Ejercicio 1

Se quiere estudiar la asociacin entre consumo de sal y tensin arterial. A una serie de voluntarios
dieta y se mide su tensin arterial un tiempo despus.

X (sal) Y (Tensin) x*y ^ ^

1.6 98 156.8 2.56 9604
2.3 102 234.6 5.29 10404
3.3 109 359.7 10.89 11881
4.2 113 474.6 17.64 12769
4.6 115 529 21.16 13225
5 120 600 25 14400
suma 21 657 2354.7 82.54 72283

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre las variables

consumo de Sal y Tension Arterial

140
120
f(x) = 6.1061946903x + 88.1283185841
100
R = 0.9870042369
80
Tension arterial
60
40
20
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

consumo de sal

si bien las variables tienen un tipo de asociacion positiva, pues al aumenta

con los resultados obtenidos se puede asegurar que la ecuacion de la recta
de las relaciones entre las dos variables. Segn R2 se afirma que el modelo
se puede afirmar que entre mayor es el consumo de sal, mayor sera la tens

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre la

modelo matematico: se obtiene aplicando el METODO DE LOS MINIMOS CUADR

 partimos de la ecuacin lineal: Y= a+bx
Donde: Y= variable independiente Para los valores de a, y b
a= intercepto con eje Y usando las siguientes fo
b= pendiente
X= variable dependiente
a
y b x
n

=((,)()())/((
=((,)())/

=(14128,213797)/(495,24441)=
=528,76/6

=, =,

De esta manera el modelo matematico remplazando la ecuacion, seria:

=,
+,

+, es muy confiable porque sus valores se igualan

c. Determine el grado de relacin de las dos variables.

calculando el coeficiente de correlacion, primero determinamos el error estandar del est

Se
y 2
a y b x * y =((72283(88,128657)(6,10622354

n2
=(4,63/4)=1,15

calculando el coeficiente de determinacion

_^( )= / ( , )^( )

((_
^=( ( ^
)/(_ ^
_^( )= ,

el grado de correlacion entre las dos variables segn R2 obtenido es muy significativo, p
 d. Si a un paciente se le administra una dosis de sal de 5,6. Cul es la tensin arterial espe

teniendo en cuenta que el modelo matematico calculado, permite predecir el efecto de u

aplicamos asi:

=+
=,
+,

+,
=,(,)+,
=122,322
. A una serie de voluntarios se les administra distintas dosis de sal en su

in entre las variables

Arterial

+ 88.1283185841

4 4.5 5 5.5

sitiva, pues al aumentar su valor en una, igual la otra.

e la ecuacion de la recta es una muy buena estimacion
se afirma que el modelo explica el 98% de la informacion.
e sal, mayor sera la tension arterial.

de una variable sobre la otra. Es confiable?

LOS MINIMOS CUADRADOS

a los valores de a, y b, los calculamos
ndo las siguientes formulas.

n x * y x y

y b x b
n n x 2 ( x ) 2

)()())/((,)()^ )

13797)/(495,24441)=331,2/54,24

=,

us valores se igualan a la ecuacion arrojada por la grafica.

el error estandar del estimado

28657)(6,10622354,7))/(62))

=,

calculo coeficiente de correlacion

Se 2
R 2
1
S2
((_
^=(( ^
)/(_^( () ) _ ( ) ) =(,^/=,
,

o es muy significativo, pues el modelo explica el 98% de la informacion.

es la tensin arterial esperada?

e predecir el efecto de una variable sobre la otra,

Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.99348087
Coeficiente de determinacin R^2 0.98700424
R^2 ajustado 0.9837553
Error tpico 1.05333436
Observaciones 6

ANLISIS DE VARIANZA
Grados de libertad
Regresin 1
Residuos 4
Total 5

Coeficientes
Intercepcin 88.1283186
Variable X 1 6.10619469
Suma de cuadrados
Promedio de los cuadradosF Valor crtico de F
337.061947 337.061947 303.792622 6.3610E-005
4.4380531 1.10951327
341.5

Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%

1.29938738 67.8229758 2.8315E-007 84.5206409 91.7359963 84.5206409
0.3503338 17.4296478 6.3610E-005 5.13351213 7.07887725 5.13351213
Superior 95,0%
91.7359963
7.07887725
 ejercicio 2

En un nuevo proceso artesanal de fabricacin de cierto artculo que est implantado

ir anotando peridicamente el tiempo medio ( medido en minutos) que se utiliza pa
desde que empez dicho proceso de fabricacin. Con ello, se pretende analizar com
proceso mejorando paulatinamente su proceso de produccin.

X Y X*Y X^2
12 45 540 144
23 30 690 529
35 27 945 1225
42 25 1050 1764
53 23 1219 2809
65 21 1365 4225
70 20 1400 4900
Suma 300 191 7209 15596
promedio 27

a. Identifique la variable dependiente (y) y la variable independiente (x),realice el diag

asociacin entre las variables

variable independiente X: Dias de trabajo

Variable Dependiente Y: Tiempo empleado

Dias de Trabajo y Tiempo Utilizado

50

40
f(x) = - 0.3566138118x + 42.5691633632
30 R = 0.7962666987
tiempo utilizado
20

10

0
0 10 20 30 40 50 60 70

dias de trabajo

se encuentra un tipo de asociacion entre las variables altamente negativo,

indicando que a valores altos de una variable,valores bajos en la otra, como lo muest

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre
 b. Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre

modelo matematico: se obtiene aplicando el METODO DE LOS MINIMOS CUA

partimos de la ecuacin lineal: Y= a+bx

Donde: Y= variable independiente
a= intercepto con eje Y
b= pendiente
X= variable dependiente

=(()())/((
((((^
=((,)())/
(,(/

=(5046357300)/(1091729
=297,98/7

=,
= ,

De esta manera, el modelo matematico,remplazando seria:

=,
,+, ,+,
+, el modelo matematico es muy confiable, pue

c. Determine el grado de correlacin de las dos variables

para calcular el coeficiente de correlacion, primero se determina el error estandar del

Se
y 2
a y b x * y =((5649(42,569191)(0,356

n2
=(89,0504/5)=17,81008

calculando el coeficiente de determinacion

_^( )= / ( , )^( )
_^( )= ,

con elvalor obtenidoen R2, es posible afirmar que elmodelo explica el 71,28% de la in
entre las variables es sidnificativamente negativo, pues se aleja de 1, al aumentar un

d. Que tiempo deber tardarse un empleado cuando lleven 90 das?

empleando el modelo matematico,

=,()+,
,(+, aqu la ecuacin."
"Escriba
=,+,
,+,
=,
= ,
el empleado debera gastar un tiempo de 10,475 minutosen 90 d
o artculo que est implantado, se ha considerado que era importante
o en minutos) que se utiliza para realizar una pieza y el nmero de das
ello, se pretende analizar como los operarios van adaptndose al nuevo
duccin.

Y^2
2025
900
729
625
529
441
400
5649

ndependiente (x),realice el diagrama de dispersin y determine el tipo de

o Utilizado

8x + 42.5691633632

50 60 70 80

bajo

ltamente negativo,
ajos en la otra, como lo muestra la linea de tendencia lineal.

el efecto de una variable sobre la otra. Es confiable?

 el efecto de una variable sobre la otra. Es confiable?

