COLABORATIVO 3

ESTADISTICA DESCRIPTIVA

POR

JAIRO DAVID CANO

TUTOR

MANUEL FRANCISCO CIFUENTES

GRUPO

204040-8

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

(UNAD)

11 DE MAYO DEL 2016

 INTRODUCCIN

Se analizar una serie de resultados los cules con interpretacin matemtica y

grfica se podr dar nfasis a argumentaciones que ayudarn a definir las
condiciones de una serie de datos.

Reconocer la semejanza de variables por medio de la estadstica descriptiva, para

as determinar con complejidad y precisin de donde exactamente surge la
problemtica.

OBJETIVO GENERAL

Entender la interpretacin de diferentes expresiones matemticas para tener una

argumentacin lgica o razonable del estudio planteado.

Identificar como el estudio de las variables cuantitativas puede lograr tener o no

una semejanza directa, comprendiendo sus cualidades y captando como se
comporta una serie de resultados.

OBJETIVO ESPECIFICO

-Reconocer el tipo de asociacin grfica que expresa el estudio.

-Determinar por el modelo matemtico el efecto de las dos variables y posterior

reconocer su confiabilidad.

-Demostrar el coeficiente de correlacin de las variables relacionadas.

-Aprender a reconocer los porcentajes de la variabilidad que se plantee.

-Identificar las variables dependientes e independientes

 LABORATORIO 2

REGRESIN Y CORRELACIN LINEAL

1 El rendimiento del producto de un proceso qumico est relacionado

con la temperatura de operacin del proceso. Se desea establecer la
relacin que existe entre la pureza (y) del oxgeno producido y el
porcentaje de hidrocarburo (x) que est presente en el condensador
principal en un proceso de destilacin, de acuerdo con los siguientes
datos:

X
(% de Y
Hidro (Pureza)
carburos)
0,99 90,01
1,02 89,05
1,15 91,43
1,29 93,74
1,46 96,73
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54
1,15 92,52
0,98 90,56
1,01 89,54
1,11 89,85
1,2 90,39
1,26 93,25
1,32 93,41
1,43 94,98
0,95 87,33
a. Realice el diagrama de dispersin y determine el tipo de asociacin
entre las variables.

105

100

f(x) = 14.95x + 74.28

95
R = 0.88
PUREZA
90 Y (Pureza)
Linear (Y (Pureza))
85

80
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6

HDROCARBURO

Las dos variables indican una Dependencia Fuerte porque la recta indica un
aumento y los puntos se concentran al lado de la lnea.
Podemos observar que las variables tienen una tendencia lineal

(Asociacin= Directa e inversa)

b. Encuentre el modelo matemtico que permite predecir el efecto de

una variable sobre la otra. Es confiable?

X Y X^2 X*Y

0,99 90,01 0,9801 89,1099

1,02 89,05 1,0404 90,831
1,15 91,43 1,3225 105,1445
1,29 93,74 1,6641 120,9246
1,46 96,73 2,1316 141,2258
1,36 94,45 1,8496 128,452
0,87 87,59 0,7569 76,2033
1,23 91,77 1,5129 112,8771
 1,55 99,42 2,4025 154,101
1,4 93,65 1,96 131,11
1,19 93,54 1,4161 111,3126
1,15 92,52 1,3225 106,398
0,98 90,56 0,9604 88,7488
1,01 89,54 1,0201 90,4354
1,11 89,85 1,2321 99,7335
1,2 90,39 1,44 108,468
1,26 93,25 1,5876 117,495
1,32 93,41 1,7424 123,3012
1,43 94,98 2,0449 135,8214
0,95 87,33 0,9025 82,9635
2214,656
23,92 1843,21 29,2892 6

Modelo matematico : y=ax+ b

n xy x y
a= 2
n x 2 ( x )

20 ( 2214,6566 ) (23,92)(1843,21) 44293,13244089,5832 203.5488

a= = =
20 ( 29,2892 )(23,92)
2
585.784572.1664 13.6176

203.5488
a= =14.9474
13.6176

b=
y a x
n

1843,21357.541808 1485.668192
b= = =74.2834
20 20

Modelo matematico : y=14.9474 x +74.2834

Es confiable?

