Paso 4 – Descripcion de la informacion

Estadística Descriptiva

Numero de grupo: 100105_249

Luis Enrique Vargas Ramírez

Código 1083891087

Tutor
José Fernando Velandia

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería ECBTI
Programa de Ingeniería de Sistemas
Zona Sur CCAV Pitalito
Noviembre 2019
 INTRODUCCION

En base a un registro histórico de datos sobre la problemática de las víctimas del

conflicto se presenta las soluciones de las actividades planteadas. La investigación

estadística es una actividad que apela a diversas técnicas con el propósito de llegar

a la esencia de la realidad. La regresión lineal simple y la regresión lineal múltiple

son técnicas de análisis de las variables de una investigación estadística, en este

caso desde la encuesta realizada. Si bien es cierto estas técnicas mencionadas se

pueden utilizar para solucionar problemas comunes en los negocios o para evaluar

el comportamiento de su economía y en general se utiliza con mayor frecuencia en

las ciencias económicas, también es cierto que en muchos casos se requiere

conocer más que el comportamiento de una sola variable para entender una

investigación cualquiera sea su especia. Entonces, sin importar la situación

presentada se hace necesario que practiquemos estas técnicas de regresión por

medio de ejercicios salientes de la cotidianidad, a continuación, veremos pues los

resultados de dicha práctica.

La realización de este trabajo es dar a conocer y poner en práctica la regresión y

correlación y medias de dispersión y estadísticas bivariantes sobre la unidad 2 de

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

que se plantean en el laboratorio propuesto, que es de vital importancia reconocer

y manejar las fórmulas que se obtienen de la herramienta de Excel.

 JUSTIFICACIÓN

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

1. Potencializar en el estudiante habilidades y destrezas para caracterizar una

situación mediante el análisis de las medidas estadísticas bivariantes.
2. Calcular e interpretar adecuadamente las medidas estadísticas bivariantes,
asociadas a una situación específica.
3. Determinar la relación entre dos o más variables inscritas en una situación
específica a partir del análisis de regresión lineal simple y múltiple.

Objetivos Específicos

1. Interpretar correctamente los datos de cada tabla propuestos en cada uno de

los ejercicios.
2. Realizar diagramas de dispersión en los ejercicios de laboratorio y
actividades colaborativas que permitan determinar el tipo de asociación entre
las variables escogidas en cada ejercicio.
3. En los ejercicios propuestos de laboratorio y de regresión y correlación lineal
simple crear modelos matemáticos que permita predecir el efecto de una
variable sobre la otra para determinar su fiabilidad.
4. Determinar porcentajes que permitan una explicación de modelo y grado de
relación de dos variables de los ejercicios de laboratorio y de regresión y
correlación lineal simple.
5. En la práctica de regresión y correlación lineal múltiple identificar una variable
cuantitativa dependiente y varias variables independientes del estudio de
investigación, diagramarlas y calcular la recta de regresión y el coeficiente de
correlación para probar estadísticamente su relación.
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
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 tipo de asociación del diagrama de dispersión es LINEAL.

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=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.

Determine el grado de relación de las dos variables.

El R² afirma además que el modelo explica el 97.9% de la información y el valor de

r coeficiente de correlación lineal es excelente porque el 0.979 está muy cercano
al extremo 1 positivo que es la correlación perfecta positiva.

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

arterial esperada?

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

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

Identifique la variable dependiente (y) y la variable independiente (x), realice

el diagrama de dispersión y determine el tipo de asociación entre las
variables.
 50
45 y = -0.3566x + 42.569
40 R² = 0.7963
35
30
25
X

Y
20
15 Linear (Y)
10
5
0
0 20 40 60 80
Y

El tipo de asociación del diagrama de dispersión es LINEAL. Son variables

inversamente proporcionales.

Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?

y = -0.356x + 42.56
R² = 0.796

Se puede asegurar que la ecuación de la recta tiene un grado de confianza mediana

porque el R² está un poco alejado a 1, teniendo entonces un grado medio alto de
confiabilidad.

Determine el grado de correlación de las dos variables.

