Unidad 3: Paso 4 - Descripción de la información.

Presentado por:

Daysi Yurani Herrera Marin COD: 1053817382

Laura Ines Apraez COD: 1085307681

Lorena Suarez COD:

Gabriel Angel Zapata COD:

Presentado a: Margarita Gómez

Universidad Nacional Abierta y a Distancia “UNAD”

Estadística Descriptiva

Programa De Psicología

Noviembre de 2018
INTRODUCCIÓN

La investigación estadística es una actividad que apela a diversas técnicas con el propósito
de llegar a la esencia de la realidad. La regresión lineal simple y la regresión lineal múltiple
son técnicas de análisis de las variables de una investigación estadística, por lo general se
utiliza con mayor frecuencia en las ciencias económicas, también es cierto que en muchos
casos se requiere conocer más que el comportamiento de una sola variable para entender
una investigación cualquiera. Entonces, al recolectar, presentar y caracterizar un conjunto
de datos, la estadística descriptiva muestra apropiadamente las diversas características
existentes dentro del caso que se presente permitiendo estudiar simultáneamente los valores
de dos variables estadísticas.
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 en el estudio, sin dejar por fuera ningún factor o dato de importancia.
OBJETIVOS

Objetivos Generales

1. Potencializar en el estudiante habilidades y destrezas para caracterizar una situación

mediante el análisis de las medidas estadísticas bivariantes.

2. Determinar la relación entre dos o más variables inscritas en una situación

específica a partir del análisis de regresión lineal simple y múltiple.

3. Calcular e interpretar adecuadamente las medidas estadísticas bivariantes, asociadas

a una situación específica.

Objetivos Específicos

1. Interpretar correctamente los datos de cada tabla propuestos en cada uno de los
ejercicios.

2. Realizar diagramas de dispersión en los ejercicios de laboratorio y actividades

colaborativas que permitan determinar el tipo de asociación entre las variables
escogidas en cada ejercicio.

3. En los ejercicios propuestos de laboratorio y de regresión y correlación lineal simple

crear modelos matemáticos que permita predecir el efecto de una variable sobre la
otra para determinar su fiabilidad.

4. Determinar porcentajes que permitan una explicación de modelo y grado de relación

de dos variables de los ejercicios de laboratorio y de regresión y correlación lineal
simple.

5. Relacionar o analizar la información obtenida en cada problema planteado en los

ejercicios de laboratorio y colaborativo

6. 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
usara para el desarrollo de la actividad.
LABORATORIO DE REGRESIÓN Y CORRELACIÓN LINEAL
3. Realizar el laboratorio de regresión y correlación lineal que se encuentra en el Entorno de
aprendizaje práctico, en la carpeta Guía para el uso de recursos educativos
3.1 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:

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

variables.

R= coeficiente de correlación

R= raíz cuadrada de 0,8774

R= 0,93% La correlación es excelente

 RENDIMIENTO EN UN PROCESO QUIMICO
PUREZA DEL OXIGENO 105

100

95

90 f(x) = − 0.04 x + 92.64

R² = 0.01
85

80
0 5 10 15 20 25

PORCENTAJE DE HIDROCARBUROS

Posee tendencia positiva y relación directa entre el % de hidrocarburo y la pureza puesto

que a medida que él % aumenta la pureza también aumenta es decir que la pureza si
depende del % de hidrocarburo. La ecuación matemática es confiable en un 87,74%.

Diagrama de dispersión

Tipo de asociación de las

Directa
variables
Modelo matemático y = 14,947x + 74,283
2
R R² = 0, 8774
R 0,93
Confiabilidad Es confiable
% de explicación 87, 74%
Grado de relación Excelente
Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?

y = 14,947x + 74,283

R²= coeficiente de determinación = 87,74% por lo tanto es

R² = 0,8774
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a 91,3?
R/ Si la pureza es de 91,3 el porcentaje de hidrocarburo es de 1,13
y= pureza.

x= hidrocarburo

y= 91,3

91,3= 14,947x+74,283

91,3-74,283=14,947x

17,02/14,947=x

x= 1,13

Cuando el oxígeno es igual a 91,3 el porcentaje del hidrocarburo será 1,13%

3.2 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:

Tendencia positiva, existe una relación directa entre la temperatura y el consumo de

vapor, por lo tanto, el número de libras de vapor consumidas mensualmente por una
planta química si se relaciona con la temperatura la cual está representada en °F, su
correlación es excelente con un 0,99%, la R² = 99,99 lo que significa que posee un alto
grado de confiabilidad.
 800 CONSUMO DE VAPOR
700
600
500
LIBRAS

f(x) = 17.32 x + 292.02

400 R² = 0.15
300
200
100
0
0 2 4 6 8 10 12 14

TEMPERATURA AMBIENTAL (F)

Ajuste un modelo matemático que permita predecir el efecto de una variable sobre la
otra. ¿Es confiable?
y = 9,2087x - 6,3184

R²= coeficiente de determinación= 99,99 % lo cual es confiable.

R² = 0,9999

Tipo de asociación de las variables Directa

Modelo matemático y = 9,2087x - 6,3184
R2 R² = 0,9999
R 0, 99
Confiabilidad Es confiable
% de explicación 99, 99%
Grado de relación Es excelente
Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.

R= coeficiente de correlación

R= raíz cuadrada de 0,9999%

R= 0,99% La correlación es excelente

¿Cuál es el de consumo de vapor cuando la temperatura es de 70 °F?

y= consumo de vapor?
x= temperatura en °F

x= 70 °F
y= 9,2087(70) + 6,3184
y= 644,609 + 6,3184
y= 650,9.