ODO DE LOS MINIMOS CUADRADOS

calculando los valores de a, y b,

usando las siguientes formulas.

n x * y x y
a
y b x b
n n x 2 ( x ) 2

((((^
=(()())/(()()^ )

=(5046357300)/(10917290000)=(6837)/19172

=,
,

atico es muy confiable, pues su resultado es igual a la ecuacion suministrada por el grafico

variables

etermina el error estandar del estimado

5649(42,569191)(0,35667209))/(72))

(89,0504/5)=17,81008
= ,
=,

calculo coeficiente de correlacion

Se 2
R 2
1
S2
^^ =
= ^^ ^ = )/
( =,^(( ^^ ()(_
)= , (
= ( ( =
,, , )^ )/
( ( , , =
)=, ,
 ^^ =
= ^^ ^ = )/
( =,^(( ^^ ()(_
)= , (
= ( ( =
,, , )^ )/
( ( , , =
)=, ,

delo explica el 71,28% de la informacion, y la correlacion

se aleja de 1, al aumentar una variable, decrece la otra

en 90 das?

de 10,475 minutosen 90 dias

trada por el grafico
 Ejercicio 3
Una Nutricionista de un hogar infantil desea encontrar un modelo matemtico que permita determ
sus estudiantes. Para ello selecciona 10 nios y realiza las mediciones respectivas.
A continuacin se presentan los resultados:

Estatura cm(x) Peso kg(y) X*Y ^

^ ^
^
120 24 2880 14400 576
124 23 2852 15376 529
107 19 2033 11449 361
118 24 2832 13924 576
112 21 2352 12544 441
110 19 2090 12100 361
115 22 2530 13225 484
104 16 1664 10816 256
110 20 2200 12100 400
116 23 2668 13456 529
suma 1136 211 24101 129390 4513
media 21.1

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el diagr

de asociacin entre las variables

Peso vs Estatura
30

25
f(x) = 0.3860164512x - 22.7514688602
20 R = 0.8328827864

peso kg 15

10

0
100 105 110 115 120 125 130

estatura Cm

las variables tienen un tipo de asociacion positiva (directa), si aumenta el valor en un

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre
 modelo matematico: se obtiene aplicando el METODO DE LOS MINIMOS CUAD

partimos de la ecuacin lineal: Y= a+bx

Donde: Y= variable independiente Para los valores de a
a= intercepto con eje Y usando las siguiente
b= pendiente
X= variable dependiente
a
y b x
n

=(()())/(
((((((^
=((,)())/
((,(/

=(241010239696)/(12939001
=,
, ,
,

=,
= ,

de esta manera, el modelo matematico remplazando los valores, seria:

Y=0,386X+(-22,751)
Y=0,386X-22,751

c. Determine el grado de correlacin de las dos variables.

primero se determina el error estandar del estimado

Se
y 2
a y b x * y =((4513(22,751211)(0,3862

n2
=(10,475/8)=1,309375

calculando el coeficiente de determinacion

_^( )= / ( , )^( )

^ = ( ^ )/( _
_^( )= ,
_^( )= ,

con el valor obtenido en R2, es posible afirmar que el modelo explica el 78,5% de la in
entre las variables es sidnificativamente POSITIVO, pues se acerca a1, al aumentar un

d. Cul es el peso que debera tener un estudiante que mida 128 cm?

empleando el modelo matematico que permite predecir el efecto de una variable sob

"Y=0,386X-22,751"
=,(),
= , ( ,
=,
= ,

el peso de un estudiante que mida 128, debera ser de 26,7kg.

 co que permita determinar la relacin entre el peso y la estatura de
ectivas.

e (x), realice el diagrama de dispersin y determine el tipo

125 130

menta el valor en una tambien en la otra.

e una variable sobre la otra. Es confiable?

OS MINIMOS CUADRADOS

a los valores de a, y b, los calculamos

ndo las siguientes formulas.

n x * y x y

y b x b
n n x 2
( x ) 2

())/(()()^ )

39696)/(12939001290496)=1314/3404

= ,
=,

51211)(0,38624101))/(102))

1,309375
= ,
=,

calculo coeficiente de correlacion

Se 2
R 2
1
S2
=
= ^^ ^
^= =
= (( =
^)/ ,,^((
^^^ (( ()_
,,)=((,)^)/(,)=,
=
==,, ( , ^ ( , = ,
 ica el 78,5% de la informacion, y la correlacion
a a1, al aumentar una variable, aumenta la otra.

de una variable sobre la otra: