Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DOCENTE:
ESTUDIANTES:
CARRERA:
BIOQUÍMICA Y FARMACIA
ASIGNATURA:
BIOESTADÍSTICA.
PARALELO:
B
PERIODO:
OCTUBRE 2023- ENERO 2024
Ejercicio 1
Es estudia la correlación entre el uso de medicamento para la acidez estomacal en un
periodo de 3 meses y la deficiencia de hierro presente en la 10 pacientes encuestados.
PORCENTAJE CANTIDAD DE
DE HIERRO MEDICAMENTOS
8.3 8
9.8 5
9 6
10.2 4
7.1 10
11 3
8.6 7
10.3 5
10.5 4
8.9 8
𝑿: 𝐶𝐴𝑁𝑇𝐼𝐷𝐴𝐷 𝐷𝐸 𝑀𝐸𝐷𝐼𝐶𝐴𝑀𝐸𝑁𝑇𝑂𝑆
𝒀: 𝑃𝑂𝑅𝐶𝐸𝑁𝑇𝐴𝐽𝐸 𝐷𝐸 𝐻𝐼𝐸𝑅𝑅𝑂
X Y XY 𝑿𝟐 𝒀𝟐 ̂
𝒀 ̂ − 𝒚)𝟐
(𝒚 ̅ )𝟐
(𝒀 − 𝒀 (𝑿 − ̅𝑿)
̅̅̅𝟐
(∑ x ∗ ∑ y)
∑ xy −
r= n
(∑ x)2 2
2 − (∑ y) )
√(∑ x 2 − ) ∗ (∑ y
n n
60 ∗ 93.7 5622
539.1 − 539.1 −
𝑟= 10 = 10
(60)2 (93.7)2
√(404 − √(404 − 3600 ) (890.89 − 8779.69)
10 ) (890.89 − 10 ) 10 10
𝑟 = −0,96
Existe correlación lineal entre las variables y es intensa, porque R es alto
∑y − b∑x
𝒂=
n
(∑ x ∗ ∑ y) 60 ∗ 93.7
∑ xy − 539.1 − 539.1 − 562.2
𝒃= n = 10 =
∑
( x) 2 (60) 2
∑ x2 − 404 − 360
404 −
n 10
−23.1
𝒃= = −0.52
44
• Ecuación
𝐲=𝐚+𝐛𝐱
y = 12.49 + (−0.52)x
𝑦 = 12.49 − 0.52 𝑥
%𝐹𝑒 = 12.49 − 0.52(𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑀𝑒𝑑𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑜𝑠)
̂
𝒚
y = 12.49 − (0.52 ∗ 8) = 8.33
y = 12.49 − (0.52 ∗ 5) = 9.89
y = 12.49 − (0.52 ∗ 6) = 9.37
y = 12.49 − (0.52 ∗ 4) = 10.41
y = 12.49 − (0.52 ∗ 10) = 7.29
y = 12.49 − (0.52 ∗ 3) = 10.93
y = 12.49 − (0.52 ∗ 7) = 8.85
y = 12.49 − (0.52 ∗ 5) = 9.89
y = 12.49 − (0.52 ∗ 4) = 10.41
y = 12.49 − (0.52 ∗ 8) = 8.33
∑𝐲 𝟗𝟑. 𝟕
𝐌𝐞𝐝𝐢𝐚 𝐝𝐞 𝐲̅ = = = 𝟗. 𝟑𝟕
𝐧 𝟏𝟎
Suma de Cuadrados del Error Explicado (𝐲̂ − 𝐲̅)𝟐
𝑟 2 = 0,92
El modelo explica el 92% de los datos experimentales
• ANOVA
Sc gL MC F
11.88 1 11.88 96.58
REGRESIÓN
0.99 8 0.123
ERROR
12.87 9
TOTAL
𝐹𝑐𝑎𝑙 = 96,58 𝐹𝑐𝑟𝑖𝑡 = 5,318
b − β −0.52 − 0
𝒕= = = −10.4
Sb 0.05
∑ 𝐱 𝟔𝟎
𝐌𝐞𝐝𝐢𝐚 𝐝𝐞 𝐱̂ = = =𝟔
𝐧 𝟏𝟎
(𝐱 − 𝐱̂)𝟐
(8 − 6)2 = 4
(5 − 6)2 = 1
(6 − 6)2 = 0
(4 − 6)2 = 4
(10 − 6)2 = 16
(3 − 6)2 = 9
(7 − 6)2 = 1
(5 − 6)2 = 1
(4 − 6)2 = 4
(8 − 6)2 = 4
Correlación
𝑟 = −0,96
Análisis: Existe correlación lineal entre las variables y es intensa, porque R es alto
Regresión
𝑟 2 = 0,92
El modelo explica el 92% de los datos experimentales
𝑆𝑥𝑦 = 0,35
Es pequeño, indicando que existe poca dispersión de los datos experimentales
Prueba de la Pendiente:
𝐻𝑜: 𝑏 = 0
𝐻𝑎: 𝑏 ≠ 0
Se Rechaza la Ho y se acepta Ha
La pendiente es diferente de 0
