TRABAJO COLABORATIVO

Unidad 2: Paso 4. Descripción de la información

Estudiantes

MILEIBIS PATRICIA OÑATE ARIAS

LEIDY MARCELA VARGAS MARIN

LUX MERY LEÓN

CAMILO ANDRES VILLAZON

CARLOS RUIZ

Grupo del curso

100105_286

Presentado a

JHANNA BRIEVA FUENTES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

24 de NOVIEMBRE del 2018

1
 INTRODUCCIÓN
Al recolectar, presentar y caracterizar un conjunto de datos, la estadística descriptiva

muestra apropiadamente las diversas características existentes dentro de los ejercicios

que se presente para estudio. Dentro de los diversos temas que se manejaron esta la

correlación múltiple las cuales nos permite estudiar simultáneamente los valores de dos

variables estadísticas. Este trabajo analiza especialmente la base de dato de la tutora

quien nos presento los casos a resolver con una gran eficiencia y exigencia con el fin de

practicar estadísticamente.

2
 JUSTIFICACIÓN

En esta sección se debe exponer un argumento que apoye o sustente e indique la

importancia de este ejercicio académico en su proceso de formación profesional.

Para construir su párrafo de una mejor manera procuren exponer claramente:

¿Por qué está realizando la actividad?

¿Qué tan novedoso es?

3
 OBJETIVOS

 Determinar la correlación entre dos variables cuantitativas por medio de un

laboratorio de regresión y correlación lineal

 Analizar datos agrupados para encontrar su relación.

 Relacionar variables de la problemática utilizando Medidas Bivariantes.

4
 REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

ESTUDIANTE 1: MILEIBIS PATRICIA OÑATE ARIAS

Variable Y: ESTATURA
Variable X: EDAD

Diagrama de dispersión:

EDAD ESTATURA cm
X Y
4.5 52
13.5 66
22.5 80
31.5 94
40.5 108
49.5 122
58.5 136
67.5 150
76.5 164
85.5 178
0.92 192

DIAGRAMA DE DISPERSION
Series2 Linear (Series2)
250

200
f(x) = 14 x + 38
R² = 1
ESTATURA Cm

150

100

50

0
0 2 4 6 8 10 12
EDAD

5
 Tipo de asociación de las variables Ascendente - positiva
^y =14 x+38
Modelo matemático
R2 1
R 1
Confiabilidad Perfectamente perfecta
% de explicación 100%
Grado de relación 1+ 1

Análisis e interpretación de resultados

De acuerdo con la información de las situaciones estudiadas tomamos dos variables

cuantitativa x e y que respectivamente nos representan las edades y estaturas de los
pacientes, encontrando una correlación perfecta entre estas dos variables.

6
ESTUDINATE 2: CAMILO VILLAZON

variable Y: PESO
Variable X: ESTATURA

Diagrama de dispersión:

DIAGRAMA DISPERSIÓN
100.00
90.00
80.00
f(x) = 63.6564078519376 x − 40.307592944031
70.00 R² = 0.86451223946546
60.00
Y PESO

50.00
40.00
30.00
20.00
10.00
0.00
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
X ESTATURA

Tipo de asociación de las variables Directa

Modelo matemático Y = 63,6564078519*X - 40,30759294
R2 0,8645
R 0,9278
El coeficiente de correlación nos arroja
Confiabilidad una correlación de 0,9278 esto nos
indica que es excelentemente confiable
% de explicación 86,45 %
Grado de relación Correlación Excelente

Análisis e interpretación de resultados

Modelo Matemático Y = 63,6564078519*X - 40,30759294

R² = 0,8645 El coeficiente de determinación es de un 86,45% El coeficiente de determinación

es de un 86,45%

r=0,9278 El coeficiente de correlación nos arroja una correlación de 0,9278 esto nos indica que
es excelentemente confiable A partir del análisis de Correlación, puedo concluir que hay una
correlación Excelente entre la variable Peso y Estatura.

7
ESTUDINATE 3: LEIDY MARCELA VARGAS MARIN

Variable Y: PESO
Variable X: EDAD

Diagrama de dispersión:

Tipo de asociación de las variables

Modelo matemático Y = 0,6007x + 35,544
R2 0.3749
R 0.6123
Confiabilidad No es confiable
% de explicación 37.49%
Grado de relación Correlación mínima

Análisis e interpretación de resultados

A partir del análisis de Correlación, puedo concluir que hay una correlación mínima
entre la variable edad y el peso; esto lo podemos identificar mediante el modelo
matemático regresión lineal Y = 0,6007x + 35,544, que en el cual solo podemos obtener una
confiabilidad del 37.49%.

