UNIVERSIDAD DE HUÁNUCO

ESCUELA ACADÉMICA PROFESIONAL: OBSTETRICIA

DOCENTE: Ligia Isaida Gutierrez Deza

ALUMNAS: Fernanda Paola Narro Vigo
Janny Evelin Argumedo Sanchez
CURSO: Bioestadística
CILO: III

HUÁNUCO- PERÚ

2023
 TAREA 3 BIOESTADÌSTICA 2023 -1
1.- ¿Qué es la regresión lineal?
- La regresión lineal es un método estadístico utilizado para modelizar la relación entre dos
variables, normalmente denominadas variable independiente (o variable de predicción) y
variable dependiente (o variable de respuesta). Asume una relación lineal entre las variables,
lo que significa que el cambio en la variable dependiente es directamente proporcional al
cambio en la variable independiente.

El objetivo de la regresión lineal es encontrar la línea de mejor ajuste que minimice las
diferencias entre los valores observados de la variable dependiente y los valores predichos
proporcionados por la ecuación lineal. Esta línea se denomina línea de regresión o línea de
mejor ajuste.

La regresión lineal se utiliza ampliamente en diversos campos, como la economía, las finanzas,
las ciencias sociales y el aprendizaje automático, para analizar y predecir la relación entre
variables y hacer predicciones basadas en datos observados.

2.- ¿Cuál es la diferencia entre correlación y regresión lineal?

- La correlación y la regresión lineal son conceptos estadísticos afines que miden la relación
entre variables, pero sirven para fines distintos y proporcionan información diferente:

Correlación:

La correlación mide la fuerza y la dirección de la relación entre dos variables. Cuantifica el

grado en que los cambios en una variable están asociados a los cambios en otra variable. Los
valores de correlación oscilan entre -1 y 1, siendo:

- Un coeficiente de correlación de 1 indica una correlación positiva perfecta, lo que

significa que, al aumentar una variable, la otra también aumenta de forma lineal.
- Un coeficiente de correlación de -1 indica una correlación negativa perfecta, lo que
significa que cuando una variable aumenta, la otra disminuye de forma lineal.
- Un coeficiente de correlación de 0 indica que no existe relación lineal entre las
variables.
- La correlación no implica causalidad. Sólo muestra cómo están relacionadas las
variables y en qué medida. La correlación puede calcularse mediante diversos
métodos, como el coeficiente de correlación de Pearson, el coeficiente de correlación
de Spearman o el coeficiente de correlación de rangos de Kendall.

Regresión lineal:

La regresión lineal, por su parte, pretende modelizar y predecir la relación entre variables
ajustando una ecuación lineal a los datos. Se trata de encontrar la línea de mejor ajuste (línea
de regresión) que minimice las diferencias entre los valores observados y los valores predichos
a partir de la ecuación lineal.

- La regresión lineal proporciona información adicional más allá de la correlación

mediante la estimación de los valores específicos de la pendiente y la intersección y en
la ecuación, lo que permite predicciones e interpretaciones de la relación entre
variables. Ayuda a determinar la fuerza, la dirección y la significación estadística de la
 relación, y permite hacer predicciones o estimar el valor de la variable dependiente
basándose en un valor dado de la variable independiente.

Mientras que la correlación se centra en la asociación entre variables, la regresión lineal

proporciona una comprensión más detallada de la relación, permitiendo realizar predicciones y
un análisis más profundo del impacto de las variables.

En resumen, la correlación describe la relación entre variables, mientras que la regresión lineal
modela y predice la relación entre variables basándose en una ecuación lineal.

3.- Según la ecuación de una Recta : Y = a + bx

¿qué representa a qué representa b ?
- En la ecuación Y = a + bx, las variables representan lo siguiente:

Y: Representa la variable dependiente, la variable que se intenta predecir o explicar a partir de

las variables independientes de la ecuación.

a: Representa la intersección y de la recta, que es el valor de Y cuando la variable

independiente (x) es igual a cero. Es el punto de intersección de la recta con el eje Y.

b: Representa la pendiente de la recta, que indica la tasa de cambio en la variable dependiente

(Y) para un cambio de una unidad en la variable independiente (x). Cuantifica la dirección y la
magnitud de la relación entre las variables. Un valor positivo de b indica una relación positiva
(a medida que x aumenta, Y aumenta), mientras que un valor negativo de b indica una relación
negativa (a medida que x aumenta, Y disminuye).

Así, en el contexto de la ecuación Y = a + bx:

A: representa la intersección, que es el punto de partida de la recta en el eje Y.

B: representa la pendiente, que determina la inclinación de la recta al aumentar la variable

independiente.

4.- Un ejemplo de relación directa entre variable X y variable Y

X: Número de pacientes.
Y: Horas de trabajo.

Un ejemplo de relación inversa entre variable X y variable Y

X: Número de obstetras.
Y: Días de trabajo.

5.- Cinco estudiantes X: horas de estudio

Y: notas obtenidas en el examen
Horas 1 3 4 6 7
Notas 08 10 13 15 16

a) Calcular el coeficiente de correlación

b) En la ecuación de regresión Y= a + bX calcular los valores de a y b

c) Un estudiante que alcanza estudiar 5 horas ¿cuánto sería su nota?