Unidad 2: Paso 4.

Descripción de la información

Estudiantes:

María José Medina

María Camila Peña

Edinson Raúl Vásquez

Andrea Barboza

Daniela Pérez

N° del curso: 204040_153

Presentado a:

Oscar Javier Hernández

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

28 de noviembre del 2018

1
  INTRODUCCIÓN
Al recolectar, presentar y caracterizar un conjunto de datos, la estadística descriptiva
muestra apropiadamente las diversas características existentes dentro del caso que se
presente para estudio. Dentro de los diversos temas que se manejan esta la correlación
lineal simple y la correlación múltiple las cuales nos permiten estudiar simultáneamente
los valores de las variables estadísticas.

2
  JUSTIFICACIÓN
El estudio de datos representa analizar gran cantidad de información, la cual debe ser
previamente organizada y ver en detalle los resultados que se esperan obtener. De allí la
estadística nos brinda herramientas y programas con los cuales podemos desarrollar
dicha labor, para interpretar y mostrar a quien requiera la información detallada, con
todos los valores recolectados.

3
 OBJETIVOS
- Analizar los datos de la muestra de variables relacionadas y mostrar su viabilidad
y confianza de sus resultados, de acuerdo con las fórmulas matemáticas
establecidas.
- Utilizar la herramienta grafica de Excel, mediante el diagrama de dispersión,
para observar los resultados y su viabilidad con respecto a la correlación lineal,
la cual se usará para el desarrollo de la actividad.
- Desarrollar los laboratorios establecidos para la presente unidad.

4
 REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

ESTUDINATE 1: María José Medina

Variable Y: Estatura
Variable X: Edad

Diagrama de dispersión:
ESTATURA (M) y = 0.0084x + 1.2276
R² = 0.3417
2.5

1.5
Axis Title

0.5

0
0 20 40 Axis Title 60 80 100

5
 Tipo de asociación de las variables
Modelo matemático
R2 0,341663 = 34%
0,584519 = 58%
R
Confiabilidad
% de explicación
Grado de relación

 Análisis e interpretación de resultados

Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las dos variables. El R^2 afirma además que el
modelo explica el 34% de la información y el valor de r coeficiente de correlación lineal
confirma además el grado de relación (58%) entre las variables, es decir existe entre la
variable edad y estatura, una correlación positiva moderada.

6
ESTUDINATE 2: María Camila Peña

Variable Y: Peso
Variable X: Edad

Diagrama de dispersión:

y = 0.6007x + 35.544
Peso (kg) y Edad. R² = 0.3749
100.00
90.00
80.00
70.00
Axis Title

60.00
50.00
40.00
30.00
20.00
10.00
0.00
0 20 40 60 80 100
Axis Title

7
 Tipo de asociación de las variables
Modelo matemático
0,37486604
R2
37%
0,61226305
R
61%
Confiabilidad
% de explicación
Grado de relación

 Análisis e interpretación de resultados

Con los resultados obtenidos se puede asegurar que la ecuación de la recta es muy buena
estipulación de la relación entre las dos variables. El R^2 afirma además que modelo
explica el 37% de la información y el valor de r coeficiente de correlación lineal confirma
además el grado de relación 61% entre las variables, es decir existe entre la variable Peso
y Edad, una correlación positiva moderada.

8
ESTUDINATE 3: Edinson Vásquez

Variable Y: Edad
Variable X: Número de Hijos

Diagrama de dispersión:

No. DE HIJOS y = 0.0011x + 1.1971

R² = 0.0005
4.5
4
3.5
3
Axis Title

2.5
2
1.5
1
0.5
0
0 20 40 60 80 100
Axis Title

9
 Tipo de asociación de las variables
Modelo matemático
0,00047416
R2
0%
0,02177515
R
2%
Confiabilidad
% de explicación
Grado de relación

 Análisis e interpretación de resultados

Con los resultados obtenidos se puede asegurar que la ecuación de la recta no esuna buena
estimación de la relación entre las dos variables. El R^2 afirma además que el modelo
explica el 0% de la información y el valor de r coeficiente de correlación lineal confirma
además el grado de relación (2%) entre las variables, es decir existe entre la variable edad
y N° de hijos, una correlación positiva moderada

10
ESTUDIANTE 4: Andrea Barboza

Variable Y: Nº Visitas Ultimo Trimestre

Variable X: Tiempo Espera Para Triage (Minutos)

Diagrama de dispersión:

11
 Tipo de asociación de las variables
Modelo matemático
0,00048358
R2
0,048%
0,02199052
R
2%
Confiabilidad
% de explicación
Grado de relación

 Análisis e interpretación de resultados

Con los resultados obtenidos se puede asegurar que la ecuación de la recta no es de una
muy buena estimación de la relación entre las dos variables. El R^2 afirma además que
el modelo explica el 0,048% de la información y el valor de r coeficiente de correlación
lineal confirma además el grado de relación (2%) entre las variables, es decir existe
entre la variable tiempo de espera para triage (minutos) y N° visitas último trimestre,
una correlación positiva baja.

