Paso4 Descripción de la información

Estadística Descriptiva

Grupo: 204040_188

Presentado por:
Catherine Chacón Código: 1192897280
Juan David Carvajal S Código: 1110584255
Jennifer Mosquera Código: 1110570803
Milena Rengifo Código:1110561690

Presentado a:
Alejandro Méndez González
Tutor

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Sociales, Artes y Humanidades ECSAH
Programa Psicología
Estadística Descriptiva
2018
INTRODUCION

La investigación estadística es una actividad que apela a diversas técnicas con el propósito de llegar a la esencia de la realidad. La
regresión lineal simple y la regresión lineal múltiple son técnicas de análisis de las variables de una investigación estadística, en este
caso desde la encuesta realizada. Si bien es cierto estas técnicas mencionadas se pueden utilizar para solucionar problemas comunes en
los negocios o para evaluar el comportamiento de su economía y en general se utiliza con mayor frecuencia en las ciencias
económicas, también es cierto que en muchos casos se requiere conocer más que el comportamiento de una sola variable para entender
una investigación cualquiera sea su especie. Entonces, sin importar la situación presentada se hace necesario que practiquemos estas
técnicas de regresión por medio de ejercicios salientes de la cotidianidad, a continuación, veremos pues los resultados de dicha
práctica. La realización de este trabajo es dar a conocer y poner en práctica la regresión, correlación, medias de dispersión y
estadísticas bivariantes sobre la unidad 3 de este curso, además delos comportamientos que se dan en los diagramas de dispersión
tanto en las variables como los grados y resultados que se manejan para los ejemplos que se plantean en el laboratorio propuesto que
es de vital importancia reconocer y manejar las fórmulas que se obtienen de la herramienta de Excel.

JUSTIFICACION

Partiendo de una base de datos sobre la sala de urgencias se presenta un análisis de regresión lineal múltiple para determinar el
diagrama de dispersión, calcular el modelo de regresión, el coeficiente de correlación para probar estadísticamente su relación y la
relación de la información de las variables, conocer estadísticamente el valor de cada una de estas.

OBEJTIVOS GENERALES

Detallar y relacionar variables de la problemática utilizando Medidas Bivariantes

Peso ESTATUR
EDAD
(kg) A (M)
12,50 0,65 3
60,00 1,74 31
72,50 1,58 62
58,00 1,59 64
16,50 1 4
57,60 1,65 65
78,60 1,7 55
5,20 0,73 1
53,80 1,62 18
OBJETIVOS ESPECIFICOS
45,80 1,53 42
60,20 1,65 23
19,70 1,18 8
62,70 1,69 71 Realizar diagramas de dispersión
78,60 1,58 53 Identificar variables cuantitativas dependientes e independientes
52,70 1,53 20
8,90 0,85 2 Realizar correlación lineal simple y múltiple de variables según la base de datos del hospital
70,00 1,64 73 Federico lleras acosta.
80,90 1,75 25
Identificar la correlación positiva y negativa.
78,90 1,6 35
15,90 1,03 5 Analizar resultados de datos.
56,00 1,55 24
52,90 1,58 23 Hallar coeficiente de determinación R2
78,50 1,78 19
85,80 1,66 54
65,20 1,7 19
60,00 1,79 21
67,20 1,72 56
85,00 1,68 43
24,50 1,03 5
65,40 1,63 21 JENNIFER MOSQUERA
60,60 1,73 54 REGRESION LINEAL MULTIPLE
85,00 1,68 51
57,30 1,58 26
67,90 1,65 22
2,60 0,45 0
75,30 1,78 26
45,20 1,5 73
50,20 1,64 85
23,00 1,16 7
45,00 1,52 16
65,70 1,58 52
DIAGRAMA DE DISPERCION.

RELACION: ESTARURA VS PESO

100.00
90.00
80.00
70.00
60.00
PESO

50.00
40.00
30.00
20.00
10.00
0.00
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ESTATURA

RELACION: EDAD VS PESO

100
90
80
70
60
EDAD

50
40
30
20
10
0
0 20 40 60 80 100 120 140
PESO

CALCULAR EL MODELO DE REGRESION Y EL COEFICIENTE DE CORRELACION PARA PROBAR ESTADISTICAMENTE SU RELACION

MODELO MATEMETICO: se obtine aplicando el metodo de los minimos cuadrados

MODELO MATEMETICO: se obtine aplicando el metodo de los minimos cuadrados

Modelo matematico de la formula: y=a

Resumen +b1x1+b2x2

Estadísticas de la regresión
Coeficiente de correlación 0,9336479
múltiple 3
Coeficiente de 0,8716984
determinación R^2 6
0,8695052
R^2 ajustado 7
8,2264450
Error típico 3
Observaciones 120

ANÁLISIS DE VARIANZA
Promedio
Grados de Suma de de los Valor
  libertad cuadrados cuadrados F crítico de F
53795,342 26897,671 397,45711 6,78522E-
Regresión 2 1 1 7 53
7917,9045 67,674397
Residuos 117 5 9
61713,246
Total 119 7      

