Fase Intermedia

Estadstica Descriptiva

Tutor: Jairo Yamid Marin

Carlos Eduardo Garca Zambrano Cdigo: 1016042551

Yuranis Galindo Cdigo:
Yeison Enrique Hidalgo Cdigo:
Yina Marcela Rodrguez Cdigo:
Lusi Alberto Lara Cdigo:

Noviembre 2016.

Universidad Nacional Abierta y a Distancia Colombia - UNAD.

Escuela de Ciencias Bsicas, Tecnologa e Ingeniera.

Tabla de Contenidos

Captulo 1 Introduccin .................................................................................................................. 1

Captulo 2 Justificacin.................................................................................................................. 2
Captulo 3 Objetivos ...................................................................................................................... 3
Captulo 4 Laboratorios De Regresin Y Correlacin Lineal ....................................................... 4
Captulo 5 Anlisis de correlacin lineal simple de las dos variables cuantitativas seleccionadas 4
Captulo 6 Anlisis de correlacin mltiple de las variables cuantitativas seleccionadas ............ 19
Captulo 7 Anlisis y conclusiones, a partir de los resultados obtenidos y aplicados al problema ii
o situacin estudiada. .................................................................................................................... 22
Captulo 8 Conclusiones .............................................................................................................. 23
Lista de referencias Bibliograficas................................................................................................ 24
 1

Captulo 1

Introduccin

En la estadstica, la regresin se utiliza para predecir una medida basndonos en el

conocimiento de otra, en la regresin lineal simple solo se maneja una variable independiente,

por lo cual solo cuenta con dos parmetros.

Son muy frecuentes en la estadstica algunas situaciones en las que se cuenta con

observaciones de diversas variables, y es razonable pensar que existe una relacin entre ellas.

El poder determinar si existe esta relacin y, en su caso, una forma funcional para la misma es

de sumo inters. Por una parte, ello permitira, conocidos los valores de algunas variables,

efectuar predicciones sobre los valores previsibles de otra.

Podramos tambin responder con criterio estadstico a cuestiones acerca de la relacin de una

variable sobre otra.

 2

Captulo 2

Justificacin

A travs de este trabajo se muestran una serie de situaciones buscando representarlas de

manera estadstica por medio de anlisis de REREGRESION Y CORRELACION LINEAL Y

MULTIPLE, dando a conocer la plenitud de los recursos que se pueden determinar teniendo en

cuenta estos modelos matemticos.

Partimos de datos entregados y se relacionan con variables cuantitativas de distinto tipo

 3

Captulo 3

Objetivos

Las tablas y figuras junto con el texto deben ser puestos en la misma pgina donde son

mencionados por primera vez en el texto. Las tablas y figuras grandes deben ser agregadas en

una pgina separada. La tabla 1 es ms grande que media pgina y por lo tanto fue agregada en

una pgina para s misma. La pgina antes de la figura debe ser una pgina llena de texto a

menos que esta est al final del captulo. Esto aplica incluso si un prrafo debe ser dividido en

varias pginas.
 4

Captulo 4

Laboratorios De Regresin Y Correlacin Lineal

REGRESIN Y CORRELACIN

En muchos casos se requiere conocer ms que el comportamiento de una sola variable,

se requiere conocer la relacin entre dos o ms variables como la relacin entre produccin y

consumo; salarios y horas de trabajo; oferta y demanda; salarios y productividad; la altura de un

rbol y el dimetro de su tronco.

Muchos de estos comportamientos tienen una tendencia lineal, aunque hay muchos otros

que lo hacen de forma curva. Para determinar el grado de correlacin entre las variables, no

basta con calcular la varianza explicada, pues existe el coeficiente de determinacin coeficiente

de correlacin; sin embargo, frecuentemente se utiliza un coeficiente de correlacin rectilneo,

siendo este un valor entre -1y1.

Para estas confrontaciones se utiliza el diagrama de dispersin que es plano cartesiano

en el que se marcan los puntos correspondientes a los pares (x,y) de los valores de las variables.

El anlisis de Regresin tiene los siguientes usos: el primero es obtener los estimadores

de los parmetros, estimar la varianza del error, obtener los errores estndares de los parmetros

estimados, probar la hiptesis sobre los parmetros, clculo de valores estimados basados en la

ecuacin estimada, estimar el ajuste o la falta de ajuste del modelo.

 5

El modelo a utilizar es Y= a+ bx, a es el intercepto, b es la pendiente de la funcin, la que nos

indica el cambio marginal de Y respecto a X.

Ejemplo

Una empresa de mensajera de entrega puerta a puerta, con el fin de mejorar la prestacin

del servicio desea establecer la relacin que puede existir entre el tiempo empleado y la distancia

recorrida para la entrega de un determinado Producto.

a. Realice un diagrama de dispersin a partir de los datos obtenidos.

