Eatadistica 4 Importante Leer .

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESTADISTICA DESCRIPTIVA
INTRODUCCIÓN El estudiante aplica las medidas estadísticas bivariantes en

función de la problemática de estudio.
Competencia a desarrollar:
El estudiante aplica las medidas bivariantes, en función de la problemática

de estudio.
Temáticas a desarrollar:
-Regresión lineal
-coeficiente de determinación lineal.
-coeficiente de correlación.
-Análisis de correlación.
-Regresión simple.
-Diagramas de dispersión.
De acuerdo a la temática desarrollada en la Unidad 2. Descripción de la información

utilizando Medidas Bivariantes, encontramos la herramienta estadística de Regresión
y Correlación simple, la cual consiste en determinar la posible relación entre una
variable numérica Y, que suele llamarse variable dependiente y otro conjunto de
variable denominada independiente X, la regresión simple se presenta cuando solo
hay una variable independiente y se presenta por un modelo matemático de la
forma Y= f(x).
Para el caso dela regresión lineal el modelo matemático es Y= a + bx, donde a

corresponder al punto de corte y b a la pendiente, producto de la representación
gráfica utilizando el diagrama de dispersión que consiste en dibujar en ejes
cartesianos correspondientes a las variable X e Y, los pares de (X1;Y1) observados
en cada dato de la muestra. A partir de la gráfica de regresión lineal se determina el
tipo de correlación que existe entre las variables basados en el valor de coeficiente
de determinación lineal R2 el cual presenta los siguiente criterios: R 2 = 0 indica que
existe independencia según el tipo de relación planteada por el modelo de regresión
y R2 = 1 indica dependencia funcional.
Es así que con el desarrollo de este trabajo analizaremos la relación que puede
existir entre las diferentes variables que son causa de la accidentalidad en la ciudad
de Armenia.
OBJETIVOS
 Relacionar la correlación y relación entre las variables implicadas en la

accidentalidad en Armenia.
 Representar la información por medio de diagramas de dispersión.
 Establecer los modelos matemáticos correspondientes a las variables
analizadas.
 Calcular el grado de correlación existente en cada una de las variables.
 Determinar el porcentaje de explicación de los modelos hallados.
 Interpretar los resultados obtenidos para lograr establecer los factores más
influyentes en el problema de la accidentalidad en Armenia.
Desarrollo Actividad
Variable cuantitativa: Edad y Número de muertos. (Estudiante: Ana

Felisia Olaya Montero)
1- A partir de la base de datos suministrada: “Secretaría de Transito 2018-8-

3”, cada estudiante debe:
a- Identificar dos variables cuantitativas de la situación estudiada que

puedan estar relacionadas:
- Variables cuantitativa Número fallecidos enero febrero 2019
- Variable cuantitativa rango de edad Edad.
Edad Vs Número de muertos

70
60
50
40
Edad
30 f(x) = 0 x + 36.64
R² = 0
20
10
0
0 20 40 60 80 100 120
Número de muerto
b- Realizar el diagrama de dispersión de dichas variables y determinar el tipo

de asociación entre las variables.
El tipo de asociación de las variables Edad Vs Número de muertos, se ajustó de

forma lineal, sin embargo los datos no presentan correlación.
c- Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?
Modelo matemático encontrado: Y =a+bx

Y =0,6819 x +36,002
R2=0,0027
El modelo matemático no es confiable, teniendo en cuenta que el valor de R 2 igual a
0,0027 muy cercano a cero, lo que quiere decir que es muy baja la correlación entre
el número de muertos y la edad de los accidentados.
d- Determine el grado de relación de las dos variables.
El porcentaje de explicación corresponde a: 0,0027 *100 = 0,27%

El grado de correlación está representado por: R = √ 0,0027 = 0,051
De acuerdo al resultado del grado de correlación encontramos que no hay

correlación entre las variables Edad y Número de muertos.
e- Relacionar la información obtenida con el problema.
Haciendo un análisis de los datos obtenidos en cuanto a la correlación que existe en

Edad y Numero de muerto, reportado en la base de datos de la ciudad de Armenia,
podemos decir que al momento de ocurrir un accidente es independiente que la
edad influya en que el accidentado muera o no.
Estudiante ( Esneyder Campos)
Identificar dos variables cuantitativas de la situación estudiada que puedan

estar relacionadas.
Variables identificadas Velocidad y Número de muertos.
- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de

asociación entre las variables.
No se encuentra asociación entre las variables.
- Encuentre el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿Es confiable?
y = 0,0144x - 0,0788
R² = 0,0765
0,0788 * 100 = 07,88%
El modelo matemático no es confiable ya que esta muy cerca de cero
- Determine el grado de relación de las dos variables.
R= √ 0,0788 = 0,28 No hay correlación.

