Nombre: Equipo GDL

José Abel Rodríguez López 850199463

Noé Delgado Porras 850199886
Salvador Alfaro Villalpando 850200143
Materia: Análisis de datos
Profesor: Martha Patricia Razo Cruz
Campus: Guadalajara Sur
Fecha de entrega: 18/09/2022
Página 1 de 13
 EJERCICIOS
ANÁLISIS DE REGRESIÓN LINEAL, CORRELACIÓN Y
DIAGRAMAS DE DISPERSIÓN

|
Fecha:18/09/2022
Nombre del estudiante :Equipo Gdl
Nombre del docente: Martha Patricia Razo Cruz

1. Con base en el material consultado en la unidad resuelve los ejercicios que se plantean acerca
de los siguientes temas:

➢ Diagrama de dispersión
➢ Coeficiente de correlación
➢ Análisis de regresión lineal simple

Ejercicios sobre diagramas de dispersión, correlación y regresión lineal:

1. Revisa el siguiente material:

Llinás, H. (2017). Estadística Inferencial [Versión electrónica]. Recuperado de

https://elibro.net/es/ereader/uvm/70060?page=338
Colección eLibro.net Pórtico UVM
Capítulo 6 Regresión Lineal y Correlación,
Epígrafe 6.1. El modelo de Regresión Lineal Simple
Páginas 377 a 379

2. Resuelve los ejercicios que se plantean en el material anterior.

Página 2 de 13
Archivo Ejercicios Unidad 1.
• Página 377 Problemas 14.40,
• Página 378 Problemas 14.42,14.53
• Página 379 Problemas 14.54

3. Utiliza la Hoja de Cálculo o Minitab en el desarrollo de los ejercicios propuestos y realiza

captura de pantallas del proceso y resultados obtenidos.

4. Redacta una conclusión acerca de la relevancia de la regresión, correlación lineal y los

diagramas de dispersión, si es posible busca una posible aplicación en tu ámbito cotidiano.
5. Elabora en este mismo documento el desarrollo del problema planteado.

6. Agrega las fuentes consultadas (mínimo 2) referenciadas en estilo APA.

7. Al finalizar, vuelve a la plataforma y sigue los pasos que se indican para enviar tu actividad.

Página 3 de 13
 Ahora podemos saber que
𝑟 = 0,56 𝑛=2
Después usamos la siguiente formula
𝑟 ∗ √𝑛 − 2
𝑡=
√1 − 𝑟 2

0.56 ∗ √2 − 2
𝑡=
√1 − 0.562

Pero en 2 años nos da como resultado lo siguiente

𝑟 ∗ √𝑛 − 2
𝑡=
√1 − 𝑟 2
0.56 ∗ √24 − 2
𝑡=
√1 − 0.562

Página 4 de 13
La hipótesis nula se rechaza debido a que la correlación de la población no es 0, sin embargo,
existe relación entre las variables.

𝑟 = 0.61 𝑛 = 12
𝐴ℎ𝑜𝑟𝑎 𝑢𝑠𝑎𝑚𝑜𝑠 𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑞𝑢𝑒 𝑒𝑛 𝑒𝑙 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑟 ∗ √𝑛 − 2
𝑡=
√1 − 𝑟 2
0.61 ∗ √12 − 2
𝑡=
√1 − 0.612

𝐴ℎ𝑜𝑟𝑎 𝑟𝑒𝑠𝑡𝑎𝑚𝑜𝑠 𝑛 − 2 𝑎 12
𝑙𝑜 𝑞𝑢𝑒 𝑛𝑜𝑠 𝑑𝑎 10, 𝑦 𝑎ℎ𝑜𝑟𝑎 𝑛𝑜𝑠 𝑑𝑖𝑟𝑖𝑔𝑢𝑖𝑚𝑜𝑠 𝑎 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑡 𝑠𝑡𝑢𝑑𝑒𝑛𝑡 𝑝𝑎𝑟𝑎 𝑏𝑢𝑠𝑐𝑟𝑎 0.01 𝑦 𝑙𝑎 𝑓𝑖𝑙𝑎 10

Página 5 de 13
 𝑦 𝑐𝑜𝑚𝑜 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑟 𝑒𝑛 𝑙𝑎 𝑖𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 𝑎𝑟𝑟𝑖𝑏𝑎 𝑛𝑜𝑠 𝑑𝑎 𝑐𝑜𝑚𝑜 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜
2.7638

r= 0.61 se encuentra entre el 0.5 y el 0.9, por lo tanto, tiene una correlación
positiva

Material de apoyo

Página 6 de 13
 Primero pasaremos los datos a una hoja de Excel
n x y x*y x^2 y^2
1 5.52 36.5 201.48 30.4704 1332.25
2 3.21 27.2 87.312 10.3041 739.84
3 4.32 27.7 119.664 18.6624 767.29
4 2.31 28.3 65.373 5.3361 800.89
5 4.3 30.3 130.29 18.49 918.09
6 3.71 29.7 110.187 13.7641 882.09
7 2.75 29.5 81.125 7.5625 870.25
8 2.15 26.3 56.545 4.6225 691.69
9 4.41 32.2 142.002 19.4481 1036.84
suma 32.68 267.7 993.978 128.6602 8039.23

a) 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒: 0.7923075

Página 7 de 13
b) Para este paso usaremos la siguiente formula con n=9 y r=0.792
𝑟 ∗ √𝑛 − 2
𝑡=
√1 − 𝑟 2
0.792 ∗ √9 − 2
√1 − 0.7922

Ahora nos dirigimos a la tabla t student

Que nos da como resultado 2.9979

Página 8 de 13
Página 9 de 13
Método
Tipo de correlación Pearson

Número de filas 19

utilizadas:

Página 10 de 13
Correlaciones

x
y -
0.071

Prueba de hipótesis:
Ho:r=0, no existe correlación lineal; H1:r >0 existe correlación lineal.

t = r× √n−2 = 0. 071× √19−2 =−0.293

√1−r 2 √1−0.0 7 12
Valor crítico=t (α , n−2)=3 .22
2

Página 11 de 13
Página 12 de 13
Conclusión:

Después de revisar el tema y consultar la información de plataforma concluimos que el

análisis de regresión es un método estadístico que muestra la relación entre dos o más
variables. Por lo general, expresado en un gráfico, el método evalúa la relación entre una
variable dependiente con las variables independientes, esto permite explicar un fenómeno y
predecir cosas acerca del futuro, además de obtener información empresarial valiosa y
accionable. El coeficiente de correlación lineal la correlación, también conocida como
coeficiente de correlación lineal (de Pearson), es una medida de regresión que pretende
cuantificar el grado de variación conjunta entre dos variables con esto podemos predecir el
comportamiento de la variable dependiente a partir de la variable independiente. Lo cual no
significa que una sea el origen de la otra, sino que ambas variables están estrechamente
relacionadas y dado ese comportamiento podemos obtener información de utilidad, Por otro
lado, los gráficos de dispersión se utilizan para mostrar relaciones.

Referencias:

• Puente, C. (2018). Estadística descriptiva e inferencial [Versión electrónica]. Recuperado de

https://elibro.net/es/ereader/uvm/59931?page=1
• Llinás, H. (2017). Estadística Inferencial [Versión electrónica]. Recuperado de
https://elibro.net/es/ereader/uvm/70060?page=338
• Gutiérrez, E. y Vladimirovna, O. (2016). Estadística inferencial 1 para ingeniería y ciencias
[Versión
• electrónica]. Recuperado de https://elibro.net/es/ereader/uvm/40474?page=

Página 13 de 13