Académique Documents
Professionnel Documents
Culture Documents
Estudiantes
Janelle Figueroa
140
Presentado a
Astrid Segura
Fecha
28 de Noviembre de 2018
Introducción
La regresión es una técnica estadística utilizada para simular la relación existente entre dos o
más variables. Por lo tanto se puede emplear para construir un modelo que permita predecir el
La regresión es muy utilizada para interpretar situaciones reales, pero comúnmente se hace de
mala forma, por lo cual es necesario realizar una selección adecuada de las variables que van a
construir las ecuaciones de la regresión, ya que tomar variables que no tengan relación en la
que es necesario evaluar que tan adecuado es el modelo de regresión obtenido. Para esto se hace
uso del coeficiente de correlación R, el cual mide el grado de relación existente entre las
variables.
Por lo tanto el análisis de regresión es una herramienta estadística que permite analizar y
predecir o estimar observaciones futuras de dos o más variables relacionadas entre sí, es decir
Es frecuente que estudiemos sobre una misma población los valores de dos variables
estadísticas distintas, con el fin de ver si existe alguna relación entre ellas, es decir, si los
cambios en una de ellas influyen en los valores de la otra. Si ocurre esto decimos que las
llamado coeficiente de correlación que denotaremos con la letra r, que nos permite valorar si ésta
Cuando observamos una nube de puntos podemos apreciar si los puntos se agrupan cerca de
alguna curva. Aquí nos limitaremos a ver si los puntos se distribuyen alrededor de una recta. Si
así ocurre diremos que hay correlación lineal. La recta se denomina recta de regresión.
base de datos del caso de estudio, en el servicio de urgencias del hospital Federico Lleras de
Ibagué.
Justificación
En innumerables situaciones de nuestra vida, encontramos problemas en los cuales existe una
relación entre dos o más variables y es necesario encontrar la naturaleza de esta relación.
En este trabajo encontramos una situación real del servicio de urgencias en el hospital Federico
Lleras de Ibagué donde se tienen los ingresos de pacientes con sus respectivos detalles y datos,
los cuales conforman variables cualitativas y cuantitativas para el respectivo estudio estadístico.
Para esto se hizo uso de la técnica de Regresión y Correlación, la cual resulta una herramienta
Se pretende entonces establecer mediante una regresión la relación entre dichos datos y
General
modelar e investigar la relación entre dos variables a partir de la base de datos “Calidad en el
Específicos.
Diagrama de Dispersión
Teniendo en cuenta los datos suministrados de la sala de urgencias del Hospital Federico
Lleras se relacionaron las variables peso y estatura, identificamos que cuando la variable peso
aumenta también aumenta el valor de la variable estatura, tienen relación directa, su dirección es
Variable Y: Estatura
Variable X: Peso
Diagrama de Dispersión
EDAD VS ESTATURA
2.5
y = 0.0084x + 1.2276
2
R² = 0.3417
1.5
Estatura
0.5
0
0 20 40 60 80 100
Edad
Tipo de asociación de las variables Relación directa
Modelo matemático Y=1.2276+0.0084X
R2 0,3417
R 0,5845
Confiabilidad No es confiable
% de explicación 34,16%
Grado de relación Regular
La relación entre las variables de edad (m) y peso (kg) es directamente proporcional dado que
la pendiente (m=0,00837) es positiva, lo cual indica que por cada incremento en la edad, también
aumenta la estatura,
la recta está dada en su mayoría por los errores, por ello no es un modelo muy bueno o confiable.
Ibagué, se relacionaron las variables Edad vs Estatura, dando así la una recta de regresión que
nos indica que por cada aumento en la edad, aumenta también la estatura. Sin embargo, la recta
de regresión no es muy buena, por esto los pronósticos no serán eficientes, dado su correlación
Existe una correlación entre la variable peso y estatura, el peso depende de la estatura.
El grado de relación de las dos variables estatura (M) y peso (kg) es de 9,297
A través de la información anterior de las variables peso y estatura podemos decir que existe
una relación ya que a mayor estatura mayor peso. El peso depende de la estatura.
Estudiante 4: Mónica Patricia Jiménez
Diagrama de Dispersión
400
Tiempo de espera para triage (min)
350
300
250
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Cantidad de Visitas en el ultimo trimestre
trimestre) es discreta (solo tiene tres valores) pues no es posible hacer visitas a medias, a cambio
espera para el triage tiene una incorrelación, los valores son altos o bajos.
Este modelo no es nada confiable, pues no representa los datos de dispersión, que son dados
No hay una correlación entre las variables escogidas, son totalmente independientes.