- Relacionar la información obtenida con el problema.
Se logró establecer que no existió relación entre las variables Número de muertos y
la velocidad en la accidentalidad presentada y estudiada en Armenia, por lo tanto se
afirma que el número de muertos registrado no dependió de la velocidad de
desplazamiento de los vehículos implicados.
Estudiante; Alex de Jesús Orozco Mendoza
“Secretaría de Transito 2018-8-3”,
Variables a analizar; Número de heridos contra Grados de alcohol del conductor
Objetivos;

- Encuentre el modelo matemático que permite predecir el efecto de una
1. Tabla de datos de variables a analizar.
NUMERO DE HERIDOS GRADOS DE ALCOHOL DEL
(X) CONDUCTOR (Y)
x² xy x-X y-Y (x-X)² (y-Y)² (x-X)(y-Y)
3 1,20 9,00 3,60 0,19 -0,14 0,04 0,02 -0,03
2 3 4,00 6,00 -0,81 1,66 0,66 2,75 -1,34
1 0,00 1,00 0,00 -1,81 -1,34 3,28 1,80 2,43
2 0,60 4,00 1,20 -0,81 -0,74 0,66 0,55 0,60
8 0,00 64,00 0,00 5,19 -1,34 26,94 1,80 -6,97
0 0,00 0,00 0,00 -2,81 -1,34 7,90 1,80 3,77
0 3 0,00 0,00 -2,81 1,66 7,90 2,75 -4,66
4 1,40 16,00 5,60 1,19 0,06 1,42 0,00 0,07
2 2,10 4,00 4,20 -0,81 0,76 0,66 0,57 -0,61
6 0,00 36,00 0,00 3,19 -1,34 10,18 1,80 -4,28
4 1,60 16,00 6,40 1,19 0,26 1,42 0,07 0,31
1 2,20 1,00 2,20 -1,81 0,86 3,28 0,73 -1,55
2 3 4,00 6,00 -0,81 1,66 0,66 2,75 -1,34
0 1,10 0,00 0,00 -2,81 -0,24 7,90 0,06 0,68
2 2,40 4,00 4,80 -0,81 1,06 0,66 1,12 -0,86
2 0,60 4,00 1,20 -0,81 -0,74 0,66 0,55 0,60
3 1,60 9,00 4,80 0,19 0,26 0,04 0,07 0,05
4 0,00 16,00 0,00 1,19 -1,34 1,42 1,80 -1,60
2 0,00 4,00 0,00 -0,81 -1,34 0,66 1,80 1,09
5 2,10 25,00 10,50 2,19 0,76 4,80 0,57 1,66
2 1,40 4,00 2,80 -0,81 0,06 0,66 0,00 -0,05
4 2,60 16,00 10,40 1,19 1,26 1,42 1,58 1,50
2 3 4,00 6,00 -0,81 1,66 0,66 2,75 -1,34
……………. ETC
2. Diagrama de dispersión de las 2 variables a analizar
Extraemos el coeficiente de correlación y es -0.1040, bastante aislado de 1, aquí

comenzamos a determinar que la relación entre estas 2 variables es muy débil, casi
neutra.
Determinaremos la ecuación que no podría predecir el efecto de una sobre la otra,

es decir, el modelo matemático.
y=ax+ b , entonces hallemos a y b

n Σ xy−Σ x Σ y
a= 2 2
n Σ x −( Σ x)❑
100 ( 347.5 ) −( 281 )( 134.3 ) −2988.3
a= = =−0.0364
100 ( 1609 ) −(281)(281) 81939
Σ y−a Σ x
b=
n
b=
[ (134.3 )−(−0.0364 )( 281 ) ] = 144.5284 =1.4452
100 100
El modelo seria, y=−0.0364 x+ 1.4452
El coeficiente de correlación R² = -0.1040 que determinaría el grado de relación el
cual es débil, definiendo que este modelo y relación no es confiable para atribuir
culpabilidad de las variables en relación a los accidentes en esta ciudad, es decir, se
podría mencionar que los heridos en los accidentes de tránsito no son siempre
causados por ebrios.
En otras circunstancias podríamos decir que en los accidentes de tránsito los

heridos y muertos están más relacionados con la velocidad en que conduzcan las
personas en comparación con su grado de alcohol.
Estudiante: Laura Daniela Velasquez
-Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.
Se escogieron las variables:
X = Grados de alcohol del conductor
Y = velocidad

