Actividad 2. Definición de Conceptos.

-Diagrama de dispersión.

Es una herramienta gráfica que permite demostrar la relación existente entre dos

clases de datos y cuantificar la intensidad de dicha relación.

Se utiliza para conocer si efectivamente existe una correlación entre dos magnitudes

o parámetros de un problema y, en caso positivo, de qué tipo es la correlación.

-Correlación lineal simple.

La correlación lineal simple son métodos estadísticos que estudian a la relación

lineal que tienen dos variables continuas, es necesario colocar parámetros que permitan

cuantificar dicha relación, uno de esta es la covarianza que la encargada de indicar el grado

de variación conjunta de dos variables al azar.

-Coeficiente de determinación R2

es un término utilizado en estadística, que tiene como función principal predecir el

resultado de hipótesis, el coeficiente determina la calidad de la guía para replicar los

resultados y proporcionar variaciones de los resultados que puedan explicarse por la guía
 -Correlación positiva y correlación negativa

La correlación negativa son dos variables que se correlacionan en sentido opuesto,

los valores altos de una de ellas se suelen corresponder en valor bajos de la otra y viceversa,

en cuanto más cerca este el coeficiente de relación más potente será la variación.

Se habla de una correlación positiva cuando una relación entre una variable y otra es

lineal y directa La correlación positiva son dos variables que se correlacionan en el sentido

directo, los valores altos de una les corresponde a valores altos de la otra e igualmente con

los valores bajos, cuanto más cerca esta del coeficiente de correlación más potente será

esta.

- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

es una medida estadística que cuantifica la dependencia lineal entre dos variables

cualitativas, distintas de la covarianza. La correlación es independiente de la escala de

medida de las variables, esto se utiliza para medir el grado de relación de dos variables

siempre y cuando ambas sean cuantitativas y continuas.

 Actividad 3. Realizar el laboratorio de regresión y correlación lineal

1.2. CH-Pureza. El rendimiento del producto de un proceso químico está

relacionado con la temperatura de operación del proceso. Se desea establecer la relación

que existe entre la pureza (y) del oxígeno producido y el porcentaje de hidrocarburo (x) que

está presente en el condensador principal en un proceso de destilación, de acuerdo con los

siguientes datos:

X (% de Hidro
Y (Pureza)
carburos)

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

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.
 El tipo de asociación es lineal

102

100

98 y = 14.947x + 74.283
R² = 0.8774
96

94

92

90

88

86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8

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

sobre la otra. ¿Es confiable?

y = 14,947x + 74,283

R² = 0,8774

Se puede decir que tiene una confianza excelente ya que R tiene un valor 0,8774

que es cercano a 1.

c. Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.

R = coeficiente de correlación R √0,8774 = 93%

R= 93% la correlación es excelente

 d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual

a 91,3?

y = 14,947(91,3) + 74,283

y = 1364,6611 + 74,283

y = 1438,9.

Según esto el porcentaje de hidrocarburo es 1438,9.

 1.4. X-Y. En un nuevo proceso artesanal de fabricación de cierto artículo que está

implantado, se ha considerado que era importante ir anotando periódicamente el tiempo

medio (medido en minutos) que se utiliza para realizar una pieza y el número de días desde

que empezó dicho proceso de fabricación. Con ello, se pretende analizar como los operarios

van adaptándose al nuevo proceso mejorando paulatinamente su proceso de producción.

Los siguientes datos representan dicha situación:

X 12 23 35 42 53 65 70

Y 45 30 27 25 23 21 20

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

diagrama de dispersión y determine el tipo de asociación entre las variables

Diagrama
50
45 y = -0.3566x + 42.569
R² = 0.7963
40
35
30
25
Y

20
15
10
5
0
0 10 20 30 40 50 60 70 80
X
 b) el modelo matemático que permite predecir el efecto de una variable sobre otra

es.

y = -0,3566x + 42,569

R² = 0, 7963

Se puede decir que la confianza es buena, ya que el valor de la R está un poco lejos

del 1.

c) R= Cof. De correlación R= √0,7963 = 89%

R= 89% la correlación es buena

d) y = -0,3566(90) + 42,569

y = -32.094 + 42,569

y = 10,4

Según este resultado un obrero tardare 10,5 min en demorarse.

