ESTADISTICA DESCRIPTIVA

MOMENTO TRES
UNIDAD 3. REGRESION Y DETERMINACION

PRESENTADO POR:

YISNEIDY SÁNCHEZ – CODIGO: 1072428311

KELLY ALEXANDRA ZAPATA MAHECHA – CODIGO: 1.117.813.711
GRUPO: 100105_595

TUTOR

ARNOL ORTIZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESTADISTICA DESCRIPTIVA
SAN VICENTE DEL CAGUAN

MAYO 2015
 LABORATORIO REGRESION Y CORRELACION LINEAL

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.

Cuadro de relación entre sal y tensión arterial:

X (sal) Y XY X^2 Y^2
(Presión)
1,8 100 180 3,24 10000
2,2 98 215,6 4,84 9604
3,5 105 367,5 12,25 11025
4 110 440 16 12100
4,3 112 481,6 18,49 12544
5 120 600 25 14400
20,8 645 2284,7 79,82 69673

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

variables.

DIAGRAMA DE DISPERSION DE SUMINISTRO DE SAL EN LA DIETA

DE VOLUNTARIOS Y SU TENSION ARTERIAL
140
120 y = 6,3137x + 85,612
R² = 0,9165
100

80
60
40
20

0
0 1 2 3 4 5 6
DOSIS DE SAL

D
O
S
I
El diagrama de dispersión insinúa una tendencia lineal

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
otra. Es confiable?

Después de una inspección en la gráfica de dispersión, que una línea recta es la mejor
curva que se ajusta al conjunto de puntos se procede entonces a emplear el método de la
regresión lineal simple. “1 Información tomada del Módulo 100105 estadística descriptiva”.

El método a utilizar es el de mínimos cuadrados el cual es confiable.

Ecuación de la recta: Ŷ a bX

Dónde:

Yˆ : Variable dependiente (la que se va a predecir)

a: Intercepto de la variable Y

Variable independiente

Pendiente de la recta

n XY X Y 6 2284.7 292.2
b 6.31
2
n X
2

X
 (20.8)(645) 46.28
6 79.82 (20.8) 2

b= 6,31

Y b X 645 (6.31 20.8)

a
n 6

a= 85,62

Y = 85,62 + 6,31X
c. Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.

ERROR ESTANDAR ESTIMADO:

2 Y b XY
Y a
Se
n 2

Se2 = 7,91075
Se = 2,812605554

VARIANZA DE LA VARIABLE DEPENDIENTE "Y".

2
Y 69673
sy2 y2 107.52 1.0048
n 6

Yprom. = 645/6
Yprom. = 107,5

COEFICIENTE DE DETERMINACION Y DE CORRELACION LINEAL:

2
2.81
R2 1 1 1.79 r R2 1.34
Se

s y2 1.0048

El R cuadrado es mayor a 1 luego el modelo de regresión lineal tiene un alto grado de

confiabilidad.

Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy
buena estimación de la relación entre las dos variables. El R2 afirma además que el
modelo explica el 94% de la información. Y el valor de r confirma además el grado de
relación entre las variables: el incremento en la tensión arterial está directamente
relacionado (en un 97%) con el suministro de mayores dosis de sal en el organismo.
d. Si a un paciente se le administra una dosis de sal de 6,5. ¿Cuál es la tensión arterial
esperada?

Y = 85,62 + 6,31(6,5) Y =
126,63
Si a un paciente se le suministra una dosis de sal de 6.5, su tensión arterial esperada será de
126,63

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 10 20 30 40 50 60 70
Y 35 28 23 20 18 15 13

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

variables

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
otra. Es confiable?

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

variables.

d. Qué tiempo deberá tardarse un empleado cuando se lleven 100 días?

Tiempo en No de días _ _
(min) X Y XY X² Xi-X (Xi- X )²
10 35 350 100 -30 900
20 28 560 400 -20 400
30 23 690 900 -10 100
40 20 800 1600 0 0
50 18 900 2500 10 100
60 15 900 3600 20 400
70 13 910 4900 30 900
∑X=280 ∑Y=152 ∑XY=5.110 ∑X²=14000 ∑(Xi- X
0 )²=2800
a). diagrama de dispersión

40

35

30
DURACION EN MINUTOS

25

20

15

10

0
0 20 40 60 80
Y Linear (Y )
DIAS

El tipo de asociación del diagrama de dispersión es lineal.

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 es =
Y=a+bx;
Y=0.346+35.57.R²=0.945
Podemos asegurar que la ecuación de la recta es confiable porque R² está cercano a 1y tiene
un grado alto de confiabilidad.
c). Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.

