Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por;
Daniela Cordoba Mosquera
CC. 1056772827
Grupo
100105ª_951
Presentado a:
Edgar Gabriel Diaz
Enlace: https://www.mindomo.com/es/mindmap/medidas-estadisticas-bivariantes-
9c5e7031bea44b68ade21122a14323b1#
Existen dos tipos de modelos de regresión lineal: regresión simple y regresión múltiple. La
regresión lineal simple es cuando se utiliza una variable independiente para estimar una
variable dependiente. Cuando se utiliza más de una variable independiente, el proceso se
denomina regresión lineal múltiple.
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.
Es importante saber que el resultado del coeficiente de determinación oscila entre 0 y 1.
Cuanto más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable que
estamos intentando explicar. De forma inversa, cuanto más cerca de cero, menos ajustado
estará el modelo y, por tanto, menos fiable será.
X(temperatur Y (casos de
a media ºC) enfermedad
respiratoria)
7 30
9 28
12 26
14 24
16 21
19 18
21 15
25 9
28 7
Después del análisis de la matriz podemos decir que existe una relación fuerte
entre la temperatura y los casos de enfermedad respiratoria ya que tenemos
como muestra 0,99 que es cercano a 1.
Coeficiente de determinación= 0,99 X 100% = 99% , nos indica la confiabilidad del
modelo
Regresión lineal
Es un modelo matemático para predecir el efecto de una variable sobre otra,
ambas cuantitativas. Una variable es la dependiente y otra la independiente Se
grafica con el diagrama de dispersión. Dice cómo es la relación entre las dos
variables. El análisis consiste en encontrar la “mejor” línea recta de esos puntos.
Coeficiente de determinación= 0,99 X 100% = 99% , nos indica la confiabilidad del
modelo
Después del análisis de la matriz podemos decir que existe una relación perfecta
entre la temperatura y los casos de enfermedad respiratoria ya que tenemos como
muestra 0,99 que es cercano a 1.
A partir de la base de datos suministrada: Anexo 1-Evolución Covid 19 - 400 Pacientes Colombia -
2021 (16-1), cada estudiante, deberá:
Al ver el grafico podemos determinar que en este caso las variables no son dependientes
es decir que la una no depende de la otra en este caso Nula
Coeficiente de determinación= 4,8 X 100% = 4,8% , nos indica la confiabilidad del modelo
- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
Si echamos un vistazo a los resultados del coeficiente de determinación podemos deducir
que en este caso el modelo matemático usado no es confiable ya que nos da como
resultado un 4,8
- Determine el tipo de correlación de las dos variables.
El tipo de correlación es :
La correlación nula se da cuando no hay dependencia de ningún tipo entre las variables.
En este caso se dice que las variables son incorreladas y la nube de puntos tiene una
forma redondeada.
Atreves del desarrollo del trabajo podemos determinar que la edad de los pacientes con
covid en el mes de marzo esta entre los 22 y los 80, ademas podemos concluir que en este
caso el peso del paciente no depende de la edad ya que en mayoría todos están pesando
entre los 60 y 69 Kg
CONCLUSIONES
Las gráficas de dispersión de datos nos permiten relacionar diferentes variables entre sí,
para así poder predecir un posible resultado. Dentro del problema estudiado, variables
como el peso y la edad, no presentan mucha relación entre sí, es decir, la variación de
una no depende de la otra. La línea de tendencia ascendente, indica una relación de tipo
creciente. Los puntos en las gráficas indican el grado de dispersión que presentas las
variables que se están relacionado, por ejemplo, en el caso de peso – edad los puntos
presentan mayor dispersión a medida que se aumenta la edad. El modelo matemático nos
permite predecir el efecto de una variable sobre la otra, por ejemplo, en el caso peso –
edad. El porcentaje de variación de variables nos ayuda a determinar el tipo de
confiabilidad que se presenta, al momento de hacer una predicción. Entre mayor sea R2
mayor será la confiabilidad en una predicción.