PASO 4 - Javier Pacheco - 280

DESCRIPCIÓN DE LA DE LA
INFORMACION
Unidad 3 Paso 4
Nombre:
Javier José Pacheco ramos
Código:
1066180368
Grupo colaborativo:
204040_280
Nombre del docente:

Alejandro Méndez González
Nombre del curso:
Estadística Descriptiva
Periodo:
2020 I PERIODO 16-01 (761)
Universidad Nacional Abierta y a Distancia – UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería
2020
TABLA DE CONTENIDO
INTRODUCCION
JUSTIFICACION
OBJETIVO GENERAL
OBJETIVO ESPECIFICOS
ACTIVIDADES PARA DESARROLLAR
ACTIVIDAD 1. MAPA MENTAL.
ACTIVIDAD 2. DEFINICIÓN DE CONCEPTOS
ACTIVIDAD 3. LABORATORIO DE REGRESIÓN Y CORRELACIÓN

LINEAL
ACTIVIDAD 4. REGRESIÓN Y CORRELACIÓN MÚLTIPLE
CONCLUSIONES
REFERENCIAS BIBIOGRAFICAS
INTRODUCCION
El siguiente trabajo se realiza con el fin de poder identificar las

áreas de desempeño de la profesión, empleando las medidas
bivariantes de la estadística descriptiva como son:
 Regresión lineal, coeficiente de determinación lineal.
 Análisis de correlación, Regresión simple y Diagramas
de dispersión.
 Análisis de correlación múltiple, coeficiente de
determinación y coeficiente de correlación
todos estos aspectos relacionados a la solución de problemas
en nuestra vida profesional y cotidiana, enfocarnos en cómo
realizar distintos aspectos que ayuden a entender los
planteamientos del tema de tal forma que podamos
implementarlos en nuestra vida futura como profesionales.
.
Justificación
Vamos a relacionar las medidas bivariantes de la estadística con la base
de datos de la problemática: ¿Cuáles son los factores que influyen en
la accidentalidad de vehículos y en el grado de muertes asociadas a
los accidentes de tránsito en Colombia?”, a través de la Regresión
lineal, coeficiente de determinación lineal, Análisis de correlación,
Regresión simple, Diagramas de dispersión entre otros. Posteriormente
es muy importante tener en cuenta las situaciones que aquí se nos platea
y es de gran interés conocer todos los métodos que usaremos para dar
practica de la estadística descriptiva en nuestro ámbito del diario vivir.
Es muy importante estudiar esta problemática y es preciso saber Cuáles
son los factores que influyen en la accidentalidad de vehículos las
cuales ocasionan muertes significativas en nuestro país, en Colombia
existen muchos accidentes de tránsito y con nuestra temática a
desarrollar vamos a ver todos los distintos datos estadísticos posibles.
objetivo general
desarrollar modelos estadísticos que permitan identificarlos factores
influyentes en la severidad de accidentes y muertes asociados a los
accidentes de tránsito ocurridos en nuestro país.
objetivos específicos
 Realizar un análisis estadístico y descriptivo de los datos
recopilados sobre los accidentes ocurridos en todos las ciudades y
municipios de nuestro país.
 en el año 2019 se geo-referencio cada accidente y ubicándolo en la base

de datos con la información de accidentalidad proporcionados por
fuentes externas facilitando la información para nuestros estudios
estadístico.
 Vamos a tomar la accidentalidad de vehículos y en el grado de muertes