12
ESTUDIANTE 5: Daniela Pérez

Variable Y: Numero de hijos

Variable X: Peso

Diagrama de dispersión:

Peso y N de hijos
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
0.00 20.00 40.00 60.00 80.00 100.00

Tipo de asociación de las variables

Modelo matemático
1,9881
R2
2%
1,41
R
2%
Confiabilidad
% de explicación
Grado de relación

13
  Análisis e interpretación de resultados

ANEXO LABORATORIO

 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.

Consumo
Temperat
Mes de vapor
ura (oF)
(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

14
 Temperatura Consumo de
Mes X Y X^2 y^2 xy
(oF) vapor (Lb)

Ene. 21 185,79 -25,5 -236,095833 650,25 55741,2425 6020,44375

Feb. 24 214,47 -22,5 -207,415833 506,25 43021,3279 4666,85625
Mar. 32 288,03 -14,5 -133,855833 210,25 17917,3841 1940,90958
Abr. 47 424,84 0,5 2,95416667 0,25 8,72710069 1,47708333
May. 50 455 3,5 33,1141667 12,25 1096,54803 115,899583
Jun. 59 539 12,5 117,114167 156,25 13715,728 1463,92708
Jul. 68 621,55 21,5 199,664167 462,25 39865,7795 4292,77958
Ago. 74 675,06 27,5 253,174167 756,25 64097,1587 6962,28958
Sep. 62 562,03 15,5 140,144167 240,25 19640,3875 2172,23458
Oct. 50 452,93 3,5 31,0441667 12,25 963,740284 108,654583
Nov. 41 369,95 -5,5 -51,9358333 30,25 2697,33078 285,647083
Dic. 30 273,98 -16,5 -147,905833 272,25 21876,1355 2440,44625
0 -1,3074E-12 3309 280641,49 30471,565

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

variables.

15
 Diagrama de Dispersión y = 9.2087x - 6.3184
R² = 0.9999
800

700

600

500

400

300

200

100

0
0 10 20 30 40 50 60 70 80

b. Ajuste un modelo matemático que permita predecir el efecto de una variable

sobre la otra. Es confiable?

R/ y = 9,2087x - 6, 3184- el modelo si es confiable

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

dos variables.

R/
Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las dos variables. El R^2 afirma además que el
modelo explica el 100% de la información y el valor de r coeficiente de correlación lineal
confirma además el grado de relación (100%) entre las variables, es decir existe entre la
variable porcentaje de temperatura oF y consumo de vapor Lb, una correlación positiva
muy alta

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

R/
y = 9,2087x - 6, 3184
x=temperatura
y=consume de vapor
y= 9, 2087(70)-6, 3184
16
=638, 2906

 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:

X
(% de Y
Hidro (Pureza)
carburos)
0,99 90,01
1,02 89,05
1,15 91,43
1,29 93,74
1,46 96,73
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54
1,15 92,52
0,98 90,56
1,01 89,54
1,11 89,85
1,2 90,39
1,26 93,25
1,32 93,41
1,43 94,98
0,95 87,33

17
X (% de Hidro Y
carburos) (Pureza)
X Y X^2 Y^2 XY
0,99 90,01 -0,206 -2,1505 0,042436 4,62465025 0,443003
1,02 89,05 -0,176 -3,1105 0,030976 9,67521025 0,547448
1,15 91,43 -0,046 -0,7305 0,002116 0,53363025 0,033603
1,29 93,74 0,094 1,5795 0,008836 2,49482025 0,148473
1,46 96,73 0,264 4,5695 0,069696 20,8803303 1,206348
1,36 94,45 0,164 2,2895 0,026896 5,24181025 0,375478
0,87 87,59 -0,326 -4,5705 0,106276 20,8894703 1,489983
1,23 91,77 0,034 -0,3905 0,001156 0,15249025 -0,013277
1,55 99,42 0,354 7,2595 0,125316 52,7003403 2,569863
1,4 93,65 0,204 1,4895 0,041616 2,21861025 0,303858
1,19 93,54 -0,006 1,3795 3,6E-05 1,90302025 -0,008277
1,15 92,52 -0,046 0,3595 0,002116 0,12924025 -0,016537
0,98 90,56 -0,216 -1,6005 0,046656 2,56160025 0,345708
1,01 89,54 -0,186 -2,6205 0,034596 6,86702025 0,487413
1,11 89,85 -0,086 -2,3105 0,007396 5,33841025 0,198703
1,2 90,39 0,004 -1,7705 1,6E-05 3,13467025 -0,007082
1,26 93,25 0,064 1,0895 0,004096 1,18701025 0,069728
1,32 93,41 0,124 1,2495 0,015376 1,56125025 0,154938
1,43 94,98 0,234 2,8195 0,054756 7,94958025 0,659763
0,95 87,33 -0,246 -4,8305 0,060516 23,3337303 1,188303
-3,66374E-15 4,2633E-14 0,68088 173,376895 10,17744

