UNIDAD 2.

PASO 4- DESCRIPCIÓN DE LA INFORMACIÓN

PRESENTADO POR:
RAMIRO LUFAN VILLAMIZAR
ENOEDDY TATIANA CARDOZO
ANGIE VALENTINA TORRES ALBA

GRUPO: 100105_185

PRESENTADO A:
HELEY ESTEFANY CEPEDA
TUTORA DEL CURSO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
ESTADÍSTICA DESCRIPTIVA
PROGRAMA: INGENIERÍA AMBIENTAL
CEAD: CHIQUINQUIRÁ (BOYACÁ)
 INTRODUCCIÓN

En esta actividad básicamente lo que desarrollaremos es, la aplicación de la técnica de

regresión lineal simple, la cual está indicada cuando se pretende explicar una variable
respuesta cuantitativa en función de una variable explicativa cuantitativa también llamada
variable independiente, variable regresora o variable predictora. Por ejemplo, se podría
intentar explicar el peso en función de la altura, expuesta en uno de los laboratorios. El
modelo intentaría aproximar la variable respuesta mediante una función lineal de la variable
explicativa.
A partir de la base de datos suministrada (el Desempleo en Colombia), se pretende mostrar
la aplicación práctica de la regresión y correlación lineal simple y múltiple en este informe.
Ya que la aplicación de las técnicas estadísticas contribuyen a la optimización de los
procesos.

JUSTIFICACIÓN

Como veremos a continuación sabemos que cuando, simultáneamente, contemplamos dos

variables continuas, aunque por extensión se pueden emplear para variables discretas
cuantitativas, surgen preguntas y problemas específicos. Esencialmente, se emplearán
estadísticos descriptivos y técnicas de estimación, y técnicas de contraste de hipótesis
específicos para resolver dichos problemas. La mayoría de estos métodos se relacionaron
en las técnicas regresión y correlación tomando como base la información suministrada por
la base de datos el Desempleo en Colombia.

OBJETIVOS

Como sabemos estas técnicas estadísticas constituyen una herramienta útil para el análisis
de las variables de un proceso ya que a través de la aplicación de éstas, es posible conocer
el modelo que siguen y la fuerza con que se encuentran relacionadas. Asimismo, es posible
explicar la relación que guardan dos o más causas de un posible defecto.
Uno de los principales objetivos de la regresión lineal simple es encontrar la mejor recta de
ajuste de entre todas las posibles dentro de la nube de puntos, la mejor recta de ajuste será
aquella que minimice las distancias verticales entre cada punto y la recta, Saber estimar la
recta de regresión por el método de mínimos cuadrados e interpretar su ajuste. Por de
aplicaciones de modelos matemáticos que nos permitan predecir el efecto de una variable
sobre la otra.
Análisis de correlación lineal simple de las dos variables cuantitativas seleccionadas.
RAMIRO LUFAN VILLAMIZAR

Tasa de empleo (%)

70.00

60.00
f(x) = − 0.94 x + 65.97
50.00 R² = 0.55

40.00

30.00

20.00

10.00

0.00
6.00 8.00 10.00 12.00 14.00 16.00 18.00 20.00

La relación de las variables es inversa ya que el coeficiente es -0,74. Menor que 0

PRODUCCION CANTIDAD DE PERSONAS

1,600,000

1,400,000 f(x) = 0.13 x − 4981363.94

R² = 1
1,200,000
produccion por persona

1,000,000
Producción por persona
800,000
Linear (Producción por persona)
600,000

400,000

200,000

-
40,000,000 45,000,000 50,000,000
Poblacion cantidad de personas

TATIANA CARDOZO
R=0,9987 coeficiente de correlación 99% confiable

Análisis y conclusiones, a partir de los resultados obtenidos y aplicados al problema o

situación estudiada.
Relacionar la información obtenida en el problema.
La correlación entre las variables de la población y la cantidad de personas con la
producción por persona Es muy buena y cuenta con el 99% de confiabilidad, lo cual nos
permite ver la cantidad de personas en Colombia en el mes y en relación con el producto
que cápita cada persona cada mes.
Tipo de asociación: R/: Inversa

Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
otra. ¿Es confiable?
Formula:
y = 1E-06x + 4,7291 = R²
y = 1E-06x + 4,7291
R² = 0,4409
Coeficiente de determinación
R² = 0,4409
Confiabilidad
R²=0,4409 * 100 = 44 %

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

variables.

