Академический Документы
Профессиональный Документы
Культура Документы
Código: 1019096223
Grupo: 75
En este trabajo lo que se busca es generar conocimiento, habilidades y destrezas para que el
aprendiz pueda apropiar nuevos elementos entorno a la estadística descriptiva, donde pueda
tomar un determinado tema y transformarlo en resultados para poder tomar decisiones,
iniciativas o implementar estrategias que conlleven a mejorar diversas situaciones del
individuo, comunidad u organizaciones. Es por esto que el desarrollo de esta actividad
estará enmarcada en los factores que influyen en el rendimiento académico de los
estudiantes en instituciones públicas
Objetivo general
Objetivo específicos:
Desarrollar los ejercicios propuestos para esta fase en las siguientes temáticas:
Regresión lineal
-coeficiente de determinación lineal.
-coeficiente de correlación.
-Análisis de correlación.
-Regresión simple.
-Diagramas de dispersión.
Mapa mental
Descripción de la Actividad Individual:
Diagrama de dispersión:
Es gráfico de burbujas es un tipo de diagrama matemático que utiliza las coordenadas
cartesianas para mostrar los valores de dos variables para un conjunto de datos.
Coeficiente de determinación R2
El coeficiente de determinación, se define como la proporción de la varianza total de la
variable explicada por la regresión. El coeficiente de determinación, también llamado R
cuadrado, refleja la bondad del ajuste de un modelo a la variable que pretender explicar.
Cuanto más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable que
estamos intentando explicar. De forma inversa, cuanto más cerca de cero, menos ajustado
estará el modelo y, por tanto, menos fiable será.
Podemos observar que en un diagrama B los puntos se acercan más a la recta, caso
contrario en el diagrama A, los puntos están más alejados. Entonces podemos decir que la
relación lineal del diagrama A es más débil con comparación a la relación que existe en el
diagrama B.
Un diagrama dispersión no nos da certeza de que tan débil o fuerte es la relación lineal,
necesitamos una medida que nos de la fuerza de la asociación y la dirección que toma esta
relación
Para esto sirve el coeficiente de correlación que está dado por la siguiente formula.
Laboratorio Regresión y Correlación Lineal: Desarrollar en el paso 4.
1.1. CH-Pureza.
X (% de Hidro
Y (Pureza)
carburos)
0,95 90,04
1,03 89,06
1,16 91,39
1,27 93,73
1,44 96,71
1,3 94,44
0,82 87,57
1,21 91,78
1,56 99,39
1,42 93,55
1,17 93,43
1,13 92,5
0,97 90,4
1 89,3
1,12 89,83
1,18 90,35
1,23 93,19
1,33 93,31
1,42 94,77
0,93 87,32
Pureza vs % de Hidrocarburos
105
100
95
Pureza
85
80
0 5 10 15 20 25
% Hidrocarburos
Respuesta: El tipo de asociación entre las variables es positiva, ya que a medida que
aumentan los valores de pureza también aumenta el % de hidrocarburos.
b. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
Respuesta: El modelo matemático que predice el efecto de una variable sobre la otra es
y=mx+b y para esta gráfica es el siguiente:
y = 14,247x + 75,263
El modelo es confiable ya que el resultado obtenido es R 2=0,8532, el cual es bastante
cercano a 1, es decir que entre más cercano a 1 mayor confiabilidad de predicción sobre el
efecto de una variable en la otra.
c. Determine el porcentaje de explicación del modelo y el grado de relación de las
dos variables.
Ya que conocemos el coeficiente de correlación, al multiplicarlo por 100% podemos
determinar que el porcentaje de explicación de este modelo es de un 85%. En cuanto al
grado de relación, al analizar el resultado de R=0,9236 y determinando el porcentaje,
obtenemos que el grado de relación es de 92,36%.
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a
92,3?
Para determinar este porcentaje y sabiendo el valor de y=92,3 despejamos x y obtenemos:
y=14,247 x +75,263
92,3−75,263
x= x=87,02 % de hidrocarburo
14,247
1.2. Temperatura-consumo de gaseosa.
El número de gaseosas (y) consumidas mensualmente en un sector de la ciudad de
barranquilla, se relaciona con la temperatura promedio (en o F). Para el año 2018, se
registraron los siguientes valores de temperatura y consumo de gaseosas.
