TRABAJO COLABORATIVO

UNIDAD 2: PASO 4. DESCRIPCIÓN DE LA INFORMACIÓN

LABORATORIO REGRESIÓN Y CORRELACIÓN LINEAL.

ESTUDIANTES

ESTEBAN RODRIGUEZ LEMUS

GRUPO DEL CURSO

204040

PRESENTADO A

LEIDI MILDREC ROJAS G.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

NOVIEMBRE DE 2018
 INTRODUCCIÓN

Desde sus inicios, la estadística se conoce como una ciencia empleada en

diferentes campos tanto científicos, investigativos como analíticos, por esta razón
es de gran relevancia su estudio y manejo debido a que esta misma nos permite
alcanzar determinados conocimientos de hechos específicos, minimiza ciertos
márgenes de error y nos es de gran apoyo en la toma de decisiones. La estadística
descriptiva es la técnica que se encarga de la recopilación, presentación,
tratamiento y análisis de los datos, con el objetivo de resumir, describir las
características de un conjunto de datos y por lo general toman forma de tablas y
gráficas, se utiliza en casi todos los campos científicos, por esto consideramos que
su estudio es de vital importancia para nuestra formación profesional.
Por medio de esta actividad, tenemos como premisa el identificar los conocimientos
y conceptos de la estadística descriptiva, al igual que su uso y aplicación en
contextos reales y cotidianos, teniendo en cuenta problemáticas con las cuales
tenemos que convivir en nuestro diario vivir, para poder desarrollar los ejercicios
planteados, intentando agrupar la información obtenida por medio de diferentes
métodos que nos permitan llegar a diferentes conclusiones.
Esta actividad nos brindó una amplia gama de oportunidades para identificar
diferentes panoramas, además de ayudarnos a consolidar nuestro sentido de
trabajo en equipo por medio de la metodología colaborativa, el enfoque que se
presenta permite identificar las variables cuantitativas y cualitativas que pueden
afectar la problemática estudiada y su identificación concede a los estudiantes la
oportunidad de practicar el análisis de variables, el diseño y desarrollo de
herramientas de recolección de la información, así como los mecanismos de
presentación y análisis de datos.
 JUSTIFICACIÓN

Tener la oportunidad, de poder estudiar una de las materias más importantes a nivel
profesional en nuestro país , nos permite crear una conciencia a nosotros como
futuros profesionales sobre diferentes entornos que podrían afectar nuestros
espacios, nos permite poner en práctica los diferentes conocimientos adquiridos
sobre distintos tipos de representación estadística, basándonos en el desarrollo
establecido en la unidad, aplicando nuestros distintos métodos de agrupación de la
información podremos analizar los resultados, por medio de los cuales
determinaremos la opinión de los usuarios del servicio adquirido, y estudiaremos la
información requerida la cual nos permitirá desarrollar o crear un “plan de acción” ;
de esta manera podremos ir buscando una solución al problema que se nos fue
planteado, tendremos en cuenta que este trabajo se realiza ante la necesidad de
hacer estudios que nos permitan determinar las distintas causas que generan el
actual conflicto, su frecuencia y las consecuencias que genera a nivel social y
comunal.
 OBJETIVOS
OBJETIVOS

Como objetivo general para esta actividad, está el cumplir a cabalidad con todos los
talleres y puntos solicitados por el tutor, teniendo en cuenta lo aprendido en la
unidad.

