Regrecion y Determinaciòn

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS SOCIALES ARTES Y HUMANIDADES

CURSO ESTADISTICA DESCRIPTIVA
REGRESIÒN Y DETERMINACION
NEIVIS YOJANNA CASTILLA BECERRA
CÓDIGO 49791740
GRUPO 204040_93
TUTOR:
ROBERTO MARIO DE LEON
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCULA CIENCIA SOCIALES, ARTES Y HUMANIDADES
PROGRAMA PSICOLOGIA
2016
INTRODUCCIÓN
En este trabajo se abordaran temáticas de como relacionar variables independientes y

dependientes de forma lineal simple y múltiple. Se revisara mediante los resultados
obtenidos si el modelo matemático obtenido en la linealizacion tiene buen porcentaje de
correlación para decir si describe el comportamiento deseado.
JUSTIFICACIÓN
Con la elaboración de este trabajo se pretende con el uso de la regresión lineal o

linealizacion hallar un modelo matemático que se ajuste a la dispersión de los datos
cuando se hace una relación simple y múltiple en variables, además de esto adquirir
destreza en herramientas que ofrece Excel para la regresión lineal y hallar el coeficiente
de correlación lineal.
OBJETIVOS
Identificar el tipo de variable dependiente e independiente en un estudio estadístico para

usar los métodos de regresión y correlación lineal.
Usar las herramientas que ofrece Excel par la graficacion de un sistema simple de dos
variables para hallar el coeficiente de correlación lineal y el modelo matemático
ajustado a la relación entre las variables de estudio.
Aplicar las herramientas de Excel secundarias para obtener el modelo matemático para
una regresión lineal simple y que es muy útil también para una regresión lineal múltiple.
1. Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.
Las variables relacionadas cuantitativas son grado de alcoholemia conductor infractor y

número de muertos en accidente.
2. Realizar el diagrama de dispersión de dichas variables y determinar el tipo de

asociación entre las variables.
A continuación se muestra la tabla de datos de las dos variables, una identificada como
variable X y la otra identificada como variable Y.
TABLA DE DATOS VARIABLES A RELACIONAR PARA LA REGRESIÓN

LINEAL SIMPLE
GRADOS DE ALCOHOL DEL NUMERO DE

CONDUCTOR-variable x MUERTOS-variable y
0,0 1
0,3 1
0,0 1
0,2 1
0,6 1
0,4 2
0,2 1
0,6 2
0,7 2
0,5 2
1,4 2
0,8 2
0,6 2
1,0 1
0,7 2
0,4 2
0,6 2
0,0 2
0,2 2
0,7 2
0,8 2
0,9 2
0,7 2
0,6 2
0,8 2
0,9 2
1,0 2
0,9 2
1,2 2
1,1 2
0,8 2
1,2 3
1,4 3
0,8 3
0,9 3
1,2 3
1,1 3
1,0 3
1,2 3
1,0 3
1,4 3
1,6 3
1,5 3
1,4 3
1,9 3
1,8 3
1,6 3
1,8 3
1,5 3
1,6 3
2,0 3
1,8 3
1,7 3
1,6 4
1,2 4
1,8 4
1,7 4
1,6 4
1,4 4
1,8 4
1,7 4
1,4 4
1,5 4
1,9 5
2,0 5
1,9 5
1,8 5
2,1 5
2,2 5
2,0 5
2,1 5
2,3 5
2,4 6
2,2 6
2,4 6
2,1 6
1,9 7
2,3 7
2,2 7
2,0 7
2,3 7
2,4 7
2,2 7
2,3 7
2,4 7
2,5 7
2,5 8
2,4 8
2,3 8
2,6 8
3,0 9
2,8 9
3,4 8
3,1 8
3,3 8
3,3 8
2,9 10
3,0 9
3,2 9
3,0 9
3,2 10
3,2 9
3,5 11
3,2 11
3,0 11
3,2 12
3,3 12
3,4 12
3,4 12
3,5 12
De acuerdo a la tabla anterior el diagrama de dispersión es el siguiente.
Diagrama de Dispersion
14
12
10
f(x) = 3.04 x − 0.42
R² = 0.86
Numero de Muertos
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
Grado de Alcoholemia conductor infractor
Como se observa la relación lineal es muy buena, el porcentaje de correlación está