asociadas a los accidentes de tránsito en Colombia relacionando la
estadística y conceptos de medidas bivariantes como; la Regresión
lineal, coeficiente de determinación lineal, Análisis de correlación,
Regresión simple, Diagramas de dispersión entre otros. Posteriormente
es muy importante tener en cuenta las situaciones que aquí se nos platea
y es de gran interés conocer todos los métodos que usaremos para dar
practica de la estadística descriptiva aplicando las medidas estadísticas
bivariantes en función de la problemática de estudio.
MARCO REFERENCIAL
Estadística descriptiva: se encarga solamente de describir y analizar un
conjunto determinado de datos, para obtener conclusiones; para lo cual se
auxilia de tablas, gráficos y cuadros para el manejo de datos ordenados o
individuales tanto cuantitativos como cualitativos. Su finalidad es obtener
información, analizarla, elaborarla y simplificarla lo necesario para que pueda
ser interpretada cómoda y rápidamente y, por tanto, pueda utilizarse
eficazmente para el fin que se desee.
es el siguiente trabajo relacionará los conceptos de medidas bivariantes de la
estadística con la base de datos de la problemática como son los factores que
influyen en la accidentalidad de vehículos y en el grado de muertes asociadas
a los accidentes de tránsito en Colombia, en la cual aparecen conceptos como;
la Regresión lineal, coeficiente de determinación lineal, Análisis de
correlación, Regresión simple, Diagramas de dispersión. Entre otros.
Posteriormente a partir de las variables que conforman la base de datos, el
estudiante caracterizará las variables y presentará la información por medio de
tablas y diagramas de dispersión donde se organiza los datos estadísticos.
ACTIVIDAD 1. MAPA MENTAL.
ACTIVIDAD 2. DEFINICIÓN DE CONCEPTOS.
Descripción de la Actividad:
Definir brevemente los conceptos básicos asociados a Regresión y Correlación

como:
-Diagrama de dispersión.
-Correlación lineal simple.
-Coeficiente de determinación R2
-Correlación positiva y correlación negativa
- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
Diagrama de dispersión
También conocido como gráfico de burbujas es un tipo de
diagrama matemático que utiliza las coordenadas cartesianas para mostrar los
valores de dos variables para un conjunto de datos.
El diagrama de dispersión permite analizar si existe algún tipo de relación
entre dos variables. Por ejemplo, puede ocurrir que dos variables estén
relacionadas de manera que, al aumentar el valor de una, se incremente el de
la otra. En este caso hablaríamos de la existencia de una correlación positiva.
Correlación lineal simple
Para estudiar la relación lineal existente entre dos variables continuas es
necesario disponer de parámetros que permitan cuantificar dicha relación. Uno
de estos parámetros es la covarianza, que indica el grado de variación conjunta
de dos variables aleatorias (Amat, J. 2016).
Siendo x́ e ý la media de cada variable y xi e yi el valor de las variables para la

observación i.
La covarianza depende de las escalas en que se miden las variables estudiadas,

por lo tanto, no es comparable entre distintos pares de variables. Para poder
hacer comparaciones se estandariza la covarianza, generando lo que se conoce
como coeficientes de correlación.
Todos ellos varían entre +1 y -1. Siendo +1 una correlación positiva perfecta y
-1 una correlación negativa perfecta.
Coeficiente de determinación R2
El coeficiente de determinación se define como la proporción de la varianza
total de la variable explicada por la regresión. El coeficiente de determinación,
también llamado R cuadrado, refleja la bondad del ajuste de un modelo a la
variable que pretender explicar (López, J. 2019).
Es importante saber que el resultado del coeficiente de determinación oscila

entre 0 y 1. Cuanto más cerca de 1 se sitúe su valor, mayor será el ajuste del
modelo a la variable que estamos intentando explicar.
En la expresión anterior tenemos una fracción. Así pues, vayamos por partes.
En primer lugar, analizaremos el numerador, es decir, la parte de arriba.
Para aquellos que no conozcan la expresión de la varianza, les recomiendo que

lean el artículo sobre la misma. Para aquellos que, si la conozcan, podrán caer
en la cuenta de que es la expresión de la varianza, pero con dos diferencias
fundamentales.
La primera diferencia es que la Y lleva un circunflejo o, lo que los profesores

llaman de forma didáctica, “sombrerito”. Ese sombrerito lo que detalla es que
esa Y es la estimación de un modelo sobre lo que según las variables
explicativas vale Y, pero no es el valor real de Y, sino una estimación de Y.
En segundo lugar, faltaría dividir entre T. Que, en otros casos, se nota como N
o número de observaciones. Sin embargo, dado que la fórmula del
denominador también la llevaría, eliminamos los denominadores (parte de
abajo) de ambas fórmulas para simplificar la expresión. De esta manera es
más fácil trabajar con ella.
A continuación, vamos a realizar el mismo análisis con la parte del

denominador.
En este caso, la única diferencia existente respecto a la fórmula original de la

varianza es la ausencia de su denominador. Es decir, no dividimos entre T o
N. Hecho, que ya hemos aclarado anteriormente.
Correlación positiva y correlación negativa