Variable X: Edad
Diagrama de Dispersión
EL HOSPITAL FEDERICO LLERAS DE IBAGUE
EDAD vs PESO (Kg)
100.00
y = 0.6007x + 35.544
90.00 R² = 0.3749
80.00
70.00
Peso (Kg)
60.00
50.00
40.00
30.00
20.00
10.00
0.00
0 20 40 60 80 100
Edad
debido a que la pendiente de la ecuación es positiva, esto indica que a medida que aumenta el
en este caso es de 37,49% y el grado de relación de las dos variables es establecido por el
Coeficiente de Correlación R en este caso el grado de correlación de las dos variables Edad y
A partir de los datos suministrado de la sala de urgencias del Hospital Federico Lleras de la
ciudad de Ibagué se relacionaron las variables Edad y Peso Kg, donde se identificó que a medida
que la variable Edad aumenta también aumenta el valor de la variable Peso Kg, teniendo un
base de datos “Calidad en el servicio de urgencias 2018-16-4 del hospital Federico lleras
https://www.monografias.com/trabajos14/estadistica/estadistica.shtml
https://drive.google.com/file/d/18vu0JpyQ1tGiN2TfZPjYbD_UATdJHDIY/view
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=e558184ed89e57d11ede116134cfce41
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900234&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=49575112db86a0eb46dae86bbaf74cb9
Matus, R., Hernández, Martha, and García, E.. Estadística. México, D.F., MX: Instituto
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10365616&p00=co
nceptos+generales+estad%C3%ADstica+descriptiva&ppg=12
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 130 –
172. Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100011&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219
Montero, J.M. (2007). Regresión y Correlación Múltiple. Madrid: Paraninfo. Páginas 191 –
225. Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100012&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de2
Nacional. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436604
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11230886&p00=c
onceptos+generales+estad%C3%ADstica+descriptiva&ppg=6
http://www.unadzsurlab.com/ovas_ibague/regresion/pagina4.htm
https://issuu.com/riyis/docs/lab_regresion_correlacion_lineal_cead_ibague?layout=http%253A%
252F%252Fskin.issuu.com%252Fv%252Flight%252Flayout.xml&showFlipBtn=true
Anexo
2.1. 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
94
92
90
88
86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
% de Hidrocarburos
es debido a que la pendiente de la ecuación es positiva, esto indica que a medida que aumenta el
R2 en este caso es de 87,74% y el grado de relación de las dos variables es establecido por el
Análisis:
Con los resultados obtenidos se puede verificar que la ecuación de la recta tiene una excelente
relación entre las dos variables, es directa o positiva. Coeficiente de Determinación R² nos
asegura además que el modelo explica el 87,74 de la información siendo este confiable y el
Coeficiente de Correlación lineal confirma el grado de relación (0,93671538) entre las dos
R/
y= 91,3
x= ?
y = 14,947x + 74,283
91,3=14,947x + 74,283
91,3-74,283 = 14,947x
17,02/14947 = x
x = 1,13
2.2 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
R² = 0.9999
600
500
400
300
200
100
0
0 10 20 30 40 50 60 70 80
Temperatura (oF)
proporcional, esto es debido a que la pendiente de la ecuación es positiva, esto indica que a
medida que aumenta el valor la variable Temperatura (oF) aumenta también el valor de la
en este caso es de 99,99% y el grado de relación de las dos variables es establecido por el
Análisis:
Con los resultados obtenidos se puede verificar que la ecuación de la recta tiene una excelente
relación entre las dos variables, es directa o positiva. Coeficiente de Determinación R² nos
asegura además que el modelo explica el 99,99% de la información siendo este confiable y el
Coeficiente de Correlación lineal confirma el grado de relación (0,99993193) entre las dos
R/
y= ?
x= 70
y = 9,2087x - 6,3184
y= 638,2906
El consumo de vapor es 638,2906 cuando la temperatura es de 70 oF.
2.3 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
16
14
12
10
8
6 y = -0.0629x + 11.642
4 R² = 0.1115
2
0
0 20 40 60 80 100
Porcentaje de sobrepeso
Nociceptiva es leve e indirecta, esto es debido a que la pendiente de la ecuación es negativo, esto
indica que a medida que aumenta el valor la variable Porcentaje de Sobrepeso disminuye el valor
en este caso es de 11,15% y el grado de relación de las dos variables es establecido por el
Coeficiente de Correlación R en este caso el grado de correlación de las dos variables porcentaje
Análisis:
Con los resultados obtenidos se puede verificar que la ecuación de la recta tiene una correlación
negativa o inversa, es decir una misma dirección descendiente, la relación de las dos variables es
leve. Coeficiente de Determinación R² nos asegura que el porcentaje del umbral de reflexión
nociceptiva del individuo es de 11,15 que se ven afectados por la variable de % de peso, y el
Coeficiente de Correlación Lineal es mínima o débil (-0,333908) entre las dos variables.
y = -0,0629(40) + 11,642
y= 9,126
sobrepeso de 40.