- Encuentre el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿Es confiable?
Se estableció el siguiente modelo matemático:
Y = -1,8934x + 76,253
R2 = 0,0108
0,0108 * 100 = 01,08%
El modelo no es confiable.
Para establecer el grado de relación de las variables se calcula R =√ 0,0108 = 0,103

lo que nos quiere decir que no hay correlación.
Afirmo que no existe relación entre las variables Grados de alcohol y velocidad, se
suele pensar que la velocidad es una variable que puede estar influenciada por los
grados de alcohol, pero se ha demostrado mediante el uso de las medidas de
relación y correlación simple que en el caso de los accidentes ocurridos y analizados
en Armenia no se establece una relación significativa entre ellas.
Estudiante: Diana Ramos
Identificar dos variables cuantitativas de la situación estudiada que puedan

estar relacionadas.
Se escogieron las variables:
X = Grados de alcohol del conductor
Y = Número de muertos
Realizar el diagrama de dispersión de dichas variables y determinar el tipo

de asociación entre las variables.
Accidentalidad
4.5
4
3.5
3
# de muertos
2.5
2
1.5
1 f(x) = 0.16 x + 0.77
R² = 0.03
0.5
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
# grado de alcohol

Y =0,1577 x+0.7682
R2=0,00278
Como se puede apreciar en la gráfica los datos están muy disperso, no se encuentra
a una curva que satisfaga las distribuciones de los datos
Encuentre el modelo matemático que permite predecir el efecto de una

Esta distribución de datos no demuestra que no hay relacion directa entre ambas
variables estudiadas, pareciera como si los muertos son totalmente independientes
para el grado de alcohol
Relacionar la información obtenida con el problema.
Como se puede observar no existe relacion directa entre las variables grados de
alcohol del conductor y el número de muertos
Referencia
 Montero, J. M. (2007).Conceptos Generales Estadística descriptiva. Madrid:

Paraninfo. Página 3 - 16 Recuperado de http://go.galegroup.com/ps/i.do?
id=GALE
%7CCX4052100007&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=0a7332df0d
4700de0bd272caa41e1718
 Montero, J. M. (2007). Características de Una Distribución de Frecuencias.

Statistical Descriptive. Cengage Learning Paraninfo, S.A. Página 4 – 10
Recuperado de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052900008&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=84a84913a
25d9dfd21d0a0d3deb41dea
 Pacheco, P. N., Vergara, S .C (2013).Universidad Nacional de Colombia.

Bogotá. Estadística Fundamental. Recuperado de
http://168.176.60.11/cursos/ciencias/1000012/un2/html/leccion1.html
Anexo
Estudiante: Alex de Jesús Orozco Mendoza,
LABORATORIO DE REGRESION Y CORRELACION 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
Y
(% de Hidro
(Pureza)
carburos)
x² xy x-x y-y (x-x)^ (y-y)^ (x-X)(y-Y)
0,990 90,010 0,980 89,110 -0,206 -2,150 0,042 4,625 0,443
1,020 89,050 1,040 90,831 -0,176 -3,111 0,031 9,675 0,547
1,150 91,430 1,323 105,145 -0,046 -0,730 0,002 0,534 0,034
1,290 93,740 1,664 120,925 0,094 1,580 0,009 2,495 0,148
1,460 96,730 2,132 141,226 0,264 4,570 0,070 20,880 1,206
1,360 94,450 1,850 128,452 0,164 2,290 0,027 5,242 0,375
0,870 87,590 0,757 76,203 -0,326 -4,571 0,106 20,889 1,490
1,230 91,770 1,513 112,877 0,034 -0,391 0,001 0,152 -0,013
1,550 99,420 2,403 154,101 0,354 7,260 0,125 52,700 2,570
1,400 93,650 1,960 131,110 0,204 1,490 0,042 2,219 0,304
1,190 93,540 1,416 111,313 -0,006 1,380 0,000 1,903 -0,008
1,150 92,520 1,323 106,398 -0,046 0,359 0,002 0,129 -0,017
0,980 90,560 0,960 88,749 -0,216 -1,601 0,047 2,562 0,346
1,010 89,540 1,020 90,435 -0,186 -2,620 0,035 6,867 0,487
1,110 89,850 1,232 99,734 -0,086 -2,311 0,007 5,338 0,199
1,200 90,390 1,440 108,468 0,004 -1,771 0,000 3,135 -0,007
1,260 93,250 1,588 117,495 0,064 1,090 0,004 1,187 0,070
1,320 93,410 1,742 123,301 0,124 1,250 0,015 1,561 0,155
1,430 94,980 2,045 135,821 0,234 2,820 0,055 7,950 0,660
0,950 87,330 0,903 82,964 -0,246 -4,831 0,061 23,334 1,188
23,920 1843,210 29,289 2214,657 0,681 173,377 10,177
MEDIA 1,196 92,1605 0,508872
a. Realice el diagrama de dispersión y determine el tipo de asociación entre

