Trabajo Colaborativo3 - 403004 - 11 PERSONALIDAD

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación - VIACI
Escuela: Escuela de Ciencias Sociales, Artes y Humanidades. Programa: Psicología

Curso: Estadística Descriptiva Código: 204040
MEDIDAS DE DISPERSION
MEDIDAS DE REGRESION Y CORRELACION
KAROL BEDOYA CHAVEZ

DIEGO ANDRES TORRES
VICKY XIMENA GUTIERREZ
NEIDY STEPHANY LONDOÑO
JOHN ALEXANDER GARCIA
COD: 204040
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
PSICOLOGIA
2017
1
TABLA DE CONTENIDO
Introducción 4
Justificación 5
Objetivos 6
Cálculo e interpretación de las medidas variable discreta 7
Calculo e interpretación de las medidas variable continúa 20
Análisis de correlación lineal simple 33
Análisis y conclusiones a partir de los resultados 32
Conclusiones 36
Referencias 37
Laboratorio 38
2
3
INTRODUCCION
La estadística es una ciencia con base matemática referente a la recolección, análisis e interpretación de
datos, que busca explicar condiciones regulares en fenómenos de tipo aleatorio. Es transversal a una amplia
variedad de disciplinas, desde la física hasta las ciencias sociales, desde las ciencias de la salud hasta el
control de calidad, y es usada para la toma de decisiones. La finalidad del trabajo es que se logre
comprender, analizar y profundizar los temas abordados de la segunda unidad del módulo de estadística
descriptiva. Es un trabajo práctico que le permite al estudiante el desarrollo de estrategias y habilidades que
favorecen su aprendizaje autónomo y contribuyen con su formación académica.
4
JUSTIFICACION
La estadística es una disciplina aplicada en todos los campos de la actividad humana. De ahí que se tenga
como una asignatura indispensable en todas las áreas y carreras del conocimiento de nivel intermedio y
profesional.
Si existe una función que sea importante universalmente para aquellas personas que laboran dentro de una
organización empresarial, está es la decisión. Debido al enorme aumento de disponibilidad de datos, a través
de los computadores y de la gran complejidad, el proceso de decisión está sometido a presiones
extraordinarias. En el futuro, los responsables de las decisiones tendrán que estar suficientemente
familiarizados con las técnicas estadísticas existentes, para poder determinar cuándo se puede analizar una
situación mediante la aplicación de la estadística.
Se busca la conceptualización y reconocimiento a través de la teoría de los conceptos vistos en la unidad de

estadística, para su posterior aplicación como una herramienta útil en el campo laboral, académico entre
otros.
El uso de estas herramientas estadísticas es aplicable en diferentes ramas del saber y sirven para poder dar
solución y aclarar de manera más sencilla problemas que se evidencian a partir de la información; además
de proporcionarnos los medios para analizar datos recopilados de manera ordenada, resumida, numérica,
descriptica e ilustrativa.
5
OBJETIVOS
Aprender el manejo de las tablas y manejo de programas estadísticos para sacar porcentajes de acuerdo a
lo estudiado.
Relacionar agrupar y comprender datos de acuerdo a una población asignada.
Analizar la información obtenida dependiendo el caso para poder obtener un resultado confiable utilizando
tablas y gráficos.
Reconocer las medidas y los términos generales para determinar el porcentaje de acuerdo al modelo de
relación según las variantes.
Identificar que variantes se pueden relacionar según sea el caso la variable dependiente como Y e la
independiente como X para representarlas por ecuación matemática.
6
CALCULO E INTERPRETACION DE LAS MEDIDAS VARIABLES DISCRETAS
Medidas Univariantes de dispersión Identificar las variables discretas dentro del problema de estudio y
calcular las medidas Univariantes de dispersión más adecuada, a aquellas que consideren sean relevantes
para el problema de estudio.
Con la variable discreta elegida calcular: rango, varianza, desviación típica y coeficiente de variación.
Interpretar los resultados obtenidos y asociarlos con el problema objeto de estudio.
Con la variable continúa elegida calcular: rango, varianza, desviación típica y coeficiente de variación.
Interpretar los resultados obtenidos y asociarlos con el problema objeto de estudio.
Cálculo E Interpretación De Las Medidas Univariantes De Tendencia Central Y De Dispersión Para La Variable
Discreta
Dentro de las variables discretas se encuentra la edad, el estrato, el número de textos escolares, el número
de materias aprobadas, materias con desempeño básico y materias con desempeño bajo. La variable elegida
será la edad
Para la muestra presentada en la encuesta posee cien (100) observaciones y al calcular los estadígrafos
solicitados se encuentra que:
7
Rango 4
Varianza de la 1.3735613
muestra
Desviación Típica 1.17199032
Coeficiente de 0.13065481
Variación
La edad promedio de los estudiantes es aproximadamente 9 años, el valor de la mediana es 9 años y la edad
que más se repite entre los estudiantes es 9 años. Los datos de las edades se desvían de la media en
aproximadamente 1 año. La edad mínima es 7 años y la edad máxima es 11 años.
Se podría decir que en la muestra se encuentran estudiantes entre los 7 y los 11 años de edad, que la
mayoría de los estudiantes encuestados se encuentran entre los 8 y los 10 años.
8
Histograma
30
25
Frecuencia
20
15
10
5 Frecuencia
0
7 8 9 10 11 y
mayor...
Clase
El histograma tiene una distribución normal y asimétrica, esto quiere decir que ambos lados no son iguales.
Como se indicó anteriormente entre 8 y 10 años se concentra el mayor número de alumnos mientras en la
edad de siete años se encuentra la menor frecuencia.
9
 VARIABLE ESTRATO
Media 2.28181818
Mediana 2
Moda 2
Desviación estándar 0.69244704
muestra
Rango 2
Mínimo 1
Máximo 3
El estrato promedio de los estudiantes es 2, el valor de la mediana es estrato 2 y el estrato que más se
repite entre los estudiantes es el estrato 2. Los datos del estrato de los estudiantes se desvían de la media
en aproximadamente 1 estrato. El estrato mínimo es 1 y el máximo es 3. En términos generales se podría
decir que en el estudio realizado se encuentran tres (3) estratos socioeconómicos (1, 2 y 3)
10
Histograma
50
Frecuencia
0 Frecuencia
1 2 3 y mayor...
Clase
El histograma tiene una distribución normal y asimétrica, esto quiere decir que ambos lados no son iguales.
 NÚMERO DE TEXTOS ESCOLARES QUE POSEE EN LA CASA
Media 12.0090909
Error típico 0.6871264
Mediana 10
Moda 12
muestra
Rango 37
Mínimo 3
Máximo 40
11
El número de textos escolares que los estudiantes poseen en la casa en promedio es 12, el valor de la
mediana del número de textos escolares que poseen en la casa los estudiantes es 10 y el número de textos
escolares que posee en la casa la mayoría de los estudiantes es 12. Los datos del número de textos escolares
que posee en la casa los estudiantes se desvían de la media en aproximadamente 7 textos escolares. El
mínimo de textos escolar que poseen los estudiantes en sus casas es 3 y el máximo es 40. Existe una alta
variabilidad en esta variable, la desviación típica es un poco mayor que la mitad de la media.
Clase Frecuencia % acumulado Clase Frecuencia %

