Momento de la evaluación: Intermedia en la unidad 3

Presentado por: Kely Darío Diaz carabalí

Código 98428407

Grupo: 204040_56

Tutor: Margarita Pineda

Universidad abierta y a distancia unad

Programa de tecnología en producción animal
Caed Tumaco
Noviembre 2020
 Introducción

La regresión lineal es un procedimiento estadístico que busca establecer una relación directa o inversa entre
dos o más variables. Presenta la ventaja de que puedes hacer una predicción del comportamiento de
alguna variable en un determinado punto o momento.
Justificación

Mediante la relación y correlación son utilizado para predecir el valor de una variable según el valor
de la otra el poder representar los resultados gráficamente
Objetivos

El objetivo de un modelo de regresión es tratar de explicar la relación que existe entre una variable dependiente

(variable respuesta) Y un conjunto de variables independientes

La finalidad de la correlación es examinar la dirección y la fuerza de la asociación entre dos variables cuantitativas. Así
conoceremos la intensidad de la relación entre ellas y si, al aumentar el valor de una variable, aumenta o disminuye el valor de la
otra variable
Se asigna a cada valor de una variable Denominada explicada
Regresión Comportamiento
Explicativa (dependiente o endógena) en función de otra
tipo I de una variable
Variable explicativa

Raíz cuadrada de coeficiente

Coeficiente de
F(x)=(x!,X2,,xP) determinación múltiple
correlación
Regresión tipo II múltiple

denota la proporción relativa de la variación total

Coeficiente de en la variable de criterio

designa fuerza de relación lineal determinación

entre variable Coeficiente de Regresión y correlación
correlación
en el análisis de determinación múltiple la
Coeficiente de proporción de la variación en la variable de
determinación criterio
multiple

cantidad que resulta de un análisis de regresión

multiple e indica el cambio promedio de la variable Análisis de

del criterio por cambio unitario correlación

Coeficiente de técnica estadística utilizada para medir

la cercanía de la relación lineal entre dos
regresión parcial o más variables en una misma escala

de intervalo

multicolinealidad
 condición existente en un análisis de
regresión multiple que consisite

en que las variables de producción

Diagrama de dispersión
Un diagrama de dispersión o gráfica de dispersión o 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 dato
Se emplea cuando una o varias variables está bajo el control del experimentador. Si existe un parámetro que se incrementa o
disminuye de forma sistemática por el experimentador, se le denomina parámetro de control o variable independiente y
habitualmente se representa a lo largo del eje horizontal (eje de las abscisas). La variable medida o dependiente usualmente se
representa a lo largo del eje vertical (eje de las ordenadas). Si no existe una variable dependiente, cualquier variable se puede
representar en cada eje y el diagrama de dispersión mostrará el grado de correlación (no causalidad) entre las dos variables.

Correlación lineal simple

La correlación lineal y la regresión lineal simple son métodos estadísticos que estudian la relación lineal existente entre dos
variables. A nivel experimental, la correlación se suele emplear cuando ninguna de las variables se ha controlado, simplemente
se han medido ambas y se desea saber si están relacionadas.

Coeficiente de determinación r2
El coeficiente de determinación es 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.
Correlación positiva: ocurre cuando una variable aumenta y la otra también. Por ejemplo, la altura de una persona y el tamaño de
su pie; mientras aumenta la altura, el pie también. Correlación negativa: es cuando una variable aumenta y la otra disminuye.

El Coeficiente de correlación es una medida que permite conocer el grado de asociación lineal entre dos variables cuantitativas
(X, Y)......Recordar entonces que el coeficiente de relación lineal, mide la fuerza y el sentido de la relación lineal entre 2 variables
cuantitativas.
 1.Temperatura Media en grados 2. Volumen de Gas consumido – 𝒙𝟐 𝒚𝟐 𝒙. 𝒚
centígrados (X) cm3 (Y) X - media(X) Y - me
3 7 9 49 21 -1.86
6 5 36 25 30 1.14
3 8 9 64 24 -1.86
1 8 1 64 8 -3.86
5 7 25 49 35 0.14
7 5 49 25 35 2.14
9 4 81 16 36 4.14
Sumatoria 34 44 210 292 189

Variable dependiente Y
Variable independiente X

ഥ𝒙
Medía de X 𝒚ഥ 4.86
Medía de Y 6.29
σ𝒊൫𝒙𝒊 ∗ 𝒚𝒊൯
n(numero de datos) 𝑺𝒙𝒚 =7 − 𝒙ത ∗ 𝒚ത
Covarianza 𝒏
𝟏𝟖𝟗
Covarianza 𝝏𝒙𝒚 = − 𝟒, 𝟖𝟔 ∗ 𝟔, 𝟐𝟗 𝝏𝒙𝒚 = 𝟐𝟕 − 𝟑𝟎, 𝟓𝟕 𝝏𝒙𝒚 = −𝟑, 𝟓𝟕
𝟕