Los Grficos de Dispersin muestran la relacin existente entre un dominio y uno o algunos
rangos.

Tiempo de
Distancia en
entrega( y) Rango
Kilmetros (x)
(das)
825 3,5
215 1,0
1070 2,0
550 4,0
480 1,0
920 3,0
1350 4,5
325 1,5
Dominio
670 3,0
1215 5,0
 6

Tiempo de
Distancia en
entrega( y)
Kilmetros (x)
(das)
825 3,5
215 1,0
1070 2,0
550 4,0
480 1,0 r 0,7368
920 3,0 r2 0,5429
1350 4,5 s 1,0288
325 1,5 Estimacion Lineal 0,0028
670 3,0
1215 5,0

Identificar dos variables cuantitativas de la situacin estudiada que puedan estar relacionadas:

Para esta fase escogeremos las variables:

Velocidad

Nmero de Heridos

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

las variables.
 7

Velocidad Vs Nmero de Heridos y = 0.0586x - 0.6267

R = 0.4693
9

Numero de Heridos 5
(y) 4

0
0 20 40 60 80 100 120 140 160
Velocidad (x)

Numero de Heridos (y) Linear (Numero de Heridos (y))

 8

Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre la otra.

Es confiable?

El modelo matemtico hallado para este efecto es: = +

= 8.088 + 43.868

2 = 0.4693

Se puede asegurar que la ecuacin de la recta es confiable porque el 2 se aleja de 1 y tiene un

grado de confiabilidad aceptable

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

El Grado de correlacin es positiva baja ya que se encuentra en el rango 0.4

 9

Relacionar la informacin obtenida con el problema.

Podemos concluir que las variables velocidad y nmero de heridos involucrados en accidentes

de trnsito en el ao 2015 en la ciudad de Medelln se encuentran relacionadas con un

coeficiente de correlacin positiva moderada.

10
 11

Ejercicio 1 de Laboratorio:
 12

Ejercicio 2 de Laboratorio

Con los resultados obtenidos se puede asegurar que la

ecuacin de la recta es una muy buena estimacin de la
relacin entre las dos variables. El R2 afirma adems
que el modelo explica el 99,99 % de la informacin y el
valor de r coeficiente de correlacin lineal confirma
adems el grado de relacin (99%) entre las variables:
Temperatura y Consumo de vapor.
13
 14

Ejercicio 3 de Laboratorio

16
Umbral de reflejo de reflexin nociceptiva

14

12 y = -0.0629x + 11.642
R = 0.1115
10

8
Linear (y (umbral de reflejo de
6 flexin nociceptiva))

0
0 20 40 60 80 100
% Sobrepeso

Con los resultados obtenidos se puede asegurar que la

ecuacin de la recta es una muy buena estimacin de
la relacin entre las dos variables. El R2 afirma
adems que el modelo explica el 11 % de la
informacin y el valor de r coeficiente de correlacin
lineal confirma adems el grado de relacin (-33%)
entre las variables: %sobrepeso y Umbral de reflejo
de reflexin nociceptiva.

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

50?
8,497
El umbral de reflejo de reflexin nociceptiva cuando hay un porcentaje de sobrepeso de 50, es de
8,497
 15

Captulo 5

Anlisis de correlacin lineal simple de las dos variables cuantitativas seleccionadas

NUMERO DE MUERTOS VS VELOCIDAD

160
140
120
100
80
60
40
20
0
0 2 4 6 8 10 12 14
 16

RELACION NUMERO DE HERIDOS VS

VELOCIDAD
160
140
120
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8

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

estadsticamente su relacin.
 17

RELACION NUMERO DE HERIDOS VS

VELOCIDAD
160
140
120
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8

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

su relacin.

Formula de correlacin mltiple

= 44,6915 + 4,6612 + 1,6422

2 = 0,8011

1, .

2 = 0,8011 100% = 80,11%

80,11%

2 = 0,8950 100% = 89,50%

La correlacin entre las variables es aceptable dado que su valor de coeficiente es 0,8950 o

tambin la correlacin entre las variables es aceptable ya que ofrecen el 89,50% lo anterior
 18

comprueba estadsticamente la relacin de las tres variables velocidad, nmero de heridos y

nmero de muertos.
 19

Captulo 6

Anlisis de correlacin mltiple de las variables cuantitativas seleccionadas

Identificacin de variable cuantitativa dependiente y dos variables independientes para estudio

de investigacin.
: .
1: .
2:

Diagrama de dispersin de dichas variables.

