ANÁLISIS GRÁFICO: REGRESIONES

PRESENTADO POR:

AURA CRISTINA ALDANA CARTAGENA

DIANA XIMENA VILLAR

JORGE ARMANDO PADILLA

JOHAN USMA

ENTREGADO A:

JAIR GARCÍA ARIAS

UNIVERSIDAD DEL QUINDÍO

FACULTAD DE CIENCIAS BÁSICAS Y TECNOLÓGICAS

PROGRAMA DE LICENCIATURA EN BIOLOGÍA Y EDUCACIÓN AMBIENTAL

ÁREA: BIOFÍSICA

ARMENIA – QUINDÍO
 INTRODUCCIÓN

El concepto de regresión fue expuesto por primera vez por Sir Francis Galton, quien
introdujo en 1889 el término regresión en estadística. Empleó este concepto para indicar la
relación que existía entre la estatura de los niños de una muestra y la estatura de su padre.
Observó, que si los padres son altos, los hijos generalmente también lo son, y si los padres
son bajos los hijos son también de menor estatura. Pero ocurría un hecho curioso: cuando el
padre es muy alto o muy bajo, aparece una perceptible "regresión" hacia la estatura media
de la población, de modo que sus hijos retroceden hacia la media de la que sus padres, por
cierto, están muy alejados. Hoy día, el término no se utiliza en ese sentido (Gutiérrez y
Vladimirovna, 2016).

Los métodos estadísticos de regresión son altamente empleados para estudiar la naturaleza,
en este caso, se utilizaron 10 hojas de árboles para realizar sus respectivas mediciones y
observaciones para los datos experimentales, a los cuales se les hacen ciertos tipos de
análisis, tratando de formular un conjunto de ecuaciones como lo fueron la regresión y
grafico de dispersión, para determinar que relacionen tienen cada una de sus medidas, con
el tamaño de la hoja.

OBJETIVOS

 Analizar gráficamente un fenómeno dado.

 Realizar la regresión más adecuada a una serie de datos tomados
experimentalmente.
 Interpretar los resultados obtenidos desde el punto de vista de las ciencias
biológicas.
 MARCO TEÓRICO

La regresión es una técnica estadística que consiste en calcular dicha similitud en forma de
función matemática. Esta función nos ofrece mucha más información sobre dicha relación.
Por ejemplo, el modelo más sencillo: la regresión lineal simple, ya nos informa de las
siguientes magnitudes: la magnitud de la correlación; el incremento marginal, el valor de
una de ellas cuando la otra es cero y si dicha relación puede considerarse significativa o
fuerte (distinta de una relación normal) o no significativa o débil (similar a una relación
normal). Existen muchas técnicas de regresión en función del tipo de variables y de la
forma funcional supuesta entre ellas. Las más elementales (aunque las más potentes en el
sentido de que se puede obtener más información) son las lineales (Montero, 2016).

Regresión: Este procedimiento ajusta de forma lineal a una variable dependiente a una
independiente.

Descripción de campos asociados al concepto de regresión:

Variable dependiente: campo numérico obligatorio se puede introducir los datos

directamente o la variable que los contenga o una expresión de statgraphics.

Variable independiente: campo numérico obligatorio se pueden introducir los datos

directamente o la variable que los contenga o una expresión de statgraphics Tiene que tener
el mismo número de datos que la variable dependiente.

Modelo: campo obligatorio, restringido, en el que indica el tipo modelo al que se quiere
que el sistema ajuste a los datos. Las entradas validas son:

- Lineal: el sistema ajusta a los datos a una recta de regresión lineal. Es la entrada que
tiene el sistema por defecto.
- Multiplicativa: el sistema toma logarítmicos neperianos de los datos de las dos
variables, y los ajusta una recta.
- Exponencial: el sistema toma logarítmicos neperianos de la variable dependiente y
ajusta los datos a una ecuación de regresión lineal.
 - Reciproco, el sistema calcula los inversos de la variable dependiente y ajusta los
datos transformados a una ecuación de regresión lineal.

Límites de confianza: Campo numérico obligatorio. En él se introducirá el nivel de

confianza que utilizara el sistema para dar un intervalo de confianza a la respuesta media se
la variable.

