Академический Документы
Профессиональный Документы
Культура Документы
DESCRIPCIÓN DE LA INFORMACIÓN
UNIDAD 3 - REGRESIÓN Y CORRELACIÓN
TUTOR:
OSCAR JAVIER HERNANDEZ
40,000,000.00
Diagrama Dispersion
Produccion por persona
30,000,000.00
20,000,000.00
y = 7.0399x + 2E+07
10,000,000.00
R² = 0.7856
0.00
$ 0.00 $ 200,000.00$ 400,000.00$ 600,000.00$ 800,000.00
$ 1,000,000.00
$ 1,200,000.00
$ 1,400,000.00
$ 1,600,000.00
Personas con empleo
El modelo matematico usado y=ax+b (ecuacion lineal)
y=7,0399x+ 2*10^(7)
R² = 0,7856 Coeficiente de Determinación
R 0,88634 coeficiente de correlación lineal
Se puede determinar que existe una correlacion aceptable entre las personas con empleo y la produccion por persona
2.1Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A una serie de
voluntarios se les administra distintas dosis de sal en su dieta y se mide su tensión arterial un
tiempo después.
A) Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.
Y
X (sal)
(Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
B. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. Es confiable?
El modelo matematico usado y=ax+b (ecuacion lineal)
y = 6,1062x + 88,128
R² = 0,987 Coeficiente de Determinación
R= 0,9934787 coeficiente de correlación lineal 98,70% Este modelo es confiable en un 98,70%
Reemplazamos x
6,1062
4,8
88,128
Entonces la tension del paciente con una dosis de sal de 4,8 es de 117,44
a. Identifique la variable dependiente (y) y la variable independiente (x),realice eldiagrama de dispersión y determine el tipo de asociación entre las variables
45
40
35
30
25
20
y = -0.3566x + 42.569
15 R² = 0.7963
10
5
0
0 10 20 30 40 50 60 70 80
Dias utilizados
b. Encuentre el modelo matemático que permite predecir el efecto de una variablesobre la otra. Es confiable?
y= -0,3566x+42,569
R² = 0,7963 Coeficiente de Determinación
R= 0,89236 coeficiente de correlación lineal 80% Este modelo es confiable en un 80%
Reemplazamos x
y= -0,3566(80)+42,569
-0,3566 Y= 14,041
X= 80
42,569
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 eldiagrama de dispersión y determine el tipo de asociación entre las variables
25
20
Peso
15
10 y = 0.386x - 22.751
R² = 0.8329
5
0
100 105 110 115 120 125
Estatura
b. Encuentre el modelo matemático que permite predecir el efecto de una variablesobre la otra. Es confiable?
y= 0,389x-22,751
R² = 0,8329 Coeficiente de Determinación
R 0,9126 coeficiente de correlación lineal 83% Este modelo es confiable en un 83%
d. Cuál es el peso que debería tener un estudiante que mida 120 cm?
Reemplazamos x
y= 0,389(120)-22,751
0,389 Y= 24
X= 120
-22,751
X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
0
98 102 109 113 115 120
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
Modelo matemático que permite predecir el efecto de una variable sobre la otra es.
Y = a + bX
Y = 5.205x + 95.14
𝐲 = 𝟏𝟐𝟎. 𝟏𝟐𝟒
2.2 En un nuevo proceso artesanal de fabricación de cierto artículo que está
implantado, se ha considerado que era importante ir anotando periódicamente el tiempo
medio (medido en minutos) que se utiliza para realizar una pieza y el número de días
desde que empezó dicho proceso de fabricación. Con ello, se pretende analizar como
los operarios van adaptándose al nuevo proceso mejorando paulatinamente su proceso
de producción.
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
Modelo matemático que permite predecir el efecto de una variable sobre la otra es.
Y = a + bX
Y = −0.356x + 42.56
c. Determine el grado de correlación de las dos variables.
2.3 Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que
permita determinar la relación entre el peso y la estatura de sus estudiantes. Para ello
selecciona 10 niños y realiza las mediciones respectivas.
A continuación se presentan los resultados:
Estatur 120 124 107 118 112 110 115 104 110 116
a (cm)
Peso ( 24 23 19 24 21 19 22 16 20 23
kg)
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
Y = a + bX
Y = 0.386x + (−22.75)
d. Cuál es el peso que debería tener un estudiante que mida 120 cm?
𝑌 = 23.81𝑘𝑔
50,000,000
40,000,000
Billones(x)
10,000,000
-
- 10,000,000 20,000,000 30,000,000 40,000,000 50,000,000
Población Cantidad de personas (y)
LADYS VILFAY ACUNA
18.00
16.00
14.00
12.00
10.00
8.00
6.00
4.00 y = 1E-06x + 4.7291
2.00 R² = 0.4409
0.00
- 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000 6,000,000 7,000,000 8,000,000 9,000,000
Personas Sin Empleo
El tipo de asociación entre las dos variables es una asociación directa ya que si
incrementa el número de personas sin empleo aumenta la tasa de desempleo.
Modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es
confiable?
n 195
Coeficiente de Correlación r 0,6640
Coeficiente de 0,4409
Determinación R2
Calculo de a 1,3424E-06
Calculo de b 4,7291
Ecuación de Regresión o Y = 1,3424E-06*X
Modelo Matemático Y = ax+b +4,7291
El porcentaje de explicación del modelo es del 44%, solo consigue explicar el 44% de la
variación de la tasa de desempleo atreves del número de personas sin empleo.
El grado de relación entre las dos variables es 0,6640 lo cual indica que es una
correlación regular entre las personas sin empleo y la tasa de desempleo
La relación entre las personas sin empleo y la tasa de desempleo es muy variante por
lo cual no se pude generan ningún proceso para medirlo de forma precisa por la
variación que esta presenta.