x =
x = 23,92 =1.196
n 20

y =
y = 1843,21 =92.1605
n 20

xx x y ( x x )2 ( y y )2 (x x )(x y )
x y
0,99 90,01 -0,206 -2,1505 0,042436 4,62465025 0,443003
1,02 89,05 -0,176 -3,1105 0,030976 9,67521025 0,547448
1,15 91,43 -0,046 -0,7305 0,002116 0,53363025 0,033603
1,29 93,74 0,094 1,5795 0,008836 2,49482025 0,148473
1,46 96,73 0,264 4,5695 0,069696 20,8803303 1,206348
1,36 94,45 0,164 2,2895 0,026896 5,24181025 0,375478
0,87 87,59 -0,326 -4,5705 0,106276 20,8894703 1,489983
1,23 91,77 0,034 -0,3905 0,001156 0,15249025 -0,013277
1,55 99,42 0,354 7,2595 0,125316 52,7003403 2,569863
1,4 93,65 0,204 1,4895 0,041616 2,21861025 0,303858
1,19 93,54 -0,006 1,3795 3,6E-05 1,90302025 -0,008277
1,15 92,52 -0,046 0,3595 0,002116 0,12924025 -0,016537
0,98 90,56 -0,216 -1,6005 0,046656 2,56160025 0,345708
1,01 89,54 -0,186 -2,6205 0,034596 6,86702025 0,487413
1,11 89,85 -0,086 -2,3105 0,007396 5,33841025 0,198703
1,2 90,39 0,004 -1,7705 0,000016 3,13467025 -0,007082
1,26 93,25 0,064 1,0895 0,004096 1,18701025 0,069728
1,32 93,41 0,124 1,2495 0,015376 1,56125025 0,154938
1,43 94,98 0,234 2,8195 0,054756 7,94958025 0,659763
0,95 87,33 -0,246 -4,8305 0,060516 23,3337303 1,188303
23,92 1843,21 0,68088 173,376895 10,17744

2
( xx )(x y )
2
R=
( (xx )2 ( y y )2 )
 2 2 2
10,17744 10,17744 10,17744
R=2
(
0,68088 173,376895
= ) (
(0.82515)(13.1672) ) (
=
10.8649 )
R2=(0.9367)2
R=0.8774

Confiabilidad es del: 0.8774 x 100 =87.74

c. Determine el porcentaje de explicacin del modelo y el grado de

relacin de las dos variables.

Porcentaje de explicacin del modelo es de 87,74%, que es el 2

R

R=Coeficiente de correlacin

R= R2

R=0.9366

Grado de correlacin lineal es : EXCELENTE

d. Cul es el porcentaje de hidrocarburo cuando la pureza del oxgeno

es igual a 91,3?

y=14.9474 x +74.2834

y= pureza=91,3

Cual es el de x ?

Reemplazando en la ecuacin
91,3=14.9474 x+74.2834

91,374.2834 17.0166
x= = =1.13843
14.9474 14.9474

2 El nmero de libras de vapor (y) consumidas mensualmente por una

planta qumica, se relaciona con la temperatura ambiental promedio (en
o
F). Para el ao 2014, se registraron los siguientes valores de
temperatura y consumo anual.

2014 Registros de temperatura y

consumos de vapor.

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

Consumo de vapor (Lb)

800
700
600 f(x) = 9.21x - 6.32 Consumo de vapor
R = 1 (Lb)
500
Linear (Consumo de
400
vapor (Lb))
300
200
100
0
10 20 30 40 50 60 70 80

Las dos variables indican una Dependencia Lineal Exacta porque la recta indica
un aumento y los puntos se concentran en la lnea estn altamente asociadas.

