ESTADISTICA DESCRIPTIVA 100105_A360

TRABAJO COLABORATIVO PASO 4 - FASE INTERMEDIA

PARTICIPANTES
ALDAIR ANTONIO PADILLA ASSIAS
1073998396
ADRIANA ALVAREZ ARROYO
64722337
LEVIS MUÑOZ

GRUPO
100105_31

TUTOR
DANIEL FRANCISCO CHICA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

(UNAD)
MAYO DEL 2017
 INTRODUCCION

En el siguiente trabajo podremos ver que a través de los ejercicios aprenderemos

analizar gráficos como diagramas de dispersión a través de la herramienta Excel.
Además aprenderemos hallar el modelo matemático y el grado de relación de las
variables con que cada estudiante se encontrara asociado.
 JUSTIFICACION

La siguiente actividad se realizó con el objetivo principal de afianzar y poner en

práctica los conceptos básicos que se dieron en esta unidad, como también
promover en cada uno de nosotros las formas de investigar un problema y
asociarlo con el tema planteado en este tiempo.
 OBEJTIVOS

 Aprender a analizar los diferentes resultados.

 Aprender a interpretar diagramas de dispersión

 Determinar el grado de relación de dos variables.

 Aprender a sacar el modelo matemático

 Regresión y Correlación lineal Simple
-Identificar dos variables cuantitativas de la situación estudiada que puedan
estar relacionadas.

víctimas de asesinatos
secuestrados(x) selectivos (y)
9 3
7 7
5 0
2 0
2 4
15 5
11 1
7 0
2 0
3 2
3 1
1 0
12 2
7 0
2 0
2 0
2 1
4 1
3 0
4 2
4 2
6 8
3 1
2 3
10 0
10 5
3 1
7 3
6 0
12 0
8 1
6 4
8 6
3 1
 9 0
4 4
5 4
5 1
5 0
3 7
5 1
8 0
3 3
9 1
9 4
13 6
5 0
8 5
4 3
6 2
8 1
5 8
7 3
10 4
7 3
8 2
8 0
6 0
7 2
6 3
2 2
8 0
6 0
9 0
10 1
9 0
4 2
12 1
4 0
4 1
8 0
6 2
1 3
1 0
 2 1
0 5
3 1
2 0
2 0
1 2
2 3
1 1
1 1
2 0
1 3
2 0
2 0
1 0
1 0
2 0
2 2
2 1
2 2
2 4
2 1
1 0

Realizar el diagrama de dispersión de dichas variables y determinar el tipo

de asociación entre las variables.

víctimas de asesinatos selectivos (y)

9
VICTIMAS DE ASESINATOS SELECTIVOS

8
7
6
5
4
3
2
1
0
0 2 4 6 8 10 12 14 16
SECUESTRADOS y = 0,1057x + 1,238
R² = 0,0316
La asociacion enre las variables es directa

Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. Es confiable?
el modelo matemático para esta variable es la siguiente y = 0,1057x +
1,238
es confiable puesto que su porcentaje es de 3,16
R² = 3,16 coeficiente de correlación

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

las dos variables.
El grado de relación de las dos variables es del R =0,17 No hay correlación
 CONCLUSION
De la anterior actividad concluimos que es de gran utilidad e importancia el saber
interpretar los gráficos y resultados, las cuales nos ayunan a obtener detalladamente los
análisis e información necesaria para la toma de decisiones frente a situaciones
planteadas, así como también es fundamental los programas que nos ayudaron a la
elaboración de los distintos tipos de gráficos, que fueron de enriquecimiento intelectual en
la formación de cada uno de nosotros.
 Bibliografía.
Base de datos “víctimas del conflicto armado en Colombia)”. Tomado de paso 2 – fase
intermedia (trabajo colaborativo 1).
http://campus15.unad.edu.co/ecbti15/mod/forum/view.php?id=6648
 Anexos

LABORATORIO DE REGRESIÓN Y CORRELACIÓN LINEAL

Aspectos Teóricos:

REGRESIÓN YCORRELACIÓN
En muchos casos se requiere conocer más que el comportamiento de una sola
variable, se requiere conocer la relación entre dos o más variables como la
relación entre producción y consumo; salarios y horas de trabajo; oferta y
demanda; salarios y productividad; la altura de un árbol y el diámetro 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
correlación entre las variables, no basta con calcular la varianza explicada, pues
existe el coeficiente de determinación coeficiente de correlación; sin embargo,
frecuentemente se utiliza un coeficiente de correlación rectilíneo, siendo este un
valor entre -1y1.

