UNIVERSIDAD TÉCNICA DE MANABÍ

FACULTAD DE CIENCIAS DE LA SALUD

PROYECTO DE FIN DE CICLO

DOCENTE:

ING. BRAVOS SALTOS ROSALBA KAREN.

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

8 8.3 66.4 64 68.89 8.33 1.08 1.14 4

5 9.8 49 25 96.04 9.89 0.27 0.18 1
6 9 54 36 81 9.37 0 0.13 0
4 10.2 40.8 16 104.04 10.41 1.08 0.68 4
10 7.1 71 100 50.41 7.29 4.32 5.15 16
3 11 33 9 121 10.93 2.43 2.65 9
7 8.6 60.2 49 73.96 8.85 0.27 0.59 1
5 10.3 51.5 25 106.09 9.89 0.27 0.86 1
4 10.5 42 16 110.25 10.41 1.08 1.27 4
8 8.9 71.2 64 79.21 8.33 1.08 0.22 4
SUMA 60 93.7 539.1 404 890.89 11.08 12.87 44

• Coeficiente de Correlación (r)

(∑ 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

539.1 − 562.2 −23.1

𝑟= = = −0.96
√(404 − 360)(890.89 − 877.96) √44 ∗ 12.93

𝑟 = −0,96
Existe correlación lineal entre las variables y es intensa, porque R es alto

• Método de los mínimos cuadrado (MMC)

∑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

∑y − b∑x 93.7 − (−0.52 ∗ 60) 93.7 + 31.2 124.9

𝒂= = = = = 12.49
n 10 10 10

• 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

(8.33 − 9.37)2 = 1.08

(9.89 − 9.37)2 = 0.27
(9.37 − 9.37)2 = 0
(10.41 − 9.37)2 = 1.08
(7.29 − 9.37)2 = 4.32
(10.93 − 9.37)2 = 2.43
(8.85 − 9.37)2 = 0.27
(9.89 − 9.37)2 = 0.27
(10.41 − 9.37)2 = 1.08
(8.33 − 9.37)2 = 1.08

Suma de Cuadrados del Error Total (𝐲 − 𝐲̅)𝟐

(8.3 − 9.37)2 = 1.14

(9.8 − 9.37)2 = 0.18
(9 − 9.37)2 = 0.13
(10.2 − 9.37)2 = 0.68
(7.1 − 9.37)2 = 5.15
(11 − 9.37)2 = 2.65
(8.6 − 9.37)2 = 0.59
(10.3 − 9.37)2 = 0.86
(10.5 − 9.37)2 = 1.27
(8.9 − 9.37)2 = 0.22

• Coeficiente de determinación (𝒓𝟐 )

𝑆𝐶𝐸𝐸 ∑(𝑌̂ − 𝑌̅)2 11.88

𝑟2 = = = = 0.92
𝑆𝐶𝐸𝑇 ∑(𝑌 − 𝑌̅) 2 12.87

𝑟 2 = 0,92
El modelo explica el 92% de los datos experimentales

• Suma de cuadrado del error no explicado

𝑆𝐶𝐸𝑁𝐸 = 𝑆𝐶𝐸𝑇 − 𝑆𝐶𝐸𝐸
𝑆𝐶𝐸𝑁𝐸 = 12.87 − 11.88 = 0.99

• Error estándar del estimado

 SCENE ∑(y − y̅)2
Sxy = √ =√
n−2 n−2 𝑆𝑥𝑦 = 0,35
Es pequeño, indicando que existe poca
0.99 0.99 dispersión de los datos experimentales
Sxy = √ == √ = 0.35
10 − 2 8

• 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

𝐹𝑐𝑎𝑙 > 𝐹𝑐𝑟𝑖𝑡

El error explicado es significativamente
mayor que el error no explicado
• Prueba de la pendiente

b − β −0.52 − 0
𝒕= = = −10.4
Sb 0.05

𝑡𝑐𝑎𝑙 = −10.4 𝑡𝑐𝑟𝑖𝑡 = −2,306 𝑡𝑐𝑎𝑙 < 𝑡𝑐𝑟𝑖𝑡

Se Rechaza la Ho y se acepta Ha
𝐻𝑜: 𝑏 = 0 La pendiente es diferente de 0
𝐻𝑎: 𝑏 ≠ 0

∑(y − ŷ)2 0.99 0.99

𝐒𝐛 = √ n − 2 =
√ 10 − 2 =
√ 8 = √0.12375 = 0.05
∑(x − x̂)2 44 44 44

∑ 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

ANOVA: 𝐹𝑐𝑎𝑙 > 𝐹𝑐𝑟𝑖𝑡

El error explicado es significativamente mayor que el error no explicado

Ecuación: %𝐹𝑒 = 12.49 − 0.52 − 0,96(𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑀𝑒𝑑𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑜𝑠)