OBJETIVOS ESPECÍFICOS.
• Realizar un análisis de los diferentes conceptos que se nos facilitan para el
desarrollo de esta actividad
• Presentar diferentes maneras de aplicar las estadísticas junto a sus fórmulas
y diagramas
• Crear conocimientos que nos permitan interpretar los datos obtenidos
mediante las investigaciones realizadas
1. Análisis de correlación lineal simple de las dos variables cuantitativas
seleccionadas.
ESTATURA ESTATURA ESTATURA
Peso (kg) Peso (kg) Peso (kg)
(M) (M) (M)
12,50 0,65 16,70 0,98 18,30 1,06
60,00 1,74 60,50 1,65 56,90 1,68
72,50 1,58 57,80 1,59 3,10 0,57
58,00 1,59 60,30 1,61 45,80 1,51
16,50 1 78,50 1,79 68,90 1,76
57,60 1,65 15,30 0,96 11,90 0,86
78,60 1,7 65,20 1,67 65,90 1,62
5,20 0,73 65,60 1,7 78,00 1,71
53,80 1,62 78,40 1,68 16,90 1,1
45,80 1,53 57,90 1,62 85,80 1,86
60,20 1,65 3,40 0,53 67,20 1,71
19,70 1,18 58,30 1,59 63,20 1,59
62,70 1,69 56,80 1,56 9,40 0,82
78,60 1,58 60,00 1,65 72,90 1,76
52,70 1,53 72,00 1,68 3,90 0,47
8,90 0,85 58,60 1,56 63,80 1,62
70,00 1,64 14,20 0,96 30,50 1,4
80,90 1,75 65,70 1,67 52,60 1,51
78,90 1,6 60,80 1,61 85,90 1,81
15,90 1,03 3,10 0,57 67,90 1,66
56,00 1,55 85,00 1,8 58,20 1,6
52,90 1,58 60,80 1,56 55,00 1,63
78,50 1,78 55,90 1,62 60,50 1,58
85,80 1,66 70,00 1,67 87,50 1,67
65,20 1,7 73,80 1,8 55,20 1,72
60,00 1,79 78,50 1,75 70,00 1,65
67,20 1,72 67,20 1,65 45,90 1,56
85,00 1,68 67,20 1,72 54,00 1,63
24,50 1,03 58,80 1,59 60,80 1,67
65,40 1,63 62,30 1,63 65,80 1,64
60,60 1,73 70,20 1,65 70,80 1,61
85,00 1,68 54,90 1,52 78,60 1,68
57,30 1,58 78,10 1,72 87,20 1,8
67,90 1,65 62,90 1,63 79,50 1,72
2,60 0,45 65,00 1,86 72,90 1,75
75,30 1,78 62,90 1,63 67,50 1,67
45,20 1,5 72,90 1,75 58,20 1,55
50,20 1,64 61,60 1,57 64,30 1,72
23,00 1,16 9,70 0,76 58,90 1,62
45,00 1,52 64,30 1,78 65,70 1,58
 a) Realizar el diagrama de dispersión de dichas variables y determinar el
tipo de asociación entre las variables.

Regresión y Correlación lineal Simple

100.00

80.00 y = 63.656x - 40.308

R² = 0.8645
60.00

40.00

20.00

0.00
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

-20.00

Tipo de asociación de las

Directamente proporcional
variables
Modelo matemático y=63,656x-40,308
R2 0,8645
R 0,93
El modelo es confiable ya que el
Confiabilidad coeficiente de determinación se
acerca a 1.
El valor del coeficiente de correlación
% de explicación R confirma el grado de relación de las
variables que es: 93%
Los resultados estadísticos obtenidos
indican que si hay relación entre las
dos variables peso del paciente y
Grado de relación
estatura lo podemos observar
mediante el modelo matemático el
coeficiente de determinación.
 ANALISIS E INTERPRETACION DE RESULTADOS:
Podemos observar que la estatura es directamente proporcional al peso del
paciente, es decir, que entre mayor sea la estatura del paciente mayor será su masa
corporal, también debemos tener en cuenta que la asociación de las variables es
fuerte porque una variable depende de la otra, en este caso el peso depende de la
estatura de la persona, lo podemos observar por medio del coeficiente de
determinación 𝑅 2 = 86,45%.

2. Regresión y Correlación Lineal Múltiple

Variable Y: Estatura
Variable X: Peso
Variable X: Edad

Diagrama de dispersión:

Relacion: Peso vs Estatura

100.00
y = 63.656x - 40.308
R² = 0.8645
80.00

60.00
Estatura

40.00

20.00

0.00
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

-20.00
Peso
 y = 0.6007x + 35.544
Relacion: Edad vs Peso R² = 0.3749
100.00
85.90
85.80 85.00
85.00 87.50
87.20 85.80
85.00
90.00 80.90
78.50 79.50
78.90
78.5078.50
78.40 78.60
78.60
78.60
78.10 78.00
80.00 75.30 72.90
73.80
72.90
72.90
70.80
70.0072.00 72.50 70.00 70.00 70.20
67.9068.90
67.90
67.20 67.20 67.20 67.50
67.20
65.60
65.40
65.20
64.30 65.00
64.30
63.80 65.90 65.80
65.70 65.70 65.20 62.90
70.00 60.80 63.20
61.60
60.80 60.00 62.30 62.90 62.70
60.80
60.50
60.20
60.00
58.60 58.90
58.20 60.00 57.90 58.20 60.60
60.50
58.80 60.30 58.30
57.30
56.90
56.80
56.00 58.00
57.80 55.90
57.60
60.00 55.20
54.9054.00
53.8052.90
52.70 55.00
52.60 50.20
45.90 45.80 45.80
Edad

