Determine el porcentaje de explicacin del modelo y el grado de relacin
de las dos variables.
Coeficiente de Determinacin R2= 0,945438102893892 94,5438%
Coeficiente de Correlacin r= 0,972336414464609 97,2336%
El R afirma adems que el modelo explica el 94.5% de la informacin y el valor
de r coeficiente de correlacin lineal es excelente porque el 0.972336 est muy
cercano al extremo 1 positivo que es la correlacin perfecta positiva.
d. Que tiempo deber tardarse un empleado cuando se lleven 100 das?
Para hallar el valor del tiempo de 100 das debemos reemplazar este valor en
la formula hallada.

Y =(0,346428571428572100)+35,5714285714286

= 0,928571428571431

minutos
Segn lo anterior para dicho nmero de das se espera realizar para una pieza
el obrero se demore 0,928571428571431 minutos.

3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemtico

que permita determinar la relacin entre el peso y la estatura de sus estudiantes.
Para ello selecciona 10 nios y realiza las mediciones respectivas.
A continuacin se presentan los resultados:
Estatura
(cm)
Peso (
kg)

121

123

108

118

111

109

114

103

110

115

25

22

19

24

19

18

20

15

20

21

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre

las variables
N Estatura
1
121
2
123
3
108
4
118
5
111
6
109
7
114
8
103
9
110
10
115
Suma
1132

Peso
25
22
19
24
19
18
20
15
20
21
203

E2
14641
15129
11664
13924
12321
11881
12996
10609
12100
13225
128490

P2
625
484
361
576
361
324
400
225
400
441
4197

EP
3025
2706
2052
2832
2109
1962
2280
1545
2200
2415
23126

Diagrama de Dispersin
f(x) = 0.42x - 27.38
R = 0.81
Peso en kg

Peso

Linear (Peso)

102 104 106 108 110 112 114 116 118 120 122 124 126
Estatura en cm

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable

sobre la otra. Es confiable?
MODELO
Y= aX + b;
Y= 0,421173762945909 X - 27,3768699654768 R= 0,810247554471496
Se puede asegurar que la ecuacin de la recta es aceptable porque el R se aleja
un poco de 1 y tiene un grado de confiabilidad aceptable.

c. Determine el grado de relacin de las dos variables.

GRADO:
La correlacin lineal es aceptable porque el 0,810247554471496 est un poco
retirado del 1 positivo.
d. Cul es el peso que debera tener un estudiante que mida 130 cm?
Y= 0,421173762945909 * 130 - 27,3768699654768 = 27,3757192174913 cm
Segn lo anterior el peso que debera tener un estudiante que mida 130 cm es de
27,3757192174913 cm