Análisis del Modelo: El Modelo presenta un muy buen ajuste a los datos experimentales. Por lo que
se puede aplicar para predecir valores de Y a partir de X
Ejercicio 2
Se llevó a cabo un estudio para determinar el efecto del uso de ciertos medicamentos
genéricos en un periodo de 3 meses. Se administraron distintas dosis del medicamento y se
analizó el pH obteniendo la siguiente tabla:
Dosis (mg) 1 1 2 2 2 3 3 4 4 4 5 5 5
X: Dosis
Y: pH
X Y XY 𝐗𝟐 𝐘𝟐 ̂
𝒀 ̂−𝒀
(𝐘 ̅ )𝟐 (Y − Y ) 2 ( X − X )2
(∑ x ∗ ∑ y)
∑ xy −
r= n
(∑ x)2 2
2 − (∑ y) )
√(∑ x 2 − ) ∗ (∑ y
n n
41 ∗ 39.2 1607.2
133.4 − 133.4 −
𝑟= 13 = 13
(41)2 (39.2)2
√(155 − ) (122.3 − ) √(155 − 1681) (122.3 − 1536.64)
13 13 13 13
𝑟 = 0,96
Existe correlación lineal entre las variables y es intensa, porque R es alto
∑y − b∑x
𝒂=
n
(∑ x ∗ ∑ y) 41 ∗ 39.2
∑ xy − 133.4 − 133.4 − 123.6
𝒃= n = 13 =
(∑ x) 2 (41) 2 155 − 129.3
∑ x2 − 155 − 13
n
9.8
𝒃= = 0.38
25.7
• Ecuación
𝐲=𝐚+𝐛𝐱
y = 1.8 + 0.38 x
𝑝𝐻 = 1.8 + 0.38(𝑑𝑜𝑠𝑖𝑠)
𝐲̂
∑𝐲 𝟑𝟗. 𝟐
𝐌𝐞𝐝𝐢𝐚 𝐝𝐞 𝐲̅ = = = 𝟑. 𝟎𝟏
𝐧 𝟏𝟑
(𝐲̂ − 𝐲̅)𝟐
(𝐲 − 𝐲̅)𝟐
(2 − 3.01)2 = 1.02
(3 − 3.01)2 = 0.0001
(3 − 3.01)2 = 0.0001
(4 − 3.01)2 = 0.98
2
𝑆𝐶𝐸𝐸 ∑(𝑌̂ − 𝑌̅)2 3.69
𝑟 = = = = 0.89
𝑆𝐶𝐸𝑇 ∑(𝑌 − 𝑌̅)2 4.12
𝑟 2 = 0,89
El modelo explica el 89% de los datos experimentales
0.43 0,43
Sxy = √ = √ = 0.19
13 − 2 11
• ANOVA
Sc gL MC F
3,69 1 3,69 9,97
REGRESIÓN
4,12 11 0,37
ERROR
7,81 12
TOTAL
• Prueba de la pendiente
b − β 0.38 − 0
𝒕= = = 10
Sb 0,038
𝑡𝑐𝑎𝑙 > 𝑡𝑐𝑟𝑖𝑡
𝑡𝑐𝑎𝑙 = 10 𝑡𝑐𝑟𝑖𝑡 = 2,2010
Se rechaza Ho y se acepta Ha
La pendiente es diferente a 0
𝐻𝑜: 𝑏 = 0
𝐻𝑎: 𝑏 ≠ 0
∑(y − ŷ)2 0.43 0.43
𝐒𝐛 = √ n − 2 = √ 13 − 2 = √ 11 = √0,039 = 0.038
∑(x − x̂) 2 25,66 25,66 25,66
∑ 𝐱 𝟒𝟏
𝐌𝐞𝐝𝐢𝐚 𝐝𝐞 𝐱̂ = = = 𝟑, 𝟏𝟓
𝐧 𝟏𝟑
(𝐱 − 𝐱̂)𝟐
(1 − 3,15)2 = 4,62
(1 − 3,15)2 = 4,62
(2 − 3,15)2 = 1,32
(2 − 3,15)2 = 1,32
(2 − 3,15)2 = 1,32
(3 − 3,15)2 = 0,02
(3 − 3,15)2 = 0,02
(4 − 3,15)2 = 0,72
(4 − 3,15)2 = 0,72
(4 − 3,15)2 = 0,72
(5 − 3,15)2 = 3,42
(5 − 3,15)2 = 3,42
(5 − 3,15)2 = 3,42
Correlación
𝒓 = 0,96
Análisis: Existe correlación lineal entre las variables y es intensa, porque R es alto.
Regresión
𝒓𝟐 = 0,89
El modelo explica el 89% de los datos experimentales
𝑺𝒙𝒚 = 0,19
Es pequeño, indicando que existe poca dispersión de los datos experimentales
Prueba de la Pendiente:
𝑯𝒐: 𝑏 = 0
𝑯𝒂: 𝑏 ≠ 0
Se rechaza Ho y se acepta Ha
La pendiente es diferente a 0
Análisis del Modelo: El Modelo presenta un buen ajuste a los datos experimentales. Por lo que se
puede aplicar para predecir valores de Y a partir de X