UNIVERSIDAD TÈCNICA DE MANABÌ
Facultad de Ciencias administrativas y económicas
Carrera de turismo
MATERIA:
ESTADISTICA
DOCENTE TUTOR:
KAREN ROSALBA SALTOS BRAVO
TEMA:
PROBLEMAS DE REGRESIÓN
Estudiante:
Janina Jamileth Sornoza Sosa
CARRERA:
TURISMO
SEMESTRE:
1ero
PARALELO:
‘‘D’’
Año lectivo
Octubre 2022- Febrero 2023
Problema 2: Se lleva a cabo un estudio toxicológico (Toxicología: Rama de las Ciencias
Farmacéuticas que se ocupa del estudio de las sustancias tóxicas y sus efectos), por medio
de detectores radioactivos, de la capacidad corporal para absorber hierro y plomo.
Participan en el estudio 10 sujetos. A cada uno se le da una dosis oral idéntica de hierro
y plomo. Después de 12 días se mide la cantidad de cada componente retenida en el
sistema corporal y, a partir de ésta, se determina el porcentaje absorbido por el cuerpo.
Se obtuvieron los siguientes datos:
Porcentaje de hierro 17 22 35 43 80 85 91 92 96 100
Porcentaje de plomo 8 17 18 25 58 59 41 30 43 58
a. Comprobar la idoneidad del modelo lineal de regresión entre los porcentajes de hierro
y plomo.
b. Obtener la recta de regresión, si el modelo lineal es adecuado.
c. Predecir el porcentaje de hierro absorbido por un individuo cuyo sistema corporal
absorbe el 20 % del plomo ingerido.
Correlaciones
Hierro Plomo
Hierro Correlación de Pearson 1 ,841**
Sig. (bilateral) ,002
N 10 10
Plomo Correlación de Pearson ,841** 1
Sig. (bilateral) ,002
N 10 10
Regresión
Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
1 Plomob . Introducir
Resumen del modelo
R cuadrado Error estándar de
Modelo R R cuadrado ajustado la estimación
1 ,841a ,707 ,670 18,891
ANOVAa
Suma de
Modelo cuadrados gl Media cuadrática F Sig.
1 Regresión 6885,985 1 6885,985 19,296 ,002b
Residuo 2854,915 8 356,864
Total 9740,900 9
Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 13,699 13,341 1,027 ,335
Plomo 1,468 ,334 ,841 4,393 ,002
X: Hierro
Y: Plomo
Conclusión
R: 0,841
Sig. 0,002 < 0,05 Hay correlación lineal
Análisis: Existe correlación lineal entre las variables y es intensa porque R es alto
Regresión
R2: 0,707 el modelo explica un 70,7% de los errores
Sxy. 18,891 Es medianamente alto por lo que indica que existe mediana dispersión de los
datos experimentales
ANOVA
Sig. 0,002 < 0,05
Ecuación: A+Bx
Y= 3,866 +0,482X
Plomo 3,866 + 0,482 Hierro
Prueba de la pendiente:
Ho: b=0
Ha: b≠0
Sig. 0,002<0,05 Se rechaza Ho y se acepta Ha
Conclusión: La pendiente es diferente a cero 0
Análisis del modelo: La ecuación matemática presenta un ajuste regular a los datos
experimentales por lo que se puede predecir valores de Y a partir de valores de X, pero
no son tan confiables.
Problema 5: En un grupo de 8 pacientes se miden las cantidades antropométricas peso y
edad, obteniéndose los siguientes resultados.