8
ESTUDINATE 4: LUZ MERY LEON

Variable Y: PESO
Variable X: EDAD

Diagrama de dispersión:

edad peso
1 5,20
3 12,50
4 16,50
18 53,8
31 60,00
55 78,60
62 72,50
64 58,00
65 57,60

edad y peso
90

80

70 f(x) = 0.833259259259259 x + 18.0247160493827

R² = 0.734238442311723
60

50

40

30

20

10

0
0 10 20 30 40 50 60 70

Tipo de asociación de las variables Accendente

Modelo matemático Y=0,8333x+18,025
R2 R2 =0,7342
R
Confiabilidad Si es confiable
% de explicación 73.42%
Grado de relación Correlación regular

9
Análisis e interpretación de resultados

En el diagrama de dispersión observamos que hay una relación creciente y proporcional,

ya que a medida que aumenta la edad aumenta su peso.

ESTUDINATE 5: CARLOS RUIZ

Variable Y:
Variable X:

Diagrama de dispersión:

Diagrama de Dispersion Estatura (M)-Peso (kg)

Peso (kg) Linear (Peso (kg)) Linear (Peso (kg))
100.00
90.00
80.00
70.00 f(x) = 63.6564078519376 x − 40.307592944031
R² = 0.86451223946546
60.00
Peso (Kg)

50.00
40.00
30.00
20.00
10.00
0.00
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Estatura (M)

Tipo de asociación de las variables

Modelo matemático y = 63,656x - 40,308
R2 0,8645
R 0.9297
Confiabilidad confiable
% de explicación 92.97%
Grado de relación Correlación positiva

Análisis e interpretación de resultados

R/ mediante el desarrollo del diagrama de dispersión y el respectivo modelo
matemático, se pudo observar que hay una relación creciente y proporcional, ya que a
medida que aumenta la estatura de los pacientes aumenta su peso.

10
El modelo matemático nos permite predecir el efecto de una variable sobre la otra, y con
respecto a la ecuación determine que es confiable ya que el coeficiente de determinación
está cerca al 1, R² = 0,8645 y se puede asegurar que la ecuación de la recta tiene buena
estimación de la relación entre las dos variables. El (R²) afirma que el modelo explica el
86,45% de la información y el coeficiente de correlación lineal de (r) confirma el grado
de relación entre las variables que es del 92,97%, entre los variables peso y estatura.

11
 CONCLUSIONES

En esta sección deberán hacer un breve resumen de los puntos principales abordados en
el trabajo, se exponen los resultados y se destacan los hallazgos más importantes.

12
 REFERENCIAS BIBLIOGRÁFICAS

Se debe referenciar todas las páginas, libros, artículos que se consulten para el desarrollo
de la actividad, recuerden utilizar las normas APA para ello.
Ejemplo de cómo referenciar consultas de páginas web.
 Normas APA consultado el día 7 de septiembre del 2017. Disponible en línea en:
http://www.bidi.uam.mx/index.php?
option=com_content&view=article&id=62:citar-recursos-electronicos-normas-
apa&catid=38:como-citar-recursos&Itemid=65#2

 También es de ayuda el siguiente Link:

http://www.cva.itesm.mx/biblioteca/pagina_con_formato_version_oct/apa.htm

13
 ANEXO LABORATORIO REGRESIÓN Y CORRELACIÓN LINEAL

Opción Ejercicio 1 Ejercicio 2 Ejercicio 3 Estudiante

1 1.1.   Sal-Tensión 1.4. X - Y 1.9. Sobrepeso-R Mileibis

2 1.2.   CH-Pureza. 1.4. X - Y 1.7. PIB-Ventas Camilo

3 1.1.   Sal-Tensión 1.5. Tem-Vapor 1.7. PIB-Ventas Leidy Vargas

4 1.3. Peso-Altura. 1.6. Estatura-Peso 1.8. %-Umbral Luz Mery leon

5 1.2.   CH-Pureza. 1.5. Tem-Vapor 1.8. %-Umbral  Carlos Ruiz

MILEIBIS PATRICIA OÑATE

1.1 Sal – tensión. Se quiere estudiar la asociación entre consumo de sal y tensión
arterial. A una serie de voluntarios se les administra distintas dosis de sal en su dieta
y se mide su tensión arterial un tiempo después.