Límites de predicción: Campo numérico, obligatorio, se utilizara para construir el

intervalo de confianza para los límites de predicción en las nuevas observaciones
(Fernández et. Al, 2001).

EQUIPO Y MATERIAL UTILIZADO

 Papel cuadriculado.
 Tijeras.
 Calculadora científica.
 Lápiz, lapicero y borrador.
 Regla.
 Hojas de árbol de diferente tamaño.
 DESARROLLO DE LA PRÁCTICA

Después de una breve reseña a cerca de las regresiones se procedió a salir al campus de la
Universidad del Quindío para hacer una recolecta del material biológico. Se tomaron 10
hojas de distinto tamaño de un árbol ubicado a las afueras del edificio de administrativos.
Luego se llevaron al laboratorio de física, donde se ordenó de la más grande a la más
pequeña.

Seguidamente se calculó el área con el papel cuadriculado y se midió la longitud de cada

hoja. Cuando se obtuvieron los datos respectivos de recopilaron y se organizaron en una
tabla. Se realizaron los cálculos de regresión y se construyó un diagrama de dispersión.
Después de realizadas todas las regresiones se hizo un análisis y de determinó la que más se
ajustó a la gráfica. Por último se realizó una gráfica con la ecuación hallada del anterior
diagrama de dispersión.

RESULTADOS

Cuadro 1: Distribución de datos de las hojas según el área (cm2) con respecto a su longitud
(L). Los datos corresponden a 10 hojas ubicadas en la Universidad del Quindío.

𝐴(𝑐𝑚)2 11 19 21 34 34 41 64 79
Longitud
5,3 6,7 6,8 9,5 11,4 11,5 15 17
(cm)

25
20
15
A (cm)

10
5
0
0 20 40 60 80 100
Longitud (cm)

Figura 1: Gráfica del área (cm2) de las hojas con respecto al tamaño
 Regresión

Lineal: y = A + Bx

A= 3,758 B= 0,175 r= 0,982

Exponencial: y= AeBx

A= 5,108 B= 0,017 r= 0,950

Logarítmica: y= A+B*lnx

A= -11,054 B= 6,200 r= 0,971

Potencia: y= AxB

A= 1,1117 B= 0,6253 r= 0,9859

Nota: se utilizó la ecuación matemática de potencia, ya que se encuentra más cercana

a 1.

Potencia: 𝑓(𝑥) = 𝐴 . 𝑋 𝐵

𝐿 = 1,1117 𝐴0,6253
 DISCUSIÓN

La forma de las hojas puede ser infinitamente variable, y al igual que la forma, también el
tamaño varía según las especies. Existen factores ambientales, especialmente la luz, que
pueden tener efectos sustanciales en el desarrollo del tamaño y grosor de las hojas (Raven
et al, 1992). En el caso de las hojas utilizadas en el laboratorio, se observó una variabilidad
en cuanto a tamaño y forma de las especies, esto se vio reflejado en los datos tomados que
se observan en el cuadro 1. El crecimiento se define, generalmente, como un aumento
irreversible de tamaño. (CIAT, 2010).

Una característica importante de un diagrama de dispersión, es que permite analizar la

relación que pueden existir entre dos variables. Cada punto contribuye al diagrama de
dispersión; generalmente, la configuración en el plano de los puntos muestra una tendencia,
un patrón. Dicho patrón indica el tipo y la intensidad de la relación entre las dos variables.
Algunas veces la mayoría de los puntos tienden a agruparse alrededor de una línea recta; si
los puntos caen todos sobre dicha recta, la asociación entre las variables será perfecta
(dependencia funcional) y, en consecuencia, la correlación lineal será la más alta. Si la recta
a la que tienden a agruparse los puntos tiene pendiente positiva, la relación entre las
variables será directa (positiva) (Castro, 2008). La variabilidad de datos en cuanto al área
(cm2) y la longitud de las hojas en el laboratorio, permitió la realización de una gráfica de
dispersión (gráfica 1), donde al utilizar el método de regresión, en este caso el potencial, se
observó una línea ascendente, la cual muestra una relación de a mayor área, mayor será su
longitud.
 Cuestionario

1. Con la gráfica obtenida, interprete el fenómeno estudiado.

R/ Con la gráfica obtenida, se observa que hay una relación directamente proporcional entre
el área y la masa de las hojas, es decir mayor masa, mayor área.