El R² afirma que el modelo explica 94.5% de la información y el valor de r coeficiente de

correlación lineal es excelente porque el 0.945 está cercano al extremo 1 positivo que es la
correlación perfecta positiva.
d). Qué tiempo deberá tardarse un empleado cuando se lleven 100 días?
Para hallar el valor del tiempo de 100 días debemos remplazar este valor en la formula hallada.
Y= (-0.346*100)+35.71 =0.931
Según lo anterior para los 100 días para realizar una pieza el empleado se demorara 0.931.

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 121 123 108 118 111 109 114 103 110 115
cm
Peso kg 25 22 19 24 19 18 20 15 20 21

Estatura Peso
(cm) ( kg)
121 25
123 22
108 19
118 24
111 19

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

Recta de Ajuste de los Datos

30

25

20
PESO (Kg)

15

10 y = 0.4212x - 27.377
R² = 0.8102
5

0
100 105 110 115 120 125
ALTURA (cm)
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
Es confiable?

Y=0,4212X-27,377

Para saber si este modelo es confiable se debe calcular el coeficiente de determinación (𝑅 2) y el

coeficiente de correlación (𝑟)

c. Determine el grado de relación de las dos variables

Como se observa en el gráfico anterior:

𝑹𝟐 = 𝟎, 𝟖𝟏𝟎𝟐 De esta manera

𝒓 = √𝟎, 𝟖𝟏𝟎𝟐 = 𝟎. 𝟗𝟎𝟎𝟏

𝑅 2 Afirma que el modelo explica el 81.02% de la información. Y el valor de 𝑟 confirma además el

grado de relación entre las variables: altura que está directamente relacionada (en un 90,01%)
con el peso de los niños.

d. Cuál es el peso que debería tener un estudiante que mida 130 cm?

Calculando la ecuación cuando 𝑋 = 130

𝑌 = 0,4212(130) − 27,377 = 27,379

Según el modelo matemático, un estudiante que mida 130 cm debería pesar 27,4 Kg.
PACIENTE (X) (Y) Peso
EDAD
1 3 12,5
2 31 60
3 62 72,5
4 64 58
5 4 16,5
6 65 57,6
7 55 78,6
8 1 5,2
9 18 53,8
10 42 45,8
11 23 60,2
12 8 19,7
13 71 62,7
14 53 78,6
15 20 52,7
16 2 8,9
17 73 70
18 25 80,9
19 35 78,9
20 5 15,9
21 24 56
22 23 52,9
23 19 78,5
24 54 85,8
25 19 65,2
26 21 60
27 56 67,2
28 43 85
29 5 24,5
30 21 65,4
31 54 60,6
32 51 85
33 26 57,3
34 22 67,9
35 0 2,6
36 26 75,3
37 73 45,2
38 85 50,2
39 7 23
40 16 45
41 52 65,7
42 4 16,7
43 20 60,5
44 68 57,8
45 54 60,3
46 44 78,5
47 3 15,3
48 81 65,2
49 20 65,6
50 40 78,4
51 40 57,9
52 0 3,4
53 61 58,3
54 23 56,8
55 34 60
56 31 72
57 17 58,6
58 3 14,2
59 59 65,7
60 19 60,8
61 0 3,1
62 44 85
63 75 60,8
64 75 55,9
65 82 70
66 33 73,8
67 39 78,5
68 23 67,2
69 37 67,2
70 48 58,8
71 50 62,3
72 94 70,2
73 17 54,9
74 55 78,1
75 59 62,9
76 23 65
77 87 62,9
78 34 72,9
79 24 61,6
80 1 9,7
81 19 64,3
82 25 58,9
83 5 18,3
84 24 56,9
85 0 3,1
86 52 45,8
87 24 68,9
88 2 11,9
89 49 65,9
90 68 78
91 5 16,9
92 37 85,8
93 54 67,2
94 26 63,2
95 1 9,4
96 33 72,9
97 0 3,9
98 21 63,8
99 13 30,5
100 23 52,6
101 39 85,9
102 19 67,9
103 24 58,2
104 45 55
105 57 60,5
106 51 87,5
107 17 55,2
108 26 70
109 16 45,9
110 22 54
111 25 60,8
112 55 65,8
113 23 70,8
114 58 78,6
115 48 87,2
116 39 79,5
117 36 72,9 ANALISIS REGRESIÓN Y CORRELACIÓN LINEAL
118 60 67,5 SIMPLE
119 47 58,2 1. Identificar dos variables cuantitativas de la
120 17 64,3 situación estudiada que puedan estar relacionadas.
2. DIAGRAMA DE DISPERSION DE LA EDAD Y PESO DE LOS PACIENTES