(X) SAL (Y ) TENSION

1.6 98
2.3 102
3.3 109
4.2 113
4.6 115
5.0 120

 Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.
140

120
f(x) = 4.37142857142857 x + 94.2
100 R² = 0.979251202677264
TENSION

80

60

40

20

0
0 1 2 3 4 5 6 7
SAL

Series2 Linear (Series2)

14
Tiene una asociación positiva ascendente, lo que indica también que el coeficiente de
relación es positivo. De apariencia de correlación perfecta igual a uno (1).

 Entre el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿es confiable?
^y =4,3714 x +94,2
Si es confiable.

 Determine el grado de relación de las dos variables.

R=0,9895

 Si a un paciente se le administra una dosis de sal de 5,6. ¿cuál es la tensión

arterial esperada?
^y =−4,3714 x +94,2
^y =−4,3714 . 5,6+94.2
^y =−24.4798+94.2
^y =69.7202
La tensión del paciente es 69.7202 cuando se le suministra una dosis de sal, de
5.6

1.2 X-Y es un nuevo proceso artesanal de fabricación de cierto artículo que está
implantado, se ha considerado que era importante ir anotando periódicamente el tiempo
medio (medio 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:

TIEMPO EN
NÚMERO DE REALIZAR LA
DÍAS PIEZA
(MINUTOS)
x Y
12 45
23 30
15
 35 27
42 25
53 23
65 21
70 20

 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 Es el número de días en que se contabiliza o registra la producción diaria.

Y es tiempo medio en minuto para realizar las piezas.

DIAGRAMA DE DISPERSION
TIEMPO EN REALIZAR LA PIEZA

50
45
40
35 f(x) = − 0.356613811808888 x + 42.5691633632381
R² = 0.796266698673209
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
NUMERO DE DIAS

 Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra ¿es confiable?
El tipo de modelo matemático es confiable por la cercanía y coincidencia de los
puntos de los datos, respecto a la recta.
^y =−0,3566 x+ 42,569

 Determine el grado de correlación de las dos variables.

Si R2=0,7963 R=0.8923=89.23 %
Es un alto índice de correlación entre las dos variables x y. lo que comprueba
que nuestro análisis sobre la línea de regresión es confiable también como lo
indicamos.

16
  ¿Qué tiempo debe tardarse un empleado cuando lleven 90 días?
Reemplazamos el valor de X = 90 en la ecuación ^y =−0,3566 x+ 42,569
^y =−0,3566 . 90+42,569
^y =−32.094+ 42,569
^y =10.475
Cuando lleven 90 días el empleado tardará un tiempo medio de 10,475 minutos

1.3 sobrepeso R- 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 las variables aleatorias.

%
Umbral de Reflejo.
Sobrepeso.
99 2,0
90 3,0
20 4,0
75 9,5
30 11,5
62 9,0
75 9,0
90 12,5
45 8,0
50 19,0

 Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.

17
 Series2 Linear (Series2) Linear (Series2)
20

18

16

UMBRAL DE REFLEJOS
14

12

10 f(x) = − 0.0450513105835806 x + 11.6152633531157

R² = 0.057315688096514
8

0
10 20 30 40 50 60 70 80 90 100 110
% SOBREPESO

De acuerdo a la visual que me dio el diagrama de dispersión de los datos percibimos una
baja o nula elevación entre las dos varíales, los datos aparecen aleatoriamente.

 Ajuste a un modelo matemático que permita predecir el efecto de una

variable sobre otra ¿es confiable?
^y =−0.0451 x +11 ,615
2
R =0,0573=5.73 %

R=0.2393=23.93 %

 Determine el porcentaje de explicación del modelo y el grado de relación de

las variables.
El porcentaje de explicación del modelo nos los da el coeficiente de
determinación que tiene un valor 5.73% que nos dice lo bajo o poco que se
ajusta los datos a la línea regresión.

 ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 34?
^y =−0.0451 x +11 ,615
^y =−0.0451. 34+ 11, 615
^y =−1.5334+11 ,615
^y =10.0816
El umbral de reflejo de reflexión nociceptiva, es de 10.0816 cuando hay un sobrepeso de
0.34.

18
CAMILO ANDRES VILLAZON
1.2. 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

 Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.

