Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 18 vistas

    Actividad 5

    Cargado por

    saithrhu
    Este documento describe una actividad de regresión y correlación múltiple utilizando variables como peso, talla y tiempo de gestación de recién nacidos. Se generan diagramas de dispersión y se calculan coeficientes de correlación y determinación para probar estadísticamente la relación entre las variables.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Actividad 5

    Cargado por

    saithrhu
    18 vistas3 páginas
    Este documento describe una actividad de regresión y correlación múltiple utilizando variables como peso, talla y tiempo de gestación de recién nacidos. Se generan diagramas de dispersión y se calculan coeficientes de correlación y determinación para probar estadísticamente la relación entre las variables.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe una actividad de regresión y correlación múltiple utilizando variables como peso, talla y tiempo de gestación de recién nacidos. Se generan diagramas de dispersión y se calculan coeficientes de correlación y determinación para probar estadísticamente la relación entre las variables.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    18 vistas3 páginas

    Actividad 5

    Cargado por

    saithrhu
    Este documento describe una actividad de regresión y correlación múltiple utilizando variables como peso, talla y tiempo de gestación de recién nacidos. Se generan diagramas de dispersión y se calculan coeficientes de correlación y determinación para probar estadísticamente la relación entre las variables.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 3

    Actividad 5. Regresión y Correlación Múltiple.

    Descripción de la Actividad:

    A partir de la base de datos suministrada “Anexo 1- Nacidos vivos Hospital Manuel Uribe A - 300
    Nacimientos 16-1 2021”, cada estudiante, deberá:

    a. Identificar una variable cuantitativa dependiente y varias variables cuantitativas


    independientes del estudio de investigación.

    Peso(gramos)  variable dependiente

    Talla(centímetros)  variable independiente

    Tiempo de Gestación(semanas)  Variable independiente

    b. Realizar el diagrama de dispersión de dichas variables.

    Diagrama de Dispersion
    5000
    4000
    f(x)==0.57
    R² 144.5 x − 3996.23
    Peso (gr)

    3000
    2000
    1000
    0
    38 40 42 44 46 48 50 52 54 56 58
    Talla (cm)

    El coeficiente de determinación R2=0,5713, este valor me indica que el modelo


    matemático tiene una relación lineal moderada con una eficiencia del 57,13%
    El coeficiente de correlación r =√ R 2=√ 0,5713=0,7558 lo cual me indica correlación
    Significativa entre las dos variables, con una eficiencia del 75,58%.

    Diagrama de Dispersion
    5000
    4000
    Peso (gr)

    3000 f(x)==0.42
    R² 178.98 x − 3796.49
    2000
    1000
    0
    30 32 34 36 38 40 42
    Tiempo gestacion (semanas)
    El valor del coeficiente de determinación R2=0,4181, este valor me indica que el modelo
    matemático tiene una relación lineal débil con una eficiencia del 41,81%
    El coeficiente de correlación r =√ R 2=√ 0,4181=0,6466 lo cual me indica correlación
    moderada entre las dos variables, con una eficiencia del 64,66%.

    C. Calcular la recta de regresión y el coeficiente de correlación para probar estadísticamente su


    relación.

    Debido a que hay una variable dependiente y más de una variable independiente, entonces
    estamos en presencia de regresión y correlación lineal múltiple, la cual mide el comportamiento
    de la variable dependiente Y con respecto a todas las variables X, por lo tanto el modelo
    matemático que define dicha relación múltiple es el siguiente

    Y =a+b1 X 1 +b 2 X 2

    Utilizando la herramienta análisis de datos en Excel obtenemos los siguientes valores

    Estadísticas de la regresión múltiple  


    Coeficiente de correlación múltiple 0,79822912
    Coeficiente de determinación R^2 0,63716972

    Coeficiente
      s
    Intercepción -5643,56
    Variable X 1 109,70
    Variable X 2 87,09

    La recta de regresión lineal múltiple quedaría de la siguiente manera

    Y =109,70 X 1+ 87,09 X 2−5643,56


    D. Relacionar la información obtenida con el problema

    Al observar los valores obtenidos podemos llegar a la siguiente conclusión

    R2=0,6371 Este valor del coeficiente de determinación me dice que el modelo matemático tiene
    una relación lineal múltiple moderada con una fiabilidad del 63,71% y el valor del coeficiente de
    correlación r =√ R 2=√ 0,6371=0,7982 lo cual me indica que las variables están correlacionadas
    de manera significativa con una fiabilidad del 79,82%, se observa que al agregar la otra variable
    independiente se obtuvo un modelo matemático con una mayor fiabilidad y una correlación entre
    las variables mayor con respecto al obtenido al aplicar la regresión lineal simple

    También podría gustarte