EJERCICIOS:

1. Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A una serie de

voluntarios se les administra distintas dosis de sal en su dieta y se mide su tensión arterial

un tiempo después.

X (sal) Y (tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120

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

variables

140

120

100

80
Tensión

60 Series2
Linear (Series2)
40

20

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Sal

La fuerza o intensidad de esta correlación es fuerte. Si existe correlación entre las variables

y su dirección es positiva.
 b. Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?

Correlación Lineal Formula:

Si es confiable porque hay una correlación lineal fuerte.

c. Determine el grado de relación de las dos variables.
Análisis del coeficiente de correlación
Según sea el valor del coeficiente de correlación (r) se tiene que:
Si r es positivo, la relación lineal entre las variables es directa. Se dice que la correlación es
positiva.
Si r es negativo, la relación lineal entre las variables es inversa. Se dice que la correlación
es negativa.
Si r = 0, no existe relación lineal entre las variables, se dice que la correlación es nula.
Si r = 1, existe una relación de dependencia total directa entre las variables. Es decir, si una
de ellas aumenta (o disminuye), la otra aumenta (o disminuye) en igual proporción.
Si r = -1, existe una relación de dependencia total inversa entre las variables. Es decir, si
una de ellas aumenta (o disminuye), la otra disminuye(o aumenta en igual proporción.
(Mexico)
Para este caso tenemos:
 Sal (x) Tensión(y) Xi - Ẋ Yi- Ẏ (Xi - Ẋ)2 (Yi- Ẏ)2 (Xi - Ẋ)(Yi- Ẏ)
1,6 98 -1,9 -11,5 3,61 132,25 21,85
2,3 102 -1,2 -7,5 1,44 56,25 9
3,3 109 -0,2 -0,5 0,04 0,25 0,1
4,2 113 0,7 3,5 0,49 12,25 2,45
4,6 115 1,1 5,5 1,21 30,25 6,05
5 120 1,5 10,5 2,25 110,25 15,75
Total 9,04 341,5 55,2
Media (X) 3,5 r 0,993480869
Media (Y) 109,5 r2 0,987004237

r = Coeficiente de correlación
r2 = Coeficiente de determinación

2. En un nuevo proceso artesanal de fabricación de cierto artículo que está

implantado, se ha considerado que era importante ir anotando periódicamente el
tiempo medio ( medido en minutos) que se utiliza para realizar una pieza y el número
de días desde que empezó dicho proceso de fabricación. Con ello, se pretende analizar
como los operarios van adaptándose al nuevo proceso mejorando paulatinamente su
proceso de producción.
Los siguientes datos representan dicha situación:
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

a. Identifique la variable dependiente (y) y la variable independiente (x), realice

el diagrama de dispersión y determine el tipo de asociación entre las variables.

Minutos (X)
Días (Y)
 50
45
40
35
30
25
Dias

20 Series2
15 Linear (Series2)
10
5
0
0 10 20 30 40 50 60 70 80
Minutos

Si existe correlación entre las variables y su dirección es negativa. Además tiene una fuerza

o intensidad de correlación fuerte.

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

variable sobre la otra. ¿Es confiable?

Correlación Lineal Formula:

Si es confiable porque hay una correlación lineal fuerte.

c. Determine el grado de correlación de las dos variables.

Análisis del coeficiente de correlación

Según sea el valor del coeficiente de correlación (r) se tiene que:
Si r es positivo, la relación lineal entre las variables es directa. Se dice que la
correlación es positiva.
 Si r es negativo, la relación lineal entre las variables es inversa. Se dice que la
correlación es negativa.
Si r = 0, no existe relación lineal entre las variables, se dice que la correlación es
nula.
Si r = 1, existe una relación de dependencia total directa entre las variables. Es
decir, si una de ellas aumenta (o disminuye), la otra aumenta (o disminuye) en igual
proporción.
Si r = -1, existe una relación de dependencia total inversa entre las variables. Es
decir, si una de ellas aumenta (o disminuye), la otra disminuye(o aumenta en igual
proporción. (Mexico)

Para este caso tenemos:

Minutos (X) Dias (Y) Xi - Ẋ Yi- Ẏ (Xi - Ẋ)2 (Yi- Ẏ)2 (Xi - Ẋ)(Yi- Ẏ)
12 45 12 45 144 2025 540
23 30 23 30 529 900 690
35 27 35 27 1225 729 945
42 25 42 25 1764 625 1050
53 23 53 23 2809 529 1219
65 21 65 21 4225 441 1365
70 20 70 20 4900 400 1400
Total 15596 5649 7209
Media (X) 42,857143 r 0,768037853
Media (Y) 27,285714 r2 0,589882144

r = Coeficiente de correlación
r2 = Coeficiente de determinación

3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que

permita determinar la relación entre el peso y la estatura de sus estudiantes. Para ello
selecciona 10 niños y realiza las mediciones respectivas.
A continuación se presentan los resultados:
Estatura (cm) 120 124 107 118 112 110 115 104 110 116
Peso ( kg) 24 23 19 24 21 19 22 16 20 23

a. Identifique la variable dependiente (y) y la variable independiente (x), realice

el diagrama de dispersión y determine el tipo de asociación entre las variables

Estatura en cm (X)
Peso en kg (Y)

30

25

20
peso en kg

15
Series2
10 Linear (Series2)

0
100 105 110 115 120 125 130
Estatura en cm

La fuerza o intensidad de esta correlación es fuerte. Si existe correlación entre las variables

y su dirección es positiva.

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

variable sobre la otra. ¿Es confiable?

Correlación Lineal Formula:

Si es confiable porque hay una correlación lineal fuerte.

c. Determine el grado de correlación de las dos variables.

Análisis del coeficiente de correlación

Según sea el valor del coeficiente de correlación (r) se tiene que:
Si r es positivo, la relación lineal entre las variables es directa. Se dice que la correlación es
positiva.
Si r es negativo, la relación lineal entre las variables es inversa. Se dice que la correlación
es negativa.
Si r = 0, no existe relación lineal entre las variables, se dice que la correlación es nula.
Si r = 1, existe una relación de dependencia total directa entre las variables. Es decir, si una
de ellas aumenta (o disminuye), la otra aumenta (o disminuye) en igual proporción.
Si r = -1, existe una relación de dependencia total inversa entre las variables. Es decir, si
una de ellas aumenta (o disminuye), la otra disminuye(o aumenta en igual proporción.
(Mexico)
Para este caso tenemos:
Estatura en cm (X) Peso en kg (Y) Xi - Ẋ Yi- Ẏ (Xi - Ẋ)2 (Yi- Ẏ)2 (Xi - Ẋ)(Yi- Ẏ)
120 24 120 24 14400 576 2880
124 23 124 23 15376 529 2852
107 19 107 19 11449 361 2033
118 24 118 24 13924 576 2832
112 21 112 21 12544 441 2352
110 19 110 19 12100 361 2090
115 22 115 22 13225 484 2530
104 16 104 16 10816 256 1664
110 20 110 20 12100 400 2200
116 23 116 23 13456 529 2668
Total 129390 4513 24101
Media (X) 113,6 r 0,997360214
Media (Y) 21,1 r2 0,994727396

r = Coeficiente de correlación
r2 = Coeficiente de determinación