LABORATORIO DE REGRESIÓN Y CORRELACIÓN LINEAL

ÁREA:

ESTADÍSTICA
CIENCIAS BÁSICAS

CURSO:

ESTADÍSTICA TEMA: REGRESIÓN Y CORRELACIÓN LINEALSIMPLE

DESCRIPTIVA

NUMERO DE LA PRÁCTICA 2
NOMBREDE LAPRÁCTICA Regresión y correlación
NOMBREDEL SOFTWARE Excel
Estudiante: Cód.:

Aspectos Teóricos:

REGRESIÓN YCORRELACIÓN
En muchos casos se requiere conocer más que el comportamiento de una
sola variable, se requiere conocer la relación entre dos o más variables como
la relación entre producción y consumo; salarios y horas de trabajo; oferta y
demanda; salarios y productividad; la altura de un árbol y el diámetro de su
tronco.

Muchos de estos comportamientos tienen una tendencia lineal, aunque hay

muchos otros que lo hacen de forma curva. Para determinar el grado de
correlación entre las variables, no basta con calcular la varianza explicada,
pues existe el coeficiente de determinación coeficiente de correlación; sin
embargo, frecuentemente se utiliza un coeficiente de correlación rectilíneo,
siendo este un valor entre -1y1.

Para estas confrontaciones se utiliza el diagrama de dispersión que es

plano cartesiano en el que se marcan los puntos correspondientes a los
pares (x, y,) de los valores de las variables.
 El análisis de Regresión tiene los siguientes usos: el primero es obtener los
estimadores de los parámetros, estimar la varianza del error, obtener los
errores estándares de los parámetros estimados, probar la hipótesis sobre los
parámetros, cálculo de valores estimados basados en la ecuación estimada,
estimar el ajuste o la falta de ajuste del modelo.

El modelo a utilizar es Y= a+ bx, a es el intercepto, b es la pendiente de

la función, la que nos indica el cambio marginal de Y respecto a X.

EJERCICIOS:

1. 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.

Diagrama de dispersión
105

100
Pureza

95

90

85

80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6

% de Hidrocarburos

De acuerdo al gráfico, se puede deducir que el porcentaje de hidrocarburos es

directamente proporcional a la pureza. Lo que implica que entre mayor sea el
porcentaje de hidrocarburos, mayor va a ser la pureza del oxígeno producido. Por
consiguiente la asociación de variables es fuerte, ya que una variable depende de
la otra a medida que aumenta valores o los disminuye.

b. Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Diagrama de dispersión
105

100

f(x) = 14.95 x + 74.28

Pureza

95
R² = 0.88
90

85

80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6

% de Hidrocarburos
El coeficiente de determinación es cercano a 1, por lo tanto se puede afirmar que
es confiable.

c. Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.
.
Esta ecuación hace una buena estimación entre las variables debido a que el
coeficiente de determinación R 2 explica el 87.74% de la información y el valor del
coeficiente de correlación R (que es la raíz cuadrada del coeficiente de
determinación) confirma el grado de relación de la variables, que es el 93.67%.

d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es

igual a 51,4?
y=14,947 x +74,283
Despejando x:

y−74,283
x=
14,947

51,4−74,283
x=
14,947

x=−1,53

El porcentaje de hidrocarburo es de -1,53, cuando la pureza es igual a

51,4.
2. 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
2015, se registraron los siguientes valores de temperatura y consumo anual.

2014 Registros de temperatura y

consumos de vapor.

Temperatur Consumo de
Mes
a vapor
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.

Diagrama de dispersión
800
Consumo de vapor (LB)

700
600
500
400
300
200
100
0
10 20 30 40 50 60 70 80

Temperatura (°F)
 Se puede deducir de la gráfica que la asociación entre las variables es alta,
ya que tienen tendencia dependiente una de la otra, es decir son
directamente proporcionales porque a medida que aumenta la
temperaturas, así mismo aumenta el consumo de vapor.

b. Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Diagrama de dispersión
800
Consumo de vapor (LB)

700
600 f(x) = 9.21 x − 6.32
R² = 1
500
400
300
200
100
0
10 20 30 40 50 60 70 80

Temperatura (°F)

El modelo obtenido es confiable, ya que está demasiado próximo a 1.

c. Determine el porcentaje de explicación del modelo y el grado de relación

de las dos variables.

Esta ecuación hace una buena estimación entre las variables debido a que
el coeficiente de determinación R2 explica el 99.99% de la información y el
valor del coeficiente de correlación R confirma el grado de relación de la
variables, que es el 99.99%

d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 60 °F?

y=9,2087 x−6,3184
y=9,2087∗(60)−6,3184
y=546,2036
Cuando la temperatura sea igual a 60°F, el consumo de vapor será de
54,203 Lb.
3. 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

 
x
(porcentaj y (umbral
e de de reflejo
sobrepeso de flexión
) nociceptiva)

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

a. Realice el diagrama de dispersión y determine el tipo de asociación entre

las variables.
 Umbral de reflejo de flexión nociceptiva
Diagrama de dispersión
16
14
12
10
8
6
4
2
0
10 20 30 40 50 60 70 80 90 100

Porcentaje de peso

Como se puede observar, el tipo de asociación de variables es nula, ya que

muestra datos bastantes dispersos sin tener mucha correlación.

b. Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?
Umbral de reflejo de flexión nociceptiva

Diagrama de dispersión
16
14
12
10
f(x) = − 0.06 x + 11.64
8 R² = 0.11
6
4
2
0
10 20 30 40 50 60 70 80 90 100

Porcentaje de peso

El modelo no es confiable, ya que el coeficiente de determinación arroja un

resultado de 0.1115 (11.15%) el cual es bastante alejado a 1.
 c. Determine el porcentaje de explicación del modelo y el grado de relación
de las dos variables.

La ecuación obtenida no predice una real estimación entre las variables

debido a que el coeficiente de determinación R 2 explica el 11.15% de la
información y el valor del coeficiente de correlación R confirma el grado de
relación de la variables, que es el 33.39%.

d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 50?

y=−0,0629 x +11,642
y=−0,0629(50)+ 11,642
y=8,497

Según el modelo hallado anteriormente, cuando el porcentaje de sobrepeso es de

50 el umbral de reflejo de flexión nociceptiva es de 8,497.