(Y) Peso
100
80
60
40
20
0
0 20 40 60 80 100

En el diagrama anterior observamos la tendencia de los datos y la ecuación

recomendada es

∑Y − b∑X n∑XY − ∑X∑Y

𝑎= 𝑏=
n n∑X2 − (∑X)2
PACIENTE (X) (Y) Peso XY X2 Y2
EDAD
1 3 12,5 37,5 9 156,25
2 31 60 1860 961 3600
3 62 72,5 4495 3844 5256,25
4 64 58 3712 4096 3364
5 4 16,5 66 16 272,25
6 65 57,6 3744 4225 3317,76
7 55 78,6 4323 3025 6177,96
8 1 5,2 5,2 1 27,04
9 18 53,8 968,4 324 2894,44
10 42 45,8 1923,6 1764 2097,64
11 23 60,2 1384,6 529 3624,04
12 8 19,7 157,6 64 388,09
13 71 62,7 4451,7 5041 3931,29
14 53 78,6 4165,8 2809 6177,96
15 20 52,7 1054 400 2777,29
16 2 8,9 17,8 4 79,21
17 73 70 5110 5329 4900
18 25 80,9 2022,5 625 6544,81
19 35 78,9 2761,5 1225 6225,21
20 5 15,9 79,5 25 252,81
21 24 56 1344 576 3136
22 23 52,9 1216,7 529 2798,41
23 19 78,5 1491,5 361 6162,25
24 54 85,8 4633,2 2916 7361,64
25 19 65,2 1238,8 361 4251,04
26 21 60 1260 441 3600
27 56 67,2 3763,2 3136 4515,84
28 43 85 3655 1849 7225
29 5 24,5 122,5 25 600,25
30 21 65,4 1373,4 441 4277,16
31 54 60,6 3272,4 2916 3672,36
32 51 85 4335 2601 7225
33 26 57,3 1489,8 676 3283,29
34 22 67,9 1493,8 484 4610,41
35 0 2,6 0 0 6,76
36 26 75,3 1957,8 676 5670,09
37 73 45,2 3299,6 5329 2043,04
38 85 50,2 4267 7225 2520,04
39 7 23 161 49 529
40 16 45 720 256 2025
41 52 65,7 3416,4 2704 4316,49
42 4 16,7 66,8 16 278,89
43 20 60,5 1210 400 3660,25
44 68 57,8 3930,4 4624 3340,84
45 54 60,3 3256,2 2916 3636,09
46 44 78,5 3454 1936 6162,25
47 3 15,3 45,9 9 234,09
48 81 65,2 5281,2 6561 4251,04
49 20 65,6 1312 400 4303,36
50 40 78,4 3136 1600 6146,56
51 40 57,9 2316 1600 3352,41
52 0 3,4 0 0 11,56
53 61 58,3 3556,3 3721 3398,89
54 23 56,8 1306,4 529 3226,24
55 34 60 2040 1156 3600
56 31 72 2232 961 5184
57 17 58,6 996,2 289 3433,96
58 3 14,2 42,6 9 201,64
59 59 65,7 3876,3 3481 4316,49
60 19 60,8 1155,2 361 3696,64
61 0 3,1 0 0 9,61
62 44 85 3740 1936 7225
63 75 60,8 4560 5625 3696,64
64 75 55,9 4192,5 5625 3124,81
65 82 70 5740 6724 4900
66 33 73,8 2435,4 1089 5446,44
67 39 78,5 3061,5 1521 6162,25
68 23 67,2 1545,6 529 4515,84
69 37 67,2 2486,4 1369 4515,84
70 48 58,8 2822,4 2304 3457,44
71 50 62,3 3115 2500 3881,29
72 94 70,2 6598,8 8836 4928,04
73 17 54,9 933,3 289 3014,01
74 55 78,1 4295,5 3025 6099,61
75 59 62,9 3711,1 3481 3956,41
76 23 65 1495 529 4225
77 87 62,9 5472,3 7569 3956,41
78 34 72,9 2478,6 1156 5314,41
79 24 61,6 1478,4 576 3794,56
80 1 9,7 9,7 1 94,09
81 19 64,3 1221,7 361 4134,49
82 25 58,9 1472,5 625 3469,21
83 5 18,3 91,5 25 334,89
84 24 56,9 1365,6 576 3237,61
85 0 3,1 0 0 9,61
86 52 45,8 2381,6 2704 2097,64
87 24 68,9 1653,6 576 4747,21
88 2 11,9 23,8 4 141,61
89 49 65,9 3229,1 2401 4342,81
90 68 78 5304 4624 6084
91 5 16,9 84,5 25 285,61
92 37 85,8 3174,6 1369 7361,64
93 54 67,2 3628,8 2916 4515,84
94 26 63,2 1643,2 676 3994,24
95 1 9,4 9,4 1 88,36
96 33 72,9 2405,7 1089 5314,41
97 0 3,9 0 0 15,21
98 21 63,8 1339,8 441 4070,44
99 13 30,5 396,5 169 930,25
100 23 52,6 1209,8 529 2766,76
101 39 85,9 3350,1 1521 7378,81
102 19 67,9 1290,1 361 4610,41
103 24 58,2 1396,8 576 3387,24
104 45 55 2475 2025 3025
105 57 60,5 3448,5 3249 3660,25
106 51 87,5 4462,5 2601 7656,25
107 17 55,2 938,4 289 3047,04
108 26 70 1820 676 4900
109 16 45,9 734,4 256 2106,81
110 22 54 1188 484 2916
111 25 60,8 1520 625 3696,64
112 55 65,8 3619 3025 4329,64
113 23 70,8 1628,4 529 5012,64
114 58 78,6 4558,8 3364 6177,96
115 48 87,2 4185,6 2304 7603,84
116 39 79,5 3100,5 1521 6320,25
117 36 72,9 2624,4 1296 5314,41
118 60 67,5 4050 3600 4556,25
119 47 58,2 2735,4 2209 3387,24
120 17 64,3 1093,1 289 4134,49
4083 6718 267090,5 203031 437809,28