acumulado
3 0 0.00% 12 45 40.91%
8 31 28.18% 8 31 69.09%
12 45 69.09% 17 12 80.00%
17 12 80.00% 22 11 90.00%
22 11 90.00% 27 6 95.45%
27 6 95.45% 32 2 97.27%
32 2 97.27% 36 2 99.09%
36 2 99.09% 41 1 100.00%
41 1 100.00% 3 0 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
12
El histograma tiene una forma asimétrica, con un pico descentrado dentro del recorrido de los datos, las
colas descienden: bruscamente en un lado y suavemente en el otro. Los estudiantes tienden a tener pocos
textos escolares en sus viviendas. Como se puede apreciar son muy poco los estudiantes que poseen un
número mayor de 22 libros en sus casas
 MATERIA APROBADAS
Media 8.66363636
Mediana 9
Moda 9
muestra
Rango 5
13
Mínimo 5
Máximo 10
Las materias aprobadas promedio de los estudiantes es 9, el valor de la mediana es 9 materias aprobadas
y la mayoría de los estudiantes tienen 9 materias aprobadas. Los datos de las materias aprobadas de los
estudiantes se desvían de la media en aproximadamente 1 materia aprobada. El valor mínimo de materias
aprobadas es 5 y el máximo 10.
Clase Frecuencia % Clase Frecuencia %

acumulado acumulado
5 1 0.91% 9 34 30.91%
6 5 5.45% 10 32 60.00%
7 12 16.36% 8 26 83.64%
8 26 40.00% 7 12 94.55%
9 34 70.91% 6 5 99.09%
10 32 100.00% 5 1 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
14
colas descienden: bruscamente en un lado y suavemente en el otro. Los estudiantes tienden a aprobar la
mayoría de sus materias.
 NÚMERO DE MATERIAS CON DESEMPEÑO BAJO
Media 1.33636364
Mediana 1
Moda 1
muestra
Rango 5
Mínimo 0
Máximo 5
15
El número de materias con desempeño bajo que poseen los estudiantes en promedio es 1 materia, el valor
de la mediana del número de materias con desempeño bajo que poseen los estudiantes es 1 y la mayoría
de los estudiantes tienen solamente 1 materia con desempeño bajo. Los datos del número de materias con
desempeño bajo se desvían de la media en aproximadamente 1 materia. El mínimo de materias con
desempeño bajo que poseen los estudiantes es 0 materias y el máximo es 5.

acumulado acumulado
0 32 29.09% 1 34 30.91%
1 34 60.00% 0 32 60.00%
2 26 83.64% 2 26 83.64%
3 12 94.55% 3 12 94.55%
4 5 99.09% 4 5 99.09%
5 1 100.00% 5 1 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
16
colas descienden: bruscamente en un lado y suavemente en el otro. Los estudiantes tienden a tener pocas
materias con desempeño bajo.
 NÚMERO DE MATERIAS CON DESEMPEÑO BÁSICO
Media 3.12727273
Mediana 3
Moda 3
Desviación 1.15026196
estándar
muestra
Rango 6
Mínimo 1
Máximo 7
El número de materias con desempeño básico que poseen los estudiantes en promedio es 3 materias, el
valor de la mediana del número de materias con desempeño básico que poseen los estudiantes es 3 y la
mayoría de los estudiantes tienen solamente 3 materias con desempeño básico. Los datos del número de
17
materias con desempeño básico se desvían de la media en aproximadamente 1 materia. El mínimo de
materias con desempeño básico que poseen los estudiantes es 1 materias y el máximo es 7.

acumulado acumulado
1 3 2.73% 3 39 35.45%
2 33 32.73% 2 33 65.45%
3 39 68.18% 4 22 85.45%
4 22 88.18% 5 9 93.64%
5 9 96.36% 1 3 96.36%
6 3 99.09% 6 3 99.09%
7 1 100.00% 7 1 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
18
colas descienden: bruscamente en un lado y suavemente en el otro. Los estudiantes tienden a tener pocas
materias con desempeño básico.
19
CÁLCULO E INTERPRETACIÓN DE LAS MEDIDAS UNIVARIANTES DE TENDENCIA CENTRAL Y DE

DISPERSIÓN PARA LA VARIABLE CONTINÚA
ESTATURA
Media 1.32763636
Mediana 1.325
Moda 1.26
muestra
Rango 0.3
Mínimo 1.2
Máximo 1.5
La estatura promedio de los estudiantes es 1.33m, el valor de la mediana es tener una estatura de 1.325m
y la estatura que más se repite entre los estudiantes es 1.26m. Los datos de la estura de los estudiantes se
desvían de la media en 0.072m. La estura mínima es 1.2m y la máxima es 1.5m.
20
acumulado acumulado
1.10 0 0.00% 1.47 48 43.64%
1.14 0 0.00% 1.33 24 65.45%
1.18 0 0.00% 1.29 18 81.82%
1.22 7 6.36% 1.26 12 92.73%
1.26 12 17.27% 1.22 7 99.09%
1.29 18 33.64% 1.51 1 100.00%
1.33 24 55.45% 1.10 0 100.00%
1.47 48 99.09% 1.14 0 100.00%
1.51 1 100.00% 1.18 0 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
21
colas descienden: bruscamente en un lado y suavemente en el otro (Fundibeq). Los estudiantes tienden a
tener una estatura alta.
 PESO
Media 31.3690909
Mediana 30.6
Moda 35.2
muestra
Rango 28.1
Mínimo 19.9
Máximo 48
22
El peso promedio de los estudiantes es 31.37kg, el valor de la mediana es tener un peso de 30.6kg y el peso
que más se repite entre los estudiantes es 35.2kg. Los datos del peso de los estudiantes se desvían de la
media en 5.91kg. El peso mínimo es 19.9kg y el máximo es 48m.