alrededor del 86%. Entonces el modelo matemático de la gráfica da una información
muy buena de la relación de la variable independiente y la dependiente.
3. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. Es confiable?
El modelo matemático lineal entre las dos variables es el siguiente:
y=3,0351 x−0,4235
El modelo es confiable por su porcentaje de correlación que es de 86.33%, lo que da

más confiabilidad y por supuesto esta entre los valores de -1 y 1.
4. Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables.
El porcentaje de explicación es de 86.33% y el grado del coeficiente de correlación

lineal es de 0.8633, pero se debe usar el coeficiente de correlación ajustado, que es de
0,86212971.
Con los resultados obtenidos la relación entre dos variables siendo cual es dependiente o
independiente es importante pero la forma de estar más cerca para definir si el
fenómeno se puede relacionar de una manera lineal es decir directamente proporcional
es linealizando el fenómeno y ver si el coeficiente de correlación lineal esta entre -1 y 1,
si lo esta es parte para la definición del modelo matemático, pero otra cosa es si este
valor es alto si tiende a cero el fenómeno funciona no muy bien y el porcentaje de
explicación no es tan alto para decir si el modelo matemático es bueno, pero si este
valor es alto la relación establecida entre las variables es alto y el modelo matemático se
puede decir es excelente o bueno, como en el caso que se resolvió anteriormente con las
variables de grado de alcoholemia del conductor y número de muertos.
5. Identificar una variable cuantitativa dependiente y varias variables independientes del

estudio de investigación.
Para este caso de correlación múltiple la variable dependiente será número de muertos y
como variables independientes grado de alcoholemia y edad.
TABLA DE DATOS VARIABLES A RELACIONAR PARA LA REGRESIÓN

LINEAL MÚLTIPLE
NUMERO DE GRADOS DE ALCOHOL DEL EDAD-variable

MUERTOS-variable y CONDUCTOR-variable x1 x2
1 0,0 29
1 0,3 38
1 0,0 52
1 0,2 46
1 0,6 21
2 0,4 18
1 0,2 54
2 0,6 33
2 0,7 52
2 0,5 38
2 1,4 46
2 0,8 29
2 0,6 17
1 1,0 22
2 0,7 55
2 0,4 60
2 0,6 33
2 0,0 32
2 0,2 46
2 0,7 55
2 0,8 19
2 0,9 21
2 0,7 42
2 0,6 46
2 0,8 36
2 0,9 35
2 1,0 43
2 0,9 32
2 1,2 24
2 1,1 44
2 0,8 31
3 1,2 50
3 1,4 30
3 0,8 48
3 0,9 53
3 1,2 35
3 1,1 46
3 1,0 45
3 1,2 32
3 1,0 45
3 1,4 31
3 1,6 33
3 1,5 23
3 1,4 56
3 1,9 18
3 1,8 54
3 1,6 33
3 1,8 52
3 1,5 38
3 1,6 46
3 2,0 29
3 1,8 17
3 1,7 22
4 1,6 54
4 1,2 17
4 1,8 21
4 1,7 46
4 1,6 55
4 1,4 19
4 1,8 21
4 1,7 42
4 1,4 46
4 1,5 36
5 1,9 35
5 2,0 56
5 1,9 22
5 1,8 23
5 2,1 45
5 2,2 43
5 2,0 34
5 2,1 38
5 2,3 18
6 2,4 54
6 2,2 33
6 2,4 52
6 2,1 38
7 1,9 46
7 2,3 29
7 2,2 17
7 2,0 22
7 2,3 34
7 2,4 46
7 2,2 55
7 2,3 19
7 2,4 21
7 2,5 42
8 2,5 46
8 2,4 36
8 2,3 35
8 2,6 55
9 3,0 22
9 2,8 18
8 3,4 54
8 3,1 33
8 3,3 52
8 3,3 38
10 2,9 46
9 3,0 29
9 3,2 17
9 3,0 22
10 3,2 38
9 3,2 52
11 3,5 46
11 3,2 21
11 3,0 18
12 3,2 54
12 3,3 60
12 3,4 33
12 3,4 32
12 3,5 46
6. - Realizar el diagrama de dispersión de dichas variables.
Se obtienen gráficos de dispersión de cada una de las variables independientes con

