Grupo 204

PASO 4.
DESCRIPCIÓN DE LA INFORMACIÓN
UNIDAD 3 - REGRESIÓN Y CORRELACIÓN
ANGEL ENMANUEL ORTIZ

JONATHAN PORRAS
LADYS VILFAY ACUNA
LIZETH IBARRA
TUTOR:
OSCAR JAVIER HERNANDEZ
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INGENIERIA DE TELECOMUNICACIONES
BOGOTÁ D.C. 2017
INTRODUCCIÓN
En este trabajo encontraremos la correlación lineal simple entre dos variables

seleccionadas, todo esto desde el punto de vista del archivo desempleo en Colombia
que nos fue dado al inicio del proceso,
También veremos como el grupo desde su punto de vista individual puede generar un
aporte para así formar toda una idea construida con el apoyo de todos
JUSTIFICACIÓN
Las actividades aquí realizadas corresponden a la evaluación de los objetivos de

aprendizaje adquiridos. En las fases anteriores con el fin de mostrar una correlación
entre las distintas variables que se están verificando a continuación.
OBJETIVOS
 Analizar el archivo de desempleo en Colombia.

 Ver como se afecta una variable junto a otra por la correlación lineal simple.
 Compartir conocimientos con los demás compañeros del curso así como los
puntos de vista individuales.
 Manejar las siguientes temáticas:
o Medidas Bivariantes
o Regresión y Correlación simple.
o Temáticas que aborda el recurso:
o Medidas Bivariantes
o Regresión Lineal Simple
o Diagramas de dispersión
o Regresión y Correlación lineal Simple
ANGEL ENMANUEL ORTIZ

CORRELACION BASE DESEMPLEO
Variables cuantitativas relacionadas
X-Producción por Y-Personas Con

persona (Variable Empleo (Variable
Independiente) Dependiente)
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
Coeficiente de Determinación 79% Este modelo es confiable en un 79%
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?
y = 6,1062x + 88,128
R= 0,9934787 coeficiente de correlación lineal 98,70% Este modelo es confiable en un 98,70%
C . Determine el grado de relación de las dos variables.

R= 0,993478737 coeficiente de correlación lineal
De acuerdo a la tabla relacionada, el grado de correlacion es excelente
D. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial
Reemplazamos x
y = 6,1062(4,8) + 88,128 117,44
6,1062
4,8
88,128
Entonces la tension del paciente con una dosis de sal de 4,8 es de 117,44
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.
Los siguientes datos representan dicha situación:

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 eldiagrama de dispersión y determine el tipo de asociación entre las variables
variable dependiente tiempo medio para realizar una pieza

variable independiente dias utilizados
Diagrama dispersion proceso artesanal

50
tiempo medio para realizar una pieza
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
R= 0,89236 coeficiente de correlación lineal 80% Este modelo es confiable en un 80%
c. Determine el grado de correlación de las dos variables.
De acuerdo a la tabla relacionada, el grado de correlacion es aceptable
d. Que tiempo deberá tardarse un empleado cuando lleven 80 días?
Reemplazamos x
y= -0,3566(80)+42,569
-0,3566 Y= 14,041
X= 80
42,569
El tiempo que debe tardarse el empleado es de 14,041minutos

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:
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
variable dependiente Peso Diagrama dispersion peso y estatura

variable independiente Estatura
30
Diagrama dispersion peso y estatura

30
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
R 0,9126 coeficiente de correlación lineal 83% Este modelo es confiable en un 83%

De acuerdo a la tabla relacionada, el grado de correlacion es excelente
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
El peso del estudiante de 120cm es de 24 kilos
JONATHAN PORRAS CASAS

2.1. Se 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.
X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables
6
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
c. Determine el grado de relación de las dos variables.
R2 = 0,939 ∗ 100 = 𝟗𝟑. 𝟗
d. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial

esperada?
Y = (5.205 ∗ 4.8) + 95.14
𝐲 = 𝟏𝟐𝟎. 𝟏𝟐𝟒
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
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
Modelo matemático que permite predecir el efecto de una variable sobre la otra es.
Y = a + bX
Y = −0.356x + 42.56
R2 = 0,796 ∗ 100 = 𝟕𝟗. 𝟔
d. Qué tiempo deberá tardarse un empleado cuando lleven 80 días?
y = (−0,356 ∗ 80) + 42,56 = 𝟏𝟒, 𝟎𝟖
2.3 Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que
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)

RTA: El tipo de asociación de la variable es positiva
Y = a + bX
Y = 0.386x + (−22.75)
RTA: R² = 0,832*100, el grado de correlación es de 83,2%
𝑦 = (0,386 ∗ 120) − 22,751 = 23,81 𝑘𝑔
𝑌 = 23.81𝑘𝑔
Variables cuantitativas relacionadas
Inversión Nacional e Población

internacional en el país Cantidad de
Billones(x) personas (y)
60,000,000
internacional en el país
Inversión Nacional e
50,000,000
40,000,000
Billones(x)
30,000,000 y = 0.2361x + 4E+07

