Documentos de Académico
Documentos de Profesional
Documentos de Cultura
11 de mayo de 2022
2
https://www.goconqr.com/es-ES/mindmap/36577833/medidas-estadisticas-bivariantes-de-
regresion-y-correlacion
Actividad 2.
diagrama de dispersión puede dar una idea preliminar de la correlación entre las variables
estudiadas.
-Correlación lineal simple: Según Churchill (2009) mide la cercanía de la relación entre dos o
más variables, considerando la variación conjunta de las dos mediciones, ninguna de las cuales
está sujeta a restricción por el observador. Se usa para medir la cercanía de la relación lineal
relativa de la variación total en la variable de criterio que puede explicarse mediante la ecuación
de regresión ajustada. Es decir, r2 = 1 menos el error estándar del estimado al cuadrado, dividido
un ajuste lineal esto es, la variación total de la variable Y es explicada por el modelo de
regresión. El valor cero indica la no representatividad del modelo lineal, lo que supone que el
La correlación positiva, indica que un aumento dado de X determina con exactitud otro de Y,
Según Churchill (2009) es una medida que calcula la intensidad de la relación lineal entre dos
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
c) Determine el modelo matemático que permite predecir el efecto de una variable sobre la
Ejercicio
arterial. A una serie de voluntarios se les administra distintas dosis de azúcar en su dieta y se
Solución
Y
X (Azúcar)
(Glicemia
(mg/L)
) (mg/dL)
1,4 84
2,6 90
3,5 95
4,1 107
4,3 110
4,5 114
4,9 150
5
(Glicemia) (mg/dL)
160
140
120
100
80
60
40
20
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Aparentemente hay una relación lineal de tipo positiva, porque a medida que aumenta el
azúcar se observa que hay una variación en la glicemia. Por lo anterior se observa una
(Glicemia) (mg/dL)
160
140
60
40
20
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
6
R² = 0,6793
Coeficiente de determinación presenta un ajuste moderado. Indica que tanto explica la variable X
a la variable Y.
El valor de 0,6793 quiere decir que la variable azúcar explica de forma moderada a la variable
El coeficiente de determinación dio 0,6793 es moderado, quiere decir que la variable X (azúcar)
regresión lineal.
De acuerdo con Téllez y Lemus (2013) el coeficiente de correlación lineal de Pearson oscila
r > 1, las variables X y Y tienen una relación lineal positiva perfecta, es decir, todos y cada uno
de los puntos (X,Y) se encuentran sobre una línea recta de pendiente positiva.
7
r= -1, las variables X y Y tienen una relación lineal negativa perfecta, es decir, todos y cada uno
de los puntos (X,Y) se encuentran sobre una línea recta de pendiente negativa.
r= 0 , se puede afirmar que entre las variables X y Y no existe una dependencia lineal.
Si 0 < r < 1 se puede afirmar que entre las variables X y Y existe una posible dependencia lineal
Si 1 < r < 0 se puede afirmar que entre las variables X y Y existe una posible dependencia lineal
-1.
Para el ejercicio con el uso del excel: r= 0,824193464, quiere decir que existe una relación alta
entre la variable azúcar y glicemia de los voluntarios a los que se les tomo la muestra, esto
quiere decir que para los datos dados a medida que el azúcar aumenta también aumenta la
Si 0 < r < 1 se puede afirmar que entre las variables X y Y existe una posible dependencia lineal
c).Determine el modelo matemático que permite predecir el efecto de una variable sobre la
(Glicemia) (mg/dL)
160
140
60
40
20
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Para el ejercicio con el uso del Excel el modelo matemático que relaciona las variables X y Y
es:
y = 14,643x + 54,218
confiable el modelo.
variables X y Y. Según Churchill (2009) es una medida que calcula la intensidad de la relación
lineal entre dos variables. Ayuda a “medir el grado de dependencia de Y sobre X bajo la función
Para el ejercicio con el uso del excel: r=0,824193464 que es el resultado de la raíz cuadrada de
R²=0,824193464
¿Cuándo se puede decir que hay una correlación fuerte entre las variables y cuándo la