X Y
Media 33 49,45
varian 659,7894 692,5394
za 74 74

PASO 1: Hallando el parámetro b.

 n∑XY − ∑X∑Y
𝑏=
n∑X2 − (∑X)2

120x267090,5 − (4083)(6718) 4,621,266

𝑏= = = 0.6
120x203031 − (4083)2 7,692,831

PASO 2: Hallando el parámetro a.

∑Y − b∑X
𝑎=
n
6718 − (0.6x4083) 4268.2
𝑎= = = 35.5
120 120

PASÓ 3. Con los parámetros obtenidos a continuación hallamos los resultados de la

ecuación.

Y=35.5+0.6X

PASÓ 4. Hallaremos el coeficiente de determinación 𝑅 2 .

2
𝑆𝑒 2
𝑅 =1− 2
𝑆𝑦

Donde; 𝑆𝑒 = 𝐸𝑠 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜

𝑆𝑦2 = 𝐸𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝒚

PASO 5. En este paso hallaremos.

∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦
Se = √
𝑛−2
 437809,28 − 35.5(6718) − 0.6(267090,5)
Se = √
120 − 2

437809,28 − 238489 − 160254.3

Se = √
118

39065.98
Se = √
118

39065.98
Se = √
118

Se = √ 331.067
Se = 18.19

PASÓ 6. En este paso vamos a hallar el coeficiente de determinación.

2
𝑆𝑒 2
𝑅 =1− 2
𝑆𝑦

(18.19)2
𝑅2 = 1 −
692,539474
330.876
𝑅2 = 1 −
692,539474

𝑅 2 = 1 −0.47
𝑅 2 = 0.53
SOLUCION AL PROBLEMA.

a. De la gráfica anterior podemos deducir que el diagrama de dispersión corresponde a una

tendencia lineal en forma ascendente o positiva.

b. la ecuación que corresponde al ejercicio es la ecuación Y=35.5+0.6X.

El coeficiente de determinación R² = 0.53 podemos observar que como es cercano a uno es
confiable y que relaciona las variables edad y peso.

c. El porcentaje de explicación del modelo está dado por la representación porcentual del
coeficiente de determinación, así; R²*100% = 0,53*100% = 53%.
Para hallar el grado de relación de las variables debamos sacar la raíz cuadrada del coeficiente
de determinación, √R² = √0,53 = 0,728, en donde su valor porcentual sería; 0,728*100% = 72.8%,
lo cual indica que las dos variables (edad y peso) y que estas variables tienen una relación del
72.8%.

d. con el modelo matemático Y=35.5+0.6X, se puede definir cuál será el peso KG de un paciente
solo con reemplazar el valor de x.