Cuando la temperatura es igual a 70 °F el consumo de vapor será 650,9%

3.3 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:

Tendencia negativa, existe una relación inversa entre % de sobrepeso y el umbral de reflejo
de flexión a medida que aumenta el % de sobrepeso, disminuye el Umbral de reflejo de
flexión, la correlación entre las dos variables es mínima con un 0,33%, también es posible
Diagrama de dispersión
Tipo de asociación de las variables Inversa
Modelo matemático y = -0,0629x + 11,642
R2 R² = 0,1115
R 0,33
Confiabilidad No es confiable
% de explicación 11.15%
Grado de relación Relación mínima
Afirmar que este modelo no es recomendable puesto que posee un grado de confiabilidad
muy bajo por tener un R²= 11,15%.
 CORRELACION ENTRE OBESIDAD Y
RESPUESTA AL DOLOR RESPUESTA AL DOLOR
16
14
f(x) = 1.53 x − 5.28
12 R² = 0.93
10
8
6
4
2
0
0 2 4 6 8 10 12 14

PORCENTAJE DE SOBREPESO

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

y = -0,0629x + 11,642

R² = 0,1115

R²= coeficiente de determinación = 11,15 % por lo tanto no es confiable

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

variables.

R=coeficiente de correlación

R= raíz cuadrada de 0,1115

R= 0,33% La correlación es mínima

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

sobrepeso, de 40?
y= umbral de reflejo de flexión nociceptiva?
x= porcentaje de sobrepeso
X= 40 % Sobrepeso
y= (-0,0629) (40) + 11,642
y= -2,516 + 11,642
y= 9.126

Cuando el porcentaje de sobrepeso es de 40%, el umbral de reflejo de flexión nociceptiva

es de 9,126.

Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.