20,000,000 R² = 0.992
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
Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.
Las variables seleccionadas son:
x Personas Sin
Empleo
y Tasa de desempleo
(%)
Realizar el diagrama de dispersión de dichas variables

Personas Sin Empleo vs Tasa de desempleo (%)
20.00
Tasa de desempleo (%)
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
Determinar el tipo de asociación entre las variables.
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 coeficiente de determinación es de R2=0.4409, por lo cual podemos decir que el

modelo matemático no es muy confiable para determinar el efecto entre las variables el
número de personas sin empleo y la tasa de desempleo.
Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables.
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
Relacionar la información obtenida con el problema.
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.
Regresión y Correlación Lineal Múltiple

Identificar una variable cuantitativa dependiente y varias variables independientes del
estudio de investigación.
y Producción Millones (y)
X1 Personas Con Empleo (x1)
X2 Producción por persona (x2)
- Realizar el diagrama de dispersión de dichas variables.
Produccion Millones vs Personas Con Empleo

90,000,000
80,000,000
Produccion Millones
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
- calcular la recta de regresión y el coeficiente de correlación para probar

estadísticamente su relación.
Coeficientes
Intercepción -
10175832,4
Variable X 1 0,251
Variable X 2 49,917
El modelo matemático se obtiene aplicando el método de los mínimos cuadraos

𝑦 = 𝑎 + 𝑏1𝑥1 + 𝑏2𝑥2
𝑦 = −10175832,4 + 0,251𝑥1 + 49,917𝑥2
Estadísticas de la regresión
Coeficiente de correlación 0,99893742
múltiple
Coeficiente de determinación 0,99787596
R^2
Relacionar la información obtenida con el problema.
Laboratorio de regresión y correlación lineal

Ejercicio 1
Se 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.
X Y
(sal) (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
Realice el diagrama de dispersión y determine el tipo de asociación entre las variables
asociación entre consumo de sal y tensión arterial

140
120
100 y = 6.1062x + 88.128

R² = 0.987
TENSIÓN
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.
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

variable
Y TIEMPO MEDIO
dependiente (y)
variable
DIAS QUE LLEVA EL
independiente X
PROCESO
(x)
Proceso de adaptación: al nuevo proceso
artesanal
50
45
40
TIEMPO MEDIO
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
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
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
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
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)
variable dependiente peso
(y)
variable independiente estatura
(x)
Peso (kg) vs Estatura (cm)

30
25
20
Peso (Kg)
y = 0,386x - 22,751
15 R² = 0,8329
10
0
100 105 110 115 120 125
Estatura (cm)
𝑦 = 0,386𝑥 − 22,751
𝑅 2 = 0,8329 83,3%
𝑟 = 0,91
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
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
2.1. Se 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.
X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120
a. Realice el diagrama de dispersión y determine el tipo de asociación entre

las variables
RTA: de acuerdo con el análisis realizado podemos determinar que la
relación entre las dos variables obteniendo como resultado una correlación
positiva.
b. Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?
RTA: La ecuación es:𝑌 = 𝑎 + 𝑏𝑋, en este caso tenemos 𝑌 = 6,1062𝑥 + 88,28;
además de ellos es confiable ya que el R² = 0,987 y está cercano al 1.
c. Determine el grado de relación de las dos variables.

RTA: el grado de relación es de R2 = 0,987 ∗ 100 = 98,7%
d. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la

tensión arterial esperada?
RTA: para hallar dicho valor tenemos que reemplazar el valor en la ecuación
de regresión lineal: 𝑌 = (6,1062 ∗ 4,8) + 88,28, de acuerdo con el resultado la
tensión arterial esperada es de 29,30976.

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
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
RTA: el tipo de asociación de las variables es negativa.
RTA: y = -0,3566x + 42,569, su confiablidad es aceptable por su grado de
correlación ya que se aleja del 1 positivo

RTA: El grado de correlación es de R² = 0,7963 con un 79,63%

RTA: y = (−0,3566*80) + 42,569=14,041 es el tiempo que tardaría un empleado
en 80 días.
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.
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)
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
RTA: El tipo de asociación de la variable es positiva

RTA: el modelo matemático es y = 0,386x − 22,751, su confiabilidad es
aceptable.