70,000,000
60,000,000
50,000,000
40,000,000
30,000,000
20,000,000
10,000,000
-
20,000,00022,000,00024,000,00026,000,00028,000,00030,000,00032,000,000
Personas Con Empleo
Produccion Millones vs Producción por persona
80,000,000
70,000,000
Produccion Millones
60,000,000
50,000,000
40,000,000
30,000,000
20,000,000
10,000,000
-
300,000 500,000 700,000 900,000 1,100,000 1,300,000 1,500,000
Producción por persona
Coeficientes
Intercepción -
10175832,4
Variable X 1 0,251
Variable X 2 49,917
Estadísticas de la regresión
Coeficiente de correlación 0,99893742
múltiple
Coeficiente de determinación 0,99787596
R^2
120
80
60
40
20
0
0 1 2 3 4 5 6
SAL
El tipo de asociación entre las variables es directo, ya que las dos variables van
aumentando.
Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
otra. ¿Es confiable?
El modelo matemático que permite predecir el efecto de una variable sobre otra es: una
ecuación lineal de la forma y=ax+b
𝑦 = 6,1062𝑋 + 88,128
𝑅 2 = 0,987 = 98,7%
El modelo es confiable ya que el valor de R² el coeficiente de determinación es de 98%
se aproxima al 100%.
Determine el grado de relación de las dos variables.
El grado de relación entre las dos variables se determina mediante el Coeficiente de
correlación
𝑟 = √𝑅 2
𝑟 = √0,987
𝑟 = 0,99
Como 𝑟 = 0,99 validando la tabla de correlación decimos que la relación entre las dos
variables es excelente
Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial
esperada?
𝑌 = 6,1062𝑥 + 88,128
𝑋 = 4,8
𝑌 = 6,1062 ∗ 4,8 + 88,128 = 117
Sí a un paciente se le administra una dosis de sal de 4,8 la tensión arterial esperada
seria de 117
Ejercicio 2
En un nuevo proceso artesanal de fabricación de cierto artículo que está implantado, se
ha considerado que era importante ir anotando periódicamente el tiempo medio (medido
en minutos) que se utiliza para realizar una pieza y el número de días desde que
empezó dicho proceso de fabricación. Con ello, se pretende analizar como los operarios
van adaptándose al nuevo proceso mejorando paulatinamente su proceso de
producción.
Los siguientes datos representan dicha situación:
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
35
30
25
20
15
10 y = -0.3566x + 42.569
R² = 0.7963
5
0
0 10 20 30 40 50 60 70 80
DIAS QUE LLEVA EL PROCESO
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
El modelo matemático que permite predecir el efecto de una variable sobre otra es: una
ecuación lineal de la forma y=ax+b
𝑦 = −0,3566𝑥 + 42,569
𝑅 2 = 0,7963 = 79,6%
𝑟 = 0,89
El modelo es confiable ya que el valor de R² se aproxima a 1
c. Determine el grado de correlación de las dos variables.
Con el resultado obtenido se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las variables tiempo medio y días que lleva el
proceso. El R² afirma además que el modelo explica el 79,6% de la información y el
valor de r coeficiente de correlación lineal confirma además una correlación buena entre
las variables: tiempo medio y días que lleva el proceso de elaboración artesanal de un
artículo, ya que se aproxima a 1
d. Que tiempo deberá tardarse un empleado cuando lleven 80 días?
𝑦 = −0,3566𝑥 + 42,569
𝑥 = 80
𝑦 = −0,3566 ∗ 80 + 42,569 = 14,041
Un empleado que lleven 80 días en la elaboración de un artículo de forma artesanal se
demora en el proceso del mismo un tiempo de 14 minutos
Ejercicio 3
Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que
permita determinar la relación entre el peso y la estatura de sus estudiantes. Para ello
selecciona 10 niños y realiza las mediciones respectivas.
A continuación, se presentan los resultados:
Estatura
120 124 107 118 112 110 115 104 110 116
(cm)
Peso
24 23 19 24 21 19 22 16 20 23
(kg)
a. Identifique la variable dependiente (y) y la variable independiente (x), realice el
diagrama de dispersión y determine el tipo de asociación entre las variables
variable dependiente peso
(y)
variable independiente estatura
(x)
25
20
Peso (Kg)
y = 0,386x - 22,751
15 R² = 0,8329
10
0
100 105 110 115 120 125
Estatura (cm)
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
El modelo matemático que permite predecir el efecto de una variable sobre otra es: una
ecuación lineal de la forma y=ax+b
𝑦 = 0,386𝑥 − 22,751
𝑅 2 = 0,8329 83,3%
𝑟 = 0,91
c. Determine el grado de correlación de las dos variables.
Con el resultado obtenido se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las variables Estatura (cm) y Peso (kg). El R²
afirma además que el modelo explica el 83,3% de la información y el valor de r
coeficiente de correlación lineal confirma además una correlación buena entre las
variables: Estatura (cm) y Peso (kg), ya que se aproxima a 1
d. Cuál es el peso que debería tener un estudiante que mida 120 cm?
𝑦 = 0,386𝑥 − 22,751
𝑋 = 120
𝑦 = 0,386 ∗ 120 − 22,751 = 24
Un estudiante que mide 120 cm bebe tener un peso de 24 Kg
LIZETH IBARRA
X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
Estatu 12 124 107 118 112 110 115 104 110 116
ra 0
(cm)
Peso ( 24 23 19 24 21 19 22 16 20 23
kg)
d. Cuál es el peso que debería tener un estudiante que mida 120 cm?
RTA: y = (0,386*120) − 22,751=23,81 kg
CONCLUSIONES
REFERENCIAS BIBLIOGRÁFICAS