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

variables.

18
 Diagrama de dispersión y = 14.947x + 74.283
R² = 0.8774
102
100
98
96
94
92
90
88
86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8

b. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. ¿Es confiable?
Y=14,947x + 74,283 El modelo si es confiable

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

Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las dos variables. El R^2 afirma además que el
modelo explica el 88% de la información y el valor de r coeficiente de correlación lineal
confirma además el grado de relación (94%) entre las variables, es decir existe entre la
variable porcentaje de hidrocarburo y pureza, una correlación positiva muy alta.

d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de

sobrepeso, de 40?
Y=14,947*+74,283
% de Hidro
Y= 91,3
91,3 = 14,947x74, 283
91,3 – 74,283 = x
14,943

 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
19
 nociceptiva (y) que es una medida de sensación de punzada. Obsérvese que ambas,
X e Y, son variables aleatorias.

x
(porcentaje y (umbral de
de reflejo 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

x y (umbral
(porcentaje de reflejo
X Y x^2 y^2 XY
de de flexión
sobrepeso) nociceptiva)

89 2 26,3 -5,7 691,69 32,49 -149,91

90 3 27,3 -4,7 745,29 22,09 -128,31
75 4 12,3 -3,7 151,29 13,69 -45,51
30 4,5 -32,7 -3,2 1069,29 10,24 104,64
51 5,5 -11,7 -2,2 136,89 4,84 25,74
75 7 12,3 -0,7 151,29 0,49 -8,61
62 9 -0,7 1,3 0,49 1,69 -0,91
45 13 -17,7 5,3 313,29 28,09 -93,81
90 15 27,3 7,3 745,29 53,29 199,29
20 14 -42,7 6,3 1823,29 39,69 -269,01
70,4 7,7 5828,1 206,6 -366,4

20
 a. Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

y = -0.0629x + 11.642
R² = 0.1115
16

14

12

10

0
0 20 40 60 80 100

e. Ajuste un modelo matemático que permita predecir el efecto de una variable

sobre la otra. Es confiable?
y= 0,0629x+11,642 no es confiable
21
 f. Determine el grado de relación de las dos variables.
Entre las dos variables existe un -33% de relación entre las dos variables

g. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de

sobrepeso, de 40?

x= % de sobrepeso. Y= umbral.

Y= -o, o62 (40) + 11, 642.

y= 14, 122
Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las dos variables. El r^2 afirma que además que el
modelo explica el 11% de la información y del valor de r coeficiente de correlación
lineal confirma además el grado de relación (-33%) entre las variables, es decir existe
entre la variable de porcentaje sobrepeso y umbral de reflejo de reflexión nociceptiva,
una relación negativa baja.

 CONCLUSIONES

En el trabajo presentado se pudo, identificar dos variables cuantitativas de la situación

estudiada que puedan estar relacionadas, realizar el diagrama de dispersión de dichas
variables y determinar el tipo de asociación entre las variables, encontrar el modelo
matemático que permite predecir el efecto de una variable sobre la otra, determine el grado
de relación de las dos variables, relacionar la información obtenida con el problema.
Identificar una variable cuantitativa dependiente y varias variables independientes del
estudio de investigación, realizar el diagrama de dispersión de dichas variables, calcular
la recta de regresión y el coeficiente de correlación para probar estadísticamente su
relación, relacionar la información obtenida con el problema.

22
  REFERENCIAS BIBLIOGRÁFICAS

Montero, J.M. (2007).Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 130

– 172. 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).Análisis de Correlación y de Regresión Simple. Mexico City:

Cengage Learning. Páginas 675 – 686 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). "Análisis de Regresión Múltiple." Investigación de mercados.

Mexico City: Cengage Learning. Páginas 686 – 695.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).Regresión y Correlación Múltiple. Madrid: Paraninfo. Páginas

191 – 225.Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100012&v=2.1&u=unad&it=
r&p=GVRL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de2

23
24