REGRESION Y DETERMINACION

TRABAJO COLABORATIVO

Nombres

JENNY xxxxxxx

Cod: xxxxxxx

JHON xxxxxxxxxxxx

Cod: xxxxxxxxxx

LEIDY xxxxxxx

Cod:xxxxxxxx

JOSE xxxxxxxxxxx

Cod: xxxxxxxxxx

PRESENTADO A

OTTO EDGARDO OBANDO

TUTOR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

JUNIO 2016
 INTRODUCCION

El objetivo de este trabajo es analizar el grado de la relación existente entre variables

utilizando modelos matemáticos y representaciones gráficas. Así pues, para representar la

relación entre dos o más variables desarrollaremos una ecuación que permitirá estimar una

variable en función de la otra. Por ejemplo, ¿en qué medida, un aumento de los gastos en

publicidad hace aumentar las ventas de un determinado producto?, ¿cómo representamos que

la bajada de temperaturas implica un aumento del consumo de la calefacción?

A continuación, estudiaremos dicho grado de relación entre dos variables en lo que

llamaremos análisis de correlación. Para representar esta relación utilizaremos una

representación gráfica llamada diagrama de dispersión y, finalmente, estudiaremos un

modelo matemático para estimar el valor de una variable basándonos en el valor de otra, en

lo que llamaremos análisis de regresión.

 OBJETIVOS

 Aprender a calcular la correlación entre dos variables

 Saber dibujar un diagrama de dispersión

 Representar la recta que define la relación lineal entre dos variables

 Realizar inferencia sobre los parámetros de la recta de regresión

 SOLUCION DEL LABORATORIO DE REGRESION Y CORRELACION LINEAL

1. El rendimiento del producto de un proceso químico está relacionado con la temperatura

de operación del proceso. Se desea establecer la relación que existe entre la pureza (y) del
oxígeno producido y el porcentaje de hidrocarburo (x) que está presente en el condensador
principal en un proceso de destilación, de acuerdo con los siguientes datos:

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.

Diagrama de Dispersión
102
100
98
96
Pureza 94
92
90
88
86
0 0,5 1 1,5 2
Porcentaje de Hidrocarburos
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. Es confiable?

Diagrama de Dispersión
102
100
y = 14,947x + 74,283
98
96
Pureza 94
92
90
88
86
0 0,5 1 1,5 2
Porcentaje de Hidrocarburos

Modelo Matemático (Ecuación)

y = 14,947x + 74,283
Si es confiable

c. Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables

R² = 0,8774
0,8774 x 100 = 87.74%

El modelo explica el 87. 74% de la información.

√0,8774 = 0.9366
0.9366 x 100 = 93.66%
El valor de R coeficiente de correlación lineal confirma el grado de relación entre las
variables que es 93.66%.
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a 91,3?

y = 14,947x + 74,283
𝑦 − 74, 283
𝑥=
14,947
91,3 − 74,283
𝑥=
14,947
𝑥 = 1,13

El porcentaje de hidrocarburos cuando la pureza del oxígeno es igual al 91,37 es 1.13%.

2. El número de libras de vapor (y) consumidas mensualmente por una planta química, se
relaciona con la temperatura ambiental promedio (en o F). Para el año 2014, se registraron los
siguientes valores de temperatura y consumo anual.

2014 Registros de temperatura y consumos

de vapor.

Temperatura Consumo de
Mes
(oF) vapor (Lb)
Ene. 21 185,79
Feb. 24 214,47
Mar. 32 288,03
Abr. 47 424,84
May. 50 455
Jun. 59 539
Jul. 68 621,55
Ago. 74 675,06
Sep. 62 562,03
Oct. 50 452,93
Nov. 41 369,95
Dic. 30 273,98
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

Diagrama de Dispersión
800
700
600
500
Comsumo de
400
Vapor
300
200
100
0
0 20 40 60 80
Temperatura

b. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. Es confiable?

Diagrama de Dispersión
800
y = 9,2087x - 6,3184
700
600
500
Comsumo de
400
Vapor
300
200
100
0
0 20 40 60 80
Temperatura

Modelo Matemático

y = 9,2087x - 6,3184
Es confiable
c. Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.

R² = 0,9999
0,9999 𝑥 100
99.99
El modelo explica el 99.99 % de la información.

√0,9999 = 0.999
0.999 x 100 = 99.9 %

El valor de R coeficiente de correlación lineal confirma el grado de relación entre las

variables que es 99.9 %.

d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?

y = 9,2087x - 6,3184

y = 9.2087 (70) – 6.3184

y= 638,29

El consumo de vapor cuando la temperatura es 70°F es 638.29 Lb.