19
 101
100
99
98
97 f(x) = 14.7526316488126 x + 74.8834773605193
96 R² = 0.901779145235687
95
94
93
92
Pureza

91
90
89
88
87
86
85
84
83
82
81
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6
% de Hidrocarburos

El tipo de asociación entre las variables es directa y fuerte

 Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?
^y =14,753 x +74,883
ES CONFIABLE

 Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.
Coeficiente de correlación: 0.94962053

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

igual a 91,3?
^y =91,3
91,3¿ 14,753 x+74,883
91,3−74,883=14,753 x
16,417¿ 14,753 x
16,417
x=
14,753

x=1,112
Cuando la pureza del oxígeno es igual a 91,3 el porcentaje de hidrocarburo es de
1,112

20
1.4. 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

 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 : Número de dias desde que empezo dicho proceso
y :Tiempo medio en realizar la pieza ( minutos )

50

45 Chart Title
Tiempo en realizar la pieza

40
f(x) = − 0.356613811808888 x + 42.5691633632381
35 R² = 0.796266698673209
30

25

20

15

10

0
0 10 20 30 40 50 60 70 80
Número de dias

El tipo de asociación entre las variables es inversa

 Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?
^y =−0,3566 x+ 42,569
CONFIABLE
 Determine el grado de correlación de las dos variables.
Coeficiente de correlación: 0.892337
 ¿Qué tiempo deberá tardarse un empleado cuando lleven 90 días?

21
 x=90

^y =−0,3566 x+ 42,569

^y =−0,3566(90)+ 42,569

^y =10,475

Cuando lleven 90 días el empleado tardará un tiempo medio de 10,475 minutos

1.7. 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

 Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

22
 380

370

360

350 f(x) = 1.15092838196286 x + 345.10424403183

R² = 0.0287535576784381
340
Axis Title
330

320

310

300
1 2 3 4 5 6 7 8
Axis Title

No es confiable. Muy disperso.

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

^y =1,1509 x +345,1

Coeficiente de correlación: 0.16956874

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

x=3,1

^y =1,1509 (3,1)+345,1

^y =348,67
Si el PIB nacional es de 3,1 la proyección de ventas para el año del 2018 sera de
348,67

23
LEIDY MARCELA VARGAS
EJERCICIO 1
1.8. SAL – TENSION: Se quiere estudiar la asociación entre consumo de sal y
tensión arterial. A una serie de voluntarios se les administra distintas dosis de sal
en su dieta y se mide su tensión arterial un tiempo después.

X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120

 Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables
DIAGRAMA DE DISPERSION
140

120
f(x) = 6.10619469026549 x + 88.1283185840708
R² = 0.987004236903821
100

80
SAL

60

40

20

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

TENSION

Tiene una asociación lineal

 Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?

^y =6.1062 x +88.128
24
La ecuación de la recta es confiable por que R2 esta cercano a 1 tiene un grado alto de
confiabilidad
Determine el grado de relación de las dos variables.
El valor de R 0.987 está muy cercano al extremo 1 positivo que correlación perfecta
positiva

 Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión

arterial esperada?
Para hallar la tensión arterial esperada para una dosis de 5.6 debemos reemplazar este
valor en la formula hallada

^y =6.1062 x +88.128
^y =6.1062. 5,6+88.128
^y =34.194 +88.128
^y =122.322

Según lo anterior para dicha dosis de sal la tensión arterial esperada es de 122.32

EJERCICIO 2
1.5. 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.

25
 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

 Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.
Chart Title
800

700
f(x) = 9.20869295859776 x − 6.31838924146257
600 R² = 0.999863869598443

500
consumo de vapor(Lb)

400

300

200

100

0
10 20 30 40 50 60 70 80
temperatura F

 Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

^y =9.2087 x−6.3184
Es confiable

26
  Determine el porcentaje de explicación del modelo y el grado de relación de
las dos variables.

Grado de relación entre las dos variables

2
R =0.9999
La ecuación de la recta es confiable por que R2 esta cercano a 1 tiene un grado alto de
confiabilidad

Porcentaje de explicación
2
R =0,9999∗100=99,99 %
r =√ 0,9999
r =0,9999
 ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF?