Consumo
Mes Temperatura (F)
gaseosas (lts)
Ene. 23 188,14
Feb. 26 216,82
Mar. 34 290,38
Abr. 49 427,19
May. 52 457,35
Jun. 61 541,35
Jul. 70 623,9
Ago. 76 677,41
Sep. 64 564,38
Oct. 52 455,28
Nov. 43 372,3
Dic. 32 276,33
El tipo de asociación entre las variables es positiva, ya que las variables son dependientes; a
medida que aumenta la temperatura también aumenta el consumo de gaseosa.
b. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. ¿Es confiable?
y = 9,2087x - 22,386
9 28
11 26
14 22
15 22
17 22
18 16
20 12
21 6
22 6
20
15
10
0
8 10 12 14 16 18 20 22 24
Temperatura Media °C
El tipo de asociación entre las variables es negativa, ya que las variables son dependientes y
a medida la temperatura disminuye, los casos de enfermedad respiratoria aumentan.
2. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. ¿Es confiable?
Respuesta: El modelo matemático que predice el efecto de una variable sobre la otra es
y=mx+b y para esta gráfica es el siguiente:
y = -1,7333x + 46,089
NUMERO DE
CUARTOS EN EL
PERSONAS EN EL
HOGAR
HOGAR
2 2
3 3
5 3
3 3
3 1
3 4
2 1
3 1
5 4
1 2
4 2
6 3
10 6
6 4
2 2
3 4
3 3
5 4
3 1
7 4
3 2
5 4
4 2
4 2
4 3
4 3
2 2
4 2
4 3
4 3
4 3
4 2
4 3
4 3
4 3
4 4
4 4
4 4
4 5
2 6
2 7
4 8
7 9
3 7
3 7
5 7
7 7
3 6
3 6
2 4
3 4
2 4
3 3
3 3
5 3
3 3
5 3
3 2
10 6
3 1
2 1
10 6
6 4
4 2
2 2
2 2
4 2
6 2
6 2
4 2
6 3
11 2
2 2
4 5
6 2
2 1
6 2
4 3
5 6
5 4
5 1
6 2
6 4
2 1
2 1
4 3
5 3
4 2
6 5
6 5
2 2
4 3
4 3
4 3
4 2
4 3
4 3
4 3
4 3
4 3
4 3
4 2
2 3
4 3
4 3
7 4
3 3
6 1
6 4
4 4
4 3
4 3
12 3
4 2
4 2
4 3
4 2
4 3
4 3
4 4
4 3
4 5
6 3
4 3
6 5
4 4
4 2
4 4
6 4
4 3
2 2
4 3
6 4
4 3
4 3
6 4
4 2
4 2
4 3
11 6
4 2
4 3
4 3
6 4
4 3
4 3
4 4
4 3
6 4
4 3
4 3
6 4
4 3
4 3
6 3
4 2
4 3
6 5
6 4
4 3
6 3
6 3
4 2
4 3
4 3
6 4
4 3
4 3
4 3
6 4
4 3
8 5
6 4
6 4
4 3
4 5
4 3
4 3
4 3
6 4
6 5
6 4
4 3
6 3
4 3
4 3
2 2
4 3
2 2
4 3
6 2
6 2
6 2
2 3
4 2
4 3
3 5
4 4
4 4
6 3
6 5
4 2
4 4
4 3
4 4
2 2
6 3
4 -
6 4
2 2
2 2
4 4
6 3
2 2
6 5
4 3
4 3
6 4
4 3
4 2
7
6
5 f(x) = 0.28 x + 2
4 R² = 0.12
3
2
1
0
0 2 4 6 8 10 12 14
Numero de personas en el hogar
El tipo de relación es nula, ya que no existe una relación clara entre las variables.
Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
Respuesta: El modelo matemático que predice el efecto de una variable sobre la otra
es y=mx+b y para esta gráfica es el siguiente:
y = 0,2814x + 1,9955
En base de los resultados obtenidos con la gráfica, se puede deducir que en algunos
de los hogares encuestados, existe un gran número de personas en hogares que no
cuentan con los suficientes cuartos, también es fácil identificar que hay hogares en
los que habitan dos personas y cuentan con 7 cuartos, lo que hace esta relación
bastante desproporcional y por ende nula.
Conclusiones
Se logró desarrollar cada uno de los ejercicios propuestos para el paso 4 mediante la
investigación basada en los recursos brindados por medio de la plataforma virtual.
Se obtuvieron los conocimientos y destrezas necesarias para el desarrollo de los ejercicios
mediante la previa contextualización de los conceptos dados a investigar para este trabajo.
Además de esto, se logró realizar las gráficas propuestas y estudiar las ecuaciones
matemáticas que la representan, definiendo relaciones entre sus variables.
Referencias