las variables.
La asociación entre las 2 variables es de tendencia lineal positiva, ya que en

general las dos aumentan dependiendo de la otra, en forma proporcional no muy
estándar o consistente. Además es positiva ya que las variables varían en el mismo
sentido, aunque solo con esto no podemos medir la fuerza de la relación y su forma
lo cual es determinado con el coeficiente de correlación el cual es 0.9367 muy
cercano a 1, indicando que es fuerte esta relación pero no perfecta.
b. Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. Es confiable?
Modelo matemático Y =ax+ b

Debemos hallar a a y a b .
n Σ xy−Σ x Σ y
a=
n Σ x 2−( Σ x)❑2
20 ( 2214.65 )−( 23.92 )( 1843.21 ) 203.4168
a= = =14.9377
20 ( 29.2892 ) −(572.1664) 13.6176
Σ y−a Σ x
b=
n
b=
[ (1843.21 ) −( 14.9377 )( 23.92 ) ] = 1485.9002 =74.29501
20 20
Remplazamos en la ecuación matemática Y =14,9377 x +74,29501 y nos queda la

ecuación para predecir % de hidrocarburos parcialmente en función de la pureza del
oxígeno.
Como lo mencione en el numeral 1, esta ecuación es confiable ya que en su

coeficiente de correlación es cercano a 1. (0.9367)
c. Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.
El Coeficiente de determinación o porcentaje de explicación es: R= R 2, entonces

0.93672 =0.8772 y en porcentaje seria 0.8772*100= 87.72% se comprueba que
existe relación lineal por acercarse a 100%
Y el grado de relación es fuerte por acercarse a 1. (0.9367)
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno

es igual a 91,3?
Despejamos x en la ecuación de predicción ya que x es el porcentaje de

hidrocarburo para esta pureza de oxigeno mencionada.
y=14,9377 x +74,29501
y−74,29501
x=
14,9377
91,3−74,29501
x=
14,9377
17.00499
x=
14.9377
x=1,1383
2.
800
2.
700 2.
2.
600 2.
2.
Vapor Consumido (Lb) Y
500
2.
400
2.
2.
300 2.
2.
200 Temperat Consumo de 2.
Vapor en
Mes ura ^F
(Ls) x² xy x-x y-y (x-x)^ (y-y)^ (x-X)(y-Y) 2.
100 441,00 3901,59 -25,50 -236,10 650,25 55741,24 6020,44
Ene. 21 185,79 2.
Feb. 24 214,47 576,00 5147,28 -22,50 -207,42 506,25 43021,33 4666,86
Mar. 0 32 288,03 1024,00 9216,96 -14,50 -133,86 210,25 17917,38 1940,91 2.
1047 20 30 40 0,50 50 2,95 60 70 1,4880
Abr. 424,84 2209,00 19967,48 0,25 8,73 2.
May. 50 455 2500,00 22750,00 3,50 F 33,11 12,25 1096,55 115,90
Jun. 59 539 3481,00
Temperatura
31801,00 12,50 117,11 156,25 13715,73 1463,93 2.
Jul. 68 621,55 4624,00 42265,40 21,50 199,66 462,25 39865,78 4292,78 2.
Ago. 74 675,06 5476,00 49954,44 27,50 253,17 756,25 64097,16 6962,29
3844,00 34845,86
2.15,50 140,14 240,25 19640,39 2172,23
Sep. 62 562,03
Oct. 50 452,93 2500,00 22646,50 2. 3,50 31,04 12,25 963,74 108,65
Nov. 41 369,95 1681,00 15167,95 2.-5,50 -51,94 30,25 2697,33 285,65
Dic. 30 273,98 900,00 8219,40 -16,50 -147,91 272,25 21876,14 2440,45
558,000 5062,630 29256,00 265883,862. 3309,00 280641,49 30471,57
MEDIA 46,5 421,8858333 2539,30 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.
a. Realice el diagrama de dispersión y determine el tipo de asociación

entre las variables.
Observando el diagrama podemos describir una relación lineal perfecta o de

proporcionalidad, donde el consumo de vapor es directamente proporcional a la
temperatura, entonces las dos aumentan o disminuyen ya que son dependientes.
b. Ajuste un modelo matemático que permita predecir el efecto de una

Modelo matemático Y=ax+b
n Σ xy−Σ x Σ y
a= 2 2
n Σ x −( Σ x)❑
Coeficiente de Correlacion; 0,99993193

12 ( 265883.86 ) −( 558 )( 5062.630 ) 365658.78

a= = =9.2086
12 ( 29256 )−(558)(558) 39708
Σ y−a Σ x
b=
n
b=
[ (5062.630 )−( 9.2086 ) ( 558 ) ] =−75.8206 =−6.3183
12 12
Remplazamos en la ecuación matemática Y=9.2086x + (-6.3183) y nos queda la

ecuación para definir los incrementos y disminución del vapor en función de la
temperatura.
Esta relación es confiable ya que en su coeficiente de correlación es cercano a 1.