Y=35.5+0.6X
Y=35.5+0.6 (70)
Y=35.5+1.8
y = 35.5+42
y = 77.5

Gracias a este resultado podemos definir que un paciente de 70 años de edad, se puede predecir
un promedio en su peso de 77.5.
 ANALISIS REGRESIÓN Y CORRELACIÓN LINEAL MÚLTIPLE
1. Identificar una variable cuantitativa dependiente y varias variables independientes del
estudio de investigación

VARIABLE VARIABLE
CUANTITATIVA CUANTITATIVA
DEPENDIENTE INDEPENDIENTE

PESO EDAD
12,5 3
60 31
72,5 62
58 64
16,5 4
57,6 65
78,6 55
5,2 1
53,8 18
45,8 42
60,2 23
19,7 8
62,7 71
78,6 53
52,7 20
8,9 2
70 73
80,9 25
78,9 35
15,9 5
56 24
52,9 23
78,5 19
85,8 54
65,2 19
60 21
67,2 56
85 43
24,5 5
65,4 21
60,6 54
85 51
57,3 26
67,9 22
2,6 0
75,3 26
45,2 73
50,2 85
23 7
45 16
65,7 52
16,7 4
60,5 20
57,8 68
60,3 54
78,5 44
15,3 3
65,2 81
65,6 20
78,4 40
57,9 40
3,4 0
58,3 61
56,8 23
60 34
72 31
58,6 17
14,2 3
65,7 59
60,8 19
3,1 0
85 44
60,8 75
55,9 75
70 82
73,8 33
78,5 39
67,2 23
67,2 37
58,8 48
62,3 50
70,2 94
54,9 17
78,1 55
62,9 59
65 23
62,9 87
72,9 34
61,6 24
9,7 1
64,3 19
58,9 25
18,3 5
56,9 24
3,1 0
45,8 52
68,9 24
11,9 2
65,9 49
78 68
16,9 5
85,8 37
67,2 54
63,2 26
9,4 1
72,9 33
3,9 0
63,8 21
30,5 13
52,6 23
85,9 39
67,9 19
58,2 24
55 45
60,5 57
87,5 51
55,2 17
70 26
45,9 16
 54 22
VARIABLE
60,8 25 VARIABLE CUANTITATIVA
CUANTITATIVA
65,8 55 DEPENDIENTE
INDEPENDIENTE
70,8 23
ESTATURA EDAD
78,6 58
87,2 48 0,65 3
79,5 39 1,74 31
72,9 36 1,58 62
67,5 60 1,59 64
1 4
58,2 47
1,65 65
64,3 17
1,7 55
0,73 1
1,62 18
1,53 42
1,65 23
1,18 8
1,69 71
1,58 53
1,53 20
0,85 2
1,64 73
1,75 25
1,6 35
1,03 5
1,55 24
1,58 23
1,78 19
1,66 54
1,7 19
1,79 21
1,72 56
1,68 43
1,03 5
1,63 21
1,73 54
1,68 51
1,58 26
1,65 22
0,45 0
1,78 26
1,5 73
1,64 85
1,16 7
1,52 16
1,58 52
0,98 4
1,65 20
1,59 68
1,61 54
1,79 44
0,96 3
1,67 81
1,7 20
1,68 40
1,62 40
0,53 0
1,59 61
1,56 23
1,65 34
1,68 31
1,56 17
0,96 3
1,67 59
1,61 19
0,57 0
1,8 44
1,56 75
1,62 75
1,67 82
1,8 33
1,75 39
1,65 23
1,72 37
1,59 48
1,63 50
1,65 94
1,52 17
1,72 55
1,63 59
1,86 23
1,63 87
1,75 34
1,57 24
0,76 1
1,78 19
1,62 25
1,06 5
1,68 24
0,57 0
1,51 52
1,76 24
0,86 2
1,62 49
1,71 68
1,1 5
1,86 37
1,71 54
1,59 26
0,82 1
1,76 33
0,47 0
1,62 21
1,4 13
1,51 23
1,81 39
1,66 19
1,6 24
1,63 45
1,58 57
1,67 51
1,72 17
1,65 26
1,56 16
1,63 22
1,67 25
1,64 55
1,61 23
1,68 58
1,8 48
 1,72 39
1,75 36
1,67 60
1,55 47
1,72 17

