ESTADISTICA DESCRIPTIVA

Unidad 2: Paso 4. Descripción de la información

Estudiantes

Juan Carlos Bernal

Código: 1055552341

Geraldine Ramírez Muñoz

Código: 1018460684

Brayan Alexis Jimenez

Código: 1074418483

Diego Rodriguez

Código: 1073526013

Jhon parra cano

Código: 1010012156

Grupo del curso

100105

Presentado a

Gloria Paulina Castellanos Jaramillo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

28 de noviembre de 2018

1
 INTRODUCCIÓN

Por medio del siguiente trabajo se lleva a cabo la aplicación de conocimientos

referentes a la regresión y determinación mediante la realización de ejercicios
empleando medidas regresión y correlación lineal simple y múltiple con
variables cuantitativas que tienen que ver con el caso estudio acerca de
Calidad en el servicio de urgencias.

2
 JUSTIFICACIÓN

Esta actividad fue desarrollada con el propósito de entender y poner en práctica

los conceptos de estadística para organizar la información de la base de datos,
y poder justificarlos mediante los procesos de intervalos.

Es bueno realizar entender y justificar esta clase de trabajos, con el fin de tener
conocimiento en el ámbito profesional siendo de fácil proceder presentar
resultados estadísticos en futuros proyectos de las empresas donde estemos
trabajando siendo convincentes, responsables y profesionales al momento de
proponer las tendencias estadísticas para lo exigido.

3
 OBJETIVOS

En este trabajo encontramos como objetivo poner en práctica los conceptos

obtenidos de medidas de estadística identificar y continuar con etapas para
seguir con un proceso de aprendizaje de información sobre cómo realizar
gráficos en este caso diagramas de dispersión y analizar los resultados
obtenidos

 Desarrollar la guía de actividades correspondiente al paso 4_ Descripción

de la información.
 Realizar diagramas de dispersión para las variables de contingencia o
doble entrada
 Describir y analizar los resultados de covarianza y correlación entre dos
variables.

4
 REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

CONSOLIDACIÓN DE CONCEPTOS ASOCIADOS AL PASO

o Diagrama de dispersión.
Basado en mostrar y descubrir las relaciones entre dos conjuntos de
datos cuantitativos y asociarlos en factores, problemas, causas de
calidad y su posible causa, Analizándola si es positiva o negativa
midiendo la dispersión de la distribución sin hacer referencia a ningún
promedio, dependiendo de la conformidad de los usuarios del caso
estudiado.
o Correlación lineal simple.
Permite estudiar la relación lineal existente entre dos variables
continuas es necesario disponer de parámetros que permitan
cuantificar dicha relación. Uno de estos parámetros es la covarianza
que indica el grado de variación conjunta de dos variables aleatorias.

o Coeficiente de determinación R2

Este evalúa el grado de regresión lineal que encontramos en el

conjunto de observación que explica las variaciones que se hacen en
la variable dependiente esta la medida más importante del ajuste es
el coeficiente de determinación R2.

Este coeficiente nos indica el grado de ajuste de la recta de regresión

a los valores de la muestra definiéndonos como el porcentaje de la
variable total de la variable dependiente R2 es una cantidad
adimensional que sólo puede tomar valores en [0, 1].

o Correlación positiva y correlación negativa

Relación entre dos variables que muestra que una variable disminuye
conforme otra aumenta.

o ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a

medir?
El coeficiente de correlación lineal de Pearson es una medida de
regresión que pretende cuantificar el grado de variación conjunta
5
entre dos variables, si se representan en un diagrama de dispersión
los valores que toman dos variables, el coeficiente de correlación
lineal señalara lo bien o mal que el conjunto de puntos representados
se aproxima a una recta.

ESTUDIANTE 1:

Variable Y: Peso (Kg)

Variable X: (Edad)

Diagrama de dispersión:

100.00
DIAGRAMA DE DISPERSIÓN (PESO Y EDAD)
90.00 y = 0.6007x + 35.544
80.00 R² = 0.3749
70.00
60.00
peso(Kg)

50.00
40.00
30.00
20.00
10.00
0.00
0 10 20 30 40 50 60 70 80 90 100
EDAD

Directa y su
Tipo de asociación de las variables correlación es
creciente
Modelo matemático Y=0,6007x+35,544
2
R 0,3749
R 0,61226
Confiabilidad Aceptable
62%= la correlación
% de explicación es confiable
Débil, ya que los
Grado de relación puntos se alejan de
la recta.

