Beruflich Dokumente
Kultur Dokumente
1.-
Dosis (mg) 0.50 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00 3.25
Reducción 10 8 12 14 14 10 16 20 17 20 15 20
Presión sangre
Solución:
a.- Determine el tipo de ecuación que usaría para asociar funcionalmente ambas
variables.
15
10
0
0 0.5 1 1.5 2 2.5 3 3.5
Dosis (mg)
Entonces el tipo de ecuación a utilizar será una regresión simple lineal, esto es debido a
que existe una relación lineal entre los datos ya que el coeficiente de determinación es
de R=0.8158 = 81.58% y se acerca al 100%.
b.-
X Y X*Y X2 Y2
0.5 10 5 0.25 100
0.75 8 6 0.5625 64
1 12 12 1 144
1.25 14 17.5 1.5625 196
1.5 14 21 2.25 196
1.75 10 17.5 3.0625 100
2 16 32 4 256
2.25 20 45 5.0625 400
2.5 17 42.5 6.25 289
2.75 20 55 7.5625 400
3 15 45 9 225
3.25 20 65 10.5625 400
22.5 176 363.5 51.125 2770
n∑XY − ∑X∑Y
b=
n∑X 2 − (∑X)2
𝐛 = 𝟑. 𝟕𝟒𝟖𝟑
∑Y − b∑X
a=
n
176 − (3.7482) ∗ 22.5
a=
12
𝐚 = 𝟕. 𝟔𝟑𝟖𝟕
Error estándar:
∑𝑌 2 − 𝑎∑𝑌 − 𝑏∑XY
𝑆𝑋/𝑌 = √
𝑛−2
𝑺𝑿/𝒀 =2.5116
2770
𝑆𝑦 2 = − 14.672
12
𝑺𝒚 𝟐 =15.6244
𝑺𝑿/𝒀 𝟐
𝑹=𝟏−
𝑺𝒚 𝟐
𝟐. 𝟓𝟏𝟏𝟔
𝑹=𝟏−
𝟏𝟓. 𝟔𝟐𝟒𝟒
𝑹 = 𝟎. 𝟖𝟑𝟗𝟐
INTERPRETACION: Significa que el 83.92% de variación de la presión sanguínea
estaría condicionado por la dosis de la droga en miligramos, y el resto de porcentaje
estaría condicionado por otros factores.
2.-
a) solución:
500
400
300
200
100
0
0 1 2 3 4 5 6
Concentración de éter (%)
Rpta: Debido a que no se puede presentar una regresión lineal, no se puede establecer
una función por lo tanto no presenta ninguna relación.
b) Rpta: No es procedente hacer un análisis de correlación lineal ya que el coeficiente
de correlación lineal es una medida en que ambas variables X e Y están asociadas a
través de una línea recta, pero para este caso no se establece una relación lineal.
3.-
Renta en miles de $ 7 10 15 20 25 30
N° de trastornos
gástricos 2 4 8 14 20 30
X: renta en miles de $
Y: N° de trastornos gástricos
a)
35
y = 1.1846x - 8.1262
30
R² = 0.9691
N° de trastornos gástricos
25
20
15
10
5
0
0 5 10 15 20 25 30 35
Renta en miles de $
n∑XY − ∑X∑Y
b=
n∑X 2 − (∑X)2
6 ∗ 1854 − 107 ∗ 78
b=
6 ∗ 2299 − 1072
𝐛 = 𝟏. 𝟏𝟖𝟒𝟔
∑Y − b∑X
a=
n
78 − 1.1846 ∗ 107
a=
6
𝐚 = −𝟖. 𝟏𝟐𝟓𝟒
RPTA: LA FUNCIÓN ADECUADA SERA:
Y= a + bX
𝒀 = −𝟖. 𝟏𝟐𝟓𝟒 + 𝟏. 𝟏𝟖𝟒𝟔𝑿
b)
∑𝑌 2 − 𝑎∑𝑌 − 𝑏∑XY
𝑆𝑋/𝑌 = √
𝑛−2
𝑺𝑿/𝒀 = 𝟐. 𝟎𝟗𝟑𝟔
∑𝑌 2
𝑆𝑦 2 = − 𝑌̅ 2
𝑛
1580
𝑆𝑦 2 = − 132
6
𝑺𝒚 𝟐 = 𝟗𝟒. 𝟑𝟑𝟑𝟑
CORRELACION SERÍA:
𝑺𝑿/𝒀 𝟐
𝑹=𝟏−
𝑺𝒚 𝟐
𝟐. 𝟎𝟗𝟑𝟔𝟐
𝑹=𝟏−
𝟗𝟒. 𝟑𝟑𝟑𝟑
𝑹 = 𝟎. 𝟗𝟓𝟑𝟓
El grado de correlación es de 95.35%
y = ax + b
5 (180200) − 142 (4840)
a= 35.29
5 (5244) −(142)2
(4840) (5244) − 142 (180200)
b= 34.25
5 (5244) −(142)2
y = 35.29x + 34.25
5.-
a) Construya un diagrama de dispersión para estos datos, y decidir si una línea recta es
un modelo de regresión apropiado de SBP(Y) sobre la Edad (X).