(0.9999)
Nota: Lo anterior siguiendo los pasos estadísticos, pero como es una relación
y
proporcional esta depende de una constante, la cual yo llamaría C= para
x
cualquier valor de x sabríamos y y viceversa.
Entonces seleccionaremos 2 valores diferentes de x y y para comprobar usamos

valores de la tabla.
455 539
Hallemos la constante C, Ejemplo 1 C= =9.1 . Ejemplo 2 C= =9.1 con esto
50 59
comprobamos que con esta constante quedaría ajustada la ecuación.

El grado de relación es casi perfecto, muy fuerte ya que son totalmente

proporcionales las dos variables, dependientes en forma lineal y proporcional. Grado
0.9999 muy cercano a 1.
El Coeficiente de determinación o porcentaje de explicación es: R= R 2, donde R2 es

el coeficiente de correlación entonces 0.9999 2 =0.9998 y en porcentaje seria
0.9998*100= 99.98% se comprueba que existe relación lineal por acercarse a
100%
d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?
Si usamos la ecuación de proporcionalidad tendríamos,

y y
C= entonces 9.1=
x 70 ℉
Despejamos la variable y y tendríamos, y=9.1∗70 ℉=637 Libras consumidas .
Ahora usando la ecuación de estadísticas;
Y=9.2086x+ (-6.3183) seria y= ( 9.2086 ) (70 ℉ ) + (−6.3183 )
y=644.602−6.3183=637.69 Libras consumidas .

Podemos concluir que mientras la tempera media durante cualquier mes del año,
sea de 70 grados F, se consumirán en este 637.69 libras de vapor.
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.
y (umbral de
x (porcentaje
reflejo de
de
flexión
sobrepeso)
nociceptiva) x² xy x-x y-y (x-x)^ (y-y)^ (x-X)(y-Y)
89 2 7.921,00 178,00 26,30 1,30 691,69 1,69 34,19
90 3 8.100,00 270,00 27,30 2,30 745,29 5,29 62,79
75 4 5.625,00 300,00 12,30 3,30 151,29 10,89 40,59
30 4,5 900,00 135,00 -32,70 3,80 1.069,29 14,44 -124,26
51 5,5 2.601,00 280,50 -11,70 4,80 136,89 23,04 -56,16
75 7 5.625,00 525,00 12,30 6,30 151,29 39,69 77,49
62 9 3.844,00 558,00 -0,70 8,30 0,49 68,89 -5,81
45 13 2.025,00 585,00 -17,70 12,30 313,29 151,29 -217,71
90 15 8.100,00 1.350,00 27,30 14,30 745,29 204,49 390,39
20 14 400,00 280,00 -42,70 13,30 1.823,29 176,89 -567,91
627,000 77,000 45.141,00 4.461,50 5.828,10 696,60 -366,40
62,7 0,7 -36,64

las variables.
Si hallamos R2 coeficiente de correlación el cual es -0.3339, con este dato podemos

decir que esta relación es débil y negativa de tipo lineal pero muy dispersa.

Modelo matemático Y =ax+ b

n Σ xy−Σ x Σ y
a= 2 2
n Σ x −( Σ x)❑
10 ( 4461.50 )−( 627 )( 77 ) −3664
a= = =−0.0628
10 ( 45141 )−( 627)( 627) 58281
Σ y−a Σ x
b=
n
b=
[ (77 )−( 10 ) ( 627 ) ] = −6193 =−619.3
10 10
Remplazamos en la ecuación matemática Y =−0.0628 x +(−619.3) y nos queda la
ecuación para predecir la obesidad sobre él % de peso ideal.
Analizando el coeficiente de correlación esta relación entre estas variables no es

muy confiable ya que R2 es muy lejano a 1, además de ser una relación débil y
negativa.
c. Determine el porcentaje de explicación del modelo y el grado de relación

de las dos variables.
El porcentaje de explicación o coeficiente de determinación es: R= R 2, donde R2 es