X = edad 12 8 10 11 7 7 10 14
Y =peso 58 42 51 54 40 39 49 56
a) ¿Existe una relación lineal importante entre ambas variables?
b) Calcular la recta de regresión de la edad en función del peso
Correlaciones
Edades Pesos
Edades Correlación de 1 ,188
Pearson
Sig. (bilateral) ,687
N 8 7
Pesos Correlación de ,188 1
Pearson
Sig. (bilateral) ,687
N 7 7
Regresión
Resumen del modelo
Error estándar
R cuadrado de la
Modelo R R cuadrado ajustado estimación
1 ,188a ,035 -,158 2,698
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1,331 1 1,331 ,183 ,687b
Residuo 36,384 5 7,277
Total 37,714 6
Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 6,726 6,732 ,999 ,364
Pesos ,059 ,137 ,188 ,428 ,687
X: Edad
Y: Peso
Conclusión
R: 0,188
Sig. 0,687 > 0,05 No hay correlación lineal
Análisis: No existe correlación entre las variables y es intensa parque R es alta
Regresión:
R2: 0,035 El modelo explica que el 3,5% de los errores
Sxy. 2,698 Es alto lo que indica que existe mucha dispersión en los datos experimentales
ANOVA:
Sig. 0,687 > 0,05 que el error explicado no es significativamente mayor que el error no
explicado
Ecuación: A+Bx
Y= 6,726 – 0,059x
Peso = 6,726 + 0,059 Edad
Prueba de la pendiente:
Ho: b=0
Ha: b≠0
Sig. 0,687 > 0,05 No se rechaza Ho
Conclusión: la pendiente es igual a cero 0
Análisis del modelo: La ecuación matemática presenta un mal ajuste a los datos
experimentales por lo que no se puede predecir valores de Y a partir de valores de X
Problema 6: Unos investigadores están estudiando la correlación entre la obesidad y
respuesta individual al dolor, durante el ensayo de un nuevo analgésico. La obesidad se
mide como porcentaje sobre el peso ideal (X). La respuesta al dolor se mide utilizando el
umbral de reflejo de flexión nociceptiva (Y), que es una medida de sensación de punzada.
Se obtiene los siguientes datos:
% sobre el peso ideal 89 90 75 30 51 75 62 45 90 20
Umbral de reflejo 2 3 4 4,5 5,5 7 9 13 15 14
a) Estudie la posible relación lineal entre ambas variables, obteniendo su grado de ajuste
b) ¿Qué porcentaje de sobrepeso podemos esperar para un umbral de reflejo de 10?
Se puede esperar un 11,1% para un umbral de reflejo de 10.
Correlaciones
% sobre el Umbral de
peso ideal reflejo
% sobre el peso ideal Correlación de 1 -,334
Pearson
Sig. (bilateral) ,346
N 10 10
Umbral de reflejo Correlación de -,334 1
Pearson
Sig. (bilateral) ,346
N 10 10
Regresión
Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
1 Umbral de . Introducir
b
reflejo
Resumen del modelo
Error estándar
R cuadrado de la
Modelo R R cuadrado ajustado estimación
1 ,334a ,111 ,000 25,442
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 649,801 1 649,801 1,004 ,346b
Residuo 5178,299 8 647,287
Total 5828,100 9
Coeficientesa
Coeficientes
Modelo Coeficientes no estandarizados estandarizados t Sig.
B Desv. Error Beta
1 (Constante) 76,356 15,827 4,824 ,001
Umbral de reflejo -1,773 1,770 -,334 -1,002 ,346
X: Porcentaje sobre el peso ideal
Y: Umbral de reflejo de flexión nociceptiva
Conclusión:
R: −0,33
Sig. 0,346 > 0,05 No hay correlación lineal
Análisis: No existe correlación entre las variables y no es intensa porque R es baja
Regresión:
R2: 0,111 El modelo explica que representa el 11,1% de los errores
Sxy: 25,442 es alto, lo que indica que existe mucha dispersión en los datos experimentales
ANOVA:
Sig. 0,346 > 0,05 Que el error explicado no es significativamente mayor que el error no
explicado
Ecuación: A+Bx
Y= 76,356 – 1,773
Umbral de reflejo 76,346 – 1,773 % sobre el peso ideal
Prueba de la pendiente:
Ho: b=0
Ha: b≠0
Sig. 0,346> 0,05 No se rechaza Ho
Conclusión: La pendiente es igual a cero 0
Análisis del modelo: La ecuación matemática presenta un mal ajuste a los datos
experimentales, por lo que no se puede predecir valores de Y a partir de valores de X