200
150
SBP
100
50
0
0 10 20 30 40 50 60 70 80 90
Edad
Modelo de regresión: y = ax + b
b) Estimar los parámetros de regresión del modelo propuesto en (a).
SISTEMA DE ECUACIONES NORMALIZADAS
∑ 𝑦 = a∑ 𝑥 + nb …..…. (1)
∑ 𝑥𝑦 = a∑ 𝑥 2 + ∑ 𝑥 …. (2) REEMPLAZANDO.
(1)… 5110 = a (1719) + 36(b)
N = 36 a = 2.7
∑ 𝑦 2 − 𝑎 ∑ 𝑦−𝑏 ∑ 𝑥𝑦
𝑆𝑦⁄ = √ 767753−13.01 (5110)−2.7 (254317)
𝑥 𝑛−2 𝑆𝑦⁄ = √
𝑥 34
2
∑ 𝑦 = 767753
𝑺𝒚⁄ = 429.8
𝒙
𝑆2
𝑎̂ ± 𝑡(1−∝⁄2, 𝑛−2) √∑(𝑥
𝑖 − 𝑥̅ )2
1 𝑥̅ 2
𝑏̂ ± 𝑡(1−∝⁄2, 𝑛−2) S√𝑛 + ∑(𝑥
𝑖 − 𝑥̅ )2
1 46.22
a = 13.01 13.01 ± 𝑡(0.975, 34) (429.8)√36 + 9149.24
𝑥̅ = 46.2 13.01 ± (2.0322) (429.8) (0.26)
∑(𝑥𝑖 − 𝑥̅ )2 = 9149.24 13.01 ± 228.2
𝑛 = 36
S = 429.8 - 215.19 ≤ b ≤ 241.21
10.-
Solución:
a) μx= 12.9929
Sx=6.2770
μy=45.25
Sy=15.537
La fórmula de la covarianza es
Sxy = [Σ(x-μx)*(y-μy)] /n
Sxy=87,0704
El coeficiente de correlación lineal es
r=Sxy/(Sx.Sy)
r=87.0704/(6.277*15.537)
r=0.8928
El coeficiente es alto e indica un buen ajuste lineal. Además 0.89282 = 0.7971, lo que
indica que el 79.71% de la variabilidad se explica por la recta de regresión.
b) y=a+bx
b=r (Sy/Sx)
b=2.2099
a=μy-(b.μx)
a=45.25-(2.2099*12.9929)
a=16.537
y=16.537+2.2099x
r2=0.7978
10) Solución:
a) Llamamos Y a los datos del hierro y X a los del plomo. Ahora calculamos, las
medias (X, Y) y desvaciones (SX, SY) de cada serie:
X = 35,7
SX=17,8776
Y=66,1
SY=31,2104
∑XY
SXY= – (X.Y)
𝑛
SXY = 469,13
r=SXY/(Sx.Sy)
r=0,8407
Es un valor elevado lo que sugiere un buen ajuste lineal, por lo que el modelo
b) Y=a+bX
b=r(SY/SX)
b=1,4678
a=Y-bX
a=66,1 – (1.4678*35.7)
a=13.6995
La recta es
Y=13.6995+1.4678X
c) X=15 de Plomo
Y=13.6995+(1.4678*15)
Y=35.7165 de Hierro
12.
a) Hallar el coeficiente de determinación para ambas variables.
600
500
400
300
200
100
0
0 100 200 300 400 500 600 700
Monitoreo por Método Manual
y = 0.9322x + 26115
R2 = 0.9561
5
Creatinina (mg/dl)
0
0 5 10 15 20 25 30 35 40
Días tras la diálisis
y = -0.0616x + 5.5414
R2 = 0.9571
b) ¿En qué porcentaje la variación de la creatinina es explicada por el tiempo
transcurrido desde la diálisis?
R2 = 0.9571
Porcentaje de variación de la Creatinina = 95.7 %
100
TAD mediante Tratamiento
80
60
40
20
0
94 96 98 100 102 104 106 108 110 112
TAD en Condiciones Basales