el coeficiente de correlación entonces -0.33392 = 0.1114 y en porcentaje seria
0.1114*100= 11.14% se comprueba que existe una relación débil muy lejana al
100%
El grado de relación es débil, ya que lo representa el coeficiente de correlación que

es 0.3339
d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 40?
Aplicamos la ecuación, y= ax + b
Entonces tendríamos, y=−0.0628 ( 40 ) +(−619.3)
y=−2.51−619.3=−621.81
Con este dato verificamos que es legítimo el valor de credibilidad del coeficiente de
correlación, quien indica que esta ecuación no es confiable por lo tanto arroja una
valor no coherente ni cercano a una probabilidad del umbral de reflejo de flexión
nociceptiva observados en las datos.
Estudiante: Ana Felisia Olaya Montero
LABORATORIO DE REGRESION Y CORRELACION LINEAL

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 Hidrocarburos) Y (Pureza)
0,87 87,59
0,95 87,33
0,98 90,56
0,99 90,01
1,01 89,54
1,02 89,05
1,11 89,85
1,15 91,43
1,15 92,52
1,19 93,54
1,2 90,39
1,23 91,77
1,26 93,25
1,29 93,74
1,32 93,41
1,36 94,45
1,4 93,65
1,43 94,98
1,46 96,73
1,55 99,42

las variables.
Rendimiento de la reacción
105
100
95 f(x) = 0.47 x + 86.31

Pureza
R² = 0.84
90
85
80
0 5 10 15 20 25
% de Hidrocarburo
El tipo de asociación entre las variables es lineal pero no corresponde a un

comportamiento directamente proporcional.


Y =14,947 x +74,283
R2=0,8774
El método es relativamente confiable, ya que el valor de R2 es cercano a 1.


Análisis: De acuerdo al resultado anterior podemos ver la correlación entre la
variable pureza del oxígeno obtenido y porcentaje de hidrocarburos, es buena ya
que el resultado se acerca a 1.

es igual a 91,3?
Para calcular el porcentaje de hidrocarburo se debe despejar x de la ecuación de la

recta dela siguiente forma.
y=14,947 x +74,283
x=( y−74,283)/14,947
x=(91,3−74,283)/14,947
x=1,14
De acuerdo al resultado anterior podemos observar, que cuando se tiene una pureza
de oxigeno de 91,3 el porcentaje de Hidrocarburo correspondiente es de 1,14.
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 de vapor
Mes Temperatura (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

las variables.
Temperatura Vs Vapor consumido

800
700
600
Consumo de vapor
500
f(x) = 17.32 x + 292.02
400 R² = 0.15
300
200
100
0
0 2 4 6 8 10 12 14
Temperatura °F
Según el grafico obtenido se puede ver que hay una relación directamente
proporcional entre las dos variables.

: y=a+bx
y=9,2087 x+6,3184
R2=0,9999
El método es confiable, ya que si vemos el valor R2 obtenido es muy cercano a 1



variable temperatura en °F y consumo de vapor, es excelente ya que el resultado
se aproxima a 1.
d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 °F?
y=9,2087 x+6,3184
y=9,2087∗(70)−6,3184
y=638,2 Lb
De acuerdo al resultado anterior podemos observar, que cuando se tiene una
temperatura de 70 °F, el consumo de vapor es de 638,2 Lb.
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
sobrepeso) y (umbral de 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

las variables.
Sobrepeso Vs Umbral de refl ejo

16
14
f(x) = 1.53 x − 5.28
Umbral de reflejo 12 R² = 0.93
10
8
6
4
2
0
0 2 4 6 8 10 12 14
porcentaje de sobrepeso
Según el grafico obtenido se puede ver que hay una relación de las variables
inversa de tipo lineal.

: y=a+bx
y=0,0629 x +11,642
R2=0,1115
El método no es confiable, ya que si vemos el valor R2 obtenido es muy cercano a 1


variable porcentaje de sobrepeso y umbral de reflejo de reflexión nociceptiva, es
regular ya que el resultado es muy cerca de 0.

Nota: Debido a que el punto de correlación es muy baja no se determina el umbral

de reflejo en el porcentaje de sobrepeso de 40, ya que el resultado no es confiable.
Estudiante: Esneyder Campos Salinas
2.1. El rendimiento del producto de un proceso químico está relacionado con la

con los siguientes datos:

Entre las variables se encuentra una relación Lineal.
b. Encuentre el modelo matemático que permite predecir el efecto de

una variable sobre la otra. Es confiable?
Modelo matemático encontrado
Y = 14,947x + 74,283
R2=0,8774

La correlación es excelente.

es igual a 91,3?
Para calcular el porcentaje de hidrocarburo se debe calcular el valor de x
y = 14,947x + 74,283
x = (y – 74,283) / 14,947
x = (91,3 – 74,283) / 14,947
x = 1, 14
Cuando la pureza de oxigeno es de 91,3 el % hidrocarburo es de 1,14
2.2 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.