EDAD ESTATURA Peso

PACIENTE X1 ^2 X2 ^2 X3^2 X1.X2 X1^.X3 X2.X3
X1 X2 X3

1 3 0,65 12,5 9 0,4225 156,25 1,95 37,5 8,125

2 31 1,74 60 961 3,0276 3600 53,94 1860 104,4

3 62 1,58 72,5 3844 2,4964 5256,25 97,96 4495 114,55

4 64 1,59 58 4096 2,5281 3364 101,76 3712 92,22

5 4 1 16,5 16 1 272,25 4 66 16,5

6 65 1,65 57,6 4225 2,7225 3317,76 107,25 3744 95,04

7 55 1,7 78,6 3025 2,89 6177,96 93,5 4323 133,62

8 1 0,73 5,2 1 0,5329 27,04 0,73 5,2 3,796

9 18 1,62 53,8 324 2,6244 2894,44 29,16 968,4 87,156

10 42 1,53 45,8 1764 2,3409 2097,64 64,26 1923,6 70,074

11 23 1,65 60,2 529 2,7225 3624,04 37,95 1384,6 99,33

12 8 1,18 19,7 64 1,3924 388,09 9,44 157,6 23,246

13 71 1,69 62,7 5041 2,8561 3931,29 119,99 4451,7 105,963

14 53 1,58 78,6 2809 2,4964 6177,96 83,74 4165,8 124,188

15 20 1,53 52,7 400 2,3409 2777,29 30,6 1054 80,631

16 2 0,85 8,9 4 0,7225 79,21 1,7 17,8 7,565

17 73 1,64 70 5329 2,6896 4900 119,72 5110 114,8

18 25 1,75 80,9 625 3,0625 6544,81 43,75 2022,5 141,575

19 35 1,6 78,9 1225 2,56 6225,21 56 2761,5 126,24

20 5 1,03 15,9 25 1,0609 252,81 5,15 79,5 16,377

21 24 1,55 56 576 2,4025 3136 37,2 1344 86,8

22 23 1,58 52,9 529 2,4964 2798,41 36,34 1216,7 83,582

23 19 1,78 78,5 361 3,1684 6162,25 33,82 1491,5 139,73

24 54 1,66 85,8 2916 2,7556 7361,64 89,64 4633,2 142,428

25 19 1,7 65,2 361 2,89 4251,04 32,3 1238,8 110,84

26 21 1,79 60 441 3,2041 3600 37,59 1260 107,4

27 56 1,72 67,2 3136 2,9584 4515,84 96,32 3763,2 115,584

28 43 1,68 85 1849 2,8224 7225 72,24 3655 142,8

29 5 1,03 24,5 25 1,0609 600,25 5,15 122,5 25,235

30 21 1,63 65,4 441 2,6569 4277,16 34,23 1373,4 106,602

31 54 1,73 60,6 2916 2,9929 3672,36 93,42 3272,4 104,838

32 51 1,68 85 2601 2,8224 7225 85,68 4335 142,8

33 26 1,58 57,3 676 2,4964 3283,29 41,08 1489,8 90,534

34 22 1,65 67,9 484 2,7225 4610,41 36,3 1493,8 112,035

35 0 0,45 2,6 0 0,2025 6,76 0 0 1,17

36 26 1,78 75,3 676 3,1684 5670,09 46,28 1957,8 134,034

37 73 1,5 45,2 5329 2,25 2043,04 109,5 3299,6 67,8

38 85 1,64 50,2 7225 2,6896 2520,04 139,4 4267 82,328

39 7 1,16 23 49 1,3456 529 8,12 161 26,68

40 16 1,52 45 256 2,3104 2025 24,32 720 68,4

41 52 1,58 65,7 2704 2,4964 4316,49 82,16 3416,4 103,806

42 4 0,98 16,7 16 0,9604 278,89 3,92 66,8 16,366

43 20 1,65 60,5 400 2,7225 3660,25 33 1210 99,825

44 68 1,59 57,8 4624 2,5281 3340,84 108,12 3930,4 91,902

45 54 1,61 60,3 2916 2,5921 3636,09 86,94 3256,2 97,083

46 44 1,79 78,5 1936 3,2041 6162,25 78,76 3454 140,515

47 3 0,96 15,3 9 0,9216 234,09 2,88 45,9 14,688

48 81 1,67 65,2 6561 2,7889 4251,04 135,27 5281,2 108,884

49 20 1,7 65,6 400 2,89 4303,36 34 1312 111,52

50 40 1,68 78,4 1600 2,8224 6146,56 67,2 3136 131,712

51 40 1,62 57,9 1600 2,6244 3352,41 64,8 2316 93,798