Asociacin= Directa

b Ajuste un modelo matemtico que permita predecir el efecto de una

variable sobre la otra. Es confiable?

x y x^2 x*y
21 185,79 441 3901,59
24 214,47 576 5147,28
32 288,03 1024 9216,96
47 424,84 2209 19967,48
50 455 2500 22750
59 539 3481 31801
68 621,55 4624 42265,4
74 675,06 5476 49954,44
62 562,03 3844 34845,86
50 452,93 2500 22646,5
41 369,95 1681 15167,95
30 273,98 900 8219,4
558 5062,63 29256 265883,86
 Modelo matematico: y=ax+ b

n xy x y
a= 2
n x 2 ( x )

558 2

12 ( 29256 )
12(265883,86)558 (5062,63)
a=

a=9.208

b=
y a x
n

5062,639.208(558) 5062,635138.064 75.434

b= = =
12 12 12
b=6.2861

Modelo matematico : y=9.208 x 6.2861

Es confiable?

x =
x = 558 =46.5
n 12

y =
y = 5062,63 =421.8858
n 12

x y xx x y ( y y )2 ( x x )(x y )
 ( x x )2
- 55741,22
21 185,79 -25,5 236,0958 650,25 68 6020,4429
- 43021,31
24 214,47 -22,5 207,4158 506,25 41 4666,8555
- 17917,37
32 288,03 -14,5 133,8558 210,25 52 1940,9091
8,727297
47 424,84 0,5 2,9542 0,25 64 1,4771
1096,550
50 455 3,5 33,1142 12,25 24 115,8997
13715,73
59 539 12,5 117,1142 156,25 58 1463,9275
39865,79
68 621,55 21,5 199,6642 462,25 28 4292,7803
64097,17
74 675,06 27,5 253,1742 756,25 55 6962,2905
19640,39
62 562,03 15,5 140,1442 240,25 68 2172,2351
963,7423
50 452,93 3,5 31,0442 12,25 54 108,6547
2697,327
41 369,95 -5,5 -51,9358 30,25 32 285,6469
- 21876,12
30 273,98 -16,5 147,9058 272,25 57 2440,4457
3309 280641,49 30471,565

2
( xx )(x y )
2
R=
( (xx )2 ( y y )2 )
2 2 2
30471,565 30471,565 30471,565
2
R= ( 3309 280641,49 ) (
=
(57.52)(529.765)
= ) (
30471.56 )
2 2
R =( 1 )

2
R =1

Confiabilidad es del :1 x 100 =100

 c Determine el porcentaje de explicacin del modelo y el grado de
relacin de las dos variables.

Porcentaje de explicacin del modelo es de 99,99%, que es el 2 y el grado de

R
relacin es % que es R (la raz de 2)
99,99 R

R=Coeficiente de correlacin

R= R2

R=1

Grado de correlacin lineales :PERFECTA

d Cul es el de consumo de vapor cuando la temperatura es de 70 oF?

y=9.208 x6.2861

y=vapor=?

x=70 F

Reemplazando en la ecuacin

y=9.208 (70)6.2861

y=644.566.2861

y=638.2739

1. Los investigadores estn estudiando la correlacin 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 reflexin nociceptiva (y) que es una medida de
 sensacin de punzada. Obsrvese que ambas, X e Y, son variables
aleatorias

x
(porcentaj y (umbral
e de de reflejo
sobrepeso de flexin
) nociceptiva)
89 2
90 3
75 4
30 4,5
51 5,5
75 7
62 9
45 13
90 15
20 14

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre

las variables.

16

14

12

10
f(x) = - 0.06x + 11.64
R =8 0.11
PORCENTAJE DE SOBREPESO
6

0
0 50 100

UMBRAL DE REFLEJO DE FLEXIN NOCICEPTIVO

Podemos observar que las variables estn muy dispersas y no se acercan a la
lnea de tendencia por lo que no tiene asociacin.

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

variable sobre la otra. Es confiable?

Y= -0,0629x +11,642

El modelo no es confiable porque el R^2 es pequeo.

c. Determine el porcentaje de explicacin del modelo y el grado de relacin

de las dos variables.

- 2
Porcentaje de explicacin del modelo es de 11,15%, que es el R

-El grado de relacin es % que es R (la raz de 2)

0,3339 R

d. Cul es el umbral de reflejo de flexin nociceptiva, cuando hay un

porcentaje de sobrepeso, de 40?

x= 40
y= -0,0629x +11,642
y= -0,0629(40) +11,642
y= -2,516 + 11,642
y= 9,126

El umbral de reflejo de flexin nociceptiva, cuando hay un porcentaje de

sobrepeso, de 40 es de 9,126
 A PARTIR DE LA BASE DE DATOS SECRETARIA DE TRANSITO
2016

1. Determinar la relacin entre dos variables cuantitativas del problema de

estudio:

-Identificar dos variables cuantitativas del problema que puedan estar

relacionadas.