3. Los investigadores están estudiando la correlación entre la obesidad y la respuesta
individual al dolor. La obesidad se mide como porcentaje sobre el peso ideal (x). La respuesta
al dolor se mide utilizando el umbral de reflejo de reflexión nociceptiva (y) que es una medida
de sensación de punzada. Obsérvese que ambas, X e Y, son variables aleatorias

y (umbral de
x (porcentaje
reflejo de
de sobrepeso)
flexión
nociceptiva)

89 2
90 3
75 4
30 4,5
51 5,5
75 7
62 9
45 13
90 15
20 14

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.

Diagrama de Dispersión
16
14
12
Umbral de 10
reflejo de
8
reflexión
nosciseptiva 6
4
2
0
0 20 40 60 80 100
Porcentaje de Sobrepeso
b. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. Es confiable?

Diagrama de Dispersión
16
14
12
Umbral de 10
reflejo de
8
reflexión y = -0,0629x + 11,642
6
nosciseptiva
4
2
0
0 20 40 60 80 100
Porcentaje de Sobrepeso

Modelo Matemático
y = -0,0629x + 11,642

c. Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables.

R² = 0,1115
0,1115 x 100 = 11.15%
El modelo explica el 11.15% de la información.
√0,1115 = 0.333
0.1115 x 100 = 33.3 %

El valor de R coeficiente de correlación lineal confirma el grado de relación entre las

variables que es 33.3 %.
d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de
sobrepeso, de 40?

y = -0,0629x + 11,642
y = -0.0629 (40)+ 11.642
y = 9.126

El umbral de reflejo de flexión nociceptiva es de 9.126

ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE DE LAS DOS VARIABLES

CUANTITATIVAS SELECCIONADAS

Regresión y Correlación lineal Simple

-Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.

La s variables que se van analizar son las siguientes:

X: Número de heridos

Y: Velocidad

- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de asociación

entre las variables.

Diagrama de Dispersión
160
y = 1,3725x + 69,034
140
R² = 0,0453
120
100
Velocidad 80
60
40
20
0
0 5 10 15 20
Números de heridos
- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
otra. Es confiable?

El Modelo Matemático

y = 1,3725x + 69,034

- Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables.

R² = 0,0453

0,0453 x 100

4,53 %

El modelo explica el 4, 53% de la información.

√0,0453 = 0.212

0.212 x 100 = 21.2%

El valor de R coeficiente de correlación lineal confirma el grado de relación entre las

variables que es 21.2%.

- Relacionar la información obtenida con el problema.

El grado de relación entre el número de heridos y velocidad no es muy alto pero hay una
estimación entre las dos variables, ya que la ecuación se ajusta a los datos.

ANÁLISIS DE CORRELACIÓN MÚLTIPLE DE LAS VARIABLES

CUANTITATIVAS SELECCIONADAS

Regresión y Correlación Lineal Múltiple:

_ Identificar una variable cuantitativa dependiente y varias variables independientes del

estudio de investigación.

X= Velocidad
 Y= Número de muertos

Números de Heridos

- Realizar el diagrama de dispersión de dichas variables.

Diagrama de Dispersión
20
18
y = 0,033x + 0,3492
16
R² = 0,0453
14
Número de 12
Muertos y 10
Heridos 8
6
4
2
0
0 50 100 150 200
Velocidad

- calcular la recta de regresión y el coeficiente de correlación para probar estadísticamente

su relación.

y = 0,033x + 0,3492
R² = 0,0453

√0,0453 = 0,212

El coeficiente de correlación lineal es de: 0,212

0,212 x 100

21,2%

- Relacionar la información obtenida con el problema.

EL grado de relación entre la velocidad y el número de heridos, números de muertos es de

21,2, porque la ecuación se ajusta a los datos.
 CONCLUSIONES

El análisis de regresión y correlación lineal constituyen métodos que se emplean para conocer

las relaciones y significación entre series de datos. Lo anterior, es de suma importancia ya

que es aquí en donde se presentan variables de respuesta e independientes las cuales

interactúan para originar las características de un proceso en particular y por ende; analizar,

predecir valores de la variable dependiente y examinar el grado de fuerza con que se

relacionan dichas variables.

La regresión lineal simple y la regresión múltiple, analiza la relación de dos o más variables

continuas, cuando analiza dos variables a esta se le conoce como variable bivariantes que

pueden corresponder a variables cualitativas. La finalidad de una ecuación de regresión es la

de estimar los valores de una variable con base en los valores conocidos de la otra. Del mismo

modo, una ecuación de regresión explica los valores de una variable en términos de otra. Es

decir, se puede intuir una relación de causa y efecto entre dos o más variables.
 BIBLIOGRAFIA

 Coeficiencia y determinación, recuperado el 20 de junio del 2016, disponible en:

https://es.wikipedia.org/wiki/coeficiente_de_determinaci%c3%b3n

 Regresión y correlación, recuperado el 20 de junio del 2016, disponible en:

http://www.monografias.com/trabajos82/regresion-y-correlacion-lineal/regresion-y-

correlacion-lineal2.shtml