Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CÓDIGO: 100105
Presentado a:
Entregado por:
Nombre y apellidos:
BAYRON YACID PRADA GUERRERO
Código: 1091663628
Grupo: 100105_68
OBJETIVO GENERAL
OBJETIVOS ESPECIFICOS
Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos
variables, es decir, si se representan en un diagrama de dispersión los valores que toman
dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal que el conjunto
de puntos representados se aproxima a una recta.
De una forma menos coloquial, la podemos definir como el número que mide el grado de
intensidad y el sentido de la relación entre dos variables.
Coeficiente de determinación R2
Desarrollo de la respuesta:
En esta actividad cada estudiante deberá resolver un ejercicio de los que aparecen a
continuación; posterior a ello compartirá su elección en el foro del entorno de Aprendizaje
Foro de discusión Unidad 2- Paso 4 Descripción de la Información. En cada ejercicio
deberá responder los siguientes interrogantes:
SOLUCION
GRAFICO DE DISPERSION
165
160
155
f(x) = 0.64 x + 107.48
ALTURA (cm)
150 R² = 0.41
145
140
135
130
56 58 60 62 64 66 68 70 72 74 76
PESO (KG)
COEFICIENTE DE CORRELACION
0.641541501
COEFICIENTE DE DETERMINACION
0.411575497
y = 0.6399x + 107.48
R² = 0.4116
Esta ecuación hace una buena estimación entre las variables debido a
que el coeficiente de determinación R2 explica el 64.15% de la
información y el valor del coeficiente de correlación R confirma el grado
de relación de las variables, que es el 41.15%.
VARIABLES ELEGIDA
o EDAD Y PESO
40
30
20
10
0
0 10 20 30 40 50 60 70 80 90 100
PESO (KG)
El coeficiente de correlación que tenemos como resultado, indica que existe una relación
Positiva entre ambas variables.
COEFICIENTE DE CORRELACION
0.06926515
COEFICIENTE DE DETERMINACION
0.00479766
El modelo es: y =0.0083x + 63.432. Es confiable dado que, para el ejercicio, obtenemos
un coeficiente de correlación del 69% el cual es un valor aceptable para poder decir que la
variable dependiente se explica a partir de la variable independiente.
CONCLUSIONES
1. Regresión Lineal
A partir de los resultados podemos concluir que el método de regresión lineal simple sirve
para formular modelos que ayuden a explicar una variable a partir de la otra, es decir, que
a partir del valor de una variable podamos calcular el valor de otra. Lo anterior tendrá
validez en la medida en que el coeficiente de correlación sea lo suficientemente confiable,
es decir, tenga un valor cercano a 1.
2. Regresión Lineal Múltiple
A partir de los resultados del ejercicio, podemos concluir que el método de regresión lineal
múltiple es válido y útil en los casos en que una variable se relaciona con más de una
variable independiente, por lo que formularemos un modelo que nos permita, a partir de
los valores de las variables independientes, predecir el valor de la variable dependiente.
REFERENCIAS BIBLIOGRÁFICAS