Las variables que considero que estn relacionadas son la velocidad que llevaba
el conductor y el nmero de heridos que pueden haber en un accidente, creo que
estas variables se relacionan por el hecho de que si el conductor va con una
velocidad inadecuada se puede pasar los semforos muy rpido y provocar
muchos accidentes, dejando personas heridas.

- Realizar el diagrama de dispersin de dichas variables:

Relacin de variables
20
18
16
14
12
10
NMERO DE HERIDOS
8
6
4 f(x) = 0.03x + 0.35
2 R = 0.05
0
20 40 60 80 100 120 140 160

Velocidad

-Calcular la recta de regresin y el coeficiente de correlacin para probar

estadsticamente su relacin.
Recta de regresin: Y= 0,033x+0,3492

2
El R afirma que el modelo explica el 4,53 % de la informacin y el valor de r
coeficiente de correlacin lineal confirma el grado de relacin (21,28%) entre
las variables. Y como estos valores son muy pequeos, las variables no tienen
mucha relacin.

Determine el porcentaje de explicacin del modelo y el grado de relacin de

las dos variables.
Relacionar la informacin obtenida con el problema.

1.2

Identificar dos variables cuantitativas del problema que puedan estar

relacionadas.

NMERO DE MUERTOS: DESPENDE DE Y

GRADOS DE ALCOHOL DEL CONDUCTOR: INDEPENDIENTE DE X

Se escogieron estas dos variables porque se cree que cuando una persona tiene
un mayor grado de alcohol las probabilidades de causar la muerte son mayores.

Realizar el diagrama de dispersin de dichas variables, determinar el tipo de

asociacin.
 ACCIDENTALIDAD EN MEDELLIN
4.5
4
3.5
3
2.5
GRADO DE ALCOHOL 2 Linear ()
1.5
1
f(x) = - 0x + 1
0.5
R = 0.01
0
0 20 40 60 80 100 120 140

NMERO DE MUERTOS

Tipo de asociacin Inversa ya que se observa una linealidad que tiende a

descender entre la accidentalidad de un 1 grado de alcohol hasta su nula, sin
embargo la grfica no demuestra una asociacin tan definida.

Calcular la recta de regresin o encuentre el modelo matemtico que permite

predecir el efecto de una variable sobre la otra, es confiable?

Coeficiente de determinacin: R = 0,0088

Confiabilidad es de: 0.008%

De acuerdo al modelo matemtico y expresndolo en funcin de porcentaje, se

determina que la confiabilidad es prcticamente nula.

Determine el porcentaje de explicacin del modelo y el grado de relacin de

las dos variables.

Coeficiente de correlacin: 0.09

Grado de correlacin lineal: No hay correlacin.

Se determina que en las variables no hay relacin recproca.

Relacionar la informacin obtenida con el problema.

Conclusin: La estadstica de los datos nos indica que no existe relacin directa
del alcohol con la gran parte de los accidentes, a pesar de que se crea que las
dos variables podra tener una semejanza.

1.3

Identificar dos variables cuantitativas de la situacin estudiada que puedan

estar relacionadas:

- Hora del siniestro (Variable Independiente - X)

- Grados de alcohol del conductor (Variable Dependiente - Y)

Realizar el diagrama de dispersin de dichas variables y determinar el tipo

de asociacin entre las variables.
 Influencia del alcohol y la hora del dia en los accidentes de transito
3.5

2.5

Grados de alcohol del conductor (OH) 1.5

f(x) = 0.03x + 1.39
1 R = 0

0.5

0
00:00:00
00:00:00 00:00:00

Hora del Siniestro

Al analizar los diferentes puntos sobre nuestra grafica podemos observar que no
tiene una relacionan lineal ni inversa ni directa, por lo tanto estas dos variables no
tienen asociacin alguna, sin embargo si tomamos cierta franja del da, por
ejemplo desde las 10:00 am hasta las 05:00 pm, podemos observar un
comportamiento diferente:
 Influencia del alcohol y la hora del dia en los accidentes de transito
3

