ESCUELA SUPERIOR POLITÉCNICA DE

CHIMBORAZO
FACULTAD DE CIENCIAS
ESCUELA DE BIOQUÍMICA Y FARMACIA

BIOMETRÍA

AUTOR O AUTORES DOCENTE

DR. JAIME BEJAR
• BENAVIDES FABIANA 4161
• CASTILLO BLADIMIR 4137 CURSO
• GABRIELA LEON OCTAVO “A” - GRUPO B
• SANTAMARÍA JENNIFER 4138

W W W . D E S C A R G A R P O R T A D A S . C O M
 EJERCICIO DE REGRESIÓN LINEAL

Se ha medido la presión sistólica (mmHg) en 12 individuos para relacionarla con la edad de los mismos
(en años). Los resultados fueron los siguientes:

EDAD PRESIÓN

30 107

50 136

60 148

30 109

70 158

60 150

60 145

40 120

40 118

50 134

70 162

40 124

La variable dependiente “Y” que deseamos saber es y = presión y por otro lado tenemos la variable
independiente “X”, que se conoce como variable predictora, es x = edad.
RESOLUCIÓN CON MINITAB
 Hipótesis:
H0 : β1 = β2 = β3 = β4 = β5 = 0 (modelo no es explicativo)
H1 : βt ≠ 0 para algún t = 1, 2, 3, 4,5 (modelo es explicativo)

• R (coeficiente de correlación), 0.98, lo que indica que hay una excelente correlación entre
las variables
• R2 (coeficiente de determinación) es una medida de la bondad de ajuste e indica que el
0.98 de la variable dependiente es explicada por la variable independiente.

Se observa que el valor-p = 0.000 es menor que α = 0.05, por lo que podemos concluir que al
nivel de significancia α = 0.05 se rechaza la hipótesis nula, es decir, que al nivel de
significancia α se puede afirmar que al menos una de las variables x influye en la respuesta
o variable dependiente.

La recta de regresión es: y = a + b x → y = 68.57 + 1.314x

Ejercicio de aplicación en la ecuación encontrada:

¿Cuál será el valor estimado de la presión a la edad de los 80 años ?
y = 68.57 + 1.314x
y = 68.57 + 1.314x (80)
𝑦 = 173.69
 EJERCICIO DE REGRESIÓN NO LINEAL

Un paciente fue sometido a un tratamiento con metformina utilizando varias a dosis y se

valoró su evolución en cada una de las dosis. Su evolución se valoró en la escala de 0 a
100. Se desea saber la evolución de tratamiento luego de haber realizado 8 dosis de
tratamiento farmacológico.

X= DOSIS Y= EVOLUCIÓN LOG DE Y

1 8 0.90308999
2 15 1.17609126
5 40 1.60205999
7 62 1.79239169
10 86 1.93449845
12 92 1.96378783
14 93 1.96848295

RESOLUCIÓN CON MINITAB

ECUACIÓN SEGÚN MINITAB

▪ r (coeficiente de correlación) es de 0.979 lo que indica que hay una perfecta correlación
entre variables.
▪ r2 (coeficiente de determinación) indica que el 85.4 % de valores de la variable dependiente
es explicada por la variable independiente.

La recta de regresión es: log y = 1.044 + 0.07908 x, equivalente a y = 11.066 (1.199) x

Se puede demostrar que existe otra curva que ajusta mejor los datos experimentales:
 1. La solución obtenida del software Minitab es: log y = 0.7451 + 0.2133 x – 0.006090x2
r (coeficiente de correlación) es de 0.979 lo que indica que hay una perfecta correlación
entre variables.

2. r2 (coeficiente de determinación) indica que el 95.9% de valores de la variable

dependiente es explicada por la variable independiente.

Hipótesis:

H0 : β1 = β2 = β3 = β4 = β5 = 0 (modelo no es explicativo)
H1 : βt ≠ 0 para algún t = 1, 2, 3, 4,5 (modelo es explicativo)

Se observa que el valor-p = 0.0001 es menor que α = 0.05, por lo que se concluye que al nivel de
significancia α = 0.05 se rechaza la hipótesis nula es decir la variable x influye en la respuesta o
variable dependiente siendo un modelo explicativo.

Aplicación para calcular la evolución si su número de dosis es 6

Sustituyendo x = 4 dosis en la ecuación de la curva de ajuste obtenida en el inciso anterior se

tiene:
• log y = 0.7451 + 0.2133 (4) – 0.006090(4)2
• y= antilog (1.50)
• Evolución = 31.6
• Respuesta: Después de un tratamiento de 4 dosis su evolución es 31.6