El coeficiente de correlación entre dos variables puede definirse como la
covarianza existente entre sus dos variables tipificadas y tiene por expresión
de cálculo:
1. Hay correlación negativa: las dos variables se correlacionan en sentido

inverso. A valores altos de una de ellas le suelen corresponder valores
bajos de la otra y viceversa. Cuánto más próximo a -1 esté el coeficiente
de correlación más patente será esta covariación extrema. Si r= -1
hablaremos de correlación negativa perfecta lo que supone una
determinación absoluta entre las dos variables
2. Si r = 0 se dice que las variables están correlacionadas: no puede

establecerse ningún sentido de covariación.
3. Propiedad importante: Si dos variables son independientes estarán

correlacionadas, aunque el resultado recíproco no es necesariamente
cierto.
¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
también conocida como coeficiente de correlación lineal (de Pearson), es una
medida de regresión que pretende cuantificar el grado de variación conjunta
entre dos variables.
El Coeficiente de correlación es una medida que permite conocer el grado de
asociación lineal entre dos variables cuantitativas (X, Y). El coeficiente de
relación lineal mide la fuerza y el sentido de la relación lineal entre 2 variables
cuantitativas, existe correlación si al aumentar los valores de A lo hacen
también los de B y viceversa.
1. Ρ= Coeficiente de correlación.
2. X, Y= Los rendimientos de las dos variables relacionados.
3. σX,Y= Volatilidad de los dos activos relacionados.
4. Cov (x, y): la covarianza entre el valor «x» e «y».
5. σ(x): desviación típica de «x».
6. σ(y): desviación típica de «y».
ACTIVIDAD 3. REALIZAR EL LABORATORIO DE REGRESIÓN Y
CORRELACIÓN LINEAL
A partir de la base de datos “Indicadores de accidentalidad -220

municipios 2020 (16-1)”, desarrollar el Laboratorio denominado
Regresión y correlación, el cual se encuentra en el Entorno de
aprendizaje práctico, en la carpeta Guía para el uso de recursos
educativos. El laboratorio lo puede desarrollar con el programa Infostat
o Excel. Donde el estudiante deberá realizar lo siguiente:
a. Identificar dos variables cuantitativas de la situación

estudiada que puedan estar relacionadas.
las variables elegidas para este estudio son:
 Lesionados ene - feb 2019, variable dependiente (Y)

 Usuario de moto, variable independiente (X)
b. Realizar el diagrama de dispersión de dichas variables

y determinar el tipo de relación entre las variables.
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión EstudiantilLesionados ene - feb
Versión Estudiantil 2019 Estudiantil
Versión / Usuario en motoEstudiantil
Versión
L e s io n a d o s e n e - fe b 2 0 1 9
213,15
157,33
101,50
45,68
-10,15
-8,15 Versión Estudiantil 103,50
47,68 Versión Estudiantil
159,33 Versión 215,15
Estudiantil
Us uario Versión Estudiantil
en m oto Versión Estudiantil
Análisis de regresión lineal
Variable N R² R² Aj ECMP AIC

BIC
Lesionados ene- feb 2019 200 0,58 0,57 408,09 1559,99
1569,89
Coeficientes de regresión y estadísticos asociados
Coef Est. E.E. LI(95%) LS(95%) T p-valor

CpMallows VIF
const -2,00 0,90 -3,78 -0,21 -2,21 0,0284
Usuario en moto 0,95 0,06 0,84 1,07 16,42 <0,0001

269,55 1,00
Cuadro de Análisis de la Varianza (SC tipo III)