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

Ph 2 2.3 2.7 2.5 2.8 2.9 3 3.2 3 3.4 3.9 4 3.5

X: Dosis

Y: pH

X Y XY 𝐗𝟐 𝐘𝟐 ̂
𝒀 ̂−𝒀
(𝐘 ̅ )𝟐 (Y − Y ) 2 ( X − X )2

1 2 2 1 4 2.18 0.69 1.02 4,62

1 2.3 2.3 1 5.29 2.18 0.69 0.50 4,62

2 2.7 5.4 4 7.29 2.56 0.20 0.09 1,32

2 2.5 5 4 6.25 2.56 0.20 0.26 1,32

2 2.8 5.6 4 7.84 2.56 0.20 0.04 1,32

3 2.9 8.7 9 8.41 2.94 0.0049 0.01 0,02

3 3 9 9 9 2.94 0.0049 0.0001 0,02

4 3.2 12.8 16 10.24 3.32 0.09 0.04 0,72

4 3 12 16 9 3.32 0.09 0.0001 0,72

4 3.4 13.6 16 11.56 3.32 0.09 0.15 0,72

5 3.9 19.5 25 15.21 3.7 0.48 0.79 3,42

5 4 20 25 16 3.7 0.48 0.98 3,42

5 3.5 17.5 25 12.25 3.7 0.48 0.24 3,42

Suma 41 39.2 133.4 155 122.3 3.69 4.12 25,66

 • Coeficiente de Correlación (r)

(∑ 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

133.4 − 123.6 9.8

𝑟= = = 0.96
√(155 − 129.3)(122.3 − 118.2) √25.7 ∗ 4.1

𝑟 = 0,96
Existe correlación lineal entre las variables y es intensa, porque R es alto

• Método de los mínimos cuadrado (MMC)

∑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

∑y − b∑x 39.2 − (0.38 ∗ 41) 39.2 − 15.58 23.62

𝒂= = = = = 1.8
n 13 13 13

• Ecuación

𝐲=𝐚+𝐛𝐱

y = 1.8 + 0.38 x

𝑝𝐻 = 1.8 + 0.38(𝑑𝑜𝑠𝑖𝑠)
𝐲̂

y = 1.8 + (0.38 ∗ 2) = 2.56

y = 1.8 + (0.38 ∗ 1) = 2.18

y = 1.8 + (0.38 ∗ 1) = 2.18

y = 1.8 + (0.38 ∗ 2) = 2.56

y = 1.8 + (0.38 ∗ 2) = 2.56

y = 1.8 + (0.38 ∗ 2) = 2.56

y = 1.8 + (0.38 ∗ 3) = 2.94

y = 1.8 + (0.38 ∗ 3) = 2.94

y = 1.8 + (0.38 ∗ 4) = 3.32

y = 1.8 + (0.38 ∗ 4) = 3.32

y = 1.8 + (0.38 ∗ 4) = 3.32

y = 1.8 + (0.38 ∗ 5) = 3.7

y = 1.8 + (0.38 ∗ 5) = 3.7

y = 1.8 + (0.38 ∗ 5) = 3.7

∑𝐲 𝟑𝟗. 𝟐
𝐌𝐞𝐝𝐢𝐚 𝐝𝐞 𝐲̅ = = = 𝟑. 𝟎𝟏
𝐧 𝟏𝟑

(𝐲̂ − 𝐲̅)𝟐

(2.18 − 3.01)2 = 0.69

(2.18 − 3.01)2 = 0.69

(2.56 − 3.01)2 = 0.20

(2.56 − 3.01)2 = 0.20

(2.56 − 3.01)2 = 0.20

(2.94 − 3.01)2 = 0.0049

(2.94 − 3.01)2 = 0.0049

(3.32 − 3.01)2 = 0.09

(3.32 − 3.01)2 = 0.09

(3.32 − 3.01)2 = 0.09

(3.7 − 3.01)2 = 0.48

(3.7 − 3.01)2 = 0.48

(3.7 − 3.01)2 = 0.48

(𝐲 − 𝐲̅)𝟐

(2 − 3.01)2 = 1.02

(2.3 − 3.01)2 = 0.50

(2.7 − 3.01)2 = 0.09

(2.5 − 3.01)2 = 0.26

(2.8 − 3.01)2 = 0.04

(2.9 − 3.01)2 = 0.01

(3 − 3.01)2 = 0.0001

(3.2 − 3.01)2 = 0.04

(3 − 3.01)2 = 0.0001

(3.4 − 3.01)2 = 0.15

(3.9 − 3.01)2 = 0.79

(4 − 3.01)2 = 0.98

(3.5 − 9.37)2 = 0.24

• Coeficiente de determinación (𝒓𝟐 )

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

• Suma de cuadrado del error no explicado

𝑆𝐶𝐸𝑁𝐸 = 𝑆𝐶𝐸𝑇 − 𝑆𝐶𝐸𝐸

𝑆𝐶𝐸𝑁𝐸 = 4.12 − 3.69 = 0,43

• Error estándar del estimado

SCENE ∑(y − y̅)2 𝑆𝑥𝑦 = 0,19

Sxy = √ =√
n−2 n−2 Es pequeño, indicando que existe poca
dispersión 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

𝐹𝑐𝑎𝑙 = 9,97 𝐹𝑐𝑟𝑖𝑡 = 4,844

𝐹𝑐𝑎𝑙 > 𝐹𝑐𝑟𝑖𝑡

El error explicado es significativamente
mayor que el error no explicado

• 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

ANOVA: 𝐹𝑐𝑎𝑙 > 𝐹𝑐𝑟𝑖𝑡

El error explicado es significativamente mayor que el error no explicado

Ecuación: 𝑝𝐻 = 1.8 + 0.38 (𝑑𝑜𝑠𝑖𝑠)

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