2.5

2
f(x) = 5.28x - 1.69
R = 0.52
1.5

Grados de alcohol del conductor (OH)

1

0.5

Hora del Siniestro

Al analizar esta grfica podemos observar que tenemos una relacin directa y con
tendencia positiva, es decir, en la franja horaria entre las 10:00 am y las 5:00 pm
podemos decir que entre ms transcurre el tiempo se encontrarn conductores
con grados de alcohol ms altos a 0.5.

Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?

El modelo matemtico hallado en donde se tomaron todos los 120 datos de la

base de datos es el siguiente:

y = 0,0336x + 1,3926

Donde Y corresponde a los Grados de Alcohol del conductor y X a la hora del

siniestro.
 2
Vemos tambin, que coeficiente de determinacin hallado ( R ) es de 0.0001,
esto nos quiere decir que no hay relacin entre las dos variables escogidas y por
lo tanto no es confiable para nuestro anlisis de prediccin.

Ahora Bien, al analizar el modelo matemtico en la franja horaria entre las 10:00
am y las 5:00 pm (y = 5,284x - 1,6868) y al analizar el coeficiente de
determinacin (0.5194) encontramos que es medianamente confiable llegando a
un 51.94% de confiabilidad y dejndonos un amplio margen de error.

Determine el porcentaje de explicacin del modelo y el grado de relacin de

las dos variables.

Como lo indicaba anteriormente, revisando el modelo matemtico de los 120 datos

y hallando el coeficiente de correlacin, encontramos que no hay relacin entre las
dos variables siendo este 0.01 (1%).

Pero, si analizamos la franja horaria indicada desde las 10:00 am a las 5:00 pm y
hallando el coeficiente de correlacin (0.7206) podemos decir que tenemos una
correlacin regular entre ambas variables.

Relacionar la informacin obtenida con el problema.

Con el anlisis anterior podemos decir que, al considerar todos los datos de la
base de datos no obtendramos una relacin directa ni indirecta entre el consumo
de alcohol de los conductores y la hora del siniestro. Sin embargo, al analizar
ciertas franjas horarias (10:00 am a 5:00 pm), podemos decir que a medida que
pasa el tiempo podremos encontrar ms conductores con altos grados de alcohol
involucrados en accidentes de trnsito.

2. Determinar la relacin entre una variable dependiente y varias variables

independientes; si es el caso:

- Identificar una variable dependiente y varias variables independientes del

estudio de investigacin.

La variable dependiente es nmero de muertos y las varias variables

independientes son velocidad y grados de alcohol, porque puede que el nmero
de muertos dependa de los grados de alcohol o de la velocidad con la que iba el
conductor.

- Realizar el diagrama de dispersin de dichas variables.

 Relacin de variables

f(x) = 1.37x + 69.03

0 R = 0.05
20 f(x)
40 = 0.03x60
+ 0.35 80 100 120 140 160
R = 0.05
Velocidad vs Nmero de heridos
Linear (Velocidad vs Nmero de heridos )
Linear (Velocidad vs Nmero de heridos )
Linear (Velocidad vs Nmero de heridos )
Linear (Velocidad vs Nmero de heridos )
Linear (Velocidad vs Nmero de heridos )
velocidad vs nmero de muertos
Linear (velocidad vs nmero de muertos )
Linear (velocidad vs nmero de muertos )
Linear (velocidad vs nmero de muertos )
Linear (velocidad vs nmero de muertos )

- calcular la recta de regresin y el coeficiente de correlacin para probar

estadsticamente su relacin.

Velocidad vs Nmero de Velocidad vs Nmero de

heridos: muertos:
Recta de regresin Y=0,033x+0,3492 Y=1,3725x+69,034

R2 4,53% 4,53%
R 21,28% 21,28%)
El modelo explica el 4,53% de la informacin y el grado de relacin es de 21,28%
y entre las variables, por lo cual lo cual el nmero de heridos y el nmero de
muertos no dependen de la velocidad del conductor

2.1

Identificar una variable cuantitativa dependiente y varias variables

independientes del estudio de investigacin.