52 0 0,53 3,4 0 0,2809 11,56 0 0 1,802

53 61 1,59 58,3 3721 2,5281 3398,89 96,99 3556,3 92,697

54 23 1,56 56,8 529 2,4336 3226,24 35,88 1306,4 88,608

55 34 1,65 60 1156 2,7225 3600 56,1 2040 99

56 31 1,68 72 961 2,8224 5184 52,08 2232 120,96

57 17 1,56 58,6 289 2,4336 3433,96 26,52 996,2 91,416

58 3 0,96 14,2 9 0,9216 201,64 2,88 42,6 13,632

59 59 1,67 65,7 3481 2,7889 4316,49 98,53 3876,3 109,719

60 19 1,61 60,8 361 2,5921 3696,64 30,59 1155,2 97,888

61 0 0,57 3,1 0 0,3249 9,61 0 0 1,767

62 44 1,8 85 1936 3,24 7225 79,2 3740 153

63 75 1,56 60,8 5625 2,4336 3696,64 117 4560 94,848

64 75 1,62 55,9 5625 2,6244 3124,81 121,5 4192,5 90,558

65 82 1,67 70 6724 2,7889 4900 136,94 5740 116,9

66 33 1,8 73,8 1089 3,24 5446,44 59,4 2435,4 132,84

67 39 1,75 78,5 1521 3,0625 6162,25 68,25 3061,5 137,375

68 23 1,65 67,2 529 2,7225 4515,84 37,95 1545,6 110,88

69 37 1,72 67,2 1369 2,9584 4515,84 63,64 2486,4 115,584

70 48 1,59 58,8 2304 2,5281 3457,44 76,32 2822,4 93,492

71 50 1,63 62,3 2500 2,6569 3881,29 81,5 3115 101,549

72 94 1,65 70,2 8836 2,7225 4928,04 155,1 6598,8 115,83

73 17 1,52 54,9 289 2,3104 3014,01 25,84 933,3 83,448

74 55 1,72 78,1 3025 2,9584 6099,61 94,6 4295,5 134,332

75 59 1,63 62,9 3481 2,6569 3956,41 96,17 3711,1 102,527

76 23 1,86 65 529 3,4596 4225 42,78 1495 120,9

77 87 1,63 62,9 7569 2,6569 3956,41 141,81 5472,3 102,527

78 34 1,75 72,9 1156 3,0625 5314,41 59,5 2478,6 127,575

79 24 1,57 61,6 576 2,4649 3794,56 37,68 1478,4 96,712

80 1 0,76 9,7 1 0,5776 94,09 0,76 9,7 7,372

81 19 1,78 64,3 361 3,1684 4134,49 33,82 1221,7 114,454

82 25 1,62 58,9 625 2,6244 3469,21 40,5 1472,5 95,418

83 5 1,06 18,3 25 1,1236 334,89 5,3 91,5 19,398

84 24 1,68 56,9 576 2,8224 3237,61 40,32 1365,6 95,592

85 0 0,57 3,1 0 0,3249 9,61 0 0 1,767

86 52 1,51 45,8 2704 2,2801 2097,64 78,52 2381,6 69,158

87 24 1,76 68,9 576 3,0976 4747,21 42,24 1653,6 121,264

88 2 0,86 11,9 4 0,7396 141,61 1,72 23,8 10,234

89 49 1,62 65,9 2401 2,6244 4342,81 79,38 3229,1 106,758

90 68 1,71 78 4624 2,9241 6084 116,28 5304 133,38

91 5 1,1 16,9 25 1,21 285,61 5,5 84,5 18,59

92 37 1,86 85,8 1369 3,4596 7361,64 68,82 3174,6 159,588

93 54 1,71 67,2 2916 2,9241 4515,84 92,34 3628,8 114,912

94 26 1,59 63,2 676 2,5281 3994,24 41,34 1643,2 100,488

95 1 0,82 9,4 1 0,6724 88,36 0,82 9,4 7,708

96 33 1,76 72,9 1089 3,0976 5314,41 58,08 2405,7 128,304

97 0 0,47 3,9 0 0,2209 15,21 0 0 1,833

98 21 1,62 63,8 441 2,6244 4070,44 34,02 1339,8 103,356

99 13 1,4 30,5 169 1,96 930,25 18,2 396,5 42,7

100 23 1,51 52,6 529 2,2801 2766,76 34,73 1209,8 79,426

101 39 1,81 85,9 1521 3,2761 7378,81 70,59 3350,1 155,479

102 19 1,66 67,9 361 2,7556 4610,41 31,54 1290,1 112,714