acumulado acumulado
19.8 0 0.00% 27.1 27 24.55%
23.4 7 6.36% 30.7 23 45.45%
27.1 27 30.91% 34.3 17 60.91%
30.7 23 51.82% 38.0 17 76.36%
34.3 17 67.27% 41.6 17 91.82%
38.0 17 82.73% 23.4 7 98.18%
41.6 17 98.18% 49.0 2 100.00%
45.3 0 98.18% 19.8 0 100.00%
49.0 2 100.00% 45.3 0 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
23
colas descienden: bruscamente en un lado y suavemente en el otro (Fundibeq). Los estudiantes tienden a
tener poco peso.
 DESEMPEÑO COMPORTAMIENTO
Media 4.46181818
Mediana 5
Moda 5
muestra
Rango 2
Mínimo 3
Máximo 5
24
El desempeño del comportamiento promedio de los estudiantes es 4.46, el valor de la mediana es tener un
desempeño en el comportamiento de 5 y el desempeño del comportamiento que más se repite entre los
estudiantes es 5. Los datos del desempeño del comportamiento de los estudiantes se desvían de la media
en 0.61. El desempeño del comportamiento mínimo es 3 y el máximo es 5.

acumulado acumulado
2.90 0 0.00% 5.07 56 50.91%
3.16 1 0.91% 3.93 24 72.73%
3.42 2 2.73% 4.81 13 84.55%
3.68 9 10.91% 3.68 9 92.73%
3.93 24 32.73% 4.19 5 97.27%
4.19 5 37.27% 3.42 2 99.09%
4.45 0 37.27% 3.16 1 100.00%
4.81 13 49.09% 2.90 0 100.00%
5.07 56 100.00% 4.45 0 100.00%
y 0 100.00% y 0 100.00%
mayor... mayor...
25
Regresión y Correlación Lineal Simple
A partir de la base de datos:

Identificar dos variables cuantitativas de la situación estudiada que pueden estar relacionadas.
Se tomará las variables “Materias Aprobadas” (MAp) y “Número de Textos Escolares que Posee en la Casa2”
(NTEC)
Estas variables podrían estar correlacionadas según el caso presentado en la base de datos
Realizar un diagrama de dispersión de dichas variables y determinar el tipo de asociación entre las variables.
26
11
10
8
MAP
4
0 5 10 15 20 25 30 35 40 45
NTEC
27
Al apreciar el diagrama de dispersión se observa que no se puede identificar una relación clara entre estas
variables, motivo por el cual se utilizará otras variables para el ejercicio.
Esta vez se definirá las variables peso y estatura para el análisis:
1.55
1.50
1.45
1.40
ESTATURA
1.35
1.30
1.25
1.20
1.15
15 20 25 30 35 40 45 50
PESO
28
Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es confiable?
De acuerdo a lo observado en el diagrama de dispersión los datos se podrían agrupar alrededor de una línea
recta, la cual matemáticamente puede ser representada por la ecuación Y  mX  b
Al realizar la estimación por el método de MCO se obtiene los siguientes resultados:
29
En términos generales se podría decir que es confiable, ya que el R cuadrado indica que la variable
independiente (Estatura) explica en un 93.23% la variable dependiente (Peso)
Y=78.13X-072.41
Determine el porcentaje de explicación del modelo y el grado de relación de las dos variables.
En términos generales se podría decir que es confiable, ya que el R cuadrado indica que la variable
independiente (Estatura) explica en un 93.23% la variable dependiente (Peso), si se realiza respecto al
coeficiente de correlación es 0.9655, indica que las variables tiene una alta relación lineal positiva
Relacionar la información obtenida con el problema
La información obtenida entregaría una relación entre peso y edad
Media 8.66363636
Mediana 9
Moda 9
muestra
Rango 5
Mínimo 5
Máximo 10
30
Con este documento los tutores y estudiantes de la UNAD van a querer implementar con mayor frecuencia
el uso del wiki para la realización de los trabajos colaborativo o para la discusión de temas académicos
pertinentes a los contenidos del curso respectivo.
31
ANALISIS DE CORRELACION LINEAL
 Como primera medida se tomaron las variables de materias aprobadas y número de textos que poseen en casa,
pero al realizar el diagrama de dispersión se pudo observar que no se puede identificar una relación clara entre las
variables, por lo tanto se utilizaron otras variables.
 En segunda opción se realizaron las variables de peso y estatura, donde se obtuvo como correlación 0.9655.
 Se concluye que es confiable, puesto que matemáticamente es representada como Y=Mx+b, esto conlleva a ser una
variable positiva que coincide con una recta lineal.
 El resultado de la variable dependiente es de 93.23%
32
ANALISIS Y CONCLUSIONES A PARTIR DE LOS RESULTADOS
1. se presenta el primer caso ubicando las variables discretas mediante una base de datos ya diseñada con
información que se toma como referente para dar inicio a la elaboración de la tabla donde la edad se toma como
variable elegida done se encuentra que la edad promedio de los estudiantes es de 9 años teniendo en cuenta que
los datos de las edades se desvían de la media en un año aproximadamente, concluyendo que la edad mínima es
de 7 años y la máxima de 11 lo que quiere decir que en la encuesta se encuentran la mayoría de los estudiantes
entre los 8 y los 11 años.
2. El estrato promedio de los estudiantes es 2 ubicando así el valor que más se repite en es el estrato 2 tomando en
cuenta que el valor desviado en la media es de un estrato arrojando como resultado que los estratos de los
estudiantes están entre 1 y 3 concluyendo que se encuentran 3 estratos en los que se desarrollan los estudiantes
el 1 siendo el mínimo el 2 siendo el medio y el 3 siendo el máximo. Teniendo una distribución asimétrica lo que nos
indica gran diferencia entre uno estrato y otro.
3. Numero de textos escolares que los estudiantes poseen en casa oscila entre un promedio de 12 el valor de la
mediana, y 10 textos escolares que poseen en la casa los estudiantes teniendo en cuenta que la desviación de la
media es de aproximadamente 7 libros, llegando así a la conclusión de que en las casas que menor número tienen
e libros es 3 y la mayor cantidad es 40, la variabilidad es muy alta es más de la mitad de la media. A lo cual
podemos afirmar que los estudiantes no manejan gran cantidad de libros en su casa.
33
4. Las materias aprobadas promedio de los estudiantes el valor de la mediana es 9 materias aprobadas teniendo en
cuenta que la media se desvía aproximadamente en una materia en una forma asimétrica podemos decir que el
mínimo de materias aprobadas está en un 5% y el valor máximo es de un 10% por lo cual podemos concluir que
los estudiantes tienen la mayoría de sus materias aprobadas.
5. Materias con desempeño bajo, la mediana es 1 el valor con desempeño bajo de los estudiantes de 1 lo cual nos
indica que la mayoría de los estudiantes aprobó todas sus materias y solamente en 1 tienen bajo desempeño
teniendo en cuenta que el valor de la media se desvía aproximadamente en 1materia con bajo desempeño por lo
cual podemos concluir que el mínimo d materias con bajo rendimiento es 0 y el máximo 5 de acuerdo al
histograma en forma simétrica los estudiantes tienen un mínimo de materas con bajo rendimiento.
6. Numero de materias con desempeño básico, el valor de la mediana es de 3y la mayor parte de los estudiantes solo
tienen 3 materias con un desempeño básico teniendo en cuenta que los datos se desvían de la media en 1 materia
en promedio el número de materias que tienen con desempeño básico es de 1 concluyendo así que el valor más
bajo es 1 y el más alto es 7 según histograma asimétrico, tienen pocas materias con desempeño básico.
7. Estatura promedio según estudio realizado arroja que el valor de la mediana es 1.325m mientras que la estatura
promedio de los estudiantes es 1.33m y la estatura más común en esa población es de 1.26m siendo la
mínima de 1.2m la máxima es de 1.5 m entonces podemos concluir según la forma asimétrica del histograma los
estudiantes tienen una estatura promedio 1.47 y se puede deducir que son de estatura alta.
8. El peso promedio según estudio realizado la mediana está en un peso de 30.6km la mayoría de los estudiantes
pesa 35.2km teniendo en cuenta que los datos se desvían de la media en 5.91 km siendo así podemos concluir
que el peso promedio de los estudiantes es 31.37km y el peso mínimo es de 19.9km y el máximo es de 48 m.
34
9. Desempeño comportamiento el valor de la medina está en un desempeño de comportamiento de 5 teniendo en
cuenta que se desvían de la media en 0.61siendo así podemos concluir que el promedio del comportamiento de
los estudiantes es de 4.46 teniendo como mínimo un desempeño de 3 y máximo de 5.
10. Regresión y Correlación Lineal Simple en el primer ejercicio vemos como no se pudieron relacionar claramente las
variables esto puede ser debido a que no tiene relación las materias aprobadas con el número de textos que cada
estudiante posee en su casa, razón por la cual se toman otras variantes.
11. En este ejercicio se toma como dependiente el peso e independiente la estatura dando como resultado 93.23% la
variable dependiente y la correlación es de 0,9655 ha lo cual las variables tienen alta correlación lineal y podemos
deducir que es una variable confiable por cuanto es representada matemáticamente como Y=mX+b es una
variable positiva que coincide con una recta lineal.
35
CONCLUSIONES
1. Conocimos muchos de los fundamentos que son necesarios para el estudio de la estadística.
2. Gracias al desarrollo de los ejercicios anteriores podemos decir que fortalecimos mucho de los conceptos y
procedimientos presentes en la estadística descriptiva.
3. El desarrollo de los ejercicios nos permitió adentrarnos más en el ambiente de las estadísticas lo cual será de gran
ayuda para nuestra formación como profesionales.
4. El trabajo en grupo nos permitió, también fortalecer nuestros conocimientos y conocer mucho más a nuestros
compañeros de grupo.
5. Se puede concluir que se desarrolló con claridad todo el trabajo y se cumplieron cada uno de los lineamientos
expuestos por la UNAD, entendiendo cada uno de los procesos para llevar a cabo cada uno de los procesos que
determina una investigación.
36
REFERENCIAS BIBLIOGRAFICAS
 Santa Escobar. Monica. Modulo.Estadistica.Descritiva,universidad Nacional Abierta y a distancia, Colombia(2005)
 Universidad Atacama¿Qué es la estadística? Recuperado de:

