LABORATORIO DE REGRESIN Y CORRELACIN LINEAL

REA:
Escuela de Ciencias Bsicas Tecnologa e
Ingeniera
ESTADSTICA

CIENCIAS BSICAS

CURSO:

ESTADSTIC TEMA: REGRESIN Y CORRELACIN LINEALSIMPLE

A
DESCRIPTIV
A
NUMERO DE LA PRCTICA 2
NOMBREDE LAPRCTICA Regresin y correlacin
NOMBREDEL SOFTWARE Infostat - Excel
Libre: x Licenciado:

Aspectos Tericos:

REGRESIN YCORRELACIN
En muchos casos se requiere conocer ms que el comportamiento de una sola
variable, se requiere conocer la relacin entre dos o ms variables como la
relacin entre produccin y consumo; salarios y horas de trabajo; oferta y
demanda; salarios y productividad; la altura de un rbol y el dimetro de su
tronco.

Muchos de estos comportamientos tienen una tendencia lineal, aunque hay

muchos otros que lo hacen de forma curva. Para determinar el grado de
correlacin entre las variables, no basta con calcular la varianza explicada,
pues existe el coeficiente de determinacin coeficiente de correlacin; sin
embargo, frecuentemente se utiliza un coeficiente de correlacin rectilneo,
siendo este un valor entre -1y1.

Para estas confrontaciones se utiliza el diagrama de dispersin que es

plano cartesiano en el que se marcan los puntos correspondientes a los
pares (x,y) de los valores de las variables.
 El anlisis de Regresin tiene los siguientes usos: el primero es obtener los
estimadores de los parmetros, estimar la varianza del error, obtener los
errores estndares de los parmetros estimados, probar la hiptesis sobre los
parmetros, clculo de valores estimados basados en la ecuacin estimada,
estimar el ajuste o la falta de ajuste del modelo.

El modelo a utilizar es Y= a+ bx, a es el intercepto, b es la pendiente de

la funcin, la que nos indica el cambio marginal de Y respecto a X.

EJERCICIOS:

1. Se quiere estudiar la asociacin entre consumo de sal y tensin arterial. A una

serie de voluntarios se les administra distintas dosis de sal en su dieta y se mide
su tensin arterial un tiempo despus.

X (sal) Y (Tensin)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120

a. Realice el diagrama de dispersin y determine el tipo de asociacin

entre las variables
b. Encuentre el modelo matemtico que permite predecir el efecto de una
variable sobre la otra. Es confiable?

El modelo matemtico que permite predecir el efecto de una variable sobre la otra es
la ecuacin de tendencia de la lnea, la cual corresponde a: y = 6,1062x + 88,128.
Segn su coeficiente de determinacin; R = 0,987, se observa que por ser cercano a
1, se dice que es confiable el modelo matemtico obtenido que relaciona las variables
Presin y Sal

c. Determine el grado de relacin de las dos variables.

El porcentaje de explicacin del modelo est dado por la representacin porcentual

del coeficiente de determinacin, as; R*100% = 0,987*100% = 98,7%. El grado de
relacin de las dos variables est dado por la raz cuadrada del coeficiente de
determinacin R, as; R = 0,987= 0,9934, cuya representacin porcentual sera;
0,9934*100% = 99,34%, lo cual indica que las dos variables (Presin y Sal) se
encuentran relacionadas entre s con un 99,34%.

d. Si a un paciente se le administra una dosis de sal de 5,6. Cul es la

tensin arterial esperada?

Dado el modelo y = 6,3137x + 85,612, se puede predecir cul ser la tensin arterial
o Presin, simplemente reemplazando el valor de x. as:
y = 6,1062x + 88,128
y = 6,1062(5.6) + 88,128
y = 34,19472 + 88,128
y = 122,32272
Este resultado indica que al aplicar una dosis de sal, de 5.6 a un paciente
determinado, se puede predecir que el nivel de tensin arterial o presin ser de
122,32.