2. Explique dos variables en la naturaleza entre las cuales no haya una clara
correlación.

- R/ Crecimiento de las plantas en un mes X del año en una zona tropical.

- Ritmo cardiaco entre dos o más organismos de la misma especie.

3. Halle las unidades A y B en esta experiencia.

R/ A= 1,1117 B= 0,6253

4. Utilizando la ecuación hallada, encuentre los siguientes valores

a) El número de nervaduras si la longitud del nervio central fuera de 1,2 m.

- 0,16

b) La longitud del nervio central si el número de nervaduras fueran 300

- 0,01

5. Explique si una gráfica suministra información en relación con los errores que
pueden presentarse en la realización de un experimento.

R/ Pueden presentar dispersión y no ser exactos a la hora de hacer la gráfica, estos errores
se pueden mostrar en la toma de mediciones o alteración de los instrumentos en el
laboratorio, como por ejemplo la mala manipulación de estos o errores que ellos mismos
pueden generar dependiendo de su origen o marca.
 6. Consulte sobre fenómenos biológicos que correspondan a cada una de las
ecuaciones estudiadas

Exponencial

Las bacterias cultivadas en el laboratorio son un excelente ejemplo de crecimiento

exponencial. En el crecimiento exponencial, la tasa de crecimiento de la población aumenta
con el tiempo, en proporción con el tamaño de la población. Específicamente, las bacterias
se reproducen por fisión binaria (se dividen por la mitad) y el tiempo entre divisiones es de
alrededor de una hora en muchas especies bacterianas. En este ejemplo, se inicia con 1000
bacterias en un matraz con una cantidad ilimitada de nutrientes. Después de 1 hora cada
bacteria se divide, lo que produce 2000 bacterias (un aumento de 1000 bacterias), después
de 2 horas cada una de las 2000 bacterias se divide, lo que produce 4000 bacterias (un
aumento de 2000 bacterias), después de 3 horas, cada una de las 4000 bacterias se divide, lo
que produce 8000 bacterias (un aumento de 4000 bacterias). Cuando se grafica el tamaño
de la población N en el tiempo, se obtiene una gráfica en forma de J.

Figura 2: los límites ambientales del crecimiento poblacional. Tomada de: Khan Academy,
Biology.
 Logaritmo

Una levadura, un hongo microscópico usado para hacer pan y bebidas alcohólicas. En la
gráfica siguiente, el crecimiento de la levadura se estabiliza al tiempo que la población
alcanza el límite de nutrientes disponibles (ya que si diera seguimiento a la población
durante más tiempo, probablemente colapsaría, ya que el tubo de ensayo es un sistema
cerrado en el que los recursos finalmente se agotarían al tiempo que los desechos alcanzan
niveles tóxicos).

Figura 3: los límites ambientales del crecimiento poblacional. Tomada de: Khan Academy,
Biology.

Lineal

Galton se preguntó si la altura de las personas se distribuye normalmente a cada generación

y es una característica hereditaria, cual es la relación entre la altura de las distintas
generaciones, Galton descubrió que existía una relación lineal entre las alturas de padres a
hijos, y hallo que los padres altos tiende a tener hijos más altos que el promedio de su
generación, pero menos altos que sus padres. A esto lo llamo ‘’regresión hacia la
mediocridad´´. Pero Galton fue más lejos, describió la herencia mediante la relación lineal
con respuestas y que tenía una distribución normal en la recta para cada valor fijo de x
(Moore, 2000).