Análisis e interpretación de resultados

6
Para el caso estudiado se concluyó que los datos son pocos confiables ya que,

ESTUDIANTE 2:

Variable Y: Número de hijos

Variable X: Estatura

Dispercion de (Estatura y No.de hijos)

4.5 y = 0.3999x + 0.6284
4 R² = 0.0137
3.5
Numors de hijos

3
2.5
No. DE HIJOS
2
1.5
1
0.5
0
0 0.5 1 1.5 2
Estura

No hay una asociación relación inversa

Tipo de asociación de las variables
proporcional no hay demasiada linealidad
Modelo matemático Y=0,3999 + 0,6284
R2 0,0137
R 0,11704
Confiabilidad Confiabilidad baja
% de explicación 1,37%
Nulo, no hay una relación entre las dos
Grado de relación
variables los puntos son muy dispersos.

Análisis e interpretación de resultados

Las dos variables tienen una diferencia de distribución de datos por lo cual la
asociación de las dos variables es nula y que la confiabilidad que nos da en muy
baja.

7
Estudiante 3:

Variable Y: Número de hijos

Variable X: Edad
Diagrama de dispersión Edad vs N° de hijos
4.5
y = 0.0011x + 1.1971
4
R² = 0.0005
3.5
N° de hijos Y

3
2.5
2
1.5
1
0.5
0
0 20 40 60 80 100
Edad X

No hay asociación las variables no

Tipo de asociación de las variables
se asocian
Modelo matemático y = 0,0011x + 1,1971
R2 R² = 0,0005
R 0.02236
Confiabilidad Confiabilidad muy baja
% de explicación 2.24%
Grado de relación nulo ,pues no hay
relación entre las dos variables ya
Grado de relación
que las marcas de los datos se
encuentran muy dispersas

ESTUDIANTE 4:
VARIABLE Y: ESTATURA
VARIABLE X: EDAD

8
 DIAGRAMA DE DISPERCION DE LA EDAD
Y ESTATURA
2.5

y = 0.0084x + 1.2276
2
R² = 0.3417
ESTATURA

1.5

1 ESTATURA (M)

0.5

0
0 20 40 60 80 100
EDAD

Directa y su
Tipo de asociación de las variables correlación es
creciente
Modelo matemático Y=0,6007x+35,544
R2 0,3749
R 0.58455110982
Confiabilidad Mínima
37%= la correlación
% de explicación no confiable
Débil, porque los
Grado de relación puntos se alejan de
la recta.

Análisis e interpretación de resultados

Estudiante 5:
Variable Y: Estatura
Variable X: peso (kg)

Diagrama de dispersión

9
 Peso (kg) vs Estatura (m)
2.5
Estatura Y 2
1.5
1
0.5
y = 0.0136x + 0.7524
0 R² = 0.8645
0.00 20.00 40.00 60.00 80.00 100.00

Peso x

Tipo de asociación de las variables Directa y su correlación es creciente

Modelo matemático Y=0,0136x+0,7524
R2 0,8645
R 0,929784921
Confiabilidad Confiable
% de explicación 86,45%
Relación de las dos variables es alta, no
es exacta, lo que nos indica que a
Grado de relación
medida que una de las variables
aumenta, la otra también lo hace.

Análisis e interpretación de resultados

10
 CONCLUSIONES
 Se utilizan Medidas Bivariantes para observar y relacionar
variables de la problemática.
 Con el uso del diagrama de dispersión se evidencia su
importancia y que es esencial para realizar un estudio en una gran
variedad de entidades, podiendose estudiar la relación entre dos
conjuntos de datos y observar o descubrir relaciones entre ellos que
nos arrojan resultados importantes.
 Con la aplicación de estos conceptos se nos facilita la
interpretación de datos. De dichas conclusiones podemos descubrir la
confiabilidad de la relación que tienen las variables en estudio.
 Se puede comprobar que para analizar algún tipo de variable se
necesita realizar un diagrama de dispersión y aplicar conceptos,
fórmulas de relación y correlación que permita el despeje de las
ecuaciones y datos para obtener un resultado.
 Los ejemplos muestran que son acordes a un tipo de forma lineal
y correlación es para los datos
 Se pudo determinar los comportamientos que tiene tendencia
lineal y determinamos el grado de correlación entre las variables.