http://www.mat.uda.cl/hgomez/apuntes/Esta/%c3%Adistica.Descriptiva.PDF.
37
LABORATORIOS
DIEGO TORRES
PUNTO 1
a) Realice el diagrama de dispersión y determine el tipo de asociación entre las variables

Y
X (sal)
(Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
38
DIAGRAMA DE DISPERSION
140
120
100
Y (TENSION)
80
Series1
60 y = 6.1062x + 88.128
Linear (Series1)
R² = 0.987
40
Linear (Series1)
20
0
0 1 2 3 4 5 6
X (SAL)
b) Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es confiable?
Y= 6,1062x+88,128
R²= 0,987
En cuanto al resultado, se puede evidenciar que tiene un 98,7% de confiabilidad.
39
c) Determine el grado de relación de las dos variables.
RTA. El valor de r coeficiente de correlación lineal confirma una relación Excelente entre las variables Sal – Tensión.
d) Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión arterial esperada?
Y= ?
Y= 6,1062x+88,128
5,6 = 6,1062x+88,128
5,6 – 88,128 = 6,1062x
-82,528 = 6,1062
= 82,528/6,1062
TENSION ARTERIAL = 13,5
PUNTO 2
a. 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
40
50
40
30
Y DIAGRAMA DE
20 DISPERSION
y = -0.3566x + 42.569
R² = 0.7963 Linear (DIAGRAMA DE
10
DISPERSION)
0
0 20 40 60 80
X
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es confiable?
Y= -0,3566x + 42,569
R²= 0,7963
En cuanto al resultado se evidencia un porcentaje medio de confiabilidad equivalente a 79,63%.
c. Determine el grado de correlación de las dos variables.
41
El R 2 afirma además que el modelo explica el 79,63 % de la información y el valor de r coeficiente de correlación lineal
confirma además una correlación Media entre las variables.
d. ¿Qué tiempo deberá tardarse un empleado cuando lleven 90 días?
Y= -0,3566x + 42,569
90 = -0,3566x + 42,569
90-42,569 = -0,3566x
47,431*0,3566
Tiempo en tardarse cuando lleve 90 días =16.91
PUNTO 3
Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que permita determinar la relación entre
el peso y la estatura de sus estudiantes. Para ello selecciona 10 niños y realiza las mediciones respectivas.
A continuación se presentan los resultados:
42
ESTATURA PESO
(CM) (KG)
120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
116 23
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
43
30
25
20
PESO (kg )
y = 0.386x - 22.751
15 R² = 0.8329
PESO (KG)
10
Linear (PESO (KG))
5
0
100 105 110 115 120 125
ESTATURA (cm)
Y= 0,386x – 22,751
R²= 0,8329
Según resultado obtenido tiene un 83.29% de confiabilidad, lo cual es excelente.