- Costo Estimado del Siniestro (Variable Dependiente Y)

- Grados de alcohol del conductor (Variable Independiente X 1)
- Velocidad del automotor (Variable Independiente X 2)
- Total de personas lesionadas y/o muertas (Variable Independiente X 3)

Nota: La variable Total de personas lesionadas y/o muertas es la suma

del Nmero de heridos y el Nmero de Muertos
Realizar el diagrama de dispersin de dichas variables.

Personas lesionadas o muertas/Costo del siniestro

120000000

100000000

80000000
f(x) = 3090906.16x + 16490058.8
R = 0.09
Costo estimado del siniestro 60000000

40000000

20000000

Velocidad/Costo del siniestro

120000000

100000000

80000000

60000000
Costo estimado del siniestro
40000000
f(x) = 90009.74x + 21089619.02
20000000
R = 0
0
0 50 100 150 200

Velocidad del Automotor

 Grados de Alcohol/Costo del siniestro
120000000

100000000

80000000

60000000
Costo estimado del siniestro
40000000

f(x) = 1086173.18x + 26113384.61

20000000
R = 0
0
0 1 2 3 4

Grados de Aolcol del Conductor

Calcular la recta de regresin y el coeficiente de correlacin para probar

estadsticamente su relacin

Estadsticas de Regresin

Coeficiente de Correlacin
mltiple 0,294323372

Coeficiente de determinacin
R^2 0,086626248

Coeficientes

Intercepto 17048602,93

X Variable 1 -92264,33397

X Variable 2 -5768,711147

X Variable 3 3129783,308

Analizando los datos obtenidos encontramos el modelo lineal:

y = 17048602,927 + (-92264,333)X 1 + (-5768,711)X2 + (3129783,307)X3

Ahora bien con el dato del coeficiente de determinacin podemos decir que
aunque seleccionamos varias datos para este medicin, el modelo no es confiable
y adems no tiene una relacin ni directa ni indirecta sobre las variables ya que su
valor es de 0.086.

En la misma direccin apunta el coeficiente de correlacin mltiple, ya que solo

llega a 0.29 lo que indica que tampoco hay una correlacin entre las variables
seleccionadas.

Relacionar la informacin obtenida con el problema.

CONCLUSIONES

o Con el entendimiento de las frmulas matemticas se comprende la

variacin que puede tener una serie de resultados.

o Mediante el clculo de las medidas de dispersin como el coeficiente

de Pearson, la desviacin tpica (estndar) y la varianza podemos
determinar qu tan dispersos son nuestros datos, que tan voltiles y
que tan alejados estn de nuestro punto central ayudando a ratificar
que nuestra medida central es fiable para nuestro anlisis.

o La media aritmtica es una medida ampliamente utilizada en la

estadstica para representar la tendencia central de una muestra
estadstica. Pero para poder determinar si esta medida es fiable
debemos tener en cuenta las medidas de dispersin como la
deviacin tpica y el coeficiente de Pearson.

o Agrupar datos estadsticos nos permite resaltar aspectos generales

de la muestra y evitar la dispersin de los mismos. Como desventaja,
perderamos individualidad de los datos ya que un intervalo
podramos contener datos con alta variabilidad.
 REFERENCIAS

ORTEGON PAVA, MILTON FERNANDO (Julio de 2010). 100105

ESTADSTICA DESCRIPTIVA Segunda Versin. Recuperado de:
http://datateca.unad.edu.co/contenidos/401547/Act_3._Modulo_Estadisti
ca_Descriptiva.pdf

UNAD. (2 de AMyo del 2016). Webconference de Estadstica descriptiva

Unidad 3. Recuperado de:
http://conferencia2.unad.edu.co/p7ewzrvp58o/?
launcher=false&fcsContent=true&pbMode=normal

Vaquiro Plazas, Yeison Andres. (11 de AMyo de 2015). Regresin y

Correlacin Mltiple. Recuperado de: https://www.youtube.com/watch?
v=LgFYGbH1NJk&list=WL&index=23