50.00 45.00 45.20

40.00 30.50
30.00 24.50
23.00
19.70
18.30
16.90
16.70
16.50
15.90
15.30
14.20
20.00 11.90
12.50
9.70
9.40
8.90
5.20
10.00 3.90
3.40
3.10
2.60
0.00
0 10 20 30 40 50 60 70 80 90 100
Peso

Tipo de asociación de las variables Directamente proporcional

Modelo matemático 𝑦 = 0 + 0,2251𝑥1 + 32,9752𝑥2
R2 0,9659
R 0,9828
Confiabilidad 96,59%
Dado que R^2 es muy cercano a 1 podemos
% de explicación decir que el modelo matemático es muy
confiable, demostrando en el 96.59%
Grado de relación Correlación Excelente dado que 0.90<r<1

ANÁLISIS E INTERPRETACIÓN DE RESULTADOS:

Podemos concluir la relación existente entre diferentes variables como las

expuestas, teniendo en cuenta un modelo matemático predeterminado que nos
brinda un porcentaje de correlación excelente

Se tuvo en cuenta diferentes aspectos, pero se opta por tomar estas variables
debido a la baja fiabilidad de las demás, por lo cual podemos afirmar de manera que
clara que las personas de edad mayor adquieren un incremento en su masa y
estatura, por lo cual podemos concluir que la estatura ejerce influencia sobre el peso
y la edad de manera lineal.
 ANEXO
LABORATORIO REGRESIÓN Y CORRELACIÓN LINEAL.

1. 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 Y
Hidro (Pureza)
carburos)
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
1,32 93,41
1,43 94,98
0,95 87,33
  Diagrama de dispersión:

B. ENCUENTRE EL MODELO MATEMÁTICO QUE PERMITE PREDECIR EL

EFECTO DE UNA VARIABLE SOBRE LA OTRA. ¿ES CONFIABLE?

El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente:

𝒚 = 𝟏𝟒, 𝟗𝟒𝟕𝐱 + 𝟕𝟒, 𝟐𝟖𝟑

El modelo es confiable porque el coeficiente de determinación R2 es cercano a 1.

𝑹2 = 0,8774

C. DETERMINE EL PORCENTAJE DE EXPLICACIÓN DEL MODELO Y EL

GRADO DE RELACIÓN DE LAS DOS VARIABLES.

Esta ecuación hace una buena estimación entre las variables debido a que el
coeficiente de determinación R2 explica el 87.74% de la información y el valor del
coeficiente de correlación R confirma el grado de relación de las variables, que es
el 93.67%.

D. ¿CUÁL ES EL PORCENTAJE DE HIDROCARBURO CUANDO LA PUREZA

DEL OXÍGENO ES IGUAL A 91,3?

𝑦 = 14,947𝑥 + 74,283
 𝑦 − 74,283
𝑥=
14,947

91,3 − 74,283
𝑥=
14,947

𝑥 = 1,14

Cuando la pureza del oxígeno sea 91.3, el porcentaje de hidrocarburos será 1,14

ANÁLISIS E INTERPRETACIÓN DE RESULTADOS:

El porcentaje de hidrocarburos es directamente proporcional a la pureza, esto quiere

decir que entre mayor es el porcentaje de hidrocarburos mayor va a ser la pureza.
La asociación de las variables es fuerte porque una variable depende de la otra, en
este caso la pureza depende del porcentaje de hidrocarburos, esto se puede
observar con el coeficiente de determinación R2 que es 87.74%.
2. 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.

2014 registros de temperatura y

consumos de vapor.

Consumo
Temperat
Mes de vapor
ura (oF)
(Lb)
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

 Diagrama de dispersión:
B. AJUSTE UN MODELO MATEMÁTICO QUE PERMITA PREDECIR EL EFECTO
DE UNA VARIABLE SOBRE LA OTRA. ¿ES CONFIABLE?

El mejor modelo que describe el sistema es la función lineal.

𝒚 = 𝟗, 𝟐𝟎𝟖𝟕𝒙 − 𝟔, 𝟑𝟏𝟖𝟒

El modelo es muy confiable porque el coeficiente de determinación R 2 es

aproximadamente 1.

𝑅 2 = 0,9999

C. DETERMINE EL PORCENTAJE DE EXPLICACIÓN DEL MODELO Y EL

GRADO DE RELACIÓN DE LAS DOS VARIABLES.

Esta ecuación hace una buena estimación entre las variables debido a que el
coeficiente de determinación R2 explica el 99.99% de la información y el valor del
coeficiente de correlación R confirma el grado de relación de la variable, que es el
99.99%.