Muertos en acidentes de transito en la ciudad de

Medellin en relacion a la velocidad
4.5
4
3.5
3
MUERTOS

2.5
2
1.5
1
0.5
0
0 20 40 60 80 100 120 140 160
VELOCIDAD
 20

Muertos en acidentes de transito en la ciudad de Medellin en

relacion a grados de alcohol

4.5
4
No. DE MUERTOS

3.5
3
2.5
2
1.5
1
0.5
0
0 20 40 60 80 100 120
GRADOS DE ALCOHOL

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

estadsticamente su relacin.
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0,26422698
Coeficiente de determinacin R^2 0,0698159
R^2 ajustado 0,05391531
Error tpico 0,82971621
Observaciones 120

ANLISIS DE VARIANZA
Promedio
Grados de Suma de Valor crtico
de los F
libertad cuadrados de F
cuadrados
Regresin 2 6,04547492 3,02273746 4,39077596 0,01449711
Residuos 117 80,5461917 0,68842899
Total 119 86,5916667
 21

Superior Inferior Superior

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95%
95% 95,0% 95,0%
Intercepcin 0,693396471 0,347756788 1,993912107 0,048487596 0,004682374 1,382110567 0,004682374 1,382110567
Variable X - - - -
0,004323386 0,665999303 0,006691332 0,006691332
1 0,001870908 0,432741376 0,010433148 0,010433148
Variable X
0,213837562 0,074049969 2,887746795 0,004623409 0,067185478 0,360489646 0,067185478 0,360489646
2

= + 1 1 + 2 2
Reemplazando para obtener el modelo matemtico tenemos:

Y= 0,6934 + (-0,0019 x1)+( 0,2138 x2) Es el modelo matemtico.

Respecto a la confiabilidad del modelo tomamos R2 de los datos arrojados por Excel y que

corresponden a:

Coeficiente de correlacin mltiple 0,26422698

Coeficiente de determinacin R2 0,0698159

R = 0,070 coeficiente de determinacion

Para poder expresar como porcentaje multiplicamos por cien de donde obtenemos

.
= , , % = , %
Concluimos que el modelo tiene una confiabilidad baja del 6.98%

Porcentaje de explicacin del modelo y el grado de relacin de las tres variables.

Como r es el coeficiente de correlacin

.
. = , , % = . %

La relacin entre las variables es nula es decir que no tiene correlacin alguna.
 22

Captulo 7

Anlisis y conclusiones, a partir de los resultados obtenidos y aplicados al problema o

situacin estudiada.

Del clculo matemtico y de los datos procesados por el programa Excel podemos concluir que:

a. El nmero de muertos en la ciudad de Medelln no est relacionado con la velocidad y

el consumo de alcohol.

b. El modelo generado tiene baja confiabilidad y muy poca correlacin podemos observar

en las grficas que no hay una influencia marcada de la velocidad sobre la mortalidad y

tampoco sobre los grados de alcohol sobre la cantidad de muertos.

c. En conjunto el ejercicio nos muestra que no existe influencia entre estas tres variables.
 23

Captulo 8

Conclusiones

La Regresin y la correlacin lineal son dos herramientas que sirven para investigar la

dependencia de una variable dependiente y en funcin de una variable independiente x.

y = f(x)

y = variable dependiente que se desea explicar o predecir, tambin se llama regresor o

respuesta

x = variable independiente, tambin se llama variable explicativa, regresor o predictor

Regresin lineal - la relacin entre x y y se representa por medio de una lnea recta

Regresin curvilnea - la relacin entre x y y se representa por medio de una curva

Las tcnicas de regresin y correlacin cuantifican la asociacin estadstica entre dos o

ms variables. La regresin lineal simple expresa la relacin entre una variable

dependiente Y y una variable independiente X, en trminos de la pendiente y la

interseccin de la lnea que mejor se ajuste a las variables

La correlacin simple expresa el grado o la cercana de la relacin entre las dos variables

en trminos de un coeficiente de correlacin que proporciona una medida indirecta de la

variabilidad de los puntos alrededor de la mejor lnea de ajuste- Ni la regresin ni la

correlacin dan pruebas de relaciones causa efecto

 24

Lista de referencias Bibliogrficas

Montero, J.M. (2007). Regresin y Correlacin 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=GV
RL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219

hurchill, G.A. (2009). Anlisis de Correlacin y de Regresin Simple. Mxico City: Cengage
Learning. Pginas 675 686 Recuperado de:

http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=unad&it=r&p=GV
RL&sw=w&asid=e558184ed89e57d11ede116134cfce41

Montero, J.M. (2007) Regresin y Correlacin Mltiple. Madrid: Paraninfo. Pginas 191
225.Tomado de:

http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100012&v=2.1&u=unad&it=r&p=GV
RL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de2