Está en la página 1de 19

ESTADISTICA DESCRIPTIVA

TRABAJO COLABORATIVO PASO 4

ALMA ROCIO URDIALES


VIVIAN PATRIX PENALOZA
YENNY CABALLERO RODRIGUEZ
KAREN CARRANZA

TUTOR:
MANUEL FRANCISCO CIFUENTES

GRUPO: 204040_42

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD


2017
TABLA DE CONTENIDO
Pg.

INTRODUCCION 3
OBJETIVOS 4
REGRESIN Y CORRELACIN LINEAL SIMPLE Error! Bookmark not defined.
REGRESIN Y CORRELACIN LINEAL MLTIPLE: 7
CONCLUSIONES 10
INTRODUCCION

Hasta ahora hemos estudiado herramientas que nos permiten describir las
caractersticas de un nico carcter. Sin embargo, en muchos casos prcticos, es
necesario estudiar conjuntamente dos o ms caracteres, as como la relacin que hay
entre ellos.

Durante esta Unidad se ha dividido en dos grandes captulos: Medidas Estadsticas


Univariantes y Medidas Estadsticas Bivariantes, obedeciendo al nmero de variables
que intervienen en estos clculos aritmticos, siendo en donde en el segundo tema, se
ha estudiado el comportamiento de dos variables, a fin de determinar si existe alguna
relacin entre s y de cuantificar dicho grado de relacin. Se desarrollarn aqu los
conceptos de regresin y correlacin de dos variables y el concepto y usos de los
nmeros ndices.

3
OBJETIVOS

Aplicar las medidas de Dispersin, Regresin y Correlacin lineal a la problemtica


objeto de estudio.
Identificar las variables cuantitativas de la situacin estudiada que puedan estar
relacionadas.
Realizar e interpretar el diagrama de dispersin de dichas variables y determinar
el tipo de asociacin entre las variables.
Encontrar el modelo matemtico que permita predecir el efecto de una variable
sobre la otra.
Determine el porcentaje de explicacin del modelo y el grado de relacin de las
variables.
Identificar dos variables cuantitativas de la situacin estudiada que puedan estar
relacionadas.

4
Estatura y Peso, ya que La relacin entre ellas es la que puede originar una posible
relacin entre s, se espera que cuando una persona tiene mayor estatura, entonces el
peso es mayor.

Realizar el diagrama de dispersin de dichas variables y determinar el tipo de


asociacin entre las variables.

El tipo de asociacin de las variables segn el diagrama de dispersin corresponde a una


tendencia lineal en forma ascendente o positiva (Creciente). Esto quiere decir que a
medida que aumenta la estatura del paciente, su peso tambin aumenta.

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 la
ecuacin de tendencia de la lnea, la cual corresponde a: y = 63,656x - 40,308. Segn su
coeficiente de determinacin; R = 0,8645, se observa que por ser cercano a 1, se dice

5
que es confiable el modelo matemtico obtenido que relaciona las variables estatura y
peso.

- Determine el porcentaje de explicacin del modelo y el grado de relacin de las


dos variables.

El porcentaje de explicacin del modelo est dado por la representacin porcentual del
coeficiente de determinacin, as; R*100% = 0,8645*100% = 86,45%. El grado de
relacin de las dos variables est dado por la raz cuadrada del coeficiente de
determinacin R, as; R = 0,8645 = 0,9298, cuya representacin porcentual sera;
0,9298*100% = 92,98%, lo cual indica que las dos variables (estatura y peso.) se
encuentran relacionadas entre si con un 92,98%.

Relacionar la informacin obtenida con el problema.

Nos damos cuenta que entre los pacientes que ingresaron a la sala de urgencias del
hospital Federico Lleras, hay una correlacin estadstica fuerte que determina la
dependencia entre el peso y la estatura de los pacientes, es decir que los pacientes que
ms pesaban tendan a medir ms y los pacientes que tienen una estatura baja tenan a
la vez un peso bajo.

6
REGRESIN Y CORRELACIN LINEAL MLTIPLE:

Identificar una variable cuantitativa dependiente y varias variables independientes


del estudio de investigacin.

Variable Dependiente: Peso

Variables Independientes: Edad, Estatura

Realizar el diagrama de dispersin de dichas variables.

7
Calcular la recta de regresin y el coeficiente de correlacin para probar
estadsticamente su relacin.

(PESO Y EDAD)

R*100% = 0,3749*100% = 37,49%. El grado de relacin de las dos variables est dado
por la raz cuadrada del coeficiente de determinacin R, as; R = 0,3749 =0,6123,
cuya representacin porcentual sera; 0,6123*100% = 61,23%, lo cual indica que las dos
variables (peso y Edad) no se encuentran relacionadas entre s o existe una relacin muy
dbil, porque existe una relacin a penas del 61,23% entre las variables.

ESTATURA Y PESO

R*100% = 0,8645*100% = 86,45%. El grado de relacin de las dos variables est dado
por la raz cuadrada del coeficiente de determinacin R, as; R = 0,8645 = 0,9298,
cuya representacin porcentual sera; 0,9298*100% = 92,98%, lo cual indica que las dos
variables (estatura y peso.) se encuentran relacionadas entre s con un 92,98%.

8
Relacionar la informacin obtenida con el problema.

Nos damos cuenta que entre los pacientes que ingresaron a la sala de urgencias del
hospital Federico Lleras, hay una correlacin estadstica fuerte que determina la
dependencia entre el peso y la estatura de los pacientes, es decir que los pacientes que
ms pesaban tendan a medir ms y los pacientes que tienen una estatura baja tenan a
la vez un peso bajo.

