Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA DE LA PRÁCTICA:
INTEGRANTES:
DOCENTE:
GRUPO:
ESO28-15
Pimentel – Perú
2021
OBJETIVOS
La primera vez que usó el término “regresión” fue en 1877 por Sir Francis
Galton, quien llevó a cabo un estudio mostrando que la estatura de los niños
nacidos de padres altos tiende a retroceder o “regresar” hacia la estatura
media de la población. A partir de esto, dicha palabra se refirió como el
nombre del proceso general de predecir una variable a partir de otra. En esta
terminología, la variable que se va a predecir se llama dependiente, mientras
que la o las variables que se usan para predecir el valor de la variable
dependiente se llaman variables independientes.
De igual modo el uso de la correlación es una medida importante de la
relación lineal entre dos variables cuantitativas continuas (como “x”, “y”). En
donde, la manera más sencilla de saber su correlación es determinar si co-
varían (varían conjuntamente). Es importante hacer notar además que esta
covariación no implica necesariamente causalidad, ya que puede resultar
fortuita. A partir de esto, daremos a conocer en el presente informe la
aplicación de la prueba de hipótesis del coeficiente de correlación y los
ejercicios propuestos.
DESARROLLO DEL CUESTIONARIO
# de X Y X2 Y2 XY
observación
1 9 0.4 81 0.16 3.6
2 23 0.45 529 0.2025 10.35
3 32 0.52 1024 0.2704 16.64
4 28 0.7 784 0.49 19.6
5 42 0.87 1764 0.7569 36.54
6 57 0.92 3249 0.8464 52.44
TOTAL 191 3.86 7431 2.7262 139.17
Cu sérico (ppm)
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40 50 60
CPO (ppm)
(191)(3.86)
(139.7) − (3.86) (191)
𝑏= 6 𝑎= − 0.012 𝑥
(191)2 6 6
(7431) −
6
(139.7) − (122.876)
𝑏= 𝑎 = 0.643 − 0.382
(7431) − (6080.166)
16.824
𝑏= = 0.012 𝑎 = 0.261
1350.834
𝟖𝟑𝟓. 𝟎𝟐 − 𝟕𝟑𝟕. 𝟐𝟔
𝒓=
√[𝟒𝟒𝟓𝟖𝟔 − 𝟑𝟔𝟒𝟖𝟏][𝟏𝟔. 𝟑𝟓𝟕𝟐 − 𝟏𝟒. 𝟖𝟗𝟗𝟔]
𝟗𝟕. 𝟕𝟔
𝒓=
√𝟏𝟏𝟖𝟏𝟑. 𝟖𝟒𝟖
𝟗𝟕. 𝟕𝟔
𝒓= = 𝟎. 𝟖𝟗𝟗
𝟏𝟎𝟖. 𝟔𝟗𝟐
Podemos llegar a interpretar que el valor del coeficiente de correlación (r)
es de 0.899 , por lo tanto, sí existe una relación lineal entre las variables
con un sentido que se reconoce como una relación directa al ser un valor
positivo y una intensidad que resulta en una correlación positiva intensa al
ser menor que 1 y mayor que 0.5.
Una vez que hemos ordenado nuestra información con sus respectivos datos,
vamos a determinar la ecuación de tendencia, para la cual, primero
hallaremos el valor de b:
133.5
𝑏=
17.5
𝑏 = 7.628
Luego de obtener el valor de b, ahora hallaremos el valor de a:
𝑎 = −15186.742
Por lo tanto, la ecuación de la tendencia seria:
1 3 70 9 4900 210
2 2 60 4 3600 120
3 1 50 1 2500 50
4 3 80 9 6400 240
5 5 100 25 10000 500
6 4 90 16 8100 360
Total 18 450 64 35500 1480
100
80
60
Pulsaciones
40
20
0
0 1 2 3 4 5 6
DOSIS DIARIA TOTAL DE AFREDINA
Interpretación:
Se muestra un diagrama de dispersión con los datos adjuntados del número de
pulsaciones por minuto y su relación con la dosis diaria total de efedrina
representados por punto o pulsaciones en el gráfico.
b. Determine la ecuación de regresión lineal. Interprete los coeficientes
de regresión lineal.
Y = a + bX
A = 450 – 13(18) = 75 – 39 = 36
6 6
b.1 Grafique sobre el diagrama de dispersión, la línea de regresión.
y = 13x + 36
100 R² = 0.9657
80
60
Pulsaciones
40 Lineal (Pulsaciones)
20
0
0 1 2 3 4 5 6
DOSIS DIARIO TOTAL DE AFREDINA
Interpretación:
Gracias a la línea de regresión, se puede observar que, con el aumento de las
dosis diarias, existe un creciente aumento de las pulsaciones, dándonos un
resultado positivo directamente proporcional entre las 2 variables.
c. Estímese el número de pulsaciones para una dosis diaria de 4 granos
de efedrina.
X= 4
A= 36
B= 13
Ecuación: Y= a+b(x)
Solución:
Y=36+13(4)
Y=36+52
Y= 88
d. Calcule el error estándar de la estimación del modelo
Ecuación:
∑ 𝑌2 − (𝑎 ∗ ∑ 𝑌) − (𝑏 ∗ ∑ 𝑋𝑌)
𝑆𝑒 = √
𝑛−2
Solución:
∑ 𝑌2 − (𝑎 ∗ ∑ 𝑌) − (𝑏 ∗ ∑ 𝑋𝑌)
𝑆𝑒 = √
𝑛−2
35500 − 35440
𝑆𝑒 = √
4
60
𝑆𝑒 = √
4
𝑆𝑒 = √15
𝑆𝑒 = 3.872
6(1480)−(18)(450)
r=
√[6(64)−(18)2][6(35500)−(450)2]
8880−8100
r=
√[384−324] [213000−202500]
780
r=
√[60] [10,500]
780
r=
√630,000
780
r= √793.725
780
r= 793.725
r= 0.982