Coeficient Error Estadístico Probabilida Inferior Superior Inferior Superior

  es típico t d 95% 95% 95,0% 95,0%
 - - - - -
37,470989 3,6814171 10,178414 - 30,180135 44,761842 30,180135
Intercepción 1 8 3 8,2215E-18 44,7618429 3 9 3
59,475394 2,7941863 53,9416549 65,009134 65,009134
Variable X 1 7 9 21,285407 4,8195E-42 9 5 53,941655 5
0,0400438 2,5599252 0,02320450 0,1818138 0,1818138
Variable X 2 0,1025092 2 4 0,0117434 1 9 0,0232045 9

y=-37,47+59,47x1+0,1025x2

COEFICIENTE DE DETERMINACION: R^2= 0,8716*100= 87,16 el modelo matematico explica que el 93,36 de confiabilidad
COEFICIENTE DE CORRELACION: r= 0,9662
la correlacion de las variables es exelente dado su valor de coeficiente es 0,9662

Lo anterior comprueba la relacion de las tres variables; peso, estatura y edad

RELACIONAR LA INFORMACION OBTENIDA

Los resultados anteriores indican que las variables peso, estatura y edad, se encuentran
relacionadas a través de un modelo matemático de regresión múltiple Y= 37,47+59,47+0,1025
que explica que el 93,36 de confiabilidad. Esto dice que las variables se encuentran
bajo una correlación excelente del 0,9662 que es lo mismo que decir 96,62%
JUAN DAVID CARVAJAL

REGRESION LINEAL MULTIPLE

Peso (kg) EDAD ESTATUR

(Y) (X1) A (X2)
12,50 3 0,65
60,00 31 1,74
72,50 62 1,58
58,00 64 1,59
16,50 4 1
57,60 65 1,65
78,60 55 1,7
5,20 1 0,73
53,80 18 1,62
45,80 42 1,53
60,20 23 1,65
19,70 8 1,18
62,70 71 1,69
78,60 53 1,58
52,70 20 1,53
8,90 2 0,85
70,00 73 1,64
80,90 25 1,75
78,90 35 1,6
15,90 5 1,03
56,00 24 1,55
52,90 23 1,58
78,50 19 1,78
85,80 54 1,66
65,20 19 1,7
60,00 21 1,79
67,20 56 1,72
85,00 43 1,68
24,50 5 1,03
65,40 21 1,63
60,60 54 1,73
85,00 51 1,68
57,30 26 1,58
67,90 22 1,65
2,60 0 0,45
75,30 26 1,78
45,20 73 1,5
50,20 85 1,64
23,00 7 1,16
45,00 16 1,52
65,70 52 1,58
16,70 4 0,98
60,50 20 1,65
57,80 68 1,59
60,30 54 1,61
78,50 44 1,79
15,30 3 0,96
65,20 81 1,67
65,60 20 1,7
78,40 40 1,68
57,90 40 1,62
3,40 0 0,53
58,30 61 1,59
56,80 23 1,56
60,00 34 1,65
72,00 31 1,68
58,60 17 1,56
14,20 3 0,96
65,70 59 1,67
60,80 19 1,61
3,10 0 0,57
85,00 44 1,8
60,80 75 1,56
55,90 75 1,62
70,00 82 1,67
73,80 33 1,8
78,50 39 1,75
67,20 23 1,65
67,20 37 1,72
58,80 48 1,59
62,30 50 1,63
70,20 94 1,65
54,90 17 1,52
78,10 55 1,72
62,90 59 1,63
65,00 23 1,86
62,90 87 1,63
72,90 34 1,75
61,60 24 1,57
9,70 1 0,76
64,30 19 1,78
58,90 25 1,62
18,30 5 1,06
56,90 24 1,68
3,10 0 0,57
45,80 52 1,51
68,90 24 1,76
11,90 2 0,86
65,90 49 1,62
78,00 68 1,71
16,90 5 1,1
85,80 37 1,86
67,20 54 1,71
63,20 26 1,59
9,40 1 0,82
72,90 33 1,76
3,90 0 0,47
63,80 21 1,62
30,50 13 1,4
52,60 23 1,51
85,90 39 1,81
67,90 19 1,66
58,20 24 1,6
55,00 45 1,63
60,50 57 1,58
87,50 51 1,67
55,20 17 1,72
70,00 26 1,65
45,90 16 1,56
54,00 22 1,63
60,80 25 1,67
65,80 55 1,64
70,80 23 1,61
78,60 58 1,68
87,20 48 1,8
79,50 39 1,72
72,90 36 1,75
67,50 60 1,67
58,20 47 1,55
64,30 17 1,72

- Realizar el diagrama de dispersión de dichas variables

 Relacion Edad vs Peso
100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
0 10 20 30 40 50 60 70 80 90 100

Relacion Estatura vs Peso

100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
 - Calcular la recta de regresión y el coeficiente de correlación para probar estadísticamente su relació