De igual manera tambin nos dice que entre los pacientes que ingresaron a la sala de
urgencias del hospital Federico Lleras no haba una relacin fuerte entre la edad y el peso
de stos, ya que algunos pacientes tienen un peso alto pero su edad no va en la misma
proporcin de sus pesos, es decir algunos pesaban bastante y tenan a la ves una edad
corta.

9
ANEXO DE LABORATORIO
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.

X (sal) Y (Tensin)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120

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


variables

Diagrama de Dispersion
140
120
100
Tension

80
y = 6.1062x + 88.128
60 R = 0.987
40
20
0
0 1 2 3 4 5 6
Sal

Podemos ver que las variables tienen una tendencia lineal.

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


sobre la otra. Es confiable?

10
El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente
y = 6.1062x + 88.128
El modelo es confiable porque el coeficiente de determinacin R2 es cercano a 1.

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


Procedemos hallar los valores XY y x2

X (sal) Y (Tensin) XY X2 Y2
1,6 98 156,8 2,56 9604
2,3 102 234,6 5,29 10404
3,3 109 359,7 10,89 11881
4,2 113 474,6 17,64 12769
4,6 115 529 21,16 13225
5 120 600 25 14400
21 657 2354,7 82,54 72283

Se halla a y b

, ()() ,
=
= = ,
, () ,

(, ) ,
= = = ,

Medida de cada conjunto de datos:


=
= ,

11

=
= ,

La ecuacin de la recta est dada por

= , + ,

Error estndar de la recta

(, )() (, )(, )
= = ,

Se halla el coeficiente de determinacin y el coeficiente de correlacin:


= , = ,

,
= = , = = ,
,

El grado de relacin de las variables es de 0.987

d. Si a un paciente se le administra una dosis de sal de 5,6. Cul es la tensin


arterial esperada?

12
Utilizamos la ecuacin de la recta aso:

= 6,1062(5,6) + 88,128 = 122,32

Si usamos 5.6 de sal, la tensin esperada es de 122,32

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


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 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el


diagrama de dispersin y determine el tipo de asociacin entre las variables

x y XY X2 Y2
12 45 540 144 2025
23 30 690 529 900
35 27 945 1225 729
42 25 1050 1764 625
53 23 1219 2809 529
65 21 1365 4225 441
70 20 1400 4900 400
300 191 7209 15596 5649

13
Diagrama de Dispersion
50
45
40
35
30
Tensin

25
20
15
10
5 y = -0.3969x + 43.716
R = 0.7886
0
0 10 20 30 40 50 60 70
Sal

El tipo de asociacin al diagrama es dispersin lineal

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


sobre la otra. Es confiable?

Modelo Y= a + bx

Y= -0,3969x + 43,716

R2= 0,7886

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

El R afirma adems que el modelo explica el 78,86% de la informacin y el valor de r


coeficiente de correlacin lineal es excelente porque el 0,7886 est muy cercano al
extremo 1 positivo que es la correlacin perfecta positiva.

14
d. Que tiempo deber tardarse un empleado cuando lleven 90 das?

= (, ) + , = ,

Segn lo anterior para dicho nmero de das se espera realizar para una pieza el obrero
se demore 7,995 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:


E
st
at
1 1 1
ur 11 11 11 11 10 11 11
2 2 0
a 8 2 0 5 4 0 6
0 4 7
(c
m
)
P
es
o
24 23 19 24 21 19 22 16 20 23
(
kg
)

15
a. Identifique la variable dependiente (y) y la variable independiente (x), realice el
diagrama de dispersin y determine el tipo de asociacin entre las variables

x y XY X2 Y2
120 24 2880 14400 576
124 23 2852 15376 529
107 19 2033 11449 361
118 24 2832 13924 576
112 21 2352 12544 441
110 19 2090 12100 361
115 22 2530 13225 484
104 16 1664 10816 256
110 20 2200 12100 400
116 23 2668 13456 529
1136 211 24101 129390 4513

Diagrama de Dispersion
30

25

20
Peso Kg

15

10 y = 0.386x - 22.751
R = 0.8329
5

0
100 105 110 115 120 125
Estatura cm

El tipo de asociacin del diagrama de dispersin es Lineal

16
b. Encuentre el modelo matemtico que permite predecir el efecto de una variable
sobre la otra. Es confiable?

Y= a + bX;

Y= 0,386x 22,751

R= 0,8323

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 correlacin de las dos variables.

La correlacin lineal es aceptable porque el 0,8323 est un poco retirado del 1 positivo.

d. Cul es el peso que debera tener un estudiante que mida 128 cm?

Y= 0,386(128) 22,751 = 26,657

Segn lo anterior el peso que debera tener un estudiante que mida 128 cm es de
26,657 Kg

17
CONCLUSIONES

Mediante la realizacin de este trabajo pudimos Desarrollar competencias


interpretativas y propositivas, mediante anlisis de las medidas bivariantes que
permitieron la solucin de problemas aplicado a la vida real de nuestro contexto diario, el
cual fue de gran importancia.

18
Referencias bibliogrficas

Montero, J.M. (2007).Regresin y Correlacin. Recuperado de:

http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100011&v=2.1&u=unad&it
=r&p=GVRL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219

Churchill, G.A.(2009).Anlisis de Correlacin y de Regresin Simple Recuperado


de:

http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=unad&it=r&p=
GVRL&sw=w&asid=e558184ed89e57d11ede116134cfce41

Churchill, G.A.(2009). "Anlisis de Regresin Mltiple." Investigacin de


mercados. Recuperado de:

http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900234&v=2.1&u=unad&it=r&p=
GVRL&sw=w&asid=49575112db86a0eb46dae86bbaf74cb9

Montero, J.M. (2007).Regresin y Correlacin Recuperado de:

http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100012&v=2.1&u=unad&it=r&p=
GVRL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de

19