Variables: ESTATURA X - PESO Y

ESTATURA ESTATURA
Peso (kg) Peso (kg) Y
(M) (M) X
dependiente dependiente
independiente independiente
X*Y X2 Y2
0,65 12,50 0,65 12,50 8,125 0,4225 156,25
1,74 60,00 1,74 60,00 104,4 3,0276 3600
1,58 72,50 1,58 72,50 114,55 2,4964 5256,25
1,59 58,00 1,59 58,00 92,22 2,5281 3364
1 16,50 1 16,50 16,5 1 272,25
1,65 57,60 1,65 57,60 95,04 2,7225 3317,76
1,7 78,60 1,7 78,60 133,62 2,89 6177,96
0,73 5,20 0,73 5,20 3,796 0,5329 27,04
1,62 53,80 1,62 53,80 87,156 2,6244 2894,44
1,53 45,80 1,53 45,80 70,074 2,3409 2097,64
1,65 60,20 1,65 60,20 99,33 2,7225 3624,04
1,18 19,70 1,18 19,70 23,246 1,3924 388,09
1,69 62,70 1,69 62,70 105,963 2,8561 3931,29
1,58 78,60 1,58 78,60 124,188 2,4964 6177,96
1,53 52,70 1,53 52,70 80,631 2,3409 2777,29
0,85 8,90 0,85 8,90 7,565 0,7225 79,21
1,64 70,00 1,64 70,00 114,8 2,6896 4900
1,75 80,90 1,75 80,90 141,575 3,0625 6544,81
1,6 78,90 1,6 78,90 126,24 2,56 6225,21
1,03 15,90 1,03 15,90 16,377 1,0609 252,81
1,55 56,00 1,55 56,00 86,8 2,4025 3136
1,58 52,90 1,58 52,90 83,582 2,4964 2798,41
1,78 78,50 1,78 78,50 139,73 3,1684 6162,25
1,66 85,80 1,66 85,80 142,428 2,7556 7361,64
1,7 65,20 1,7 65,20 110,84 2,89 4251,04
1,79 60,00 1,79 60,00 107,4 3,2041 3600
1,72 67,20 1,72 67,20 115,584 2,9584 4515,84
1,68 85,00 1,68 85,00 142,8 2,8224 7225
1,03 24,50 1,03 24,50 25,235 1,0609 600,25
1,63 65,40 1,63 65,40 106,602 2,6569 4277,16
1,73 60,60 1,73 60,60 104,838 2,9929 3672,36
1,68 85,00 1,68 85,00 142,8 2,8224 7225
1,58 57,30 1,58 57,30 90,534 2,4964 3283,29
1,65 67,90 1,65 67,90 112,035 2,7225 4610,41
0,45 2,60 0,45 2,60 1,17 0,2025 6,76
1,78 75,30 1,78 75,30 134,034 3,1684 5670,09
1,5 45,20 1,5 45,20 67,8 2,25 2043,04
1,64 50,20 1,64 50,20 82,328 2,6896 2520,04
1,16 23,00 1,16 23,00 26,68 1,3456 529
1,52 45,00 1,52 45,00 68,4 2,3104 2025
1,58 65,70 1,58 65,70 103,806 2,4964 4316,49
0,98 16,70 0,98 16,70 16,366 0,9604 278,89
1,65 60,50 1,65 60,50 99,825 2,7225 3660,25
1,59 57,80 1,59 57,80 91,902 2,5281 3340,84
1,61 60,30 1,61 60,30 97,083 2,5921 3636,09
1,79 78,50 1,79 78,50 140,515 3,2041 6162,25
0,96 15,30 0,96 15,30 14,688 0,9216 234,09
1,67 65,20 1,67 65,20 108,884 2,7889 4251,04
1,7 65,60 1,7 65,60 111,52 2,89 4303,36
1,68 78,40 1,68 78,40 131,712 2,8224 6146,56
1,62 57,90 1,62 57,90 93,798 2,6244 3352,41
0,53 3,40 0,53 3,40 1,802 0,2809 11,56
1,59 58,30 1,59 58,30 92,697 2,5281 3398,89
1,56 56,80 1,56 56,80 88,608 2,4336 3226,24
1,65 60,00 1,65 60,00 99 2,7225 3600
1,68 72,00 1,68 72,00 120,96 2,8224 5184
1,56 58,60 1,56 58,60 91,416 2,4336 3433,96
0,96 14,20 0,96 14,20 13,632 0,9216 201,64
1,67 65,70 1,67 65,70 109,719 2,7889 4316,49
1,61 60,80 1,61 60,80 97,888 2,5921 3696,64
0,57 3,10 0,57 3,10 1,767 0,3249 9,61
1,8 85,00 1,8 85,00 153 3,24 7225
1,56 60,80 1,56 60,80 94,848 2,4336 3696,64
1,62 55,90 1,62 55,90 90,558 2,6244 3124,81
1,67 70,00 1,67 70,00 116,9 2,7889 4900
1,8 73,80 1,8 73,80 132,84 3,24 5446,44
1,75 78,50 1,75 78,50 137,375 3,0625 6162,25
1,65 67,20 1,65 67,20 110,88 2,7225 4515,84
1,72 67,20 1,72 67,20 115,584 2,9584 4515,84
1,59 58,80 1,59 58,80 93,492 2,5281 3457,44
1,63 62,30 1,63 62,30 101,549 2,6569 3881,29
1,65 70,20 1,65 70,20 115,83 2,7225 4928,04
1,52 54,90 1,52 54,90 83,448 2,3104 3014,01
1,72 78,10 1,72 78,10 134,332 2,9584 6099,61
1,63 62,90 1,63 62,90 102,527 2,6569 3956,41
1,86 65,00 1,86 65,00 120,9 3,4596 4225
1,63 62,90 1,63 62,90 102,527 2,6569 3956,41
1,75 72,90 1,75 72,90 127,575 3,0625 5314,41
1,57 61,60 1,57 61,60 96,712 2,4649 3794,56
0,76 9,70 0,76 9,70 7,372 0,5776 94,09
1,78 64,30 1,78 64,30 114,454 3,1684 4134,49
1,62 58,90 1,62 58,90 95,418 2,6244 3469,21
1,06 18,30 1,06 18,30 19,398 1,1236 334,89
1,68 56,90 1,68 56,90 95,592 2,8224 3237,61
0,57 3,10 0,57 3,10 1,767 0,3249 9,61
1,51 45,80 1,51 45,80 69,158 2,2801 2097,64
1,76 68,90 1,76 68,90 121,264 3,0976 4747,21
0,86 11,90 0,86 11,90 10,234 0,7396 141,61
1,62 65,90 1,62 65,90 106,758 2,6244 4342,81
1,71 78,00 1,71 78,00 133,38 2,9241 6084
1,1 16,90 1,1 16,90 18,59 1,21 285,61
1,86 85,80 1,86 85,80 159,588 3,4596 7361,64
1,71 67,20 1,71 67,20 114,912 2,9241 4515,84
1,59 63,20 1,59 63,20 100,488 2,5281 3994,24
0,82 9,40 0,82 9,40 7,708 0,6724 88,36
1,76 72,90 1,76 72,90 128,304 3,0976 5314,41
0,47 3,90 0,47 3,90 1,833 0,2209 15,21
1,62 63,80 1,62 63,80 103,356 2,6244 4070,44
1,4 30,50 1,4 30,50 42,7 1,96 930,25
1,51 52,60 1,51 52,60 79,426 2,2801 2766,76
1,81 85,90 1,81 85,90 155,479 3,2761 7378,81
1,66 67,90 1,66 67,90 112,714 2,7556 4610,41
1,6 58,20 1,6 58,20 93,12 2,56 3387,24
1,63 55,00 1,63 55,00 89,65 2,6569 3025
1,58 60,50 1,58 60,50 95,59 2,4964 3660,25
1,67 87,50 1,67 87,50 146,125 2,7889 7656,25
1,72 55,20 1,72 55,20 94,944 2,9584 3047,04
1,65 70,00 1,65 70,00 115,5 2,7225 4900
1,56 45,90 1,56 45,90 71,604 2,4336 2106,81
1,63 54,00 1,63 54,00 88,02 2,6569 2916
1,67 60,80 1,67 60,80 101,536 2,7889 3696,64
1,64 65,80 1,64 65,80 107,912 2,6896 4329,64
1,61 70,80 1,61 70,80 113,988 2,5921 5012,64
1,68 78,60 1,68 78,60 132,048 2,8224 6177,96
1,8 87,20 1,8 87,20 156,96 3,24 7603,84
1,72 79,50 1,72 79,50 136,74 2,9584 6320,25
1,75 72,90 1,75 72,90 127,575 3,0625 5314,41
1,67 67,50 1,67 67,50 112,725 2,7889 4556,25
1,55 58,20 1,55 58,20 90,21 2,4025 3387,24
1,72 64,30 1,72 64,30 110,596 2,9584 4134,49
11000,21
 
  181,52 6718,00 7 287,7456 437809,28
SUMATORIA
  S X Y X*Y X2 Y1

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

entre las variables.