σ𝒊 𝒙 𝒊 𝟐
ඨ 𝟐
ඨ 𝟐𝟏𝟎 − 𝟒, 𝟖𝟔 𝟐
Desviación estandar de X 𝝏𝒙 = − 𝒙ത 𝝏𝒙 = 𝝏𝒙 = ඥ𝟑𝟎 − 𝟐𝟑, 𝟔𝟐 𝝏𝒙 = ඥ𝟔, 𝟑𝟖 𝝏𝒙 = 𝟐, 𝟓𝟑
𝒏 𝟕

σ𝒊 𝒚𝒊𝟐 𝟐𝟗𝟐 𝝏 = 𝟏, 𝟒𝟕
𝝏𝒚 = ඨ
𝟐
− ඨ 𝟐
𝝏𝒚 = ඥ𝟒𝟏, 𝟕𝟏 − 𝟑𝟗, 𝟓𝟔 𝝏𝒚 = ඥ𝟐, 𝟏𝟓
𝒚ത 𝝏𝒚 = 𝟕
− 𝟔, 𝟐𝟗 𝒚
𝒏
Desviación estandar de Y

coeficiente de correlación La correlación es negativa fuerte porque su coefi

𝒓= 𝝏𝒙𝒚 𝒓= −𝟑, 𝟓𝟕 𝒓 = −𝟑, 𝟓𝟕 𝒓 = −𝟎, 𝟗𝟔
𝝏𝒙 ∗ 𝝏𝒚 𝟐, 𝟓𝟑 ∗ 𝟏, 𝟒𝟕 𝟑, 𝟕𝟐

coeficiente de determinación

𝑹 = 𝒓𝟐 𝑹 = −𝟎, 𝟗𝟔𝟐 𝑹 =0,92

 Volumen de Gas consumido – cm3 (Y)
Relación entre la temperatura y el consumo de gas
9

8
3 7
7
6 5
3 8 6
1 8 5
5 7
7 5 4 y = -0.551x + 8.9618
9 4 3

2
Variable dependiente Y
Variable independiente X 1

0
0 1 2 3 4 5 6 7 8 9 10
Temperatura Media en grados centígrados (X)

Tipo de asociación Relación inversa

Esta relación existe porque
cuando la variable X aumenta la
variable Y disminuye.
 1.Temperatura 2. 𝒙𝟐 𝒚𝟐 𝒙. 𝒚
Media en Volumen Y Pronosticada
grados de Gas
centígrados (X) consumido
– cm3 (Y)
3 7 9 49 21 7.31
6 5 36 25 30 5.66
3 8 9 64 24 7.31
1 8 1 64 8 8.41
5 7 25 49 35 6.21
7 5 49 25 35 5.11
9 4 81 16 36 4.00
Sumatoria 34 44 210 292 189

𝒚 = 𝒂𝒙 + 𝒃

𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦 7 ∗ 189 − 34 ∗ 44 1323 − 1496 −173

𝒂= = = = = −𝟎, 𝟓𝟓𝟎𝟗
𝑛σ𝑥 −ሺσ𝑥
2 ሻ2 7 ∗ 210 − 34 2
1470 − 1156 314

σ𝑦−𝑎 σ𝑥 44 − ሺ−0,5509 ሻሺ 34 ሻ 44 − ሺ−18,7306 ሻ 44 + 18,7306 𝟔𝟐, 𝟕𝟑𝟎𝟔

𝒃= = = = = = 𝟖, 𝟗𝟔𝟏𝟓
𝑛 7 7 7 𝟕
 𝒚 = −𝟎, 𝟓𝟓𝟎𝟗𝒙 + 𝟖, 𝟗𝟔𝟏𝟓 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒓𝒐𝒏𝒐𝒔𝒕𝒊𝒄𝒂𝒅𝒂

Explicación Al mirar la Y pronosticada validamos que existe una muy buena correlación entre la medía de grados centigrados y consumo de gas, por tanto es confiable

5) Observación
Variable elegida Horas de dedicación a Internet
Para hallar el numero total de datos usamos la función CONTAR, esta función permite obtener la
Numero total de datos 180 cantidad de entradas en un campo de número de un rango o matriz de números.

a. Tabla de frecuencia datos no agrupados.

Horas de dedicacióna internet (Xi) fi Fi

1 33 33
2.5 21 54
3.5 40 94
0.5 26 120
3 34 154
4.5 26 180
Conclusión

La correlación lineal nos permite analizar una serie de tiempos en gráficas, esto permite identificar la tendencia la estacionalidad y
variaciones irregulares y lograr una diagrama de dispersión.
 Referencia s bibliográficas

Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación de mercados. México City: Cengage Learning. Páginas 686 –
695

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 151 – 158.
Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage Learning. Páginas 675 – 686