RTA. El valor de r coeficiente de correlación lineal equivalente a 0,8329 confirma una relación Excelente entre las
variables ESTATURA- PESO.
44
d. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?
Y= 0,386x – 22,751
JOHN ALEXANDER GARCIA
Actividad Individual
1. 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
5 120
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables
45
30
25
20
tension
15
10
0
100 105 110 115 120 125
sal
La asociación entre las variables es lineal
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. Es confiable?
X(sal) Y(tensión) x*y x^2 y^2
1,6 98 156,8 2,56 9604
2,3 102 234,6 5,29 10404
3,3 109 359,7 10,89 11881
4,2 113 474,6 17,64 12769
4,6 115 529 21,16 13225
46
5 120 600 25 14400
21 657 2354,7 82,54 72283
𝑦 = 𝑎𝑥 + 𝑏
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑎= 2
𝑛 ∑ 𝑥 2 − (∑ 𝑥)
6 ∗ 2354,7 − 21 ∗ 657
𝑎=
6 × 82,54 − 212
331,2
𝑎= = 6,1062
54,24
∑𝑦 − 𝑎∑𝑥
𝑏=
𝑛
657 − 6,1062 ∗ 21
𝑏=
6
𝑏 = 88,5
El modelo matemático sería:
𝑦 = 6,1062𝑥 + 88,5
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑟=
√𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 × √𝑛 ∑ 𝑦 2 − (∑ 𝑦)2
47
6 × 2354,7 − 21 × 657
𝑟= = 0,9935
√6 × 82,54 − 212 × √6 × 72283 − 6572
Se puede asegurar que la ecuación de la recta es confiable porque el coeficiente de regresión está cercano a 1 y tiene
un grado alto de confiabilidad.
c. Determine el grado de relación de las dos variables.

El modelo explica el 99.35% de la información y el valor de r coeficiente de correlación lineal es excelente porque el
0.9935 está muy cercano al extremo 1 positivo que es la correlación perfecta positiva.
d. Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión arterial esperada?
Para encontrar la tensión arterial esperada al suministrar 5,6 de sal, en el modelo matemático encontrado se reemplaza x
por 5,6
𝑦 = 6,1062𝑥 + 88,5
𝑦 = 6,1062(5,6) + 88,5
𝑦 = 122,69
La tensión esperada será de 122,69.
2. 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
48
operarios van adaptándose al nuevo proceso mejorando paulatinamente su proceso de producción. Los siguientes
datos representan dicha situación:
X Y
12 45
23 30
35 27
42 25
53 23
65 21
70 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
49
30
25
20
15
y
10
5
0
100 105 110 115 120 125
x
Hay un tipo de asociación lineal
X Y x*y x^2 y^2

12 45 540 144 2025
23 30 690 529 900
35 27 945 1225 729
42 25 1050 1764 625
53 23 1219 2809 529
50
65 21 1365 4225 441
70 20 1400 4900 400
300 191 7209 15596 5649
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑎= 2
𝑛 ∑ 𝑥 2 − (∑ 𝑥)
7 ∗ 7209 − 300 ∗ 191

𝑎=
7 × 15596 − 3002
−6837
𝑎= = −0,36
19172
∑𝑦 − 𝑎∑𝑥
𝑏=
𝑛
191 − (−0,36) ∗ 300
𝑏=
7
𝑏 = 42,72
𝑦 = −0,36𝑥 + 42,72
51
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑟=
√𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 × √𝑛 ∑ 𝑦 2 − (∑ 𝑦)2
7 ∗ 7209 − 300 ∗ 191

𝑟= = −0,89
√7 × 15596 − 3002 × √7 × 5649 − 1912
d. ¿Que tiempo deberá tardarse un empleado cuando lleven 90 días?
Para encontrar el tiempo que deberá tardarse un empleado que lleva 90 días de debe reemplazar 90 en el modelo
matemático
𝑦 = −0,36𝑥 + 42,72
𝑦 = −0,36(90) + 42,72
𝑦 = 75,12
El tiempo que se tardará un empleado que lleva 90 días es de 75,12minutos
52
3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que permita determinar la relación entre
el peso y la estatura de sus estudiantes. Para ello selecciona 10 niños y realiza las mediciones respectivas. A
continuación se presentan los resultados:
X(estatura) Y(peso)
120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
116 23
a. Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama de dispersión y determine
53
30
25
20
peso
15
10
0
100 105 110 115 120 125
estatura
Hay un tipo de relación lineal, siendo la variable dependiente el peso y la variable independiente la estatura
X(estatura) Y(peso) x*y x^2 y^2
120 24 2880 14400 576
124 23 2852 15376 529
107 19 2033 11449 361
118 24 2832 13924 576
112 21 2352 12544 441
110 19 2090 12100 361
54
115 22 2530 13225 484
104 16 1664 10816 256
110 20 2200 12100 400
116 23 2668 13456 529
1136 211 24101 129390 4513
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑎= 2
𝑛 ∑ 𝑥 2 − (∑ 𝑥)
10 ∗ 24101 − 1136 ∗ 211

𝑎=
10 × 129390 − 11362
1314
𝑎= = 0,39
3404
∑𝑦 − 𝑎∑𝑥
𝑏=
𝑛
211 − 0.39 ∗ 1136
𝑏=
10
𝑏 = −23,2
𝑦 = 0,39𝑥 − 23,2
55
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑟=
√𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 × √𝑛 ∑ 𝑦 2 − (∑ 𝑦)2
10 ∗ 24101 − 1136 ∗ 211

𝑟= = 0,91
√10 × 129390 − 11362 × √10 × 4513 − 2112
Se puede asegurar que la ecuación de la recta es confiable porque el coeficiente de correlación está cercano a 1 y
tiene un grado alto de confiabilidad

El R² afirma que el modelo explica el 82,8% de la información y el valor de r coeficiente de correlación lineal es
excelente porque el 0.91 está muy cercano al extremo 1 positivo que es la correlación perfecta positiva.
d. Cuál es el peso que debería tener un estudiante que mida 128 cm?
𝑦 = 0,39𝑥 − 23,2
𝑦 = 0,39(128) − 23,2
𝑦 = 26,72
56
NEIDY STEPHANY LONDOÑO
Ejercicios
1. 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
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables

d. Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión arterial esperada?
SOLUCION
a. Diagrama de dispersión.
57
140
120
100
80
Tensión
60
40
20
0
0 1 2 3 4 5 6
Sal
La asociación entre las variables es lineal.
b. Modelo Matemático.
Paso 1. Realizamos la Tabla.
𝑥𝑖 𝑦𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑦𝑖2
1,6 98 156,8 2,56 9.604
2,3 102 234,6 5,29 10.404
3,3 109 359,7 10,89 11.881
4,2 113 474,6 17,64 12.769
4,6 115 529,0 21,16 13.225
58
5,0 120 600,0 25,00 14.400
TOTAL 21,0 657 2.354,7 82,54 72.283
Paso 2. Hallamos las Medias Aritméticas.

∑𝑛𝑖=1(𝑥𝑖 ) 21,0 ∑𝑛𝑖=1(𝑦𝑖 ) 657
𝑥̅ = = = 3,5 ; 𝑦̅ = = = 109,5
𝑁 6 𝑁 6
Paso 3. Calculamos la Covarianza.