11
 REFERENCIAS BIBLIOGRÁFICAS

 Estadística descriptiva, universidad nacional Antonio rumtons 2016:

http://repositorio.uchile.cl/bitstream/handle/2250/120284/Rustom_Antonio
_Estadistica_descriptiva.pdf?sequence=1
 Estadísticas y probabilidades, Aron Esturado Morales, Universidades de
la universidad nacional y a distancia Bogotá 2012:
http://www.x.edu.uy/inet/EstadisticayProbabilidad.pdf
 Diagramas de correlacion-dispersion José Manuel domenech roldan.
http://www.jomaneliga.es/PDF/Administrativo/Calidad/Diagrama_Correla
cion_Dispersion.pdf
 Análisis de regresión y correlación
http://sisbib.unmsm.edu.pe/bibvirtualdata/libros/Matematicas/inferencia/p
df/a05.pdf
 Relación y correlación Andrés Mauricio
http://cmap.upb.edu.co/rid=1236271044945_1568712640_516/leccion2.8
regresion-correlacion.pdf
 Montero, J.M. (2007).Regresión y Correlación Simple.
Madrid: Paraninfo. (pp.130–172
http://go.galegroup.com/ps/i.do?id=GALE%7CCX405210
0011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b82c8
1e98fcc1361e1929abe203c8219
 Ortegón Pava, M. (2017).
Ova_Medidas_Univariantes.Colombia.Recuperado de
http://hdl.handle.net/10596/11579

12
 Anexo laboratorio regresión y correlación lineal

ESTUDIANTE 1: Juan Bernal

X (sal) Y (Tensión)
Independiente Dependiente

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 RTA: Tienen una relación directa, De acuerdo a los
datos del coeficiente R los datos son confiables directamente
proporcionales, presentando una variabilidad correcta, positiva que va en
aumento de las variables discretas (Y) y (X), siendo la correlación
aceptable.

Diagrama de Dispersión (sal y Tensión)

140
y = 6.1062x + 88.128
120 R² = 0.987

100
eje Y (Tensión)

80

60 Y (Tensión)

40 Linear (Y (Tensión) )

20

0
0 1 2 3 4 5 6
eje X (Sal)

13
b. Encuentre el modelo matemático que permite predecir el efecto de
una variable sobre la otra. ¿Es confiable?
RTA: El coeficiente R es un dato confiable ya que supera el 95% del lumbral,
ya que es de 0,987 del coeficiente 0,99.

Coeficiente de Correlación Y= 6,1062(x)+88,128 R²= 0,987

0,993480869

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

RTA: Las dos variables determinan un grado del 95% de confiabilidad

correlacionando las variables en datos de 0,987 exactos.

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

tensión arterial esperada?
x= 5,6
y=6,1062(x)+88,128
La tensión arterial seria
6,1062(5,6)+88,128
de 122,32

X-Y.
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: Proporcionalmente Inversa=
cuando (x) aumenta (y) disminuye

Tiempo para realizar una pieza Artesanal por días

50
45 y = -0.3566x + 42.569
R² = 0.7963
40
35
30
Minutos

25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
Días

14
b. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
Rta: El modelo matemático para predecir una variable sobre la otra es y=-
0,3566x+42,569. La confiabilidad del modelo es estable ya que el coeficiente de
determinación de R² es de 79% de confiable.
c. Determine el grado de correlación de las dos variables.
Rta: Es determinado por el coeficiente de correlación r en este caso las
variables (x) Días y (y) minutos es de -0,89 aproximadamente.
d. ¿Qué tiempo deberá tardarse un empleado cuando lleven 90 días?
Rta: y= -0,3566(90)+42,569=10,47.
Un empleado deberá tardarse 10 minutos y 47 segundos en fabricar una pieza
artesanal cuando lleve 90 días de trabajo en la empresa.

