AREA:

Ciencias Básicas y Ambientales.

ASIGNATURA:
Análisis Estadístico.

SECCION:
02

FACILITADOR:
John Joseph Ortega Pérez.

SUSTENTANTES:
Paloma De Los Ángeles -1096127.
Sebastián Bello –1096503
Pamela Brito Mejía –1093187
Alexander Rosario –1094867
Lucesita Liang Feng -1096043

FECHA:
28 de septiembre del 2020.

Santo Domingo, República Dominicana.

Asignación semana # 8 Correlación y Regresión

1. ¿A que se denomina análisis de regresión? ¿Cuándo se aplica

la regresión Múltiple?

El análisis de la regresión es un proceso estadístico para estimar las

relaciones entre variables. Incluye muchas técnicas para el
modelado y análisis de diversas variables, cuando la atención se
centra en la relación entre una variable dependiente y una o más
variables independientes (o predictoras).

Utilizamos regresión múltiple cuando estudiamos la posible

relación entre varias variables independientes (predictoras o
explicativas) y otra variable dependiente (criterio, explicada,
respuesta).

2. ¿A qué se le denomina análisis de correlación?

El análisis de correlación es un enfoque estadístico que se utiliza para determinar
la relación entre las variables cuantitativas o categóricas.
Cuando queremos determinar la correlación a través del análisis de datos, hay dos
tipos de información con la que debemos trabajar:

 Los datos univariados:

Cuando quieres trabajar con una sola variable, es necesario medir la
tendencia central a preguntar por los datos representativos y conocer su
desviación a través de la dispersión, medir la forma y el tamaño de la
distribución a través de la asimetría y medir la concentración de datos en la
posición central a través de la curtosis. Por lo tanto, los datos relativos a una
sola variable se denominan datos univariados.

 Los datos bivariados:

El análisis de correlación se trata más bien de estudiar la relación entre dos
variables al mismo tiempo. Por ejemplo, el precio de un producto y sus
ventas medias, o la edad y la presión arterial de una persona. Así, dos
caracteres de la misma entidad cuando se miden simultáneamente con la
ayuda de un análisis estadístico, los denominamos datos bivariados.
3. ¿Qué es lo bueno de los mínimos cuadrados?
El objetivo del método de mínimos cuadrados es estimar el vector de
parámetros θ. Además, el método permite evaluar la bondad con la que la
función λ(x,θ) ajusta los datos experimentales.

4. Causalidad. Un investigador médico descubre que existe una

correlación lineal significativa entre la cantidad consumida de un
fármaco y el nivel de colesterol del sujeto. ¿Se justifica el hecho de
afirmar en un artículo científico que el fármaco reduce los niveles de
colesterol? ¿Por qué?
Si, ya que el fármaco tiene que ver con el nivel de colesterol que tendrá
esta persona, y puede ayudarlo o no.

5. Predicciones. Después de descubrir que existe una correlación lineal

significativa entre dos variables, se obtiene un valor predicho de y
por medio de la ecuación de regresión. Dado que existe una
correlación lineal significativa, ¿el valor proyectado será muy
exacto?
No tendrá un nivel acertado, pero si estará cerca.

6. En la siguiente tabla se muestran la medida de la reducción de los

sólidos y de la demanda de oxigeno químico a) Construya el
diagrama de dispersión con rectas de regresión b) Utilice el método
de los mínimos cuadrados para obtener la RECTA de mejor ajuste

c) Covarianza d) Coeficiente de determinación e) Coeficiente de

Correlación
7. Las siguientes son las calificaciones de un grupo de 9 estudiantes en
un informe de medio trimestre (x) y en el examen final (y):
X 77 50 71 72 81 94 96 99 67
Y 82 66 78 34 47 85 99 99 68

a) Estime la recta de regresión lineal

b) Calcule la calificación final de un estudiante que obtuvo 85 de
calificación en el informe de medio semestre
N=9
b= 0.7771416
a= 12.0623211
y= 78.119357
Calificación final del alumno con 85 en el parcial.
Solución:
(Xi) (Yi) (Xi)(Yi) (Xi)2
77 82 6314 5929
50 66 3300 2500
71 78 5538 5041
72 34 2448 5184
81 47 3807 6561
94 85 7990 8836
96 99 9504 9216
99 99 9801 9801
67 68 4556 4480
=707 =658 =53258 =57557
N=9
b= 0.7771416
a= 12.0623211
y= 78.119357
Calificación final del alumno con 85 en el parcial.