∑𝑛𝑖=1(𝑥𝑖 𝑦𝑖 ) 2.354,7
𝜎𝑥𝑦 = − 𝑥̅ 𝑦̅ = − 3,5 ∗ 109,5 = 9,2
𝑁 6
Paso 4. Calculamos la Varianza en X (consumo de sal).

∑𝑛𝑖=1(𝑥𝑖2 ) 82,54
𝜎𝑥2 = − (𝑥̅ )2 = − (3,5)2 = 1,51
𝑁 6
Paso 5. Calculamos los coeficientes de regresión.

𝜎𝑥𝑦 9,2
𝑏̂ = 2 = = 6,09
𝜎𝑥 1,51
𝑎̂ = 𝑦̅ − 𝑏̂𝑥̅ = 109,5 − 6,09 ∗ 3,5 = 88,18
Paso 6. Establecemos la recta de regresión

𝑦𝑖 = 𝑎̂ + 𝑏̂ ∗ 𝑥𝑖 , 𝑦𝑖 = 88,18 + 6,09 ∗ 𝑥𝑖
59
140
120
100
80
Tensión
60
40
20
0
0 1 2 3 4 5 6
Sal
Si es confiable. La recta intersecta el eje vertical, entre 80 y 100, aproximadamente. Y la pendiente positiva, concuerda con una
recta creciente.
c. Grado de relación de las dos variables.

GRADO DE LA RELACIÓN
Perfecta: r = 1 ; Excelente: 0.9 ≤ r < 1 ; Buena: 0.8 ≤ r < 0.9
Regular: 0.5 ≤ r < 0.8 ; Mala: r < 0.5
Paso 7. Calculamos la Variaciones Típicas.
60
∑𝑛𝑖=1(𝑥𝑖2 ) 82,54
𝜎𝑥 = √ − (𝑥̅ )2 = √ − (3,5)2 = 1,23
𝑁 6
∑𝑛 (𝑦 2 ) 72.283
𝜎𝑦 = √ 𝑖=1 𝑖 − (𝑦̅)2 = √ − (109,5)2 = 7,54
𝑁 6
Paso 8. Aplicamos la fórmula del coeficiente de correlación lineal.

𝜎𝑥𝑦 9,2
r= = = 0,99
𝜎𝑥 𝜎𝑦 1,23 ∗ 7,54
Al ser el coeficiente de correlación positivo, la correlación es directa.
Como el coeficiente de correlación está muy próximo a 1 (0,99), la correlación es muy fuerte. El grado de la relación es Excelente.
d. Tensión arterial esperada, para una dosis de sal de 5,6.

𝑦𝑖 = 88,18 + 6,09 ∗ 𝑥𝑖 , 𝑦𝑖 = 88,18 + 6,09 ∗ 5,6 = 122,28
2. 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
61
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.
d. Que tiempo deberá tardarse un empleado cuando lleven 90 días?
SOLUCION
a. Variable dependiente (Y) y la Variable independiente (X).
A mayor tiempo (días) de experiencia, menor será el tiempo medio (en minutos) utilizado para realizar una pieza. De tal forma
que, la variable dependiente (Y) corresponde al tiempo medio (en minutos) que se utiliza para realizar una pieza. Y la variable
independiente (X) corresponde al número de días desde que empezó dicho proceso de fabricación (experiencia).
Diagrama de dispersión.
62
50
45
Tiempo para realizar una pieza

40
35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
Número de días
La asociación entre las variables no es lineal (parece exponencial).
12 45 540 144 2.025
23 30 690 529 900
35 27 945 1.225 729
42 25 1.050 1.764 625
53 23 1.219 2.809 529
63
65 21 1.365 4.225 441
70 20 1.400 4.900 400
TOTAL 300 191 7.209 15.596 5.649

∑𝑛𝑖=1(𝑥𝑖 ) 300 ∑𝑛𝑖=1(𝑦𝑖 ) 191
𝑥̅ = = = 42,86 ; 𝑦̅ = = = 27,28
𝑁 7 𝑁 7

∑𝑛𝑖=1(𝑥𝑖 𝑦𝑖 ) 7.209
𝜎𝑥𝑦 = − 𝑥̅ 𝑦̅ = − 42,86 ∗ 27,28 = −139,36
𝑁 7
Paso 4. Calculamos la Varianza en X (número de días).

2
∑𝑛𝑖=1(𝑥𝑖2 ) 15.596
𝜎𝑥 = − (𝑥̅ )2 = − (42,86)2 = 391,02
𝑁 7

𝜎𝑥𝑦 −139,36
𝑏̂ = 2 = = −0.36
𝜎𝑥 391,02
𝑎̂ = 𝑦̅ − 𝑏̂𝑥̅ = 27,28 − (−0.36)42,86 = 42,71

𝑦𝑖 = 𝑎̂ + 𝑏̂ ∗ 𝑥𝑖 , 𝑦𝑖 = 42,71 − 0.36 ∗ 𝑥𝑖
64
50
45
Tiempo para realizar una pieza

40
35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
Número de días
Si es confiable. La recta intersecta el eje vertical, entre 42 y 45, aproximadamente. Y la pendiente negativa, concuerda con una
recta decreciente.

∑𝑛 (𝑥 2 ) 15.596
𝜎𝑥 = √ 𝑖=1 𝑖 − (𝑥̅ )2 = √ − (42,86)2 = 19,77
𝑁 7
65
∑𝑛𝑖=1(𝑦𝑖2 ) 5.649
𝜎𝑦 = √ − (𝑦̅)2 = √ − (27,28)2 = 7,92
𝑁 7

𝜎𝑥𝑦 −139,36
r= = = −0,89
𝜎𝑥 𝜎𝑦 19,77 ∗ 7,92
Al ser el coeficiente de correlación negativo, la correlación es inversa.
Como el coeficiente de correlación es próximo a 1 (0,89), la correlación es fuerte. El grado de la relación es Bueno.
d. Tiempo que deberá tardar un empleado, cuando lleven 90 días.