F.V. SC gl CM F p-valor
Modelo 37754,58 1 37754,58 269,55 <0,0001
Usuario en moto 37754,58 1 37754,58 269,55 <0,0001
Error 27733,42 198 140,07
Total 65488,00 199
después de analizar el grafico y el análisis de regresión lineal que

obtenemos al Realizar en un diagrama de dispersión las variables
Lesionados ene - feb 2019 y Usuario de moto podemos concluir que
tienen correlación bastante aceptable porque se observan en el estudio
de estas variables una alta confiabilidad y una correlación positiva entre
estas variables dependientes(y) e independientes(x), donde notamos
una tendencia lineal en el diagrama de dispersión donde sobresale que
las variables están relacionadas muestran el incremento de lesionados a
medidas que aumenta el usuario de moto.
c. Encuentre el modelo matemático que permite predecir
el efecto de una variable sobre la otra. ¿Es confiable?
el modelo matemático que permite predecir el efecto de una
variable sobre otra está contemplado en la siguiente ecuación.
Y= m(x)+b
Donde;
m= pendiente
b= ordenada de origen
reemplazamos los valores.
Y= 0.95(x) – 2
Para este caso vamos a hallar para (x) usuarios en moto x=25
0.95(25) – 2 = 21,71
Para 50 usuarios de motos, el número de lesionados ene-feb 2019

fueron de 21,71.
¿Es confiable?
para determinar si es confiable este modelo matemático lo
determinaremos mediante el coeficiente de determinación, de la
siguiente manera.
0,58 * 100% = 58%
Lo anterior nos indica que la confiabilidad del modelo es del 58%,

ósea que es un modelo aceptable porque sobrepasa 50% de
confiabilidad.
d. Determine el grado de correlación de las dos variables.
Para hallar el grado de correlación de las 2 variables tenemos que

sacarle raíz cuadrada al coeficiente de determinación, quedando
así.
√ 0,58=0,76
Entonces tenemos que el grado de correlación entre lesionados
ene-feb 2019 y usuario de moto es de 0,76, entonces podemos
afirmar que entre las variables existe una correlación regular.
e. Relacionar la información obtenida con el problema.
De los Indicadores de accidentalidad en los 200 municipios 2019,

Escogimos y Estudiamos las variables cuantitativas discretas,
lesionados ene-feb 2019 y de los fallecidos por actor vial
(usuario de moto), después de haber obtenidos los resultados se
logró identificar las medidas estadísticas bivariantes conociendo su
influencia en la accidentalidad de vehículos y en el grado de
muertes asociadas a los accidentes de tránsito en Colombia.
f. Establezca al menos 3 nuevos valores independientes

para ser hallados a través del modelo matemático
calculado.
Y= m(x)+b
Y= 0.95(x) - 2
Para este caso vamos a hallar para (x) usuarios en moto

x= 15,30 y 60
Y= 0.95(15) - 2
Y= 12,25
Y= 0.95(30) - 2
Y= 26,5
Y= 0.95(60) - 2
Y= 55
Podemos concluir que con un modelo con el 58% de confiabilidad,

conociendo el dato de la variable usuario de moto podemos
calcular un promedio de lesionados ene-feb 2019, según lo
estudiado en la accidentalidad de vehículos y en el grado de
ACTIVIDAD 4. REGRESIÓN Y CORRELACIÓN MÚLTIPLE.
A partir de la base de datos suministrada “Indicadores de
accidentalidad -220 municipios 2020 (16-1)”, cada estudiante,
deberá:
a. Identificar una variable cuantitativa dependiente y varias

variables cuantitativas independientes del estudio de
investigación.
 Lesionados ene - feb 2019, variable dependiente (Y)

 Motocicleta, variable independiente (X1)
 Otras motos, variable independiente (X2)
b. Realizar el diagrama de dispersión de dichas variables.

