2015

Universidad Abierta y a
Distancia UNAD

EDINSON JESUS JAIMES

ACEROS cod:91535313

[LABORATORIO DE
REGRESION Y CORRELACION
LINEAL]
TUTOR: Ing. FRANCISCO CABRERA DIAZ
 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.

Variable X: gr. de sal diarios (no aleatoria)

Variable Y: presión arterial en mm de Hg

N X Y X² Y² XY
1 1,8 100 3,24 10000 180
2 2,2 98 4,84 9604 215,6
3 3,5 105 12,25 11025 367,5
4 4 110 16 12100 440
5 4,3 112 18,49 12544 481,6
6 5 120 25 14400 600
Suma 20,8 645 79,82 69673 2284,7

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

variables

Diagrama de Dispersión
140

120

100
Tensión Arterial

80

60
y = 6.3137x + 85.612
40 R² = 0.9165

20

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Cantidad de sal
B. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. Es confiable?

El modelo matemático que permite predecir el efecto de una variable sobre la otra
es: Y= a X + b;

Y = 6,31374243733791X + 85,6123595505619

R²= 0,916480645896745

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

dos variables.

Coeficiente de Determinación R2= 0,916480645896745  91,64806 %

Coeficiente de Correlación r= ± 0,957329956648566  95,73299%

El R² afirma además que el modelo explica el 91,64806 % de la información y el valor

de r coeficiente de correlación lineal es muy bueno porque el 95,73299 está muy
cercano al extremo 1 positivo que es la correlación muy buena.

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

arterial esperada?

Y=6,31374243733791 (6,5) + 85,6123595505619= 126,651685393258 mm de Hg

Según lo anterior la tensión arterial de una persona que le adicionen 6,5 gr de sal
a la dieta es 126,651685393258 mm de Hg
 2. En un nuevo proceso artesanal de fabricación de cierto artículo que esta
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 10 20 30 40 50 60 70

Y 35 28 23 20 18 15 13

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

variables
SOLUCION:

N X Y X² Y² XY
1 10 35 100 1225 350
2 20 28 400 784 560
3 30 23 900 529 690
4 40 20 1600 400 800
5 50 18 2500 324 900
6 60 15 3600 225 900
7 70 13 4900 169 910
Suma 280 152 14000 3656 5110

Diagrama de Dispersión
40
35
y = -0.3464x + 35.571
30
R² = 0.9454
Tíiempo en días

25
20
15
10
5
0
0 20 40 60 80
Tiempo en minutos
 b. Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. Es confiable?

El modelo matemático que permite predecir el efecto de una variable sobre la

otra es: Y= a X + b;
Y = -a + bX
Y = -0,346428571428572 X + 35,5714285714286

R²= 0,945438102893892

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

las dos variables.

Coeficiente de Determinación R2= 0,945438102893892  94,5438%

Coeficiente de Correlación r= ± 0,972336414464609  97,2336%

El R² afirma además que el modelo explica el 94.5% de la información y el valor

de r coeficiente de correlación lineal es excelente porque el 0.972336 está muy
cercano al extremo 1 positivo que es la correlación perfecta positiva.

d. Que tiempo deberá tardarse un empleado cuando se lleven 100 días?

Para hallar el valor del tiempo de 100 días debemos reemplazar este valor en la
formula hallada.

𝒀 = (−0,346428571428572 ∗ 100) + 35,5714285714286 = 0,928571428571431

minutos

Según lo anterior para dicho número de días se espera realizar para una pieza
el obrero se demore 0,928571428571431 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 121 123 108 118 111 109 114 103 110 115
(cm)
Peso ( 25 22 19 24 19 18 20 15 20 21
kg)

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

variables

N Estatura Peso E2 P2 EP
1 121 25 14641 625 3025
2 123 22 15129 484 2706
3 108 19 11664 361 2052
4 118 24 13924 576 2832
5 111 19 12321 361 2109
6 109 18 11881 324 1962
7 114 20 12996 400 2280
8 103 15 10609 225 1545
9 110 20 12100 400 2200
10 115 21 13225 441 2415
Suma 1132 203 128490 4197 23126

Diagrama de Dispersión
28
26
24
22
20
18
Peso en kg

16
14
12
10 y = 0.4212x - 27.377
8 R² = 0.8102
6
4
2
0
102 104 106 108 110 112 114 116 118 120 122 124
Estatura en cm
b. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. Es confiable?
MODELO

Y= aX + b;
Y= 0,421173762945909 X - 27,3768699654768 R²= 0,810247554471496

Se puede asegurar que la ecuación de la recta es aceptable porque el R² se aleja

un poco de 1 y tiene un grado de confiabilidad aceptable.

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

GRADO:
La correlación lineal es aceptable porque el 0,810247554471496 está un poco
retirado del 1 positivo.

d. Cuál es el peso que debería tener un estudiante que mida 130 cm?

Y= 0,421173762945909 * 130 - 27,3768699654768 = 27,3757192174913 cm

Según lo anterior el peso que debería tener un estudiante que mida 130 cm es de
27,3757192174913 cm