Para hallar el consumo de vapor cuando la temperatura es de 70 oF debemos reemplazar

este valor en la formula hallada

^y =9.2087 x−6.3184
^y =9.2087 ∙70−6.3184
^y =644.609−6.3184
^y =638.47

Según lo anterior para una temperatura de 70 oF el consumo de vapor esperado es

de 638.47

Ejercicio 3
1.7. 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

27
 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

 Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Ventas de la compañía
380

370

360
ventas de la compañia

350 f(x) = 1.15092838196286 x + 345.10424403183

R² = 0.0287535576784381
340

330

320

310

300
1 2 3 4 5 6 7 8
PIB nacion

^y =1.1509 x +345.1

No es confiable, es muy dispersa

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

28
 2
R =0.0288∗100=2.88 % → Porcentaje de explicacion
r =√ 0.0288
r =0.0288 →Grado de relacion entre las dos variables

 ¿Cuál podría ser la proyección de ventas para el año 2018 si se espera que el
PIB nacional sea del 3,1?
Para hallar la proyección de ventas para el año 2018 cuando el PIB nacional sea del 3,1
debemos reemplazar este valor en la formula hallada

^y =1.1509 x +345.1
^y =1.1509 ∙ 3.1+ 345.1
^y =3.56779+ 345.1
^y =348.667

Según lo anterior para que el PIB nacional sea del 3,1 ser la proyección de ventas para el
año 2018 esperado es de 348.667

29
LUZ MERY LEON
1.3. Peso-Altura. Un colegio del distrito de Bogotá desea realizar un estudio de
crecimiento dentro de su población estudiantil, para lo que se ha construido
desde una muestra la siguiente de información del peso (en kg.) y la altura (en
cm.) de 20 jóvenes:

Nº Peso (Kg) Altura (cm)

1 61 150
2 63 143
3 60 146
4 74 160
5 58 143
6 63 145
7 64 149
8 74 158
9 74 150
10 66 150
11 63 153
12 61 151
13 64 151
14 69 147
15 64 142
16 77 164
17 76 162
18 80 163
19 79 152
20 68 144

30
  Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables

Altura (cm)
170

165

160
f(x) = 0.748292575457149 x + 100.34093412646
R² = 0.558250668835364
155

150

145

140

135

130
55 60 65 70 75 80 85

 Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Y=0,7483x+100,34, si es confiable

 Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.
coeficiente de relación 0,74716174

 ¿Cuál es el peso esperado de un estudiante que mide 172 cm?

Y= 0,7483x+100,34
Y= 0,7493*172cm+100,34
Y=128,7076+100,34
Y=229,0476

1.6. Estatura-Peso. Una Nutricionista de un hogar infantil desea encontrar un

modelo matemático que permita determinar la relación entre el peso y la estatura
31
 de sus estudiantes. Para ello selecciona 10 niños y realiza las mediciones
respectivas.
A continuación, se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso (kg) 24 23 19 24 21 19 22 16 20 23

 Identifique la variable dependiente (y) y la variable independiente (x),

realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

(estatura y peso)
30

25
f(x) = 0.386016451233843 x − 22.7514688601645
R² = 0.832882786406025
20

15

10

0
100 105 110 115 120 125 130

 Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Y= 0,386x-22,751
R2 =20,8329
R2=0,9126%
Coeficiente de relación 0,832es confiable.

 determine el grado de correlación de las dos variables.

El coeficiente es de correlación de 0,8321 es aprobado.

32
  ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?

Y= 0,386x – 22,751
Y= 0,386x * 128 – 22,751
Y= 26
Peso que debe tener el estudiante
1.8. %-Umbral. 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

y (umbral de reflejo de
% Sobrepeso.
flexión nociceptiva)

89 2,00
90 3,00
75 4,00
30 4,50
51 5,50
75 7,00
62 9,00
45 13,00
90 15,00
20 14,00
 Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

33
 % sobrepeso y umbral de reflejo de flexión nociceptiva)
16

14

12

10 f(x) = − 0.0628678299960536 x + 11.6418129407526

R² = 0.111494544581578
8

0
10 20 30 40 50 60 70 80 90 100

 Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Y= 0,0629x + 11,642

R= 0,1115, según el coeficiente de determinación está alejado del 1 por lo tanto no es

confiable.

 Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.

R2 = 0.1115 X 100 = 11,15%

 ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 40?

Y= 0.0629x + 11,642
Y = 0.0629 * (40) + 11,642
Y= -2516 + 11,642
Y = 9,126, Umbral de reflejo

Rta: Cuando hay un porcentaje de peso de 40, el umbral de reflejo de reflexión

nociceptiva es de 9,126.