El R² afirma además que el modelo explica el 79.6% de la información y el valor de
r coeficiente de correlación lineal es sobresaliente porque el 0.796 está un poco
alejado al extremo 1 positivo que es la correlación perfecta positiva.

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

Para hallar el valor del tiempo de 100 días debemos reemplazar este valor en la
formula hallada.
𝒀 = (−𝟎. 𝟑𝟓𝟔 ∗ 𝟏𝟎𝟎) + 𝟒𝟐. 𝟓𝟔= 6.96 minutos
Según lo anterior para dicho número de días se espera realizar para una pieza el
obrero se demore 6.96 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

Identifique la variable dependiente (y) y la variable independiente (x), realice el

diagrama de dispersión y determine el tipo de asociación entre las variables
30
y = 0.386x - 22.751
25 R² = 0.8329

20
Peso()kg)

15
Peso ( kg)
10 Linear (Peso ( kg))

0
100 105 110 115 120 125
Estatura(cm)

El tipo de asociación del diagrama de dispersión es LINEAL.

Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?
y = 0.386x - 22.75
R² = 0.832
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 correlación de las dos variables.
La correlación lineal es aceptable porque el 0.832 está un poco retirado del 1
positivo.
d. Cuál es el peso que debería tener un estudiante que mida 128 cm?
y = 0.386(128) - 22.75=24.354
 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.

Diagrama de dispersión
140
120
100
Tension

80
60
40
20
0
0 1 2 3 4 5 6 7
Sal

La relación entre la variable X y Y que se observa en el diagrama de dispersión es

directa de aumento ya que se muestra que a mayor consumo de sal (X) la tensión
(Y) aumenta.
b. Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?

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?

Si a un paciente se le suministra una dosis de sal de 5,6 la tensión arterial esperada

es de 122.32 obtenida gracias a la regresión lineal.
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
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

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

El tipo de asociación entre las variables es inversa.

b. Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?

El modelo matemático a utilizar es la regresión potencial ya que esta nos permite

calcular X y Y.
𝑌 = 𝐴 × 𝑋𝑏
A= 126.104
B= -0.4331
Ahora tomamos distintos valores de X para remplazar en la ecuación y obtenemos
los siguientes resultados:
X= 12 Y= 42.98
X= 23 Y= 32.42
X= 35 Y= 27.03
X= 42 Y= 24.98
X= 53 Y= 22.58
X= 65 Y= 20.67
X= 70 Y= 20.02
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
X= 12 un porcentaje de error igual a 4.69%
X= 23 un porcentaje de error igual a 7.46%
X= 35 un porcentaje de error igual a 0.11%
X= 42 un porcentaje de error igual a 0.08%
X= 53 un porcentaje de error igual a 1.86%
X= 65 un porcentaje de error igual a 1.59%
X= 70 un porcentaje de error igual a 0.09%
Ya que solo es inconsistente en unos datos en el porcentaje de error por este
método matemático se puede decir que es confiable para predecir el efecto de una
variable sobre otra.
c. Determine el grado de correlación de las dos variables.

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?

El tiempo que debe dársele a un empleado cuando lleva 90 días es de 18 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) Peso (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
Variable dependiente: Y
Variable independiente: X

Diagrama de dispersión.
30

25

20
Peso (Kg)

15

10

0
100 105 110 115 120 125
Estatura (cm)

El tipo de asociación entre las variables es Directa.

a. Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?

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

Se pudo evidenciar que para manejar cualquier tipo de variables se necesita

realizar un diagrama de dispersión y aplicar conceptos, fórmulas de relación y
correlación que permita el despeje de las ecuaciones y datos para obtener un
resultado.

Los ejemplos nos muestran que son acordes a un tipo de forma lineal y la
correlación es confiable para los tipos de datos.

Hallamos los comportamientos que tienen tendencia lineal y determinamos el

grado de correlación entre las variables.
 REFERENCIAS BIBLIOGRAFICAS

Robles Fabián, D. (2017). Regresión múltiple - Monografias.com. [online]

Monografias.com. Available at: http://www.monografias.com/trabajos30/regresion-

multiple/regresion-multiple.shtml [Accessed 22 jun. 2017].