Para estas confrontaciones se utiliza el diagrama de dispersión que es

plano cartesiano en el que se marcan los puntos correspondientes a los
pares (x,y) de los valores de las variables.

El análisis de Regresión tiene los siguientes usos: el primero es obtener los

estimadores de los parámetros, estimar la varianza del error, obtener los
errores estándares de los parámetros estimados, probar la hipótesis sobre los
parámetros, cálculo de valores estimados basados en la ecuación 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 función, la que nos indica el cambio marginal de Y respecto a X.

EJERCICIOS:

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
diagrama de dispercion
140
120
100
TENCION

80
60
40
20
0
0 1 2 3 4 5 6
SAL

Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. Es confiable?
 DIAGRAMA DE DISPERCION
y = 6,1062x + 88,128
140
120
100
TENCION

80
60
40
20
0
0 1 2 3 4 5 6
SAL

De los datos obtenidos de la tabla podemos decir que si es confiable dado que,
dependiendo del grado de sal que tengan las personas si podremos saber o determinar su
tención.

Determine el grado de relación de las dos variables.

DIAGRAMA DE DISPERCION y = 6,1062x + 88,128
R² = 0.987
140

120

100
TENCION

80

60

40

20

0
0 1 2 3 4 5 6
SAL

Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión

arterial esperada?
𝐘 = 𝟔. 𝟏𝟎𝟔𝟐𝒙 + 𝟖𝟖. 𝟏𝟐𝟖

𝐘 = 𝟔. 𝟏𝟎𝟔𝟐(𝟓. 𝟔) + 𝟖𝟖. 𝟏𝟐𝟖

𝐘 = 𝟏𝟐𝟐. 𝟑𝟐

Al suministrarle la dosis de sal de 5,6 la obtención de la tensión arterial es de 𝟏𝟐𝟐. 𝟑𝟐

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 el

diagrama de dispersión y determine el tipo de asociación entre las variables.
Bueno en este cado la variable independiente seria el número de días y la variable
dependiente viene siendo el tiempo medido en minutos.

DIAGRAMA DE DISPERSIÓN
50
45
40
NUMERO DE DIAS

35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
TIEMPO MEDIO

Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. Es confiable?
 DIAGRAMA DE DISPERSIÓN
50
45
40
NUMERO DE DIAS

35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
TIEMPO MEDIO y = -0,3566x + 42,569

Podemos apreciar que el modelo matemático presentado en este grafico NO es confiable

ya que el coeficiente de la variable X es negativo.

Determine el grado de correlación de las dos variables.

DIAGRAMA DE DISPERSIÓN
50
45
40
TIEMPO MEDIO

35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
NUMERO DE DIAS y = -0,3566x + 42,569
R² = 0.7963

Que tiempo deberá tardarse un empleado cuando lleven 90 días?

𝐘 = −𝟎. 𝟑𝟓𝟔𝟔𝐱 + 𝟒𝟐. 𝟓𝟔𝟗

𝐘 = −𝟎. 𝟑𝟓𝟔𝟔(𝟗𝟎) + 𝟒𝟐. 𝟓𝟔𝟗

𝐘 = 𝟏𝟎. 𝟒𝟕𝟓 𝐦𝐢𝐧

 El tiempo que debe tardar en 90 días es de 10.475min
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 (cm) 120 124 107 118 112 110 115 104 110 116
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 dispersión y determine el tipo de asociación
entre las variables

DIAGRAMA DE DISPERSIÓN
30

25

20
PESO (Kg)

15

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?
 DIAGRAMA DE DISPERSIÓN
30

25

20
PESO (Kg)

15

10

0
100 105 110 115 120 125
ESTATURA (cm) y = 0,386x - 22,751

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

Chart Title y = 0,386x - 22,751

R² = 0.8329
30

25

20
PESO (Kg)

15

10

0
100 105 110 115 120 125
ESTATURA (cm)

d. Cuál es el peso que debería tener un estudiante que mida 128 cm?
Y = 0.386X − 22.751
Y = 0.386(128) − 22.751
Y = 26.657 Kg

El peso que debería tener un estudiante que mida 128cm es de 26.657kg.