CARLOS ALBERTO RUIZ

34
Ejercicio 1.

1.2 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:

R/

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

35
  Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

R/
f(x) = NaN x + NaN
R² = 0
D iagrama d e Disp ersio n C H -P u reza
Series1 Linear (Series1)
12

10

8
Pureza

0
0 2 4 6 8 10 12
Hidrocarburos

Es una relación creciente, porque a medida que aumenta el porcentaje de hidrocarburos

aumenta la pureza, esto quiere decir el porcentaje de hidrocarburos es directamente
proporcional a la pureza. Además se puede afirmar que es fuerte la asociación de las
variables porque una variable depende de la otra, en este caso la pureza depende del
porcentaje de hidrocarburos, esto se puede observar con el coeficiente de
determinación R2 que es 87.74%.

 Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?
R/
y = 14,947x + 74,283
Es confiable pues R² = 0,8774 se acerca a 1

 Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.

36
R/
R² = 0,8774 x 100 = 87,74% Porcentaje de explicación
r = 0,9366 x 100 = 93,66 % Grado de relación entre las dos variables hidrocarburo y
pureza. Es una correlación positiva.
La ecuación de la recta tiene muy buena estimación de la relación entre las dos
variables. El (R²) afirma que el modelo explica el 87,74% de la información y el
coeficiente de correlación lineal de (r) confirma el grado de relación entre las variables
Hidrocarburos y Pureza que es del 93,66%.

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

igual a 91,3?
R/

y=14,947 x +74,283

14,947 x= y−74,283
y−74,283
x=
14,947

91,3−74,283
x=
14,947

17,017
x=
14,947

x=1,138

La pureza del oxígeno es 91,3 el porcentaje del hidrocarburo es 1,138.

1.5 Tem Vapor

37
Una tabla de vapor saturado es una herramienta indispensable para cualquier ingeniero
que trabaja con vapor. Típicamente es usada para determinar la temperatura de
saturación del vapor a partir de la presión del vapor o viceversa, presión a partir de la
temperatura de saturación del vapor. Además de presión y temperatura, estas tablas
usualmente incluyen otros valores relacionados tales como entalpía específica (h) y
volumen específico (v).
 Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.

REGISTRO DE TEMPERATURA VS CONSUMO DE VAPOR

800

700
f(x) = 9.20869295859776 x − 6.31838924146257
600 R² = 0.999863869598443
CONSUMO DE VAPOR

500

400

300

200

100

0
10 20 30 40 50 60 70 80
TEMPERATURA

 Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?
y=9,2087 x−6,3184
2
R =0,9999→ segun l coeficiente de determinacion es cercano a 1 por lotanto es confiable

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

dos variables.
2
R =0,9999∗100=99,99 % → Porcentaje de explicacion
r =√ 0,9999
r =0,9999→ Grado de relacion entre las dos variables
La correlación entre las variables temperatura oF y consumo de vapor en Lb es
Excelente.

 ¿Cuál es el de consumo de vapor cuando la temperatura es de 70 oF

y=9,2087 ( 70 )−6,3184

38
y=644,609−6,3184
y=638,29→ consumo de vapor esperado
Cuando la temperatura es de 70 oF el consumo de vapor esperado es de 638,29

1.8. %-Umbral. 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

R/

y (umbral de reflejo de
% Sobrepeso.
flexión nociceptiva)

89 2,00
90 3,00
75 4,00
30 4,50
51 5,50
75 7,00
62 9,00
45 13,00
90 15,00
20 14,00

 Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.

R/

39
 y (umbral de refl ejo de fl exión no-
cicepti va)
16
14
12
10
f(x) = − 0.0628678299960536 x + 11.6418129407526
Axis Title

8 R² = 0.111494544581578
6
4
2
0
10 20 30 40 50 60 70 80 90 100
Axis Title

 Ajuste un modelo matemático que permita predecir el efecto de una

variable sobre la otra. ¿Es confiable?

R/

Y= 0,0629x + 11,642

R= 0,1115,

No es confiable.

 Determine el porcentaje de explicación del modelo y el grado de relación de

las dos variables.

R/

R2 = 0.1115 X 100 = 11,15%

 ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un

porcentaje de sobrepeso, de 40?

R/
Y= 0.0629x + 11,642
Y = 0.0629 * (40) + 11,642

40
Y= -2516 + 11,642
Y = 9,126, Umbral de reflejo

41