𝑦𝑖 = 42,71 − 0.36 ∗ 𝑥𝑖 , 𝑦𝑖 = 42,71 − 0.36 ∗ 90 = 10,31 minutos
3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que permita determinar la relación entre el
peso y la estatura de sus estudiantes. Para ello selecciona 10 niños y realiza las mediciones respectivas.
A continuación se presentan los resultados:
Estatura (cm) 120 124 107 118 112 110 115 104 110 116
Peso (Kg) 24 23 19 24 21 19 22 16 20 23
de asociación entre las variables.
66
SOLUCION
a. Variable dependiente (Y) y la Variable independiente (X).
Considero que a mayor estatura, mayor peso. Por lo tanto, la variable dependiente (Y) corresponde al Peso. Y la variable
independiente (X) corresponde a la estatura.
Organizando los datos:
Estatura (cm) 104 107 110 110 112 115 116 118 120 124
Peso (Kg) 16 19 19 20 21 22 23 24 24 23
Diagrama de dispersión.
30
25
20
Peso (Kg)
15
10
0
100 105 110 115 120 125
Estatura (cm)
67
La asociación entre las variables es lineal.
104 16 1.664 10.816 256
107 19 2.033 11.449 361
110 19 2.090 12.100 361
110 20 2.200 12.100 400
112 21 2.352 12.544 441
115 22 2.530 13.225 484
116 23 2.668 13.456 529
118 24 2.832 13.924 576
120 24 2.880 14.400 576
124 23 2.852 15.376 529
TOTAL 1.136 211 24.101 129.390 4.513

∑𝑛𝑖=1(𝑥𝑖 ) 1.136 ∑𝑛𝑖=1(𝑦𝑖 ) 211
𝑥̅ = = = 113,6 ; 𝑦̅ = = = 21,1
𝑁 10 𝑁 10

∑𝑛𝑖=1(𝑥𝑖 𝑦𝑖 ) 24.101
𝜎𝑥𝑦 = − 𝑥̅ 𝑦̅ = − 113,6 ∗ 21,1 = 13,14
𝑁 10
68
Paso 4. Calculamos la Varianza en X (estatura).

2
∑𝑛𝑖=1(𝑥𝑖2 ) 129.390
𝜎𝑥 = − (𝑥̅ )2 = − (113,6)2 = 34,04
𝑁 10

𝜎𝑥𝑦 13,14
𝑏̂ = 2 = = 0,39
𝜎𝑥 34,04
𝑎̂ = 𝑦̅ − 𝑏̂𝑥̅ = 21,1 − 0,39 ∗ 113,6 = −23,20

𝑦𝑖 = 𝑎̂ + 𝑏̂ ∗ 𝑥𝑖 , 𝑦𝑖 = −23,20 + 0,39 ∗ 𝑥𝑖
69
30
25
20
Peso (Kg) 15
10
0
100 105 110 115 120 125
Estarura (cm)
No es confiable. La recta intersecta el eje vertical, entre 15 y 20, aproximadamente, lo cual contradice a -23,20.

∑𝑛 (𝑥 2 ) 129.390
𝜎𝑥 = √ 𝑖=1 𝑖 − (𝑥̅ )2 = √ − (113,6)2 = 5,83
𝑁 10
∑𝑛𝑖=1(𝑦𝑖2 ) 4.513
𝜎𝑦 = √ − (𝑦̅)2 = √ − (21,1)2 = 2,47
𝑁 10
70

𝜎𝑥𝑦 13,14
r= = = 0.91
𝜎𝑥 𝜎𝑦 5,83 ∗ 2,47
Al ser el coeficiente de correlación positivo, la correlación es directa.
Como el coeficiente de correlación está muy próximo a 1 (0,91), la correlación es muy fuerte. El grado de la relación es Excelente.
d. Peso que debería tener un estudiante que mida 128 cm.

𝑦𝑖 = −23,20 + 0,39 ∗ 𝑥𝑖 , 𝑦𝑖 = −23,20 + 0,39 ∗ 128 = 26,72 Kilogramos.
71
VIKY XIMENA GUTIERREZ
SOLUCION 1
A) Realice el diagrama de dispersión y determine el tipo de asociación entre las variables
RTA:
Y
X (sal)
(Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
72
140
y = 6.1062x + 88.128
120 R² = 0.987
100
Y (TENSION)
80
60
40
20
0
0 1 2 3 4 5 6
X (SAL)
}
B) Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. Es confiable?
RTA:
Y R2 CONFIABLE?
6,1062x + 88,128 0,987 Respecto a lo que indica
la gráfica, tiene un 98%
de confiabilidad
73
C) Determine el grado de relación de las dos variables.
RTA: El grado de relación de las 2 variables es excelente: 0,987
D) Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión arterial esperada?
RTA:
X SAL
Y TENSION
Y 6,1062x + 88,128
5,6
5,6=6,1062x + 88,128
Y 5,6-88,128=6,1062x
82,5/6,1062x
TENSION ARTERIAL 13,5
SOLUCION 2
A) Identifique la variable dependiente (y) y la variable independiente (x),realice el diagrama de dispersión y determine
RTA:
74
X Y
12 45
23 30
35 27
42 25
53 23
65 21
70 20
50
45
y = -0.3566x + 42.569
40
R² = 0.7963
35
30
25
Y
20
15
10
5
0
0 10 20 30 40 50 60 70 80
X
75
RTA:
Y R2 CONFIABLE?
0,3566x + 42,569 0,7963 Tiene un bajo promedio,
no es tan confiable
C) Determine el grado de correlación de las dos variables.
RTA: el grado de correlación de las 2 variables es de: 0,7963
D) Que tiempo deberá tardarse un empleado cuando lleven 90 días?
RTA:
Y -0,3566x + 42,569
Y 90
90-0,3566x+42,569
90-42,569*0,3566x
TIEMPO QUE DEBERA TARDARSE EL 74 DIAS

EMPLEADO
76
SOLUCION 3
A) Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama de dispersión y determine
RTA:
PESO
ESTATURA(CM) (KG)
120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
116 23
77
30
25
20
PESO (KG)
15
y = 0.386x - 22.751
R² = 0.8329
10
0
100 105 110 115 120 125
ESTATURA (CM)
RTA:
Y 0,386x – 22,751
78
R2 0,8329
R 0,9126
Respecto a lo que indica la gráfica con un 0,8329 de confiablidad, es excelente
C) Determine el grado de correlación de las dos variables.
RTA:
El grado de correlación es de 0,8329
D) Cuál es el peso que debería tener un estudiante que mida 128 cm?
RTA:
Y 0,386x – 22,751
Y 0,386x*128-22,751
PESO QUE DEBERIA TENER UN 26
ESTUDIANTE
79
KAROL BEDOYA CHAVEZ
EJERCICIO 1.
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
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables:
ASOCIACION DE CONSUMO ENTRE SAL Y TENSION ARTERIAL
140
120
109 113 115
120 102
98
100 80
TENSION
80
TENSION
60
40
y = 6,1062x + 88,128R² = 0,987
La tensión arterial depende de la ingesta de sal esto la hace tener una relación directa ya que al aumentar el consumo de sal aumenta la
tensión arterial.
El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente:
y= 6,1062x + 88,128
81
R² = 98 % Coeficiente de determinación
R= 0,99 Coeficiente de Correlación
El modelo es confiable ya que el coeficiente de determinación R2 está muy cercano a 1.
R: Coeficiente de correlación 0,99 lo cual determina una correlación excelente entre las dos variables.
d. Si a un paciente se le administra una dosis de (X) sal de 5,6. ¿Cuál es la tensión arterial esperada?
y= 6,1062x + 88,128
X= 5,6
Y= 6,1062(5,6) +88,128
Y=122,32
La tensión arterial esperada a la ingesta de sal corresponde a la variable contenida en Y= a 122.32
82
EJERCICIO 2.
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 Y
12 45
23 30
35 27
42 25
53 23
65 21
83
70 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
EJERCICIO 2
Series1 Linear (Series1)
50 45
(Y) TIEMPO EN MINUTOS
40
30
27
30 25
23
21 20
20
10
0
0 10 20 30 40 50 60 70 80
(X) DIAS DE PRODUCCION
y = -0,3566x + 42,569R² = 0,7963