D. ¿CUÁL ES EL DE CONSUMO DE VAPOR CUANDO LA TEMPERATURA ES

DE 70 ºF?

𝑦 = 9,2087𝑥 − 6,3184

𝑦 = 9,28087 ∗ 70 − 6,3184

𝑦 = 638,29 𝐿𝑏

Cuando la temperatura sea 70 oF, el consumo de vapor será 638,29 Lb.

ANALISIS E INTERPRETACION DE RESULTADOS:

La temperatura es directamente proporcional al consumo de vapor, esto quiere decir

que entre mayor es la temperatura mayor va a ser el consumo de vapor.
La asociación de las variables es fuerte porque una variable depende de la otra, en
este caso el consumo de vapor depende de la temperatura, esto se puede observar
con el coeficiente de determinación R2 que es 99.99%.
3. 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.

x (porcentaje de y (umbral de
sobrepeso) reflejo de flexión
nociceptiva)

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

 Diagrama de dispersión:
B. AJUSTE UN MODELO MATEMÁTICO QUE PERMITA PREDECIR EL EFECTO
DE UNA VARIABLE SOBRE LA OTRA. ¿ES CONFIABLE?

El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente:

𝒚 = −𝟎, 𝟎𝟔𝟐𝟗𝒙 + 𝟏𝟏, 𝟒𝟐

El modelo no es muy confiable porque el coeficiente de determinación R 2 está muy

lejos de 1.

𝑅 2 = 0,1115

C.DETERMINE EL PORCENTAJE DE EXPLICACIÓN DEL MODELO Y EL

GRADO DE RELACIÓN DE LAS DOS VARIABLES.

Esta ecuación no hace una buena estimación entre las variables debido a que el
coeficiente de determinación R2 explica el 11.15% de la información y el valor del
coeficiente de correlación R confirma el grado de relación de la variable, que es el
33.39%

D. ¿CUÁL ES EL UMBRAL DE REFLEJO DE FLEXIÓN NOCICEPTIVA, CUANDO

HAY UN PORCENTAJE DE SOBREPESO DE 40?

𝒚 = −𝟎, 𝟎𝟔𝟐𝟗𝒙 + 𝟏𝟏, 𝟒𝟐

𝒚 = −𝟎, 𝟎𝟔𝟐𝟗 ∗ 𝟒𝟎 + 𝟏𝟏, 𝟒𝟐

𝒚 = 𝟗, 𝟏𝟑

Cuando el porcentaje de sobrepeso sea 40, el umbral de reflejo de flexión

nociceptiva será 9,13.

ANALISIS E INTERPRETACION DE RESULTADÓS:

La asociación de las variables no existe, esto se puede observar con el coeficiente

de determinación R2 que es 11.15%.
 REFERENCIAS BIBLIOGRÁFICAS

Recursos educativos requeridos

 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=un
ad&it=r&p=GVRL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219

 Churchill, G.A.(2009).Análisis de Correlación y de Regresión Simple. Mexico

City: Cengage Learning. Páginas 675 – 686 Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=un
ad&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
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900234&v=2.1&u=un
ad&it=r&p=GVRL&sw=w&asid=49575112db86a0eb46dae86bbaf74cb9

 Montero, J.M. (2007).Regresión y Correlación Múltiple. Madrid: Paraninfo.

Páginas 191 – 225.Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100012&v=2.1&u=un
ad&it=r&p=GVRL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de2

 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=10
436604

 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=10
365616&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=1
1230886&p00=conceptos+generales+estad%C3%ADstica+descriptiva&ppg=6
 CONCLUSIONES:
Por medio de la tercera Unidad nos damos cuenta la gran importancia de la
estadística a la hora de realizar formulaciones de reglas y procedimientos, para
presentar determinadas cantidades de datos, de manera útil y entendible para los
demás; por medio del establecimiento de normas para la representación gráfica de
los datos la cual los convierte en la base del análisis.
A través de esta asignatura, lograremos adquirir y desarrollar diferentes habilidades
en diferentes campos, por ejemplo, la toma de decisiones relevantes, a través de
gráficas, ya que se nos brinda herramientas para una mejor comprensión de nuestro
entorno observacional y fenómenos poblacionales en general , por medio del
muestreo y aplicación de herramientas en la obtención de resultados, lo que nos
permite el fortalecimiento profesional en el análisis y conclusión dentro de las
investigaciones, que contribuirá con el manejo de información en el contexto de la
proyección social.