Relación peso y estatura

100.00
90.00
80.00
70.00 f(x) = 63.66 x − 40.31
60.00
R² = 0.86
PESO

50.00
40.00
30.00
20.00
10.00
0.00
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ESTATURA

Como la correlación es positiva hay una correlación Dire

calcular R2 Y r r
numerador 100574,68
1 parte del denominador 1579,9616
2 parte del denominador 7405589,6
1170054719
resultado total del denominador 3
raiz cuadrada del denominador 108169,0676
coeficiente de correlacion r 0,929791503
coeficiente de determinacion R 0,864512239
   
   
calculo de a  
numerador 100574,68
denominador 1579,9616
resultado de a 63,65640785
   
   
calculo de b  
numerador -4836,91115
denominador (valor de n) 120
resultado b -40,3075929
 
ECUACION DE REGRECION O MODELO MATEMATICO
Y=ax + b
 
y= 63,65640785*X-40,3075929
 
Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. Es confiable?

Modelo Matemático Y =
63,65640785*X-40,3075929
 
R2=0,864512239
R2=0,864512239 *100
R2=86,4512239 %
El coeficiente de determinación es de 86,45%, esto quiere decir que coeficiente
de determinación es confiable.
 2. Determine el grado de relación de las dos variables.
LABORATORIO DE REGRESIÓN Y CORRELACIÓN LINEAL

Aporte: LORENA SUAREZ GALINDO.

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:

X
(% de Y
Hidrocarburos) (Pureza)
0,99 90,01
1,02 89,05
1,15 91,43 a. Realice el diagrama de dispersión y
1,29 93,74 determine el tipo de asociación entre las
1,46 96,73 variables.
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54 Posee tendencia positiva y relación directa
1,15 92,52 entre el % de hidrocarburo y la pureza puesto
0,98 90,56 que a medida que él % aumenta la pureza
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
también aumenta es decir que la pureza si depende del % de hidrocarburo. La ecuación
matemática es confiable en un 87,74%.

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

sobre la otra. Es confiable?

y = 14,947x + 74,283

R²= coeficiente de determinación = 87,74% por lo tanto es

R² = 0,8774

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

variables.

R= coeficiente de correlación

R= raíz cuadrada de 0,8774

R= 0,93% La correlación es excelente

d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a

91,3?

y= pureza.

x= hidrocarburo?.

y= 91,3

91,3= 14,947x+74,283

91,3-74,283=14,947x

17,02/14,947=x

x= 1,13

Cuando el oxígeno es igual a 91,3 el porcentaje del hidrocarburo será 1,13%.

 CONSUMO MENSUAL DE VAPOR POR UNA

CONSUMO DE VAPOR (LB)

PLANTA QUIMICA
800

600 f(x) = 9.21 x − 6.32

400 R² = 1

200 2- El número de libras de

0 vapor (y) consumidas
10 20 30 40 50 60 70 80 mensualmente por una

TEMPERATURA °F planta química, se

relaciona con la
temperatura ambiental
o
promedio (en F). Para el año 2014, se registraron los siguientes valores de
temperatura y consumo
x Temperatura y Consumo de anual.
Mes
(°F) vapor (Lb)
Ene. 21 185,79
Feb. 24 214,47 2014 Registros de
Mar. 32 288,03 Temperatura y consumo
Abr. 47 424,84
de vapor
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.

Tendencia positiva, existe una relación directa entre la temperatura y el consumo de

vapor, por lo tanto el número de libras de vapor consumidas mensualmente por una
planta química si se relaciona con la temperatura la cual está representada en °F, su
correlación es excelente con un 0,99%, la R² = 99,99 lo que significa que posee un alto
grado de confiabilidad.
b. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. Es confiable?

y = 9,2087x - 6,3184

R²= coeficiente de determinación= 99,99 % lo cual es confiable.

R² = 0,9999

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

variables.

R= coeficiente de correlación

R= raíz cuadrada de 0,9999%

R= 0,99% La correlación es excelente

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

y= consumo de vapor?
x= temperatura en °F

x= 70 °F
y= 9,2087(70) + 6,3184
y= 644,609 + 6,3184
y= 650,9.

Cuando la temperatura es igual a 70 °F el consumo de vapor será 650,9%

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.

x (porcentaje  
de sobrepeso)
 UMBRAL DE REFLEJO DE REFELXIÓ
o b e s id a d y re s p u e s ta in d iv id u a l a l d o lo r
20

15

10
f(x) = − 0.06 x + 11.64
y (umbral
R² = 0.11 de reflejo
5
de flexión
0
10 nociceptiva)
20 30 40 50 60 70 80 90 100
% DE SOBREPESO
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.
Tendencia negativa, existe una relación inversa entre % de sobrepeso y el umbral de reflejo
de flexión a medida que aumenta el % de sobrepeso, disminuye el Umbral de reflejo de
flexión, la correlación entre las dos variables es mínima con un 0,33%, también es posible

Afirmar que este modelo no es recomendable puesto que posee un grado de confiabilidad
muy bajo por tener un R²= 11,15%.

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

y = -0,0629x + 11,642

R² = 0,1115

R²= coeficiente de determinación = 11,15 % por lo tanto no es confiable

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

variables.