 1.7. PIB-Ventas. Una compañía multinacional del servicio de

telecomunicaciones en Colombia, como medio de planeación estratégica para la toma de

decisiones, solicita a su departamento financiero, hacer predicciones económicas del valor

anual de sus ventas totales, versus el PIB nacional de las últimas dos décadas, para la toma

de decisiones para la apertura de nuevos mercados. Realice el diagrama de dispersión y

determine el tipo de asociación entre las variables.

PIB Ventas de la
Año
Nación compañía
2001 1,70 339,43
2002 2,50 363,02
2003 3,90 359,75
2004 5,30 336,90
2005 4,70 339,38
2006 6,70 348,40
2007 6,90 372,00
2008 3,50 358,79
2009 1,70 337,94
2010 4,00 357,32
2011 6,60 342,14
2012 4,00 327,84
2013 4,90 362,06
2014 4,40 348,80
2015 3,10 353,52
2016 2,00 355,40
2017 1,80 342,00
 El tipo de asociación es lineal

3 y = -0.0475x + 4.4103
R² = 0.0191
2

0
0 2 4 6 8 10 12 14 16 18

a. Ajuste un modelo matemático que permita predecir el efecto de una variable

sobre la otra. ¿Es confiable?

y = -0,0475x + 99,508

R² = 0,0191

Se puede decir que no es confiable, ya que el valor de R es cercano a cero.

b. Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.

R= Cof. De correlación R= √0,0191 = 13%

R = 14% la correlación es mala

c. ¿Cuál podría ser la proyección de ventas para el año 2018 si se espera que el PIB

nacional sea del 3,1?

y = -0,0475(3,1) + 99,508

y = -0,14725 + 99,508

y = 99,36

con el PIB nacional del 3,1 se espera que la proyección de ventas para el año 2018 sea de

un 99,36
Actividad 4. Regresión y correlación Lineal.

A partir de la base de datos suministrada “Encuesta_ Instituciones_ Educativas 2019 (16-

1)”, cada estudiante, deberá:

Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas e identificar la variable dependiente e independiente.

- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de relación

entre las variables.

- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la

otra. ¿Es confiable?

- Determine el grado de correlación de las dos variables.

- Relacionar la información obtenida con el problema.

Las variables son edad y estatura.

Edad Estatura
(años) (M)

9 1,32
7 1,22
8 1,26
10 1,39
8 1,25
11 1,43
11 1,45
9 1,34
7 1,20
11 1,40
 8 1,26
8 1,25
11 1,42
8 1,27
10 1,35
10 1,35
11 1,42
7 1,20
11 1,41
8 1,26
8 1,25
11 1,40
9 1,31
9 1,32
9 1,32
10 1,39
8 1,24
11 1,45
8 1,26
8 1,26
9 1,35
8 1,27
11 1,45
10 1,38
9 1,33
8 1,20
11 1,50
8 1,21
8 1,22
10 1,30
8 1,23
10 1,37
11 1,45
9 1,35
7 1,20
10 1,38
8 1,27
8 1,26
10 1,37
9 1,32
9 1,37
 9 1,32
9 1,36
7 1,30
10 1,38
8 1,25
8 1,24
8 1,24
8 1,25
9 1,38
9 1,27
10 1,37
10 1,39
10 1,40
8 1,26
9 1,35
10 1,36
8 1,26
10 1,32
10 1,33
10 1,35
8 1,27
11 1,45
8 1,26
7 1,20
9 1,30
7 1,21
9 1,32
10 1,38
11 1,45
8 1,25
10 1,37
10 1,40
11 1,45
10 1,35
9 1,33
9 1,33
11 1,42
10 1,37
9 1,31
9 1,30
9 1,28
 9 1,31
9 1,32
9 1,32
10 1,36
11 1,43
11 1,45
9 1,33
9 1,33
8 1,26
8 1,32
10 1,42
9 1,27
10 1,34
10 1,40
10 1,38
9 1,31
10 1,42
8 1,26

El tipo de asociación es lineal

DIAGRAMA
1.60
y = 0.0575x + 0.8004
1.40 R² = 0.8671

1.20

1.00

0.80

0.60

0.40

0.20

0.00
0 2 4 6 8 10 12
b) el modelo matemático que permite predecir el efecto de una variable sobre otra es.

y = 0,0575x + 0,8004

R² = 0,8671

Se puede decir que es confiable ya que R es cercano a 1.

c) R= Cof. De correlación R= √0,8671 = 93%

R = 93% la correlación es buena.