RTA: R² = 0,8329*100, el grado de correlación es de 83,2%
RTA: y = (0,386*120) − 22,751=23,81 kg
CONCLUSIONES
REFERENCIAS BIBLIOGRÁFICAS
Montero, J.M. (2007).Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 130

– 172. Recuperado
de: http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100011&v=2.1&u=unad&it=r&
p=GVRL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219
Churchill, G.A. (2009).Análisis de Correlación y de Regresión Simple. México City:
Cengage Learning. Páginas 675 – 686 Recuperado
de:http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=unad&it=r&
p=GVRL&sw=w&asid=e558184ed89e57d11ede116134cfce41
Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación de mercados.
Mexico City: Cengage Learning. Páginas 686 – 695.Recuperado
p=GVRL&sw=w&asid=49575112db86a0eb46dae86bbaf74cb9
Montero, J.M. (2007).Regresión y Correlación Múltiple. Madrid: Paraninfo. Páginas 191
– 225.Recuperado
p=GVRL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de2
Ortegon, P. M. (2017). Ova_Regresión y Correlación Lineal.Colombia. Recuperado
de:http://hdl.handle.net/10596/11584
Monroy, S. S. (2005). Estadística descriptiva. México, D.F., MX: Instituto Politécnico
Nacional. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436604
Matus, R., Hernández, Martha, and García, E.. Estadística. México, D.F., MX: Instituto
Politécnico Nacional, 2010. ProQuest ebrary. Web. 1 July 2016. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10365616&
p00=conceptos+generales+estad%C3%ADstica+descriptiva&ppg=12
Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística 1.
Distrito Federal, MÉXICO: Grupo Editorial Patria. Recuperado de
:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11230886&p0
0=conceptos+generales+estad%C3%ADstica+descriptiva&ppg=6

Grupo 204

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Grupo 204

Загружено:

Авторское право:

Доступные форматы

PASO 4.

ANGEL ENMANUEL ORTIZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

En este trabajo encontraremos la correlación lineal simple entre dos variables

Las actividades aquí realizadas corresponden a la evaluación de los objetivos de

 Analizar el archivo de desempleo en Colombia.

ANGEL ENMANUEL ORTIZ

Variables cuantitativas relacionadas

X-Producción por Y-Personas Con

Coeficiente de Determinación 79% Este modelo es confiable en un 79%

R 0,88634 coeficiente de correlación lineal

C . Determine el grado de relación de las dos variables.

D. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial

y = 6,1062(4,8) + 88,128 117,44

2.2 En un nuevo proceso artesanal de fabricación de cierto artículo que está

Los siguientes datos representan dicha situación:

variable dependiente tiempo medio para realizar una pieza

Diagrama dispersion proceso artesanal

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

R= 0,89236 coeficiente de correlación lineal

De acuerdo a la tabla relacionada, el grado de correlacion es aceptable

d. Que tiempo deberá tardarse un empleado cuando lleven 80 días?

El tiempo que debe tardarse el empleado es de 14,041minutos

variable dependiente Peso Diagrama dispersion peso y estatura

Diagrama dispersion peso y estatura

El modelo matematico usado y=ax+b (ecuacion lineal)

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

R= 0,9126336 coeficiente de correlación lineal

El peso del estudiante de 120cm es de 24 kilos

JONATHAN PORRAS CASAS

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

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

R2 = 0,939 ∗ 100 = 𝟗𝟑. 𝟗

d. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial

Y = (5.205 ∗ 4.8) + 95.14

Los siguientes datos representan dicha situación:

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

R2 = 0,796 ∗ 100 = 𝟕𝟗. 𝟔

d. Qué tiempo deberá tardarse un empleado cuando lleven 80 días?

y = (−0,356 ∗ 80) + 42,56 = 𝟏𝟒, 𝟎𝟖

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

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

RTA: R² = 0,832*100, el grado de correlación es de 83,2%

𝑦 = (0,386 ∗ 120) − 22,751 = 23,81 𝑘𝑔

Variables cuantitativas relacionadas

Inversión Nacional e Población

30,000,000 y = 0.2361x + 4E+07

Identificar dos variables cuantitativas de la situación estudiada que puedan estar

Realizar el diagrama de dispersión de dichas variables

Determinar el tipo de asociación entre las variables.

El coeficiente de determinación es de R2=0.4409, por lo cual podemos decir que el

Determine el porcentaje de explicación del modelo y el grado de relación de las dos

Relacionar la información obtenida con el problema.

Regresión y Correlación Lineal Múltiple

- Realizar el diagrama de dispersión de dichas variables.

Produccion Millones vs Personas Con Empleo

- calcular la recta de regresión y el coeficiente de correlación para probar

El modelo matemático se obtiene aplicando el método de los mínimos cuadraos

Relacionar la información obtenida con el problema.

Laboratorio de regresión y correlación lineal

Realice el diagrama de dispersión y determine el tipo de asociación entre las variables

asociación entre consumo de sal y tensión arterial

100 y = 6.1062x + 88.128