R=coeficiente de correlación

R= raíz cuadrada de 0,1115

R= 0,33% La correlación es mínima

d-¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de
sobrepeso, de 40?

y= umbral de reflejo de flexión nociceptiva?

x= porcentaje de sobrepeso

X= 40 % Sobrepeso
y= (-0,0629) (40)+ 11,642
y= -2,516 + 11,642
y= 9.126

Cuando el porcentaje de sobrepeso es de 40%, el umbral de reflejo de flexión nociceptiva

es de 9,126.

Solución taller.

A partir de la base de datos suministrada debe:

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

relacionadas.
La edad y la estatura son dos variables que pueden estar relacionadas, se tomara como
variable explicativa la edad y la variable respuesta será la estatura.

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

asociación entre las variables.

Relación entre la estatura y la edad

2
1.8 f(x) = 0.01 x + 1.23
R² = 0.34
1.6
Estattura (Cm)

1.4
1.2
1
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100

Edad (Años)
El tipo de asociación entre las variables es positiva, debido a que la nube de punto se
desplaza desde la parte inferior izquierda a la parte superior derecha.

- Encuentre el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿Es confiable?
y = 0,0084x + 1,2276, la anterior ecuación de la recta de regresión, se obtuvo con el
programa Excel. Para saber si este es modelo es confiable, lo que se tiene que mirar es el
R^2, si es cercano a 1 es un modelo confiable. El valor de este también se calcula por
medio del programa Excel.

R² = 0,3417, es un valor R² alejado de 1, lo cual hace que sea poco confiable. Además solo
el 34% de la variación observada en Y puede ser explicada por X, es un porcentaje de
explicación moderado.

- Determine el grado de relación de las dos variables.

El coeficiente de correlación muestral es: (su cálculo en Excel) r= 0,585

- Relacionar la información obtenida con el problema.

Con base a los datos anteriores se puede notar que la fuerza de la asociación entre las dos
variables edad y estatura no es muy fuerte, ya que tiene un valor de 0,585, además el R² nos
habla de que muy poquita variación observada en la estatura puede ser explicada solo por la
edad, así que deben haber otra variables que estén influyendo sobre la edad y puedan
explicar mejor estas relaciones. Sumado a lo anterior el modelo para predecir valores en Y
es poco confiable.

 . 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:
Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.
 Relación entre pureza y el % de hidrocarburos
105
100
95 f(x) = 14.95 x + 74.28
Pureza

R² = 0.88
90
85
80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6

% de hidrocarburos

El tipo de asociación entre las variables es positiva, debido a que la nube de puntos se
desplaza desde la parte inferior izquierda a la parte superior derecha. En este caso a simple
vista se podría decir que la correlación parece ser muy fuerte, el cálculo del coeficiente de
correlación lo confirmara.

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

Con Excel se halla la ecuación de la línea de regresión.

y = 14,947x + 74,283

R² = 0,8774

Es un modelo confiable debido a que el R² está cercano a 1.

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

variables.

Con un R² = 0,8774 el porcentaje de explicación del modelo es del 87,74%, es decir, el

87,74% de la variación observada en la pureza puede ser explicada por el porcentaje de
hidrocarburos.

El grado de relación se calcula en Excel y se obtuvo el siguiente valor r= 0,937, lo que

quiere decir que la fuerza de la asociación entre estas dos variables es grande ya que el
valor del coeficiente de correlación está cercano a 1.

¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a 91,3?

Se reemplaza el valor de la pureza de oxígeno en la ecuación.

y=14,947 x +74,283

14,947 x= y−74,283
 y−74,283
x=
14,947

Se reemplaza el valor de la pureza de oxígeno en la ecuación.

91,3−74,283
x= ≈ 1.14
14,947

 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.

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

Relación entre el consumo de vapor y la

temperatura
Consumo de vapor

800
600 f(x) = 9.21 x − 6.32
400 R² = 1
200
0
10 20 30 40 50 60 70 80
Temperatura

La asociación entre las dos variables es lineal y es positiva, ya que se puede observar que
mientras una variable crece la otra también crece.

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

El modelo que permite predecir un valor de Y para un valor especifico de X es, y = 9,2087x
– 6,3184 es un modelo bastante confiable de debido a que el R² = 0,9999 está cercano a 1.

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

variables

Con un R² = 0,9999 el porcentaje de explicación del modelo es del 99,99%, esto significa
que el 99,99% de la variación observada en el consumo de vapor puede ser explicada por la
temperatura. Casi toda la variación es explicada por la variable X.

El grado de relación se calcula en Excel y se obtuvo el siguiente valor r= 0,9999, lo que

quiere decir que la fuerza de la asociación entre estas dos variables es muy fuerte ya que el
valor del coeficiente de correlación está cercano a 1.
¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?

y=9,2087 x−6,3184

Para x=70 se tiene que el consumo de vapor (y) es:

y=9,2087 ( 70 )−6,3184=638.2906

- 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

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

Relación entre la respueta al dolor y el

porcentaje de sobrepeso
Respusta al dolor

20
15
10
f(x) = − 0.06 x + 11.64
5 R² = 0.11
0
10 20 30 40 50 60 70 80 90 100

Porcentaje de sobrepeso

En este caso no hay asociación entre las variables, ya no existen un patrón discernible sobre
los puntos del gráfico.

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

y = -0,0629x + 11,642, es el modelo que podría predecir el efecto de una variable sobre
otra, sin embargo es de notar que el R² = 0,1115 es muy cercano a 0. Por lo tanto es un
modelo poco confiable, esto es de esperar debido a que se puede notar que no existe algún
patrón de asociación entre las variables.

Determine el grado de relación de las dos variables.