103 24 1,6 58,2 576 2,56 3387,24 38,4 1396,8 93,12

104 45 1,63 55 2025 2,6569 3025 73,35 2475 89,65

105 57 1,58 60,5 3249 2,4964 3660,25 90,06 3448,5 95,59

106 51 1,67 87,5 2601 2,7889 7656,25 85,17 4462,5 146,125

107 17 1,72 55,2 289 2,9584 3047,04 29,24 938,4 94,944

108 26 1,65 70 676 2,7225 4900 42,9 1820 115,5

109 16 1,56 45,9 256 2,4336 2106,81 24,96 734,4 71,604

110 22 1,63 54 484 2,6569 2916 35,86 1188 88,02

111 25 1,67 60,8 625 2,7889 3696,64 41,75 1520 101,536

112 55 1,64 65,8 3025 2,6896 4329,64 90,2 3619 107,912

113 23 1,61 70,8 529 2,5921 5012,64 37,03 1628,4 113,988

114 58 1,68 78,6 3364 2,8224 6177,96 97,44 4558,8 132,048

115 48 1,8 87,2 2304 3,24 7603,84 86,4 4185,6 156,96

116 39 1,72 79,5 1521 2,9584 6320,25 67,08 3100,5 136,74

117 36 1,75 72,9 1296 3,0625 5314,41 63 2624,4 127,575

118 60 1,67 67,5 3600 2,7889 4556,25 100,2 4050 112,725

119 47 1,55 58,2 2209 2,4025 3387,24 72,85 2735,4 90,21

120 17 1,72 64,3 289 2,9584 4134,49 29,24 1093,1 110,596

4083 181,52 6718 203031 287,7456 437809,28 6713,23 267090,5 11000,217

Las medias y varianzas de cada una de las variables son:
1
X1 = ∑X1i
𝑁
4083
X1 = = 34.025
120

1
X2 = ∑X2i
𝑁
181,52
X2 = 120
= 1.5

1
X3 = ∑X3i
𝑁
6718
X3 = = 55.9
120

1
S12 = ∑𝑋1𝑖 2 − 𝑋1
𝑁
203031
S12 = − 34.025 = 1657.9
120

1
S22 = ∑𝑋2𝑖 2 − 𝑋2
𝑁
287,74
S22 = − 1.5 = 0.89
120

1
S32 = ∑𝑋3𝑖 2 − 𝑋3
𝑁
437809,28
S32 = − 55.9 = 3592.51
120
LAS COVARIANZAS SON:

1
S12 = ∑X1i X2i − 𝑋1. 𝑋2
𝑁
 6713,23
S12 = − 34.025 𝑥 1.5
120
S12 = 55.94 − 51.03 = 4.91

1
S13 = ∑X1i X3i − 𝑋1. 𝑋3
𝑁
267090.5
S13 = − 34.025 𝑥 55.9
120
S13 = 2225.7 − 1901.9 = 323.8

1
S23 = ∑X2i X3i − 𝑋2. 𝑋3
𝑁
11000.2
S23 = − 1.5 𝑥 55.9
120
S23 = 91.6 − 83.85 = 7.75

2. DIAGRAMA DE DISPERSIÓN DE DICHAS VARIABLES

DIAGRAMA DE DISPERSION DE CORRELACION

100 ENTRE CUANTITATIVA DEPENDIENTE ( EDAD) E
INDEPENDIENTE(ESTATURA)
80
ESTATURA

60

40

20

0
0 0.5 1 1.5 2
EDAD
 100
DIAGRAMA DE DISPERSION DE CORRELACION
90
ENTRE LA VARIABLE CUANTITATIVA DEPENDIENTE (
80 EDAD) E INDEPENDIENTE(PESO)
70

60
PESO

50

40

30

20

10

0
0 10 20 30 40 50
EDAD 60 70 80 90 100

3. CALCULAR LA RECTA DE REGRESIÓN Y EL COEFICIENTE DE CORRELACIÓN.

ECUACION REGERESION (EDAD Y PESO)

100

80

y = 0,624x - 0,9099
60
R² = 0,3749
40

20

0
0 20 40 60 80 100
Series1 Linear (Series1)
Linear (Series1) Linear (Series1)
 ECUACION REGERESION (EDAD Y
ESTATURA)
100

80

60 y = 40,787x - 27,672
40
R² = 0,3417

20

0
0 0.5 1 1.5 2
-20

Series1 Linear (Series1) Linear (Series1)

 BIBLIOGRAFIA

Universidad Nacional Abierta y a distancia, Guía De trabajo colaborativo (2015).

Universidad Técnica Particular de Loja, Video de análisis de regresión y correlación lineal

múltiple. (2009), recuperado de https://www.youtube.com/watch?v=ciQGl0ABpac