Coeficiente de correlación = Raíz cuadra del coeficiente de determinación

√ 0,4409=0,66
Correlación lineal R/: Correlación mínima
Información obtenida con el problema.

Los resultados obtenidos podemos afirmar que la ecuación de la recta podemos ver la baja
estimación que tiene de las diferentes variables, las personas sin empleo y la tasa de
desempleo, del coeficiente determinación es 0,4409 y tiene una confiabilidad de 44% con
una correlación mínima.

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 para la industria y obviamente para las diferentes bases de datos que sean
suministradas, en este caso el Desempleo en Colombia, 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.

Bibliografía
García, M.S. (2004).Introducción a la estadística económica y empresarial. Paraninfo.
Páginas 74 – 98. Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052900012&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=4a9b0a469e755a432
7207c94b4c0d549
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=b82c81e98fcc1361e1
929abe203c8219
Churchill, G.A. (2009).Análisis de Correlación y de Regresión Simple. México 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=e558184ed89e57d11
ede116134cfce41
Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación de mercados.
México 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=49575112db86a0eb4
6dae86bbaf74cb9
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=47eaa8f46c19ad13af
26a0a74e510de2

Anexo: Laboratorio Regresión y Correlación Lineal.

2. En el entorno de aprendizaje Colaborativo Paso 4– Descripción de la Información, cada

estudiante deberá enviar la solución de los tres ejercicios que aparecen a continuación:

2.1. Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A una serie de
voluntarios se les administra distintas dosis de sal en su dieta y se mide su tensión arterial
un tiempo después.

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

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

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

Y = y – 6,1062X + 88,128
2
R =0,987
Es confiable, dado a que lo que indica la recta, casi con un 99% de confiabilidad.

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

R2=0,987 Como podemos observar la correlación es excelente = 0,987.

d. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial

esperada?

X (Sal)
 Y (Tensión)
6,1062x + 88,128
4,8
Y 4,8 – 6,1062x + 88,128
4,8 – 88,128 – 6,1062x
83,32/6,1062x
Tensión 13,6
Arterial

2.2 En un nuevo proceso artesanal de fabricación de cierto artículo que está implantado, se
ha considerado que era importante ir anotando periódicamente el tiempo medio ( medido en
minutos) que se utiliza para realizar una pieza y el número de días desde que empezó dicho
proceso de fabricación. Con ello, se pretende analizar como los operarios van adaptándose
al nuevo proceso mejorando paulatinamente su proceso de producción.

Los siguientes datos representan dicha situación:

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 dispersión y determine el tipo de asociación entre las variables.

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

Y = – 0,3566X + 42,569
R2=0,7963
No es muy confiable, dado a que lo que indica la recta, tiene un bajo % de confiabilidad.
c. Determine el grado de correlación de las dos variables.

R2=0,7963 Como podemos observar la correlación es baja = 0,7963.

d. Qué tiempo deberá tardarse un empleado cuando lleven 80 días?

Y -0,3566x + 42,569
80
Y 80 = 0,3566x + 42,569
80-42,569*0,3566x
Tiempo que deberá tardarse el 64,Dias
empelado

2.3 Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que
permita determinar la relación entre el peso y la estatura de sus estudiantes. Para ello
selecciona 10 niños y realiza las mediciones respectivas.

Datos y Resultados
Estatur 120 124 107 118 112 110 115 104 110 116
a
(cm)
Peso 24 23 19 24 21 19 22 16 20 26
(kg)

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

diagrama de dispersión y determine el tipo de asociación entre las variables.
 Relacion Nutricional
30

25
f(x) = 0.41 x − 24.85
R² = 0.7
20
Peso (Kg)

15

10

0
100 105 110 115 120 125 130
Estatura (cm)

Tipo de asociación: R/: Inversa

Variables: Variable independiente (x) Estatura, Variable dependiente y Peso

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

sobre la otra. ¿Es confiable?

Formula:
y = 0,4072x - 24,854 = R²
y = 0,4072x - 24,854
R² = 0,7019

Coeficiente de determinación
R² = 0,7019
Confiabilidad
R= 0,7019* 100 = 70 %

C. Determine el grado de correlación de las dos variables.

Coeficiente de correlación = Raíz cuadra del coeficiente de determinación

√ 0,7019=0,84
Correlación lineal: Correlación Aceptable
 D. ¿Cuál es el peso que debería tener un estudiante que mida 120 cm?

Formula:
y = 0,4072x - 24,854
x=120
y = 0,4072(120) - 24,854 = 24,01 kg

El peso adecuado que debe tener un estudiante que mida 120 cm es 24 kg