El coeficiente de relación tiene un valor de r= -0,334, se puede observar que está muy
cercano a cero, por lo tanto la fuerza de la relación entre estas dos variables es muy baja.
¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de
sobrepeso, de 40?

y=−0,0629 x +11,642

Con un porcentaje de sobrepeso de 40 (x=40) , se tiene que:

y=−0,0629 ( 40 ) +11,642=9.126

El umbral de reflejo de flexión nociceptiva es de 9.126, sin embargo este es un valor que
debe ser tomado con prudencia debido a que hay poca confiabilidad en el modelo
matemático, además de que hay poca correlación entre estas dos variables.

Regresión y Correlación lineal Simple A partir de la base de datos suministrada, cada

estudiante debe:

Variable X: Edad.
Variable Y: Grados de alcohol.
Diagrama de dispersión:

accidentes de transito
2.0
1.8
1.6 f(x) = − 0.06 x + 2.79
grados de alcohol

1.4 R² = 0.92
1.2
1.0
0.8
0.6
0.4
0.2
0.0
15 20 25 30 35 40 45 50
edad

Tipo de asociación de las variables Inversa.

Modelo matemático y = -0,0637x+2,7911
R2 R² = 0,918
R 0,95
Confiabilidad Es confiable
% de explicación 91,8 %
Grado de relación Excelente

Modelo matemático confiable en un 0,918 x 100%= 91,8%. Es confiable.

Análisis e interpretación de resultados

A medida que aumenta la edad los grados de alcohol disminuyen eso quiere decir que los
mayores grados de alcohol fueron encontrados en los jóvenes, el modelo matemático es
confiable con un coeficiente de determinación de 91,8 %. Para obtener el porcentaje de
correlación fue necesario sacar la raíz cuadrada de 0,918 obteniendo como resultado 0,95 y
multiplicado por 100% da como resultado una correlación lineal simple.
En conclusión, no dimos cuenta que a menor edad mayor grados de alcohol se encuentran
presentes.

REGRESIÓN Y CORRELACIÓN LINEAL MÚLTIPLE

Variable Y: Grados de alcohol.

Variable X1: Velocidad
Variable X2: Número de heridos.
Diagrama de dispersión:

Y+x1
2.0
1.8
1.6
1.4
Grados de alcohol

1.2
f(x) = 0.05 x − 3.09
1.0 R² = 0.12
0.8
0.6
0.4
0.2
0.0
68 70 72 74 76 78 80 82 84
Velocidad
 Y+x2
20
18
16
14
Número de heridos

12
10
8
6
4 f(x) = 0.03 x + 0.4
2 R² = 0.04
0
20 40 60 80 100 120 140 160
Velocidad

Tipo de asociación de las variables Directa

Modelo matemático Y= 72,1523+1,2780x1+-1,5143x2
R2 0,03091112
R 0,17
Confiabilidad no confiable
% de explicación 17%
Grado de relación No hay correlación.

Análisis e interpretación de resultados:

No se presenta estadísticamente la correlación dada entre los datos presentes.

Regresión y Correlación lineal Múltiple

Variable:

EDAD (y) Peso (kg) (x1) ESTATURA (M) (x2)