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

Rta: Proporcionalmente Inversa ya que cuando la variable x aumenta

la variable y disminuye- entre más sobrepeso será menos la capacidad
de umbral de reflejo.

Chart Title
20
18 y = -0.0451x + 11.615
16 R² = 0.0573
14
Umbral de reflejo

12
10
8
6
4
2
0
0 20 40 60 80 100 120
% de sobrepeso

15
 b. Ajuste un modelo matemático que permita predecir el efecto de
una variable sobre la otra. ¿Es confiable?

Rta: El modelo matemático que observamos para ver el efecto de una

variable sobre la otra es: y=-0,0451x+11,615. Como resultado
tenemos a R²= 0,0573 no es confiable.

c. Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.

Rta: El coeficiente de correlación es raíz cuadrada del coeficiente de

determinación indicando un % de 0,0573 con un grado de relación
mínima de -0,23 respeto a (r < -1%) -0,23940695

d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay

un porcentaje de sobrepeso, de 34?

Y= -0,0451(34)+11,615= 10_ El umbral de reflejo de reflexión nociceptiva

cuando hay un % de sobrepeso de 34 es de (10)

ESTUDIANTE 3: Geraldine Ramírez Muñoz

Sal-Tensión

X (sal) Y (Tensión)
Independiente Dependiente

1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120

e. Realice el diagrama de dispersión y determine el tipo de asociación

entre las variables

16
 Tension vs sal y = 6.1062x + 88.128
R² = 0.987
140

120

100
Tension

80

60

40

20

0
0 1 2 3 4 5 6
CONSUMO DE SAL

f. Encuentre el modelo matemático que permite predecir el efecto de

una variable sobre la otra. ¿Es confiable?

R cuadrado =coefiente de determinacion =confiabilidad del modelo

R²=0,987*100 =98,7% es muy confiable

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

R=coeficiente de correlacion=raiz cuadra del coeficiente de determinación

según los datos que tenemos por la tabla determinamos el grado de relación
es:
R²=0,987 0,99 correlacion excelente

17
g. Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la
tensión arterial esperada?
Los valores que hemos tenido hasta el momento:
y=6,1062x+ 88,128
x=5,6
Ahora reemplazamos
y=6,1062 (5,6)+ 88,128
y=34.19472 + 88,128
122,32272
La tensión arterial esperada es de 122,32

Tem-Vapor

(X)Temperatura (Y)Consumo de
Mes (F) vapor
Dependiente (Lb)Independiente

Ene. 21 185,79
Feb. 24 214,47
Mar. 32 288,03
Abr. 47 424,84
May. 50 455
Jun. 59 539
Jul. 68 621,55
Ago. 74 675,06
Sep. 62 562,03
Oct. 50 452,93
Nov. 41 369,95
Dic. 30 273,98

18
a. Realice el diagrama de dispersión y determine el tipo de asociación
entre las variables.

Consumo de vapor vs Temperatura

800 y = 9.2087x - 6.3184
consumo de vapor Lb

700 R² = 0.9999
600
500
400
300
200
100
0
0 10 20 30 40 50 60 70 80
Temperatura F

b. Ajuste un modelo matemático que permita predecir el efecto de

una variable sobre la otra. ¿Es confiable?
El modelo matemático que permite predecir el efecto de una variable
sobre es: Y=a+bX
Lo cual indica que: y=9.2087x -6.3184 teniendo en cuenta que R²=0.9999
Es confiable.
c. Determine el porcentaje de explicación del modelo y el grado de
relación de las dos variables.