La variable dependiente (y) son los minutos que se demoran en realizar la artesanía y la variable independiente (x) son el número de días
que van pasando, entre más días pasan más rápido hacen el trabajo.
El tipo de asociación es inversa: Si aumenta una magnitud la otra disminuye y viceversa, al aumentar el número de días los minutos de
elaboración de la artesanía disminuye.
84
Y = -0,3566x + 42,569
R² = 0,796 Coeficiente de determinación
R= 0.89 Coeficiente de correlación
El modelo es medianamente confiable ya que el coeficiente de determinación R2 no está muy cercano a 1.
R= 0.89 Coeficiente de correlación¸ lo cual determina una correlación aceptable entre las dos variables.
d. Que tiempo deberá tardarse un empleado cuando lleven 90 días?
Y = -0,3566x + 42,569
X= 90
Y= -0,3566(90) + 42,569
Y=10,4
85
EJERCICIO 3
Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que permita determinar la relación entre el peso y la
estatura de sus estudiantes. Para ello selecciona 10 niños y realiza las mediciones respectivas. A continuación se presentan los
resultados:
ESTATURA (CM) PESO (KGS)

120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
116 23
86
de asociación entre las variables
EJERCICIO 3
30
24 24
25
21 22 23 23
19 20
19
20
16
PESO
15
y = 0,386x -22,751R² = 0,8329
10
0
100 105 110 115 120 125
ESTATURA
La variable dependiente (y) es el peso y la variable independiente (x) es la altura de los estudiantes, entre más altura mayor peso.
El tipo de asociación es directa si aumenta una magnitud la otra aumenta- si disminuye una magnitud la otra también disminuye, si
aumenta la altura también aumenta el peso en los estudiantes.
87
Y = 0,386x - 22,751
R² = 0,832 Coeficiente de determinación
R= 0,91 Coeficiente de correlación
El modelo es medianamente confiable ya que el coeficiente de determinación R2 no está muy cercano a 1.
R= 0,91 Coeficiente de correlación, lo cual determina una correlación excelente entre las dos variables.
Y = 0,386X - 22,751
X= 128
Y= 0,386(128) - 22,751
Y=26,657
UN ESTUDIANTE DEBERIA PESAR 26.657 KILOGRAMOS
88
89

Trabajo Colaborativo3 - 403004 - 11 PERSONALIDAD

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Trabajo Colaborativo3 - 403004 - 11 PERSONALIDAD

Uploaded by

Copyright:

Available Formats

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación - VIACI

Escuela: Escuela de Ciencias Sociales, Artes y Humanidades. Programa: Psicología

KAROL BEDOYA CHAVEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

Cálculo e interpretación de las medidas variable discreta 7

Calculo e interpretación de las medidas variable continúa 20

Análisis de correlación lineal simple 33

Análisis y conclusiones a partir de los resultados 32

Se busca la conceptualización y reconocimiento a través de la teoría de los conceptos vistos en la unidad de

Relacionar agrupar y comprender datos de acuerdo a una población asignada.

CALCULO E INTERPRETACION DE LAS MEDIDAS VARIABLES DISCRETAS

 NÚMERO DE TEXTOS ESCOLARES QUE POSEE EN LA CASA

Clase Frecuencia % acumulado Clase Frecuencia %

Clase Frecuencia % Clase Frecuencia %

Clase Frecuencia % Clase Frecuencia %

 NÚMERO DE MATERIAS CON DESEMPEÑO BÁSICO

Clase Frecuencia % Clase Frecuencia %

CÁLCULO E INTERPRETACIÓN DE LAS MEDIDAS UNIVARIANTES DE TENDENCIA CENTRAL Y DE

Clase Frecuencia % Clase Frecuencia %

Clase Frecuencia % Clase Frecuencia %

Regresión y Correlación Lineal Simple

A partir de la base de datos:

Esta vez se definirá las variables peso y estatura para el análisis:

Al realizar la estimación por el método de MCO se obtiene los siguientes resultados:

ANALISIS DE CORRELACION LINEAL

 El resultado de la variable dependiente es de 93.23%

ANALISIS Y CONCLUSIONES A PARTIR DE LOS RESULTADOS

 Santa Escobar. Monica. Modulo.Estadistica.Descritiva,universidad Nacional Abierta y a distancia, Colombia(2005)

 Universidad Atacama¿Qué es la estadística? Recuperado de:

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

c) Determine el grado de relación de las dos variables.

c. Determine el grado de correlación de las dos variables.

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

c. Determine el grado de correlación de las dos variables.

JOHN ALEXANDER GARCIA

La asociación entre las variables es lineal

c. Determine el grado de relación de las dos variables.

Hay un tipo de asociación lineal

X Y x*y x^2 y^2

7 ∗ 7209 − 300 ∗ 191

7 ∗ 7209 − 300 ∗ 191

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

10 ∗ 24101 − 1136 ∗ 211

10 ∗ 24101 − 1136 ∗ 211

c. Determine el grado de correlación de las dos variables.

NEIDY STEPHANY LONDOÑO

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

La asociación entre las variables es lineal.

Paso 2. Hallamos las Medias Aritméticas.

Paso 3. Calculamos la Covarianza.

Paso 4. Calculamos la Varianza en X (consumo de sal).

Paso 5. Calculamos los coeficientes de regresión.

Paso 6. Establecemos la recta de regresión

c. Grado de relación de las dos variables.

Paso 7. Calculamos la Variaciones Típicas.

Paso 8. Aplicamos la fórmula del coeficiente de correlación lineal.

d. Tensión arterial esperada, para una dosis de sal de 5,6.

Tiempo para realizar una pieza

La asociación entre las variables no es lineal (parece exponencial).

Paso 2. Hallamos las Medias Aritméticas.

Paso 3. Calculamos la Covarianza.

Paso 4. Calculamos la Varianza en X (número de días).

Paso 5. Calculamos los coeficientes de regresión.