Según el diagrama de dispersión se encuentra una asociación Lineal.

y = 9,2087x – 6,3184
R2=0,9999
0,9999 * 100 = 99,99%
El modelo matemático es confiable en un 99,99%


R= √ 0,9999 = 0,99
Según la tabla de correlación se afirma que es Perfecta
y = 9,2087x – 6,3184
y = 9,2087*(70) – 6,3184
y = 638,2 Lb
El consumo de vapor a una temperatura de 70°F es de 638,2 Lb.
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

las variables.
La asociación no se ajusta a este modelo.

Y = -0,0629x + 11,642
R2=0,1115
0,1115 * 100 = 11,15% El modelo matemático no es confiable.

El porcentaje que explica el modelo matemático es de 11.15%
R= √ 0,1115 = 0,33
La correlación que se hallo es mínima.

Como no existe correlación no se puede calcular, además el modelo matemático que

se estableció no es confiable.
Estudiante: Laura Velasquez

PRACTICA 1
El rendimiento del producto de un proceso químico está relacionado con la

con los siguientes datos
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.
Las variables se encuentran asociadas de manera lineal.


Mediante los cálculos arrojados por el programa Excel se encuentra el siguiente

modelo matemático:
Y = 14,947x + 74,283
R2 = 0,8774
0,8774 * 100 = 87,74%
El modelo es confiable
c. Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.
El porcentaje de explicación es de 87,74% y el grado de correlación es R √ 0,8774

= 0,936
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual

a 91,3?
Y = 14,947x + 74,283
X = (y – 74,283) / 14,947
X = (91,3 – 74,283) / 14,947
X = 1.13
PRACTICA 2
El número de libras de vapor (y) consumidas mensualmente por una planta


variables.
Se logra establecer que existe una asociación lineal.
b. Ajuste un modelo matemático que permita predecir el efecto de una variable

sobre la otra. Es confiable?
Mediante el resultado arrojado por el programa Excel se logra establecer el

siguiente modelo matemático:
Y = 9,2087x – 6,3184
R2=0,9999
0,9999 * 100 = 99,99%
El modelo matemático es confiable en un 99,99%

las dos variables.
El porcentaje de explicación es de 99,99%
El grado de correlación es R = √ 99,99 = 9,99

d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?
Según las pregunta planteada se debe determinar el valor de la variable y.
Y = 9,2087x – 6,3184
Y = (9,2087)*(70) – 6,3184
Y = 638,29
PRACTICA 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.

variables.
 El ajuste lineal no encuentra correlación de las variables.
b. Ajuste un modelo matemático que permita predecir el efecto de una variable

sobre la otra. Es confiable?
Los resultados obtenidos mediante el diagrama de dispersión arrojan el siguiente

modelo matemático:
Y = -0,0629x + 11,642
R2 = 0,1115
0,1115 * 100 = 11,15%
El modelo matemático que se logró determinar No es confiable.

las dos variables.
El porcentaje de explicación del modelo matemático es de 11,15%
El grado de correlación que se estableció es R = √ 0,1115 = 0,33 correlación mínima.

d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje
de sobrepeso, de 40?
No se puede calcular debido a que la relación entre las variables es mínima y el

modelo matemático determinado no es confiable.
Estudiante: Diana Ramos

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

las variables.
105
100
f(x) = 14.95 x + 74.28

Y (Pureza) 95 R² = 0.88
90
85
80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6
x (% de hidrocarburos )
El tipo de asociación entre las variables es lineal pero no corresponde a un

comportamiento directamente proporcional.


Y =14,947 x +74,283
R2=0,8774
tiene una confianza aceptable debido a que está cerca de la unidad

El grado de correlación está representado por: R=√ 0,8774 = 0,936

es igual a 91,3?
Nos piden el porcentaje de hidrocarburo por lo cual despejamos de la ecuacion

hallada a x
y−74,283
x=
14,947
91,3−74,283
x=
14,947
x=1,138
2. El número de libras de vapor (y) consumidas mensualmente por una planta

2014 Registros de
temperatura y consumos de
vapor.
Temperatura Consumo de
Mes
(oF) vapor (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

las variables.
800
700
f(x) = 9.21 x − 6.32
600 R² = 1
Consumo de vapor (Lb) 500
400
300
200
100
0
10 20 30 40 50 60 70 80
Temperatura (°F)
Según el grafico obtenido se puede ver que hay una relación directamente
proporcional entre las dos variables.