2. En un nuevo proceso artesanal de fabricacin de cierto artculo que est

implantado, se ha considerado que era importante ir anotando peridicamente el
tiempo medio ( medido en minutos) que se utiliza para realizar una pieza y el
nmero de das desde que empez dicho proceso de fabricacin. Con ello, se
pretende analizar como los operarios van adaptndose al nuevo proceso
mejorando paulatinamente su proceso de produccin.
Los siguientes datos representan dicha situacin:

X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

a. Identifique la variable dependiente (y) y la variable independiente

(x),realice el diagrama de dispersin y determine el tipo de asociacin
entre las variables
 b. Encuentre el modelo matemtico que permite predecir el efecto de
una variable sobre la otra. Es confiable?

El modelo matemtico que permite predecir el efecto de una variable sobre la otra es
la ecuacin de tendencia de la lnea, la cual corresponde a: y = -0,3566x + 42,569.
Segn su coeficiente de determinacin; R = 0,7963, se observa que por ser cercano
a 1, se dice que es confiable el modelo matemtico obtenido que relaciona las
variables Tiempo en minutos y Das.

c. Determine el grado de correlacin de las dos variables.

El porcentaje de explicacin del modelo est dado por la representacin porcentual

del coeficiente de determinacin, as; R*100% = 0,7963*100% = 79,63%. El grado de
relacin de las dos variables est dado por la raz cuadrada del coeficiente de
determinacin R, as; R = 0,7963= 0,8923, cuya representacin porcentual sera;
0,8923*100% = 89,23%, lo cual indica que las dos variables (Tiempo en minutos y
Dias) se encuentran relacionadas entre si con un 89,23%.

d. Que tiempo deber tardarse un empleado cuando lleven 90 das?

Dado el modelo y = -0,3464x + 35,571, se puede predecir cul ser el tiempo que
deber tardarse, simplemente reemplazando el valor de x. as:
y = -0,3566x + 42,569
y = -0,3566(90) + 42,569
y = 32,094 + 42,569
y = 74,663
Este resultado indica que al pasar 90 das, el empleado tardar 74,663 minutos para
realizar una pieza.
3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemtico
que permita determinar la relacin entre el peso y la estatura de sus estudiantes.
Para ello selecciona 10 nios y realiza las mediciones respectivas.
A continuacin se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso ( kg) 24 23 19 24 21 19 22 16 20 23

a. Identifique la variable dependiente (y) y la variable independiente (x),

realice el diagrama de dispersin y determine el tipo de asociacin
entre las variables

b. Encuentre el modelo matemtico que permite predecir el efecto de

una variable sobre la otra. Es confiable?

El modelo matemtico que permite predecir el efecto de una variable sobre la otra es
la ecuacin de tendencia de la lnea, la cual corresponde a: y = 0,386x - 22,751.
Segn su coeficiente de determinacin; R = 0,8329, se observa que por ser cercano
a 1, se dice que es confiable el modelo matemtico obtenido que relaciona las
variables Peso y estatura.

c. Determine el grado de correlacin de las dos variables.

El porcentaje de explicacin del modelo est dado por la representacin porcentual

del coeficiente de determinacin, as; R*100% = 0,8329*100% = 83,29%. El grado de
relacin de las dos variables est dado por la raz cuadrada del coeficiente de
determinacin R, as; R = 0,8329 = 0,9126, cuya representacin porcentual sera;
0,9126*100% = 91,26%, lo cual indica que las dos variables (Peso y estatura.) se
encuentran relacionadas entre s con un 91,26%.

d. Cul es el peso que debera tener un estudiante que mida 128 cm?
Dado el modelo y = 0,4212x - 27,377, se puede predecir cul ser el peso,
simplemente reemplazando el valor de x. as:
y = 0,386x - 22,751
y = 0,386(128) - 22,751
y = 49,408 - 22,751
y = 25,499
Este resultado indica que el peso que debera tener un estudiante que mida 128 cm
es de 25,499 Kg