Universidad Nacional Abierta y a Distancia – UNAD

Paso 4 - Descripción de la Información.

Por: Jhonatan Barrios Cabrera

Código: 1006518003
Grupo: 100105_285

Tutor: JOSE FERNANDO VELANDIA

Universidad Nacional Abierta Y A Distancia – Unad

Ingeniería en Sistema

Algebra Trigonometría Y Geometría Analítica

Florencia 2019
Introducion

El siguiente trabajo trata de un analisis sobre Recreacion y Correaciones lineal

con la finalidad de buscar a encontrar la relacion que existen entre dos variables
cuantitativa seleccionado.

Asi mismo se describen los conectos relacionados con la tematica entre otros
conceptos importantes que nos permitieron apropiados de la tematicas se
desarrollo de los ejercicios la compresion y el analisis de los mismo
Justificacion

El trabajo se elaboro con el fin de detallar y relacionar la determinada problemática, la cual se

utilizaron medidas bivariantes. Esta actividad tiene como objetivos principal determinar los
conceptos de recreasion y correacion lineal simple y multiples.

La aplicación de estos conceptos, son de gran importancia en el campo de investigacion, falicidad la

conceptualizacion y las posibles decisiones que podemos tomar frente a las variables que estemos
analizando
Objetivos

 Entender los conceptos basicos de recreacion y correacion lineal

 Presentar el calculo de las medidas bivariantes de recreacion lineal simples
 Determinar el grado de relacion de las variales
 Identificar el modelo matematicos que tiene una variables sobre la otra
 Diseñar diagramas de diversion
 Comprender los tipos de asociados de variables
Actividad 2. Definición de Conceptos.

Diagrama de Dispersión
 Una distribución bidimensional o bivariante puede representarse
gráficamente en un plano cartesiano, ubicando en el eje horizontal o abscisa
los valores de la primera variable denominada X y en el eje vertical u
ordenada, los valores de la segunda variable, Y. De manera pues que se
grafican tantas parejas ordenadas como observaciones hayan de las
variables. A este conjunto de puntos o nube de puntos se le denomina
diagrama de dispersión, dado que los puntos se ubican de forma dispersa
en el plano cartesiano. En muchos casos el sólo diagrama de dispersión
indica una tendencia de agrupación de los puntos, que puede ser lineal (hacia
arriba o hacia abajo), exponencial, curvilínea o poligonal.

Correlación lineal simple.

 La regresión examina la relación entre dos variables restringiendo una de
ellas respecto a la otra, con el objeto de estudiar las variaciones de la primera
cuando la otra permanece constante. La regresión es un método que se
emplea para pronosticar o predecir el valor de una variable en función de los
valores dados de la otra (o de las otras, cuando se trabaja más de dos
variables). Se trata pues de una dependencia funcional entre las variables.
Cuando se trata de dos variables, una (la X) será la variable independiente
mientras que la otra (la Y) será la variable dependiente. Se habla así de una
regresión de Y sobre (o en función de) X.

Coeficiente de determinación R2.

 Cuando el R2 es cercano a 1, se dice que el modelo de regresión lineal

ajustado tiene un alto grado de confiabilidad, si al contrario este se acerca a
0 su grado de confiabilidad es muy bajo y se recomienda no utilizar el modelo
de regresión estimado. Por lo tanto, mide la confiabilidad.

Correlación positiva y correlación negativa.

 Se dice que existe una correlación lineal positiva entre dos variables, si al
aumentar o disminuir los valores de la variable independiente aumentan o
disminuyen los de la variable dependiente. En un gráfico de dispersión, la
nube de puntos tiene forma ascendente y por tanto la recta que se ajusta
tendrá una pendiente positiva. En cambio, cuando al aumentar los valores de
la variable independiente disminuyen los valores de la variable dependiente,
o viceversa, se dice que la correlación lineal es negativa. En este caso la
 nube de puntos descenderá de izquierda a derecha y la pendiente de la recta
ajustada será negativa.

Coeficiente de Correlación Lineal.

 El coeficiente de correlación lineal ayuda a establecer la relación entre las

variables y ayuda a medir el grado en que se encuentran relaci
1 CH-Pureza. 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

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

 RENDIMIENTO DEL PRODUCTO DE UN PROCESO QUIMICO
102
y = 14,947x + 74,283
100 R² = 0,8774
98

96
PUREZA

94

92

90

88

86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
% DE HIDROCARBURO

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

y = 14,947x + 74,283 R² = 0,8774

R²= coeficiente de determinación = 87,74% por lo tanto 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 0,8774 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%.

1.5. Tem-Vapor 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.

y Consumo de
Mes x Temperatura (°F)
vapor (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

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

y = 9,2087x - 6,3184 R² = 0,9999

R²= coeficiente de determinación= 99,99 % lo cual 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 0,9999%

R= 0,99% La correlación es excelente

CONSUMO MENSUAL DE VAPOR POR UNA PLANTA

QUIMICA
800
y = 9.2087x - 6.3184
CONSUMO DE VAPOR (LB)

700
R² = 0.9999
600
500
400
300
200
100
0
0 10 20 30 40 50 60 70 80
TEMPERATURA °F

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%

1.8 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.

y (umbral de reflejo
% Sobrepeso. de flexión
nociceptiva)

89 2,00
90 3,00
75 4,00
30 4,50
51 5,50
75 7,00
62 9,00
45 13,00
90 15,00
20 14,00
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

obesidad y respuesta individual al

dolor
UMBRAL DE REFLEJO DE REFELXIÓN

16
14 y = -0,0629x + 11,642
12 R² = 0,1115
10
8
6
4
2
0
0 20 40 60 80 100
% DE SOBREPESO

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
Conclusión

A través de los desarrollos del presente trabajo se logró aprender e identificar conceptos
importantes como diagramas dispersión, correlación lineal, coeficiente de determinador,
correlación positiva y negativas, las cuales son de suma importantes al momento de clasificar, elegir
y manipular información, que nos permiten simplificar la interpretación de los datos recolectados
de una forma rápidas
Bibliografía

Montero, J. M. (2007). Características de Una Distribución de Frecuencias.

Statistical Descriptive. Cengage Learning Paraninfo, S.A. (pp 41-50).
Recuperado
dehttp://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100008&v=2.1&u=un
ad&it=r&p=GVRL&sw=w&asid=99feba20c3312cbea60961107ffc27a0

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=u
nad&it=r&p=GVRL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219

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=u
nad&it=r&p=GVRL&sw=w&asid=e558184ed89e57d11ede116134cfce41

Ortegón Pava, M. (2017). Ova_Medidas_Univariantes.Colombia.Recuperado

de http://hdl.handle.net/10596/11579