respecto a la dependiente.
grafico dispersion grado de alcoholemia vs numero de muertos

Pronóstico 1
14
12
10
8
numero de muertos
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
-2
grados de alcoholemia conductores

grafico dispersion edad conductores vs numero de muertos

14
12
10
numero de muertos
6 Pronóstico 1
0
10 20 30 40 50 60 70
-2
edad condcutores
7. - calcular la recta de regresión y el coeficiente de correlación para probar

estadísticamente su relación.
y=−07523+3.065 x1 +0.0071 x 2
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0,92965708
Coeficiente de determinación
R^2 0,864262286
R^2 ajustado 0,861701197
Error típico 1,144515077
Observaciones 109
Como se observa el coeficiente de correlación es muy bueno entonces se puede afirmar

que el modelo matemático encontrado es válido para el análisis por regresión es
coherente para su estudio.
El porcentaje de explicación es del 86%.
8. - Relacionar la información obtenida con el problema.
Como se observa los gráficos de dispersión muestran las relaciones entre las variables
analizando una por una, pero al relacionar el modelo matemático obtenido y con los
valores de coeficiente de correlación y el porcentaje de explicación demuestra que la
relación de las variables dependientes tomadas con respecto a la dependiente es buena.
ANÁLISIS DE LA INFORMACIÓN OBTENIDA
De acuerdo a los resultados obtenidos las variables cuantitativas tienen más variedad de
estudios estadísticos que las variables cualitativas, este tipo de variables son
susceptibles a calcular datos y obtener estudios más detallados acerca de la muestra o
población estudiada.
La dependencia o independencia de las variables a estudiar se puede abordar desde el

punto de vista en como una variable muestra más peso que las otras y como una de estas
causa las otras, de esta forma se puede analizar la dependencia e independencia de las
variables.
El sistema de regresión lineal es muy útil para obtener los modelos matemáticos para
ver como inciden unas variables en el estudio estadístico y su comportamiento frente a
otras, pero está claro que esto no es del todo infalible ya que dependiendo del
coeficiente de correlación en el estudio por dispersión si este valor es bajo o tiende a ser
menor al 70 por ciento o menor al 50 por ciento el modelo no es útil y hay que buscar
otro tipo de estudio de regresión para hallar el modelo matemático.
CONCLUSIONES
El método de regresión y correlación lineal permite hallar el modelo matemático para

una relación simple y múltiple de variables que se relacionan de forma dependiente e
independiente a otras.
Mediante el diagrama de dispersión se pueden ver de forma espacial y pares ordenados

el comportamiento de dos variables entre sí, con la ayuda de este grafico se puede
obtener un modelo matemático para entender como las variables se comportan entre sí.
La herramienta análisis de datos de Excel permite hallar un análisis detallado de la

relación simple o múltiple que se quiere hallar par una regresión lineal entre variables
dependientes y la independiente.
El coeficiente de correlación lineal debe tender a 1 para decir que el modelo matemático
lineal encontrado es lo bastante acertado para describir el comportamiento de las
variables entre sí. Si este valor tiende a estar cerca de cero la regresión lineal no dará el
modelo matemático acertado para la relación de dependencia e independencia de las
variables de estudio.
ANEXO LABORATORIO FASE 4 TRABAJO COLABORATIVO 3
1. 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 Hidrocarburos) (Pureza)
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 94.88
0.95 87.33
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.
Diagrama de dispersion
105
100
f(x) = 14.91 x + 74.32