Estadísticas de la regresión
0,9336479
Coeficiente de correlación múltiple 3
0,8716984
Coeficiente de determinación R^2 6
0,8695052
R^2 ajustado 7
8,2264450
Error típico 3
Observaciones 120

ANÁLISIS DE VARIANZA
Promedio
Grados de Suma de de los Valor crítico
  libertad cuadrados cuadrados F de F
Regresión 2 53795,3421 26897,6711 397,457117 6,7852E-53
Residuos 117 7917,90455 67,6743979
Total 119 61713,2467      

Coeficiente Probabilida Superior Inferior Super

  s Error típico Estadístico t d Inferior 95% 95% 95,0% 95,0
Intercepción -37,470989 3,68141718 -10,178414 8,2215E-18 -44,761843 -30,180135 -44,761843 -30,18
Variable X 1 0,1025092 0,04004382 2,55992524 0,0117434 0,0232045 0,18181389 0,0232045 0,1818
59,475394
Variable X 2 7 2,79418639 21,285407 4,8195E-42 53,941655 65,0091345 53,941655 65,009

Y= -37,4709 + 0,1025x1 + 59,4753x2

R2= 0,8695 Por ser cercano a 1, el modelo matemático es confiable
R= 0,9324
La correlación entre las variables es excelente, ya que ofrecen el 93,24%
Lo anterior comprueba estadísticamente la relación de las variables Peso, Edad y estatura

- Relacionar la información obtenida con el problema

Los resultados anteriores indican que la variables Peso, Edad y Estatura se encuentran relacionadas
atravez de un modelo matemático de regresión múltiple Y= -37,4709 + 0,1025x1 + 59,4753x2 que explica
86,95% de confiabilidad- Esto debido a que dichas variables se encuentran bajo una correlación excelente
del 0,9324.

CONCLUSIONES

Se puede evidenciar que para manejar cualquier tipo de variables se necesita realizar un diagrama
de dispersion y aplicar conceptos, formulas de relacion y correlacion que permita el despeje de las
ecuaciones y datos para obtener un resultado.

Los ejemplos nos muestran que son acordes a un tipo de forma lineal determinamos el grado de correlacion entre las variables.

ANEXO LABORATORIOS:
EJERCICIO 1

X (% de Hidro
carburos) Y (Pureza)
INDEPENDIENT DEPENDIENTE
E
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

RELACION HIDROCARBUROS VS PUREZA DE OXIGENO

105

100
HIBROCARBUROS

95

R² ==0.01
f(x) − 0.04 x + 92.64
90

85

80
0 5 10 15 20 25
PUREZA DE OXIGENO

Directa=magnitud aumenta-otra aumenta

R cuadrado= coeficiente de determinacion=Confiabilidad Del modelo-Confiable 87.7

El modelo matematico es Y = 15*X + 74,3 la confiabilidad el modelo matématico tiene una confiabilidad del %
¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a 91,3?

y = 14,947x + 74,283
X=91,3
y:??
 
y=14,947(91,3)+74,2
83
y= 143,89

El porcentaje de Explicación del módelo se establece a partir del Coeficiente de Determinacion R2

este caso es del 87,5% y el grado de relacion de las variables es determinado por el coeficiente de
correlación r en este ejemplo el grado de correlación de las variables Hidrocarburos y Pureza de
oxigeno es de 0,93aproximadamente.          

EJERCICIO 2
2014 Registros de temperatura y consumos de vapor.

Consumo
Temperatura
Mes de vapor
(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
 RELACION DE TEMPERATURA VS VAPOR
800
700
CONSUMO DE VAPOR

600
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

Directa=magnitud aumenta-otra aumenta

B.R cuadrado= coeficiente de determinacion=Confiabilidad Del modelo-Confiable un 99,99%
C).R=Coeficiente de correlacion= raiz cuadrada del coeficiente de determinacion= 0,9999
D)   ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?

Y=9,2087x+-6,3184
X=70
Y???
Y=9,2087(70)+-
6,3184
Y=-650,9274

EJERCICIO 3

x (porcentaje y (umbral de reflejo

de sobrepeso) 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
   

RELCION PORCENTAJE SOBREPESO VR UMBRAL DE REFLEJO

DE FLEXION NOCICEPTIVA.
16
f(x) = 1.53 x − 5.28
14 R² = 0.93
12
10
UMBRAL

8
6
4
2
0
0 2 4 6 8 10 12 14 16
SOBREPESO
INVERSA= MAGNITUD AUMENTA- DIMINUYE
B)R cuadrado= coeficiente de determinacion=Confiabilidad Del modelo-Confiable un 11,15
C)R=Coeficiente de correlacion= raiz cuadrada del coeficiente de determinacion= 0,3339 NO HAY RELACION
  D)¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de sobrepeso, de 40?

y = -0,0629x + 11,642
X=40
y=?
Y = -0,0629(70)+
11,642
y=7,239