Versión Estudiantil Lesionados
Versión Estudiantil ene-feb
Versión 2019 Vs
Estudiantil Motocicleta
Versión - Otras
Estudiantil motos
Versión Estudiantil
Res. estudentizados_Lesionados ene-feb 2019
9,15
6,06
2,98
-0,11
-3,19
136,61
Predichos Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Lesionados ene-febVersión
Versión Estudiantil 2019 Vs Motocicleta
Estudiantil Versión Estudiantil
RPAR Lesionados ene-feb 2019 Motocicleta

137,94
96,14
54,34
12,54
-29,26
252,55
Motocicleta Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Lesonados ene-feb Versión
Versión Estudiantil 2019 Vs Otras motos
Estudiantil Versión Estudiantil
RPAR Lesionados ene-feb 2019 Otras motos
150,09
105,87
61,65
17,43
-26,79
0,30 Versión4,15Estudiantil 8,00
Versión Estudiantil
15,70
Otras motos Versión Estudiantil Versión Estudiantil
c. Calcular la recta de regresión y el coeficiente de correlación
para probar estadísticamente su relación.
el modelo matemático que permite predecir el efecto de dos o

más variables sobre otra está contemplado en la siguiente
ecuación.
Y= a(X1) + b(X2) + c
Y= Motocicleta (X1) + Otras motos (X2) + c
Remplazando valores quedaría:
Y= 0,26 (X1) + 5,10 (X2) - 9,66
Para este caso vamos a hallar (X1) = 80 y (X2) = 30
Y= 0,26 (80) + 5,10 (30) – 9,66
Y=20,8 + 153 – 9,66
Y= 164,14
para determinar si es confiable este modelo matemático lo

determinaremos mediante el coeficiente de determinación
0,38 * 100% = 38%
Para hallar el grado de correlación de las variables tenemos que
sacarle raíz cuadrada al coeficiente de determinación, quedando
así.
√ 0,38=0,61
Podemos concluir por este modelo matemático que nos permite
tener un valor aproximado de los lesionados ene-feb 2019 y las
variables independiente Motociclista y Otras motos que los
estudios implementados para este caso solo nos nuestra un 38%
de confiabilidad y afirmar una correlación regular 0,61.
d. Relacionar la información obtenida con el problema.
Después de realizar los estudios y aplicar las medidas estadísticas bivariantes

dentro de los datos estadísticos propuestos indicadores de accidentalidad
en 200 municipios de Colombia en el año 2019 podemos determinar que
el análisis realizado con variable dependiente (Y) lesionados ene-feb 2019
en relación a las variables independientes Motocicleta (X1) y Otras motos
(X2), arrojan una correlación regular y calcular con base al modelo matemático
el porcentaje de confiabilidad que permite analizar la problemática de los
factores que influyen en la accidentalidad de vehículos y en el grado de
Conclusiones
para concluir podemos decir, para nosotros como futuros
profesionales podemos resolver problemas en el día a día empleando
las medidas bivariantes en función de una problemática en estudio
en la cual aparecen conceptos básicos como; la Regresión lineal,
coeficiente de determinación lineal, Análisis de correlación,
Regresión simple, Diagramas de dispersión y todos los aspectos
relacionado con la temática, relacionando la solución de problemas
en
nuestra vida profesional y cotidiana desarrollando modelos
estadísticos que permitan identificarlos factores influyentes en la
severidad de accidentes y muertes asociados a los accidentes de
tránsito ocurridos en Colombia; y así poder llegar todos estos
conceptos a la vida cotidiana para resolver problemas en nuestras
vidas como profesionales cada uno en su respectivo campo.
Referencia Bibliográficas
 Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:

Paraninfo. (pp 151 – 158). Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b
82c81e98fcc1361e1929abe203c8219
 Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.

México City: Cengage Learning. (pp 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=e
558184ed89e57d11ede116134cfce41
 Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación

de mercados. México City: Cengage Learning.(pp 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=4
9575112db86a0eb46dae86bbaf74cb9

 Ortegon Pava, M. (03,10,2018). Regresión y Correlación lineal.
[Archivo de video]. Recuperado de http://hdl.handle.net/10596/20621
 Matus, R., Hernández, Martha, and García, E (2010). Estadística.
México, D.F., MX: Instituto Politécnico Nacional, (2010). ProQuest
ebrary. (pp 95-109). Recuperado de
http://site.ebrary.com/lib/unadsp/reader.action?
ppg=12&docID=10365616&tm=1471981556569
 Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y
estadística 1. Distrito Federal, MÉXICO: Grupo Editorial Patria. (pp
99-109). Recuperado de http://site.ebrary.com/lib/unadsp/reader.action?
ppg=6&docID=11230886&tm=1471982022168
 el blog del curso, allí encontraran más videos:

http://estadisticadescriptivaunad100105.blogspot.com/2010/03/estadisti
ca-100105.html
 enlace para la descarga del INFOSTAT
http://hdl.handle.net/10596/7779
http://hdl.handle.net/10596/7779

PASO 4 - Javier Pacheco - 280

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PASO 4 - Javier Pacheco - 280

Cargado por

Copyright:

Formatos disponibles

DESCRIPCIÓN DE LA DE LA

Nombre del docente:

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería

ACTIVIDADES PARA DESARROLLAR

ACTIVIDAD 1. MAPA MENTAL.

ACTIVIDAD 2. DEFINICIÓN DE CONCEPTOS

ACTIVIDAD 3. LABORATORIO DE REGRESIÓN Y CORRELACIÓN

El siguiente trabajo se realiza con el fin de poder identificar las

 en el año 2019 se geo-referencio cada accidente y ubicándolo en la base

 Vamos a tomar la accidentalidad de vehículos y en el grado de muertes

Definir brevemente los conceptos básicos asociados a Regresión y Correlación

Siendo x́ e ý la media de cada variable y xi e yi el valor de las variables para la

La covarianza depende de las escalas en que se miden las variables estudiadas,

Es importante saber que el resultado del coeficiente de determinación oscila

Para aquellos que no conozcan la expresión de la varianza, les recomiendo que

La primera diferencia es que la Y lleva un circunflejo o, lo que los profesores

A continuación, vamos a realizar el mismo análisis con la parte del

En este caso, la única diferencia existente respecto a la fórmula original de la

Correlación positiva y correlación negativa

1. Hay correlación negativa: las dos variables se correlacionan en sentido

2. Si r = 0 se dice que las variables están correlacionadas: no puede

3. Propiedad importante: Si dos variables son independientes estarán

A partir de la base de datos “Indicadores de accidentalidad -220

a. Identificar dos variables cuantitativas de la situación

 Lesionados ene - feb 2019, variable dependiente (Y)

b. Realizar el diagrama de dispersión de dichas variables

Variable N R² R² Aj ECMP AIC

Coeficientes de regresión y estadísticos asociados

Coef Est. E.E. LI(95%) LS(95%) T p-valor

Usuario en moto 0,95 0,06 0,84 1,07 16,42 <0,0001

Cuadro de Análisis de la Varianza (SC tipo III)

después de analizar el grafico y el análisis de regresión lineal que

Para 50 usuarios de motos, el número de lesionados ene-feb 2019

0,58 * 100% = 58%

Lo anterior nos indica que la confiabilidad del modelo es del 58%,

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

Para hallar el grado de correlación de las 2 variables tenemos que

De los Indicadores de accidentalidad en los 200 municipios 2019,

f. Establezca al menos 3 nuevos valores independientes

Para este caso vamos a hallar para (x) usuarios en moto

Podemos concluir que con un modelo con el 58% de confiabilidad,

a. Identificar una variable cuantitativa dependiente y varias

 Lesionados ene - feb 2019, variable dependiente (Y)

b. Realizar el diagrama de dispersión de dichas variables.

RPAR Lesionados ene-feb 2019 Motocicleta

el modelo matemático que permite predecir el efecto de dos o

Remplazando valores quedaría:

Y= 0,26 (X1) + 5,10 (X2) - 9,66

Para este caso vamos a hallar (X1) = 80 y (X2) = 30

Y= 0,26 (80) + 5,10 (30) – 9,66

Y=20,8 + 153 – 9,66

para determinar si es confiable este modelo matemático lo

d. Relacionar la información obtenida con el problema.

Después de realizar los estudios y aplicar las medidas estadísticas bivariantes

 Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:

 Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.

 Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación

 el blog del curso, allí encontraran más videos:

También podría gustarte