Академический Документы
Профессиональный Документы
Культура Документы
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
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
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
50
40
30
20
10
0
0 20 40 60 80 100 120 140
PESO
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
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
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
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
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
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
y = 14,947x + 74,283
X=91,3
y:??
y=14,947(91,3)+74,2
83
y= 143,89
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
Y=9,2087x+-6,3184
X=70
Y???
Y=9,2087(70)+-
6,3184
Y=-650,9274
EJERCICIO 3
89 2
90 3
75 4
30 4,5
51 5,5
75 7
62 9
45 13
90 15
20 14
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