: y=a+bx
y=9,2087 x+6,3184
R2=0,9999
me atreveria a decir que un mas del 95% confiable

y=9,2087 x−6,3184
y= ( 9,2087∗70 )−6,3184
y=638,29
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 y (umbral de
de reflejo de flexión
sobrepeso) nociceptiva)
89 2
90 3
75 4
30 4,5
51 5,5
75 7
62 9
45 13
90 15
20 14

las variables.
16
y (umbral de reflejo de flexion nociceptiva)
14
12
10 f(x) = − 0.06 x + 11.64

R² = 0.11
8
0
10 20 30 40 50 60 70 80 90 100
x (porcentaje de sobrepeso)
Según el grafico obtenido se puede ver que hay una relación de las variables
inversa de tipo lineal.

: y=a+bx
y=0,0629 x +11,642
R2=0,1115
como se puede observar el modelo matemático usado de regresión lineal no es el
correcto, por lo cual no es confiable


No se puede calcular

Eatadistica 4 Importante Leer .

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

Eatadistica 4 Importante Leer .

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INTRODUCCIÓN El estudiante aplica las medidas estadísticas bivariantes en

El estudiante aplica las medidas bivariantes, en función de la problemática

De acuerdo a la temática desarrollada en la Unidad 2. Descripción de la información

Para el caso dela regresión lineal el modelo matemático es Y= a + bx, donde a

 Relacionar la correlación y relación entre las variables implicadas en la

Variable cuantitativa: Edad y Número de muertos. (Estudiante: Ana

1- A partir de la base de datos suministrada: “Secretaría de Transito 2018-8-

a- Identificar dos variables cuantitativas de la situación estudiada que

- Variable cuantitativa rango de edad Edad.

Edad Vs Número de muertos

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

El tipo de asociación de las variables Edad Vs Número de muertos, se ajustó de

c- Encuentre el modelo matemático que permite predecir el efecto de una

Modelo matemático encontrado: Y =a+bx

d- Determine el grado de relación de las dos variables.

El porcentaje de explicación corresponde a: 0,0027 *100 = 0,27%

De acuerdo al resultado del grado de correlación encontramos que no hay

e- Relacionar la información obtenida con el problema.

Haciendo un análisis de los datos obtenidos en cuanto a la correlación que existe en

Estudiante ( Esneyder Campos)

Identificar dos variables cuantitativas de la situación estudiada que puedan

Variables identificadas Velocidad y Número de muertos.

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

No se encuentra asociación entre las variables.

- Encuentre el modelo matemático que permite predecir el efecto de una variable

0,0788 * 100 = 07,88%

El modelo matemático no es confiable ya que esta muy cerca de cero

- Determine el grado de relación de las dos variables.

R= √ 0,0788 = 0,28 No hay correlación.

Estudiante; Alex de Jesús Orozco Mendoza

“Secretaría de Transito 2018-8-3”,

Variables a analizar; Número de heridos contra Grados de alcohol del conductor

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

2. Diagrama de dispersión de las 2 variables a analizar

Extraemos el coeficiente de correlación y es -0.1040, bastante aislado de 1, aquí

Determinaremos la ecuación que no podría predecir el efecto de una sobre la otra,

y=ax+ b , entonces hallemos a y b

En otras circunstancias podríamos decir que en los accidentes de tránsito los

Estudiante: Laura Daniela Velasquez

-Identificar dos variables cuantitativas de la situación estudiada que puedan estar

Se escogieron las variables:

X = Grados de alcohol del conductor

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

- Encuentre el modelo matemático que permite predecir el efecto de una variable

Se estableció el siguiente modelo matemático:

- Determine el grado de relación de las dos variables.

Para establecer el grado de relación de las variables se calcula R =√ 0,0108 = 0,103

- Relacionar la información obtenida con el problema.

Estudiante: Diana Ramos

Identificar dos variables cuantitativas de la situación estudiada que puedan

Se escogieron las variables:

X = Grados de alcohol del conductor

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

Modelo matemático encontrado: Y =a+bx

Encuentre el modelo matemático que permite predecir el efecto de una

Relacionar la información obtenida con el problema.

 Montero, J. M. (2007).Conceptos Generales Estadística descriptiva. Madrid:

 Montero, J. M. (2007). Características de Una Distribución de Frecuencias.

 Pacheco, P. N., Vergara, S .C (2013).Universidad Nacional de Colombia.

Estudiante: Alex de Jesús Orozco Mendoza,

LABORATORIO DE REGRESION Y CORRELACION LINEAL

1. El rendimiento del producto de un proceso químico está relacionado con la