El coeficiente de terminación R2 nos muestra un porcentaje del 99.99% de

la información y el coeficiente de correlación R nos confirma el grado de
relación entre las variables es 99.99%
R²=0.0999 0.999 CORRELACION EXCELENTE

d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70

ºF?
Analizando tomamos los datos para saber cuánto es el consumo
19
y=92087x-63184
x=70 ºF
Ahora reemplazamos
y=92087(70)-63184
Y=644.609-6.3184
y=638.2906
y=638.29
Cuando la temperatura nos suba a 70 ºF El consumo de vapor será 638.29
lb

PIB-Ventas

Ventas de la compañía
Año PIB Nación (X)
(y)
2001 1,7 339,43
2002 2,5 363,02
2003 3,9 359,75
2004 5,3 336,9
2005 4,7 339,38
2006 6,7 348,4
2007 6,9 372
2008 3,5 358,79
2009 1,7 337,94
2010 4 357,32
2011 6,6 342,14
2012 4 327,84
2013 4,9 362,06
2014 4,4 348,8
2015 3,1 353,52

20
 2016 2 355,4
2017 1,8 342

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

entre las variables.

Ventas de la compañía vs PIB Nacion

380
Ventas de la compañia

370
y = 1.1509x + 345.1
360 R² = 0.0288

350

340

330

320
0 1 2 3 4 5 6 7 8
PIB Nacion

b.Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

El modelo matemático que permite predecir el efecto de una variable

sobre es: Y=a+bX nos indica que:
y=1,1509x+345.1
R²=0,0288 no es confiable

c. Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.

R=coeficiente correlación=Raíz cuadrada del coeficiente de determinación

Según los datos de la tabla determinamos el grado de relación
R²=0,0288 0,169
CORRELACION MINIMA

21
d.cuál podría ser la proyección de ventas para el año 2018 si se espera
que el PIB nacional sea del 3,1?
y=1,1509x+345.1
x=3,1
Ahora reemplazamos
y=1,1509(3,1)+345.1
Y=3,56779+345.1
y=348.66779
Y=348.66
La proyección de ventas será de 348.66

ESTUDIANTE 4. Jhon Parra Cano

Peso-Altura. Un colegio del distrito de Bogotá desea realizar un estudio de
crecimiento dentro de su población estudiantil, para lo que se ha construido
desde una muestra la siguiente de información del peso (en kg.) y la altura (en
cm.) de 20 jóvenes:

Altura
Nº Peso (Kg)
(cm)
1 61 150
2 63 143
3 60 146
4 74 160
5 58 143
6 63 145
7 64 149
8 74 158
9 74 150
10 66 150
11 63 153
12 61 151
13 64 151
14 69 147
15 64 142
16 77 164
17 76 162
18 80 163
19 79 152
20 68 144

22
a) Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

Diagrama de dispersión Peso (Kg) vs Altura (cm)

170
164
165 163
y = 0.7483x + 100.34 162
R² = 0.5583 160
160 158
Altura (cm)

155 153
152
151 151
150 150 150
149
150 147
146
145
144
145 143 143
142

140
55 60 65 70 75 80 85
Peso (Kg)

Como podemos observar en el grafico anterior las dos variables presentan un

tipo de asociación lineal positiva media- fuerte , pues se puede evidenciar que
en la mayoría de los casos al aumentar el paso aumenta la temperatura
Sabemos que:

R² = 0,5583 por lo tanto, nuestro coeficiente de correlación es:

𝑟 = √𝑅 2 → 𝑟 = √ 0,5583 = 0.7472

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 del peso frente a la
altura es el siguiente:
𝑦 = 0,7483𝑥 + 100,34

23
 Hallado el coeficiente de relación y evidenciando con esto que la
correlación entre estas dos variables es positivamente alta podemos
concluir que la ecuación es confiable.

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

las dos variables.

Con lo anterior podemos decir que el porcentaje de explicación del modelo

es:

R² = 55,83 %

Se puede decir que el grado de relación moderado y positivo en confiabilidad.

d) ¿Cuál es el peso esperado de un estudiante que mide 172 cm?

𝐷𝑎𝑡𝑜𝑠:

𝑋 =?