Diagrama

Relación: Eedad, peso y estatura

2
1.8
1.6
1.4
1.2
estatura

1
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
edad

EDAD Peso (kg) ESTATURA

x1^2 x2^2 x1y x2y x1x2
(y) (x1) (M) (x2)
3 12.50 0.65 156.25 0.42 37.5 1.95 8.125
31 60.00 1.74 3600.00 3.03 1860 53.94 104.4
62 72.50 1.58 5256.25 2.50 4495 97.96 114.55
64 58.00 1.59 3364.00 2.53 3712 101.76 92.22
4 16.50 1 272.25 1.00 66 4 16.5
65 57.60 1.65 3317.76 2.72 3744 107.25 95.04
55 78.60 1.7 6177.96 2.89 4323 93.5 133.62
1 5.20 0.73 27.04 0.53 5.2 0.73 3.796
18 53.80 1.62 2894.44 2.62 968.4 29.16 87.156
42 45.80 1.53 2097.64 2.34 1923.6 64.26 70.074
23 60.20 1.65 3624.04 2.72 1384.6 37.95 99.33
8 19.70 1.18 388.09 1.39 157.6 9.44 23.246
71 62.70 1.69 3931.29 2.86 4451.7 119.99 105.963
53 78.60 1.58 6177.96 2.50 4165.8 83.74 124.188
20 52.70 1.53 2777.29 2.34 1054 30.6 80.631
2 8.90 0.85 79.21 0.72 17.8 1.7 7.565
73 70.00 1.64 4900.00 2.69 5110 119.72 114.8
25 80.90 1.75 6544.81 3.06 2022.5 43.75 141.575
35 78.90 1.6 6225.21 2.56 2761.5 56 126.24
5 15.90 1.03 252.81 1.06 79.5 5.15 16.377
24 56.00 1.55 3136.00 2.40 1344 37.2 86.8
23 52.90 1.58 2798.41 2.50 1216.7 36.34 83.582
19 78.50 1.78 6162.25 3.17 1491.5 33.82 139.73
54 85.80 1.66 7361.64 2.76 4633.2 89.64 142.428
19 65.20 1.7 4251.04 2.89 1238.8 32.3 110.84
21 60.00 1.79 3600.00 3.20 1260 37.59 107.4
56 67.20 1.72 4515.84 2.96 3763.2 96.32 115.584
43 85.00 1.68 7225.00 2.82 3655 72.24 142.8
5 24.50 1.03 600.25 1.06 122.5 5.15 25.235
21 65.40 1.63 4277.16 2.66 1373.4 34.23 106.602
54 60.60 1.73 3672.36 2.99 3272.4 93.42 104.838
51 85.00 1.68 7225.00 2.82 4335 85.68 142.8
26 57.30 1.58 3283.29 2.50 1489.8 41.08 90.534
22 67.90 1.65 4610.41 2.72 1493.8 36.3 112.035
0 2.60 0.45 6.76 0.20 0 0 1.17
26 75.30 1.78 5670.09 3.17 1957.8 46.28 134.034
73 45.20 1.5 2043.04 2.25 3299.6 109.5 67.8
85 50.20 1.64 2520.04 2.69 4267 139.4 82.328
7 23.00 1.16 529.00 1.35 161 8.12 26.68
16 45.00 1.52 2025.00 2.31 720 24.32 68.4
52 65.70 1.58 4316.49 2.50 3416.4 82.16 103.806
4 16.70 0.98 278.89 0.96 66.8 3.92 16.366
20 60.50 1.65 3660.25 2.72 1210 33 99.825
68 57.80 1.59 3340.84 2.53 3930.4 108.12 91.902
54 60.30 1.61 3636.09 2.59 3256.2 86.94 97.083
44 78.50 1.79 6162.25 3.20 3454 78.76 140.515
3 15.30 0.96 234.09 0.92 45.9 2.88 14.688
81 65.20 1.67 4251.04 2.79 5281.2 135.27 108.884
20 65.60 1.7 4303.36 2.89 1312 34 111.52
40 78.40 1.68 6146.56 2.82 3136 67.2 131.712
40 57.90 1.62 3352.41 2.62 2316 64.8 93.798
0 3.40 0.53 11.56 0.28 0 0 1.802
61 58.30 1.59 3398.89 2.53 3556.3 96.99 92.697
23 56.80 1.56 3226.24 2.43 1306.4 35.88 88.608
34 60.00 1.65 3600.00 2.72 2040 56.1 99
31 72.00 1.68 5184.00 2.82 2232 52.08 120.96
17 58.60 1.56 3433.96 2.43 996.2 26.52 91.416
3 14.20 0.96 201.64 0.92 42.6 2.88 13.632
59 65.70 1.67 4316.49 2.79 3876.3 98.53 109.719
19 60.80 1.61 3696.64 2.59 1155.2 30.59 97.888
0 3.10 0.57 9.61 0.32 0 0 1.767
44 85.00 1.8 7225.00 3.24 3740 79.2 153
75 60.80 1.56 3696.64 2.43 4560 117 94.848
75 55.90 1.62 3124.81 2.62 4192.5 121.5 90.558
82 70.00 1.67 4900.00 2.79 5740 136.94 116.9
33 73.80 1.8 5446.44 3.24 2435.4 59.4 132.84
39 78.50 1.75 6162.25 3.06 3061.5 68.25 137.375
23 67.20 1.65 4515.84 2.72 1545.6 37.95 110.88
37 67.20 1.72 4515.84 2.96 2486.4 63.64 115.584
48 58.80 1.59 3457.44 2.53 2822.4 76.32 93.492
50 62.30 1.63 3881.29 2.66 3115 81.5 101.549
94 70.20 1.65 4928.04 2.72 6598.8 155.1 115.83
17 54.90 1.52 3014.01 2.31 933.3 25.84 83.448
55 78.10 1.72 6099.61 2.96 4295.5 94.6 134.332
59 62.90 1.63 3956.41 2.66 3711.1 96.17 102.527
23 65.00 1.86 4225.00 3.46 1495 42.78 120.9
87 62.90 1.63 3956.41 2.66 5472.3 141.81 102.527
34 72.90 1.75 5314.41 3.06 2478.6 59.5 127.575
24 61.60 1.57 3794.56 2.46 1478.4 37.68 96.712
1 9.70 0.76 94.09 0.58 9.7 0.76 7.372
19 64.30 1.78 4134.49 3.17 1221.7 33.82 114.454
25 58.90 1.62 3469.21 2.62 1472.5 40.5 95.418
5 18.30 1.06 334.89 1.12 91.5 5.3 19.398
24 56.90 1.68 3237.61 2.82 1365.6 40.32 95.592
0 3.10 0.57 9.61 0.32 0 0 1.767
52 45.80 1.51 2097.64 2.28 2381.6 78.52 69.158
24 68.90 1.76 4747.21 3.10 1653.6 42.24 121.264
2 11.90 0.86 141.61 0.74 23.8 1.72 10.234
49 65.90 1.62 4342.81 2.62 3229.1 79.38 106.758
68 78.00 1.71 6084.00 2.92 5304 116.28 133.38
5 16.90 1.1 285.61 1.21 84.5 5.5 18.59
37 85.80 1.86 7361.64 3.46 3174.6 68.82 159.588
54 67.20 1.71 4515.84 2.92 3628.8 92.34 114.912
26 63.20 1.59 3994.24 2.53 1643.2 41.34 100.488
1 9.40 0.82 88.36 0.67 9.4 0.82 7.708
33 72.90 1.76 5314.41 3.10 2405.7 58.08 128.304
0 3.90 0.47 15.21 0.22 0 0 1.833
21 63.80 1.62 4070.44 2.62 1339.8 34.02 103.356
13 30.50 1.4 930.25 1.96 396.5 18.2 42.7
23 52.60 1.51 2766.76 2.28 1209.8 34.73 79.426
39 85.90 1.81 7378.81 3.28 3350.1 70.59 155.479
19 67.90 1.66 4610.41 2.76 1290.1 31.54 112.714
24 58.20 1.6 3387.24 2.56 1396.8 38.4 93.12
45 55.00 1.63 3025.00 2.66 2475 73.35 89.65
57 60.50 1.58 3660.25 2.50 3448.5 90.06 95.59
51 87.50 1.67 7656.25 2.79 4462.5 85.17 146.125
17 55.20 1.72 3047.04 2.96 938.4 29.24 94.944
26 70.00 1.65 4900.00 2.72 1820 42.9 115.5
16 45.90 1.56 2106.81 2.43 734.4 24.96 71.604
22 54.00 1.63 2916.00 2.66 1188 35.86 88.02
25 60.80 1.67 3696.64 2.79 1520 41.75 101.536
55 65.80 1.64 4329.64 2.69 3619 90.2 107.912
23 70.80 1.61 5012.64 2.59 1628.4 37.03 113.988
58 78.60 1.68 6177.96 2.82 4558.8 97.44 132.048
48 87.20 1.8 7603.84 3.24 4185.6 86.4 156.96
39 79.50 1.72 6320.25 2.96 3100.5 67.08 136.74
36 72.90 1.75 5314.41 3.06 2624.4 63 127.575
60 67.50 1.67 4556.25 2.79 4050 100.2 112.725
47 58.20 1.55 3387.24 2.40 2735.4 72.85 90.21
17 64.30 1.72 4134.49 2.96 1093.1 29.24 110.596
437809.2 287.745 267090. 6713.2 11000.21
4083 6718 181.52 8 6 5 3 7