95 R² = 0.88
Pureza
90
85
80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6
Porcentaje de hidrocarburos
La asociación entre las variables es lineal y su grado de correlación está dentro

de los límites que demuestran una buena relación lineal.
b. Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. Es confiable?
y = 14,913x + 74,319
Este es el modelo matemático que relaciona las dos variables pureza y

porcentaje de hidrocarburos. Y si es confiable por su coeficiente de correlación
lineal.
c. Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.
Tiene un porcentaje del 87% y el grado de correlación es 0.8762.
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es

igual a 51,4?
De acuerdo al modelo matemático encontrado:

y = 14,913x + 74,319
En este caso se va a hallar el valor de x correspondiente a un valor de y.
y−74.319
x=
14.913
51.4−74.319
x=
14.913
x=−1.53
De acuerdo al valor obtenido se observa que a menor pureza del oxigeno el

porcentaje de hidrocarburo es pequeño y negativo. Es una relación
directamente proporcional.
2. 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
2015, se registraron los siguientes valores de temperatura y consumo anual.
MES TEMPERATURA CONSUMO DE VAPOR

Enero 21 185,79
Febrero 24 214,47
Marzo 32 288,03
Abril 37 424,84
Mayo 50 455
junio 59 539
Julio 68 621,55
Agosto 74 675,06
Septiembre 62 562,03
Octubre 50 452,93
Noviembre 41 369,95
Diciembre 30 273,98

variables.
Diagrama de dispersion
800
700
f(x) = 8.98 x + 11.88
600 R² = 0.97
Consumo de Vapor
500
400
300
200
100
0
10 20 30 40 50 60 70 80
Temperatura
b. Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. Es confiable?
y = 8,9782x + 11,882, este es el modelo matemático que relaciona la linealidad

entre la temperatura y el consumo de vapor en los doce meses del año. En
este caso la variable independiente es la temperatura y la dependiente es el
consumo de vapor. El modelo matemático es confiable por su alto grado de
correlación lineal.

las dos variables.
El porcentaje de explicación del modelo es del 97%, y el grado de relación esta

entre los limites. Su valor de r indica una correlación lineal excelente.
3. Los investigadores están estudiando la correlación entre la obesidad y la

respuesta individual al dolor. La obesidad se mide como porcentaje sobre el
peso ideal (x). La respuesta al dolor se mide utilizando el umbral de reflejo de
reflexión nociceptiva (y) que es una medida de sensación de punzada.
Obsérvese que ambas, X e Y, son variables aleatorias
x y (umbral
(porcentaje de reflejo
de de flexión
sobrepeso) nociceptiva)
89 2
90 3
75 4
30 4,5
51 5,5
75 7
62 9
45 13
90 15
20 14

variables.
Diagrama de Dispersion
16
14
Umbral de reflejo de flexion
12
10 f(x) = − 0.06 x + 11.64

R² = 0.11
8
0
10 20 30 40 50 60 70 80 90 100
Porcentaje de Sobrepeso
Como se observa la linealidad cumple con los valores en el coeficiente de

correlación lineal entre -1 y 1, pero la aleatoriedad en los porcentajes de
sobrepeso no permite que los puntos más alejados de los valores más
cercanos entre si estén cerca del modelo matemático encontrado.
b. Ajuste un modelo matemático que permita predecir el efecto de una variable

sobre la otra. Es confiable?
y = -0,0629x + 11,642, este es el modelo matemático que relaciona mediante la

linealidad las dos variables de interés. El modelo es confiable por su valor de
grado de correlación lineal.

las dos variables.
El porcentaje de explicación del modelo es del 11% y el grado de relación entre

las variables es de 0.111.
d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 50?
y=−0.0629∗x +11.642
y=−0.0629∗50+11.642
y=8.49
Este es el valor de reflejo de flexión nociceptiva, cuando el porcentaje de

sobrepeso es de 50.