𝑌 = 172 𝑐𝑚

𝑃𝑎𝑟𝑎 𝑎𝑦𝑎𝑟 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑢𝑛 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒 𝑞𝑢𝑒 𝑚𝑖𝑑𝑒 172 𝑐𝑚 𝑎𝑟𝑒𝑚𝑜𝑠 𝑙𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒

0,7483𝑥 + 100,34 = 172

𝐷𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑥

0,7483𝑥 = 172 + 100,34

172 − 100,34
𝑥=
0,7483

𝑥 = 96 𝑘𝑔

Estatura-Peso. 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:

24
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)

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 (y): peso (kg)

Variable independiente (x): estatura (cm)

Diagrama de dispersión Estatura vs peso

30

25

20
Peso (kg)

15 y = 0.386x - 22.751
R² = 0.8329
10

0
100 105 110 115 120 125
Estatura (cm)

Como podemos observar en el grafico anterior las dos variables presentan un

tipo de asociación lineal positiva media- fuerte, pues se puede evidenciar que
en la mayoría de los casos al aumentar la estatura aumenta el peso.

a. 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 la estatura frente
al peso es el siguiente:
y = 0,386x - 22,751
Hallado el coeficiente de relación y evidenciando con esto que la
correlación entre estas dos variables es positivamente alta podemos
concluir que la ecuación es confiable.

25
b. Determine el grado de correlación de las dos variables.
Sabemos que:

R² = 0,5583 por lo tanto, nuestro coeficiente de correlación es:

𝑟 = √R2 → 𝑟 = √ 0,8329 = 0.91

Con lo anterior podemos concluir que la relación entre las dos variables es
Positiva fuerte, esto lo podemos observar más claramente en el gráfico de
dispersión anterior.

d. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?

𝐷𝑎𝑡𝑜𝑠:

𝑋 =?

𝑌 = 128 𝑐𝑚

𝑃𝑎𝑟𝑎 𝑎𝑦𝑎𝑟 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑢𝑛 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒 𝑞𝑢𝑒 𝑚𝑖𝑑𝑒 128 𝑐𝑚 𝑎𝑟𝑒𝑚𝑜𝑠 𝑙𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒

0,386𝑥 − 22,751 = 128

𝐷𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑥

0,386𝑥 = 128 + 22,751

128 − 22,751
𝑥=
0,386

𝑥 = 69 𝑘𝑔

%-Umbral. Los investigadores están estudiando la correlación entre la obesidad

y la respuesta individual al dolor. La obesidad se mide como porcentaje sobre el
peso ideal (x). La respuesta al dolor se mide utilizando el umbral de reflejo de
reflexión nociceptiva (y) que es una medida de sensación de punzada.
Obsérvese que ambas, X e Y, son variables aleatorias

y (umbral de reflejo de
% Sobrepeso.
flexión nociceptiva)

26
 89 2,00
90 3,00
75 4,00
30 4,50
51 5,50
75 7,00
62 9,00
45 13,00
90 15,00
20 14,00
1. Realice el diagrama de dispersión y determine el tipo de asociación entre
las variables.

Diagrama de dispersión
16
UMBRAL DE REFLEJO DE FLEXIÓN

14
12
NOCICEPTIVA

10
8
y = -0.0629x + 11.642
6
R² = 0.1115
4
2
0
0 20 40 60 80 100
% SOBREPESO.

Como podemos observar en el grafico anterior las dos variables presentan un

tipo de asociación lineal negativa fuerte, pues se puede evidenciar que su
correlación lineal directa es decreciente.

2. Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?
El modelo matemático que permite predecir el efecto de la estatura frente
al peso es el siguiente:
y = −0,0629x + 11,642

27
 Hallado el coeficiente de relación y evidenciando con esto que la
correlación entre estas dos variables es una correlación negativa baja
podemos concluir que la ecuación es poco confiable.

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

de las dos variables.
Con lo anterior podemos decir que el porcentaje de explicación del modelo
es:
R² = 33.39 %
Se puede concluir que el grado de relación es negativamente fuerte y que
su confiabilidad es baja.

4. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje

de sobrepeso, de 40?

𝐷𝑎𝑡𝑜𝑠:

𝑋 =?

