Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3° Semestre
Fase 1. Formación matemática
Unidad 3
Actividad 9
Módulo 6
Unidad 3. Regresión y Correlación
SEMANA 8
Después de una larga entrevista por Facebook, Whats app, Personal y vía
telefónica logré recabar 25 mediciones de edades y pesos entre ellas las de mis
2 sobrinos y mi esposo que amo tanto, los datos fueron recabados en la siguiente
tabla.
Con base en estos datos vamos a elaborar una Gráfica de dispersión donde se
definirán dos variables “x” para el peso en kilogramos e “y” para la estatura en
metros, la gráfica nos quedaría de la siguiente manera:
UnADM | DCEIT | EM | 2
Módulo 6
Unidad 3. Regresión y correlación
A través de los puntos pasan infinidad de rectas que son modelos matemáticos
que nos ayudarán a predecir el valor de la variable dependiente “y” se quiere
buscar la recta más óptima para lograrlo usaremos algunas fórmulas que nos
ayudarán a encontrar el coeficiente y la pendiente de la ecuación de esa recta
óptima que tiene la menor distancia entre los puntos que pasa podemos describir
el modelo como donde es un error aleatorio
̅ ( )∑
̅ ( )∑
∑ ∑
∑
(∑ )
∑
̅ ̅ ̅ (Unadm, 2021)
Entonces:
Módulo 6
Unidad 3. Regresión y Correlación
̅ ( )∑
̅ ( )( )
̅ ( )∑
̅ ( )( )
∑ ∑
∑
(∑ )
∑
( )( )
( )
( )
( )
96.31635087
̅ ̅ ̅
( ) ( )( )
UnADM | DCEIT | EM | 4
Módulo 6
Unidad 3. Regresión y Correlación
∑( ̅) ( ̅)
∑( )( )
( )
UnADM | DCEIT | EM | 5
Módulo 6
Unidad 3. Regresión y Correlación
Con nuestro modelo hallado podemos predecir el peso que tendría una
persona con cierta altura:
Ejemplo:
¿Cuánto se podría esperar que pesara una persona que mide 1.92mts?
x=1.92mts
Sustituimos en nuestro modelo:
( )
( )(∑ ) (∑ )(∑ )
√(( ) ∑ (∑ ) ) (( ) ∑ (∑ ) )
UnADM | DCEIT | EM | 6
Módulo 6
Unidad 3. Regresión y Correlación
( )( ) ( )( )
√(( )( ) ( ) )(( )( ) ( ) )
( )( ) ( )( )
√(( )( ) ( ) )(( )( ) ( ) )
Reflexión:
Me parece que es muy útil está herramienta para cuando quieres analizar
fenómenos o elaborar hipótesis con respecto a una variable estadística, siempre
y cuando esta cumpla con la linealidad y la relación que tiene una variable
independiente con otra dependiente, la herramienta nos presenta el coeficiente
de correlación lineal que nos puede indicar si podemos usar esta herramienta
para poder inferir datos.
Referencias:
Torres.(16 de diciembre del 2015).Pronóstico a través de una Regresión Lineal. Excel Free blog.[Página Web]
https://www.excelfreeblog.com/pronostico-a-traves-de-una-regresion-lineal/
UnADM | DCEIT | EM | 7
Módulo 6
Unidad 3. Regresión y Correlación
Instrumento de evaluación
Escala de evaluación
1. Presentación
Usa la plantilla para entrega de actividades.
El trabajo es coherente y claro.
Su texto presenta un mismo formato de
5
tamaño, tipo y color de letra, además,
contempla un mismo margen y espaciado.
Usa el formato ecuación.
2. Aplicación
Obtiene la muestra aleatoria con al menos 10
25 datos
Calcula e interpreta el valor de la pendiente 17
en el modelo de regresión
Calcula e interpreta el valor de la ordenada 17
al origen en el modelo de regresión
Calcula e interpreta el valor de la covarianza 15
en el modelo de regresión
Calcula e interpreta el coeficiente de 15
correlación lineal e interpreta de acuerdo al
contexto
Calcula el valor de un dato utilizando la recta 11
de regresión lineal
3. Conclusión
Concluye de manera argumentada, respecto
a la pertinencia del modelo de regresión 10
lineal simple, para realizar predicciones.
Total de puntos 100
UnADM | DCEIT | EM | 8