Académique Documents
Professionnel Documents
Culture Documents
Estadística Descriptiva
Tutor
José Fernando Velandia
estadística es una actividad que apela a diversas técnicas con el propósito de llegar
pueden utilizar para solucionar problemas comunes en los negocios o para evaluar
conocer más que el comportamiento de una sola variable para entender una
este curso, además de los comportamientos que se dan en el plano cartesiano tanto
en las variables, como los grados y resultados que se manejan para los ejemplos
Partiendo de una base de datos sobre la problemática de las víctimas del conflicto
se presenta las soluciones de las actividades planteadas dentro del periodo histórico
comprendido entre los años 2006 a 2019. Para ello, en primer lugar aplicaremos el
proceso de regresión lineal simple para determinar tanto la naturaleza como la
fuerza de una relación entre dos variables y segundo lugar la regresión lineal
múltiple con la cual describiremos la relación entre dos o más variables
independientes y una variable dependiente utilizando la ecuación de regresión
múltiple; estas ecuaciones de estimaciones nos permitirá realizar una interpretación
de correlación de la investigación realizada en estas instituciones educativas. El
trabajo de laboratorio constituye una de las mejores metodologías para la aplicación
de modelos estadísticos a las variables de los hechos, es por eso que se trabaja en
este sentido y no otro para la práctica de la unidad 3 de regresión y determinación
OBJETIVOS
Objetivos Generales
Objetivos Específicos
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
140
y = 4.3714x + 94.2
120 R² = 0.9793
100
Tension
80
60 Y (Tensión)
Linear (Y (Tensión) )
40
20
0
0 2 4 6 8
Sal
El modelo matemático que permite predecir el efecto de una variable sobre la otra
es:
y=4.371x + 94.2
R² = 0.979
Se puede asegurar que la ecuación de la recta es confiable porque el R² está
cercano a 1 y tiene un grado alto de confiabilidad.
Para hallar el valor de la tensión arterial esperada para una dosis de sal de 6.5
debemos reemplazar este valor en la formula hallada.
𝒀 = (4.371*6.5)+94.2=122.61
Según lo anterior para dicha dosis de sal la tensión arterial esperada es de 126.6
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
Y
20
15 Linear (Y)
10
5
0
0 20 40 60 80
Y
y = -0.356x + 42.56
R² = 0.796
Estatura (cm) 120 124 107 118 112 110 115 104 110 116
Peso (kg) 24 23 19 24 21 19 22 16 20 23
20
Peso()kg)
15
Peso ( kg)
10 Linear (Peso ( kg))
0
100 105 110 115 120 125
Estatura(cm)
X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120
Diagrama de dispersión
140
120
100
Tension
80
60
40
20
0
0 1 2 3 4 5 6 7
Sal
El modelo matemático a utilizar es la regresión lineal simple ya que esta nos permite
calcular la tensión (Y) sabiendo el nivel sal consumido de la siguiente manera:
𝑌 = 𝐴 + 𝐵 ∙ 𝑋.
A= 88.12
B= 6.10
Ahora tomamos distintos valores de X para remplazar en la ecuación y obtenemos
los siguientes resultados:
X= 1.6 valor tensión Y= 97.89
X= 3.3 valor tensión Y= 108.27
X=4.2 valor tensión Y= 113.77
X= 5.0 valor tensión Y= 118.65
Para saber si es confiable el método hallamos un porcentaje de error teniendo en
cuenta el valor obtenido como teórico y los valores suministrados como
experimentales.
𝑣𝑎𝑙𝑜𝑟 𝑡𝑒𝑜𝑟𝑖𝑐𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙
% 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = ∙ 100
𝑣𝑎𝑙𝑜𝑟 𝑡𝑒𝑜𝑟𝑖𝑐𝑜
Se obtienen los siguientes porcentajes de error:
X= 1.6 un porcentaje de error igual a 0.11%
X= 3.3 un porcentaje de error igual a 0.67%
X=4.2 un porcentaje de error igual a 0.68%
X= 5.0 un porcentaje de error igual a 1.14%
Ya que se obtiene un porcentaje de error muy bajo por método matemático se puede
decir que es confiable para predecir el efecto de una variable sobre otra.
c. Determine el grado de relación de las dos variables.
Por medio de la regresión lineal obtuvimos r= 0.9934808689 por tal razón es una
correlación excelente.
d. Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión
arterial esperada?
Variable dependiente: Y
Variable independiente: X
Diagrama de dispersión.
50
45
40
35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
Por medio de la regresión potencial obtuvimos r= -0.990311 por tal razón es una
correlación aceptable.
d. ¿Que tiempo deberá tardarse un empleado cuando lleven 90 días?
Diagrama de dispersión.
30
25
20
Peso (Kg)
15
10
0
100 105 110 115 120 125
Estatura (cm)
El modelo matemático a utilizar es la regresión lineal simple ya que esta nos permite
calcular X y Y.
𝑌 = 𝐴 + 𝐵 ∙ 𝑋.
A= -22.75
B= 0.38
Ahora tomamos distintos valores de X para remplazar en la ecuación y obtenemos
los siguientes resultados:
X= 120 Y= 23.57
X= 124 Y= 25.11
X= 107 Y= 18.55
X= 118 Y= 22.79
X= 112 Y= 20.48
X= 110 Y= 19.71
X= 115 Y= 21.64
X= 104 Y= 17.39
X= 110 Y= 19.71
X= 116 Y= 22.02
Para saber si es confiable el método hallamos un porcentaje de error teniendo en
cuenta el valor obtenido como teórico y los valores suministrados como
experimentales.
𝑣𝑎𝑙𝑜𝑟 𝑡𝑒𝑜𝑟𝑖𝑐𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙
% 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = ∙ 100
𝑣𝑎𝑙𝑜𝑟 𝑡𝑒𝑜𝑟𝑖𝑐𝑜
Se obtienen los siguientes porcentajes de error:
X= 120 un porcentaje de error igual a 1.82%
X= 124 un porcentaje de error igual a 8.4%
X= 107 un porcentaje de error igual a 2.42%
X= 118 un porcentaje de error igual a 5.30%
X= 112 un porcentaje de error igual a 2.53%
X= 110 un porcentaje de error igual a 3.60%
X= 115 un porcentaje de error igual a 1.66%
X= 104 un porcentaje de error igual a 7.99%
X= 110 un porcentaje de error igual a 3.60%
X= 116 un porcentaje de error igual a 4.45%
Debido a que el porcentaje de error no es tan alto se puede decir que es confiable
para predecir el efecto de una variable sobre otra.
b. Determine el grado de correlación de las dos variables.
Por medio de la regresión lineal obtuvimos r= 0.91266241211 por tal razón es una
correlación excelente.
c. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?
El peso que debería tener un estudiante que mide 128cm es de 27 kg
CONCLUSIONES
Los ejemplos nos muestran que son acordes a un tipo de forma lineal y la
correlación es confiable para los tipos de datos.