Sie sind auf Seite 1von 6

Ejercicio 1.

Se ha medido el contenido de oxgeno Y, en miligramos/litro, del lago Worther, en


Austria, a una profundidad de X metros, obtenindose los siguientes resultados:

profundidad ( m ) 15 20 30 40 50 60 70

oxgeno ( mg/l ) 6.5 5.6 5.4 6.0 4.6 1.4 0.1


Se pide:
a) Ajustar una recta a los datos obtenidos por el mtodo de los mnimos cuadrados.
b) Estudiar la correlacin entre ambas variables.
c) Para una profundidad comprendida entre 75 y 80 metros, Qu contenido en oxgeno
se podra esperar?
d) A qu profundidad es previsible que nos encontremos si el contenido en oxgeno
medido es de 3.2 mr/l?

Ejercicio 2.

Cinco nias de 2, 3, 5, 7 y 8 aos de edad pesan, respectivamente, 14, 20, 32, 42 y 44


kilos.
a) Hallar la ecuacin de la recta de regresin de la edad sobre el peso.
b) Cul sera el peso aproximado de una nia de 6 aos?.

Ejercicio 3.
La tabla muestra la lluvia cada (X, medida en mm) en diferentes regiones y los kilos de
trigo cosechados por hectrea (Y) en cada una de estas regiones

X(mm) 800 700 500 9000 600


Y(Kg/Ha) 12000 11000 9000 12000 10000

Ejercicio 4.
En la tabla est reflejada la prdida de actividad de un preparado farmacutico en el
curso del tiempo

X: t (meses) 1 2 3 4 5
Y: % actividad restante 90 75 42 30 21

Nota.: Las predicciones son mejores cuanto ms prximo a 1 en valor absoluto se encuentre el coeficiente
de correlacin de Pearson y cuanto ms prximos se hallen los datos que se quieren predecir a los datos
utilizados para obtener la recta de regresin.
Solucin1

Profundidad Oxgeno
(m) (mg/l) xini xi2ni yini yi2ni xiyini
X Y

15 6.5 15 225 6.5 42.25 97.5


20 5.6 20 400 5.6 31.36 112.0
30 5.4 30 900 5.4 29.16 162.0
40 6.0 40 1600 6.0 36.00 240.0
50 4.6 50 2500 4.6 21.16 230.0
60 1.4 60 3600 1.4 1.96 84.0
70 0.1 70 4900 0.1 0.01 7

285 14125 29.6 161.9 932.5

X (profundidad) Y (oxgeno)

Medias

Varianzas

Desv. tpicas

Covarianza

a) Luego las ecuaciones de las rectas de regresin sern:

b) Hallamos el coeficiente de correlacin:

Esto nos indica que entre las variables existe una correlacin lineal inversa, de manera que a medida que aumenta la
profundidad disminuye el contenido de oxgeno.

c) Para calcular los lmites en los que oscilar el contenido en oxgeno entre dos niveles de profundidad (75 y 80
metros) basta con predecir los valores de Y en la recta de regresin para los valores de X, x1= 75 y x2 = 80.
Luego el contenido de oxgeno estara comprendido entre 0,79mg/l y 0,29mg/l.

d) Para un contenido en oxgeno de 3,2 mg/l es de esperar que nos encontremos a una profundidad de 48,12 metros.

Solucin2

Edad Peso
(aos) (kg) ni xini xi2ni yini yi2ni xiyini
X Y

2 14 1 2 4 14 196 28
3 20 1 3 9 20 400 60
5 32 1 5 25 32 1024 160
7 42 1 7 49 42 1764 294
8 44 1 8 64 44 1936 352

5 25 151 152 5320 894

X (edad) Y (peso)

Medias 5 30.4

Varianzas 5.2 139.84

Desv. tpicas 2.28 11.83

Covarianza
26.8

a) Luego las ecuaciones de las rectas de regresin sern:

b) El peso aproximado de una nia de 6 aos es:


Solucin3

X(mm) 800 700 500 9000 600


Y(Kg/Ha) 12000 11000 9000 12000 10000
Ayudados de una buena tabla, obtenemos la recta de regresin de Y sobre X: y = 0,008 x + 5,2

Hallada esta recta, la podemos utilizar para predecir resultados, por ejemplo: si en una regin han cado 550 mm de
lluvia, esperamos que recojan:

y = 0,008 550 + 5,2 = 9,6 toneladas de trigo por hectrea.