Potencial

Se estudiaron las curvas de crecimiento en cabritos criollos cubanos, ajustadas a los

modelos logísticos y Gompertz, mediante la aplicación del cálculo de elasticidad y sus
interpretaciones biológicas. La elasticidad se calculó mediante la expresión. El rango donde
el modelo ajustado resultó elástico (>1) se consideró como período de llamarada de
crecimiento. A partir de los modelos se estimó el peso adulto ajustado y el potencial, la
mayor tasa de crecimiento y la edad a la que se alcanza. En ambos modelos se registraron
valores significativos en los ajustes, con coeficientes de determinación superiores a 98 % y
el error típico de las estimaciones, con valores entre 1371 y 1711 g. El peso adulto ajustado
fue de 36. 522 y 31. 354 kg para machos y hembras, respectivamente según el modelo
logístico. De acuerdo con el Gompertz, correspondió a 40.373 y 34.297 kg para machos y
hembras, respectivamente. Los análisis de elasticidad de ambos modelos Fueron efectivos
para estimar los límites y duración del período de llamarada de crecimiento, que se
extendió de 165 a 193 d y culminó entre los 225 y 260 d de edad, cuando los animales
alcanzaron pesos vivos sobre los 20 y 26 kg, para hembras y machos, respectivamente. Las
ganancias de peso diarias Fueron de 70 g para ambos sexos al inicio de la llamarada de
crecimiento y al final de la misma de 93 a 104 g diarios para hembras y machos,
respectivamente (Arias, et. Al, 2013).

7. Explique si existen algunas diferencias entre la gráfica hecha por usted y la

trazada con base a la ecuación hallada.

R/ Si existen diferencias, ya que con la ecuación encontrada los datos obtenidos son más
exactos y no tan separados como en la dispersión.

8. Describa las posibles causas de error en esta práctica.

- Al momento de tomar la medida de las hojas, estas no se lograron estirar por
completo
- Al calcular el área de las hojas no se tomaron en cuenta cifras decimales
- El papel cuadriculado no arrojaba datos exactos debido a que no es un instrumento
diseñado para la realización de este oficio.
 CONCLUSIONES

 Utilizando adecuadamente la calculadora, se realizaron todos los procedimientos

estadísticos de regresión adecuadamente.
 Se realizó la regresión más adecuada a una serie de datos tomados
experimentalmente.
 Se logró determinar todos los resultados obtenidos desde el punto de vista de las
ciencias biológicas y estadísticas.
 Se concluyó que el tamaño de las hojas es proporcional, debido a que entre mayor
sea su área, mayor será su longitud.

REFERENCIAS

 Gutiérrez, E; Vladimirovna, O. 2016. Estadística inferencial 1: para ingeniería y

ciencias. Vol. 1. 1ra edición. Grupo editorial patia. Ciudad de México.
 Montero, R .2016. Modelos de regresión lineal múltiple. Documentos de Trabajo
en Economía Aplicada. Universidad de Granada. España.
 Moore, D. 2000. Estadística aplicada básica. Segunda edición. Editorial freeman
and Company. Barcelona-España
 Raven; Peter, Evert, Ray; Eichhorn, Susan (1992). Biología de las plantas. Segunda
edición. Editorial REVERTÉ, S.A. España.
 Universidad de Toronto. 2006. William Playfair and the Psychology of Graphs.
ASA Section on Statistical Graphics. Canadá.
 Arias, M. A., Guevara, F., Fonseca, N., Rodríguez, L., Pinto, R., Gómez, H.,
Medina, F. J., Hernández, A. 2013. Aplicación de los modelos logísticos y
Gompertz al análisis de curvas de peso vivo en cabritos criollos cubanos. Revista
cubana de Ciencia Agrícola. Cuba.
 Castro, E. 2008. Interpretación de los diagramas de dispersión por estudiantes de
bachillerato. Departamento de Didáctica de las Ciencias.
 Centro Internacional de Agricultura Tropical – CIAT 2010. Producción Eco-
Eficiente del Arroz en América Latina. Primera edición. Editorial CIAT. Colombia.
 Fernández, S. Ayuga, E. Gonzales, C. Martin, A. 2001 Guía completa de
statgraphics. Editorial días de santo, S.A. España
 Fuente: Khan Academy (2018). Crecimiento exponencial y logístico. Khan
Academy. Tomado de:
https://es.khanacademy.org/science/biology/ecology/population-growth-and-
regulation/a/exponential-logistic-growth