Regrecion y Determinaciòn

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Regrecion y Determinaciòn

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS SOCIALES ARTES Y HUMANIDADES

NEIVIS YOJANNA CASTILLA BECERRA

ROBERTO MARIO DE LEON

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCULA CIENCIA SOCIALES, ARTES Y HUMANIDADES

En este trabajo se abordaran temáticas de como relacionar variables independientes y

Con la elaboración de este trabajo se pretende con el uso de la regresión lineal o

Identificar el tipo de variable dependiente e independiente en un estudio estadístico para

1. Identificar dos variables cuantitativas de la situación estudiada que puedan estar

Las variables relacionadas cuantitativas son grado de alcoholemia conductor infractor y

2. Realizar el diagrama de dispersión de dichas variables y determinar el tipo de

TABLA DE DATOS VARIABLES A RELACIONAR PARA LA REGRESIÓN

GRADOS DE ALCOHOL DEL NUMERO DE

De acuerdo a la tabla anterior el diagrama de dispersión es el siguiente.

Como se observa la relación lineal es muy buena, el porcentaje de correlación está

El modelo matemático lineal entre las dos variables es el siguiente:

El modelo es confiable por su porcentaje de correlación que es de 86.33%, lo que da

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

El porcentaje de explicación es de 86.33% y el grado del coeficiente de correlación

5. Identificar una variable cuantitativa dependiente y varias variables independientes del

TABLA DE DATOS VARIABLES A RELACIONAR PARA LA REGRESIÓN

NUMERO DE GRADOS DE ALCOHOL DEL EDAD-variable

6. - Realizar el diagrama de dispersión de dichas variables.

Se obtienen gráficos de dispersión de cada una de las variables independientes con

grafico dispersion grado de alcoholemia vs numero de muertos

grados de alcoholemia conductores

grafico dispersion edad conductores vs numero de muertos

7. - calcular la recta de regresión y el coeficiente de correlación para probar

Como se observa el coeficiente de correlación es muy bueno entonces se puede afirmar

El porcentaje de explicación es del 86%.

8. - Relacionar la información obtenida con el problema.

ANÁLISIS DE LA INFORMACIÓN OBTENIDA

La dependencia o independencia de las variables a estudiar se puede abordar desde el

El método de regresión y correlación lineal permite hallar el modelo matemático para

Mediante el diagrama de dispersión se pueden ver de forma espacial y pares ordenados

La herramienta análisis de datos de Excel permite hallar un análisis detallado de la

ANEXO LABORATORIO FASE 4 TRABAJO COLABORATIVO 3

1. El rendimiento del producto de un proceso químico está relacionado con la

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

f(x) = 14.91 x + 74.32

La asociación entre las variables es lineal y su grado de correlación está dentro

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

Este es el modelo matemático que relaciona las dos variables pureza y

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

Tiene un porcentaje del 87% y el grado de correlación es 0.8762.

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

De acuerdo al modelo matemático encontrado:

En este caso se va a hallar el valor de x correspondiente a un valor de y.

De acuerdo al valor obtenido se observa que a menor pureza del oxigeno el

2. El número de libras de vapor (y) consumidas mensualmente por una planta

MES TEMPERATURA CONSUMO DE VAPOR

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

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

y = 8,9782x + 11,882, este es el modelo matemático que relaciona la linealidad

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

El porcentaje de explicación del modelo es del 97%, y el grado de relación esta

3. Los investigadores están estudiando la correlación entre la obesidad y la

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

10 f(x) = − 0.06 x + 11.64

Como se observa la linealidad cumple con los valores en el coeficiente de

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

y = -0,0629x + 11,642, este es el modelo matemático que relaciona mediante la