𝑌 = 40

𝑃𝑎𝑟𝑎 𝑎𝑦𝑎𝑟 el umbral de reflejo de flexión nociceptiva,

cuando hay un porcentaje de sobrepeso, de 40 𝑎𝑟𝑒𝑚𝑜𝑠 𝑙𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒

x + 11,642= 40

𝐷𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑥

−0,0629x = 40 + 11,642

40 − 11,642
𝑥=
−0,0629

𝑥 = 18

28
ESTUDIANTE 5 BRAYAN ALEXIS JIMENEZ GOMEZ

1. CH-Pureza. El rendimiento del producto de un proceso químico está

relacionado con la temperatura de operación del proceso. Se desea
establecer la relación que existe entre la pureza (y) del oxígeno producido
y el porcentaje de hidrocarburo (x) que está presente en el condensador
principal en un proceso de destilación, de acuerdo con los siguientes
datos:

X (%DE Hidro Y
carbus) (pureza)
0,99 90,01
1,02 89,05
1,15 91,43
1,29 93,74
1,46 96,73
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54
1,15 92,52
0,98 90,56
1,01 89,54
1,11 89,85
1,2 90,39
1,26 93,25

29
 1,32 93,41
1,43 94,98
0,95 87,33

DIAGRAMA DE DISPERCION
102
100
98 y = 14.947x + 74.283
R² = 0.8774
96
pureza

94
92
90
88
86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
%de hidrocarburs

2. Encuentre el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿Es confiable?
Modelo matemático = 14,947x + 74,283
VARIABLE = DIRECTA
3. Determine el porcentaje de explicación del modelo y el grado de relación de
las dos variables.
Coeficiente de determinación: r cuadrado por el 100% = 88%
Coeficiente de correlación = 0.93669632218 lo cual es excelente
5. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual
a 91,3?
el porcentaje de hidrocarburo es de 1,138

2. Tem-Vapor. El número de libras de vapor (y) consumidas mensualmente

por una planta química, se relaciona con la temperatura ambiental
promedio (en o F). Para el año 2014, se registraron los siguientes valores
de temperatura y consumo anual.

30
 consumo de vvapor
temperatura(f) (Lb)
21 185,79
24 214,47
32 288,03
47 424,84
50 455
59 539
68 621,55
74 675,06
62 562,03
50 452,93
41 369,95
30 273,98

consumo de vapor= dependiente

temperatura = independiente

DIAGRAMA DE DISPERCION
800
700 y = 9.2087x - 6.3184
R² = 0.9999
600
conwsumo de vapor

500
400
300
200
100
0
0 10 20 30 40 50 60 70 80
temepratura

1. Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?
CONFIABLE= 100%
2. Determine el porcentaje de explicación del modelo y el grado de relación
de las dos variables

31
CORRELACION = EXCELENTE 99%
3. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF
El consumo de vapor es de 638,2906

3. %-Umbral. Los investigadores están estudiando la correlación entre la

obesidad y la respuesta individual al dolor. La obesidad se mide como
porcentaje sobre el peso ideal (x). La respuesta al dolor se mide utilizando
el umbral de reflejo de reflexión nociceptiva (y) que es una medida de
sensación de punzada. Obsérvese que ambas, X e Y, son variables
aleatorias
% y (umbral de reflejo deflexion
sobrepeso nociceptiva)

89 2,00
90 3,00
75 4,00
30 4.50
51 5,50
75 7,00
62 9,00
45 13,00
90 15,00
20 14,00

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

variables

32
 DIAGRAMA DE DISPERCION
Y (UMBRAL DE REFLEJO DEFLEXION 16.00
14.00
12.00
10.00
NOCICEPTIVA)

8.00
y = -0.0376x + 9.6087
6.00
R² = 0.0325
4.00
2.00
0.00
0 10 20 30 40 50 60 70 80 90 100
% DE SOBREPESO

y (umbral de reflejo deflexion nociceptiva)

Linear (y (umbral de reflejo deflexion nociceptiva))

Variable x = % de sobre peso

Variable Y = y (umbral de reflejo deflexion nociceptiva)
2. Ajuste un modelo matemático que permita predecir el efecto de una variable
sobre la otra. ¿Es confiable?
No confiable en: 3,25%
3. Determine el porcentaje de explicación del modelo y el grado de relación de
las dos variables.
No hay correlación 1,8%

4. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 40?
El umbral de reflejo de flexión nociceptiva es de 11,10

33