Solucin4

X: t (meses) 1 2 3 4 5
Y: % actividad restante 90 75 42 30 21
Vamos a calcular las rectas de regresin de y sobre x, y de x sobre y.
Hallamos las medias, varianzas y covarianza de las variables:
x 3; y 51,6; s x2 2; s y2 703,44; s xy 36,60
La recta de regresin de y sobre x es y = -18,30x + 106,5

Hallada esta recta, la podemos utilizar para predecir resultados; por ejemplo: en 2,5 meses se espera un y = - 18,30
2,5 + 106,5 = 36,15 % de actividad.

La recta de regresin de x sobre y es x = - 0,05y + 5,68

Hallada la recta, la podemos utilizar para predecir resultados; por ejemplo: para que an tenga un 50 % de
actividad, han de pasar y = - 0,05 50 + 5,68 = 3,18 meses.

Ejercicio propuesto.

Las distancias medias de los 9 planetas al Sol son:

1. Mer. 2. Ven. 3. Tie. 4. Mar. 5. Ast. 6. Jup. 7. Sat. 8. Ura. 9. Nep. 10. Plu
0,39 0,72 1 1,52 2,65 5,2 9,54 19,19 30,07 39,52

(Se ha tomado como unidad la distancia entre la Tierra y el Sol, a lo que se llama
unidad astronmica (u.a.). El quinto lugar est ocupado por los asteroides que, para
estos efectos, son considerados como un planeta ms.)
Representa la nube de puntos correspondiente, traza la recta de regresin y
calcula el coeficiente de correlacin. Si hubiera un nuevo planeta ms all de
Plutn, a qu distancia en u.a. estara del Sol?. Sera fiable esta medida?
Ejemplo

Vamos a realizar un estudio completo. La tabla de datos es:

Altura 175 180 162 157 180 173 171 168 165 165
Peso 80 82 57 63 78 65 66 67 62 58

Aunque en este caso tenemos dos variables muy relacionadas, y no est


claramente definido cul de ellas influye sobre la otra, decidimos estudiar cmo la altura
de los individuos influye sobre su peso corporal. Entonces tomamos

X=Altura como variable explicativa e Y=Peso como variable explicada.

Comenzamos con la nube de puntos, para que nos informe si vale la pena iniciar el estudio de la regresin
lineal o no hay motivos para ello.

Nube de puntos
82

77
Pesos (kg.)

72

67

62

57
150 155 160 165 170 175 180
Alturas (cm.)

Se observa que los puntos siguen una tendencia, aunque uno de ellos, el (157,63), se aleja de dicha
tendencia. A este dato se le llama dato atpico. En muestras numerosas un dato atpico no afecta demasiado al
resultado, e incluso en ocasiones se elimina de la tabla, aunque no lo haremos en este caso. As pues, el dibujo revela
cierta tendencia de los puntos a agruparse en torno a una recta imaginaria. El coeficiente de determinacin, que
es el ndice numrico que evaluar esa tendencia nos constatar que hay una buena relacin lineal.

Pasamos al clculo de los estadsticos necesarios

x 169'6 s x 7'2139
y 67'8 s y 8'7567
175 80 180 82 162 57
s xy 169'6 67'8 52'32
10
Ahora se puede calcular el coeficiente de correlacin lineal rxy y el de determinacin lineal R2
52'32
rxy 0'8282 y R 2 (0'8282) 2 100 68'59%
7'2139 8'7567

que nos indica que la variable independiente Altura explica el 6859% de la varianza de los pesos. Este mismo
coeficiente de determinacin se toma como ndice de fiabilidad a la hora de hacer predicciones de la variable Peso
a partir de datos de la variable Altura.

Por ejemplo, segn la tabla de datos, qu peso corporal le debera corresponder a una persona de 178 cm.
de estatura? La respuesta viene de la recta de regresin de Peso sobre Altura. La calculamos con los datos que ya
tenemos,
52'32
y 67'8 x 169'6
52'04
Quedando

y 102'71 1'005 x

As, una persona de altura 178 cm. (correspondiente por tanto a x=178) tiene, en virtud de la recta de
regresin, un peso (y) que se obtiene sustituyendo el valor de x, y vale y=76177 kg. Se toma como fiabilidad de la
prediccin el ndice R2 calculado con anterioridad. Es decir, se dice que la prediccin tiene una fiabilidad del
6859%.