y=−6.816+0.5114 x1 +7.85 x 2

120 6718 181.52

| |
det D= 6718.0 437809.28 11000.217 =13210674.47
181.52 11000.22 287.7456

4083 6718 181.52

| |
det a= 267090.5 437809.28 11000.217 =−90044112.1
6713.23 11000.22 287.7456

120 4083 181.52

| |
det B1 = 6718.0 267090.5 11000.217 =6835380.139
181.52 6713,23 287.7456
 120 6718 4083
| |
det B2 = 6718.0 437809.28 267090.5 =103704239.4
181.52 11000.22 6713.23

Entonces

−90044112.1
a= =−6.816
13210674.47

6835380.139
B 1= =0,5114
13210674.47

103704239.4
B 2= =7.85
13210674.47

Correlación

2 a ∑ y + B1 ∑ x1 y +B 2 ∑ x 2 y−n ý 2
R=
∑ y 2 −n ý 2
−6.816 ( 4083 )+ 0.5114 ( 267090.5 ) +7.85 ( 6713.23 )−120 ( 34.045 )2 22535.1342
R 2= 2
= =0,365
203031−120 ( 34.045 ) 63943.557

Los datos no tienen correlación

Resumen

Estadísticas de la
regresión
Coeficiente de
correlación 0.61366
múltiple 1799
Coeficiente de
determinación 0.37658
R^2 0803
0.36592
R^2 ajustado 4065
18.4820
Error típico 2816
Observaciones 120
Análisis de
Varianza
Grados Suma
de de Promedio Valor
liberta cuadrad de los crítico
  d os cuadrados F de F
35.33
24141.4 12070.7186 7341 9.8773
Regresión 2 373 6 4 4E-13
39965.4 341.585364
Residuos 117 877 8
64106.9
Total 119 25      

Prob Super Inferi Superi

Coefici Error Estadístico abilid Inferio ior or or
  entes típico t ad r 95% 95% 95.0% 95.0%
- - 0.548 - -
6.81601 11.3394 0.60108717 9446 29.273 15.64 29.273 15.641
Intercepción 1727 728 9 9 24345 122 2435 22
0.51741 0.20212 2.55992524 0.011 0.1171 0.917 0.1171 0.9177
Variable X 1 3411 052 5 7434 24321 7025 2432 02501
0.571 - -
7.85003 13.8377 0.56728926 6045 19.554 35.25 19.554 35.255
Variable X 2 3671 969 7 2 99799 50653 998 06534

Relacionar la información obtenida con el problema

Se puede considerar que las variables que se han elegido, tiene una relación mínima con el
problema en cuanto a peso y estatura, pues se puede considerar que el servicio de salud no
debe ser un proceso subjetivo y físico, sino que debe ser un servicio que se deriva según las
necesidades de las personas. Hay que precisar que los datos no tienen correlación, y en
relación con el problema, es subjetivo a que se dé una precisión con el problema, dado que
la atención en salud se puede establecer, según la necesidad, y el seguro, mas no por la
edad, peso y estatura; dado que el Coeficiente de correlación múltiple es de 0.613661799.
Conclusiones

Se pudo evidenciar que para manejar cualquier tipo de variables se necesita realizar un
diagrama de dispersión y aplicar conceptos, fórmulas de relación y correlación que permita
el despeje de las ecuaciones y datos para obtener un resultado. Los ejemplos nos muestran
que son acordes a un tipo de forma lineal y la correlación es confiable para los tipos de
datos.

Bibliografía

 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=b82c81e98fcc13
61e1929abe203c8219

 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=e558184ed89e57
d11ede116134cfce41

 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=49575112db86a0
eb46dae86bbaf74cb9

 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=47eaa8f46c19ad1
3af26a0a74e510de2