ALGEBRA TRIGONOMETRIA Y GEOMETRIA ANALÍTICA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

301301

JOSE MANUEL RESTREPO MORENO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

2019
Introducción:
En el presente trabajo se aplicará los conocimientos adquiridos en las unidades vistas en el
programa “estadística descriptiva” y se analizará la información producto de las practicas
matemáticas y el análisis de gráficos enfocados en problemas cotidianos.
Utilizando herramientas estadísticas y ofimáticas se complementará el conocimiento teorico
sobre medidas bivariantes, en función de la descripción de la problemática, a partir del trabajo
realizado con variables cuantitativas en anteriores trabajos.

Objetivos:
Identificar las medidas bivariantes, sus propiedades usos y contextos
Calcular las medidas bivariantes con énfasis en el desarrollo cauteloso e integral del análisis
correspondiente
Interpretar las medidas bivariantes como herramienta importante en el desarrollo de los
estudios estadísticos de toda índole
Actividad 1. Mapa Mental Resumir mediante un mapa mental las medidas estadísticas
Bivariantes de regresión y correlación.

Actividad 2. Definición de Conceptos. Definir brevemente los conceptos básicos asociados a

Regresión y Correlación como:
-Diagrama de dispersión.
Es la representación gráfica de dos variables para un conjunto de datos. En otras palabras,
gracias a su uso se puede analizar qué tanto se afectan entre sí dos o mas variables o qué tan
independientes son una de la otra.
-Correlación lineal simple.
Es una medida que permite darle un valor numérico a la variación conjunta de dos variables
-Coeficiente de determinación R2
 es la variación de la respuesta que muestra su relación con una o más variables que son
explicadas en la recta de regresión (es decir que su valor nos dira que tanta es la fuerza de
asociación entre X y Y)
-Correlación positiva y correlación negativa
La correlación positiva ocurre cuando si un dato aumenta el otro igualmente aumenta y si
disminuye uno, el otro factor igual, es decir, son directamente proporcionales.
La correlación negativa es el caso opuesto, si un valor aumenta el otro disminuye, es decir, son
inversamente proporcionales
- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
Se trata de un índice que mide si los puntos tienen tendencia a disponerse en una línea recta
usando valores entre -1 y +1 también se puede decir que es un método estadístico que requiere
criterios de normalidad para las variables analizadas.

Laboratorio Regresión y Correlación Lineal: Desarrollar en el paso 4.

Actividades a desarrollar

1. Este ejercicio práctico, pretende hacer la transferencia del conocimiento adquirido a partir
de la elaboración del laboratorio de Regresión y Correlación Lineal, el cual se realizará
utilizando Microsoft Excel® la cual aparece instalada por defecto en el Office de su
computador o el software gratuito INFOSTAT, que podrá descargar ingresando a Laboratorios
Estadística Descriptiva: Infostat, Tutoriales, (Entorno de aprendizaje práctico).
2. Cada estudiante deberá resolver tres ejercicios según las opciones ofrecidas en la siguiente
tabla, para ello deberán compartir su elección en el foro del entorno de aprendizaje
Colaborativo Paso 4 Descripción de la Información, identificándolos de la siguiente tabla,
donde anexará su nombre a la opción de grupo de ejercicios escogido:
Escriba su nombre
y comparta la tabla
Opción Ejercicio 1 Ejercicio 2 Ejercicio 3 Estudiante
1 1.1. Sal-Tensión 1.4. X - Y 1.9. Sobrepeso-R
2 1.2. CH-Pureza. 1.4. X - Y 1.7. PIB-Ventas Jose Manuel
restrepo
3 1.1. Sal-Tensión 1.5. Tem-Vapor 1.7. PIB-Ventas
4 1.3. Peso-Altura. 1.6. Estatura-Peso 1.8. %-Umbral
5 1.2. CH-Pureza. 1.5. Tem-Vapor 1.8. %-Umbral

3. Posteriormente cada estudiante debe enviar la solución de los tres ejercicios elegidos:
 EJERCICIOS

1.1. 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
Y
(% de Hidro
(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 positiva de relación directa
b. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente
y = 14.947x + 74.283

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

variables.

Esta ecuación hace una buena estimación entre las variables debido a que el
coeficiente de determinación R2 explica el 87.74% de la información y el valor del
coeficiente de correlación R confirma el grado de relación de la variables, que es el
93.67%.

d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a 91,3?

y = 14.947x + 74.283

x=(y-74.283)/14.947

x=(91.3-74.283)/14.947
x=1.14

1.2. 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

x= días/independiente
y=tiempo medio/dependiente
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?
Se usa la función de ajuste que dice Y=a+bx
y=-0,3566x+42,569
R^2= 0,7962
la ecuación de la recta es confiable porque el R^2 está cercano a 1 y tiene grado alto de
confiabilidad. (>0.7)
a. Determine el grado de correlación de las dos variables.
Correlación inversa (negativa)

d. ¿Qué tiempo deberá tardarse un empleado cuando lleven 90 días?

Y=!

X=75

y=-0,3566(75)+42,569
y=69.3142
1.3. Tem-Vapor. El número de libras de vapor (y) consumidas mensualmente por una planta
química, se relaciona con la temperatura ambiental promedio (en o F). Para el año 2014,
se registraron los siguientes valores de temperatura y consumo anual.

2014 Registros de temperatura y consumos de vapor.

Consumo de vapor
Mes Temperatura (F)
(Lb)

Ene. 21 185,79
Feb. 24 214,47
Mar. 32 288,03
Abr. 47 424,84
May. 50 455
Jun. 59 539
Jul. 68 621,55
Ago. 74 675,06
Sep. 62 562,03
Oct. 50 452,93
Nov. 41 369,95
Dic. 30 273,98
 a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.

Correlación directa(positiva)
b. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre la
otra. ¿Es confiable?
El modelo matemático es la ecuación de la tendencia de la línea por lo que se tiene
y=92,2087x-6.3184
r^2=0,999 y como es cercano a 1 se puede decir que el modelo matemático es confiable
c. Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.
R^2=100%=0,999 x 100%=99,9%
El grado de relación es alta
d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?

Sabiendo que la operación es

Y=9,2087x-6,3184

Y=9,2087x -6,3184

Y=9,2087(70)-6,3184

Y=638,2906

Es decir que el cnsumo cuando la temperatura sea 70 es 638,2906

1.4. 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.

Año PIB Nación Ventas de la 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
a. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre la otra.
¿Es confiable?
Y = 1,15+ 345,12X
b. Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.
Como el coeficiente de variación tiene un grado de asociación menor a 0,09 su
asociación es nula, esto quiere decir que las variables no están asociadas

c. ¿Cuál podria ser la proyección de ventas para el año 2018 si se espera que el PIB nacional
sea del 3,1?

Y = 1,15 +345,12*3,1
Y =1071
Bibliografía:
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 151 – 158.

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage
Learning. Páginas 675 – 686
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 151 – 158.

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage
Learning. Páginas 675 – 686
https://www.shmoop.com/estadistica-basica-probabilidades/diagrama-dispersion-correlacion.html
http://tutorialunidad1.blogspot.com/2016/05/regresion-y-correlacion.html
https://slideplayer.es/slide/3292740/