“AÑO DE LA LUCHA CONTRA LA CORRUPCIÓN E IMPUNIDAD”

UNIVERSIDAD NACIONAL DE TUMBES

FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA PROFESIONAL DE
ADMINISTRACIÓN

DOCENTE:
Ortiz Castro Gerardo
ESTUDIANTE:
Arcela Ramírez Yuvitza
TEMA:

Aplicación de regresión para un problema de la Tensión Arterial Diastólica

ajuntando por Colesterol e Índice de Masa Corporal.
EGRESIÓN CICLO:
II
AÑO:
2019
Dedicatoria
Este trabajo está dedicado en primer
lugar a Dios, quien nos da sabiduría y
siempre está de manera espiritual, por
guiarnos y cuidarnos siempre, darnos
paciencia para seguir esforzándonos en las
metas que hemos trazado.
A nuestros padres los cuales nos dan el
apoyo económico en nuestros estudios para
así poder cumplir con nuestros trabajos y lo
más importante el apoyo moral que nos
brinda, la educación que me da de ser
mejor cada día, ya que gracias a sus
exigencias nos esforzamos más para ser su
orgullo. También a nuestro querido
docente por los conocimientos impartidos,
la paciencia, el cariño y respeto que nos
brinda.
Por último, pero no menos importante a
nuestros queridos compañeros.
Agradecimiento
Este proyecto es el resultado del esfuerzo que he inculcado en
el trabajo lo cual ha finalizado llenando todas nuestras
expectativas. A mis padres quienes a lo largo de toda mi vida
han apoyado y motivado mi formación académica, creyeron
en nosotros en todo momento y no dudaron de nuestras
habilidades.
A mi profesor a quienes les debo gran parte de mis
conocimientos, gracias a su paciencia y enseñanza y
finalmente un eterno agradecimiento a esta prestigiosa
universidad la cual abrió abre sus puertas a jóvenes como
nosotros, preparándonos para un futuro competitivo y
formándonos como personas de bien.
ÍNDICE

TEMATÍCA

DEDICATORIA
AGRADECIMIENTO
ÍNDICE
INTRODUCCIÓN
TÍTULO DEL TEMA DE INVESTIGACIÓN
I. PROBLEMA DE INVESTIGACIÓN 7

1.1. Planteamiento del problema

1.2. Preguntas de investigación
1.3. Objetivos:
1.3.1. General
1.3.2. Específicos

II. MARCO TEÓRICO 8

2.1. Palabras clave

2.2. Conceptos que sustenten a la investigación

III. MARCO METODOLÓGICO 9

3.1. Hipótesis o supuesto

3.2. Variables
3.3. Matriz de consistencia
IV. APORTE DE LA INVESTIGACIÓN 12
V. RESULTADOS 14

5.1. Presentación de resultados

VI. CONCLUSIONES 32
6.1. Conclusiones
VII. REFERENCIAS BIBLIOGRÁFICAS 33
VIII. ANEXOS 34
INTRODUCCIÓN

En la mayoría de las investigaciones sin importar el estudio del conocimiento en las

que se desarrollen, en las cuales se realicen mediciones, observaciones o

experimentos de donde se obtengan datos de diferentes variables, es fundamental

determinar algún tipo de relación de dependencia entre las variables con el fin de

hacer predicciones o pronósticos de eventos futuros de acuerdo con el

comportamiento de ellas. Por ejemplo, Como ejemplo, tomemos la medida de la

tensión arterial diastólica en setenta individuos de los que se conoce además su edad,

colesterol e índice de masa corporal.

Los mencionados estudios en clínica han dado como resultado diversas tablas,

gráficas y ecuaciones que han servido para predecir valores de Edad, Colesterol, IMC

según la TAD.

Hemos visto como el modelo de regresión lineal simple es un método sencillo para

analizar la relación lineal entre dos variables explicitas. Sin embargo, lo que se

pretende es predecir una respuesta en función de un conjunto más amplio de

variables, siendo necesario considerar el modelo de regresión lineal múltiple como una

extensión de la recta de regresión que permite la inclusión de un número mayor de

variables.
Aplicación de regresión para un problema de la Tensión
Arterial Diastólica ajuntando por Colesterol e Índice de
Masa Corporal.
 I. PROBLEMA DE INVESTIGACIÓN 7

1.1. PLANTEAMIENTO DEL PROBLEMA

Como es bien entendido tomemos la medida de la tensión arterial diastólica en setenta

individuos de los que se conoce además su edad, colesterol e índice de masa

corporal. Es bien conocido que el valor de la tensión arterial diastólica varía en función

del colesterol e índice de masa corporal de cada sujeto. Al igual que ocurría en el caso

bidimensional, se puede visualizar la relación entre las tres variables en un gráfico de

dispersión, de modo que la técnica de la regresión lineal múltiple proporcionaría el

plano que mejor ajusta a la nube de puntos resultante.

1.2. PREGUNTAS:

1.2.1. Pregunta general

¿Existe relación entre la Edad y colesterol sobre la concepción de IMC y su relación

con la TAD? De la Unidad de Epidemiología Clínica y Bioestadística. Complexo

Hospitalario Juan Canalejo. A Coruña.

1.2.2. Preguntas específicas:

P1 ¿Existe relación entre la Edad y TAD de la Unidad de Epidemiología Clínica y

Bioestadística? Complexo Hospitalario Juan Canalejo. A Coruña.?

P2 ¿Existe relación entre el Colesterol y TAD de la Unidad de Epidemiología Clínica y

Bioestadística? Complexo Hospitalario Juan Canalejo. A Coruña.?

P3 ¿Existe relación entre IMC y TAD de la Unidad de Epidemiología Clínica y

Bioestadística? Complexo Hospitalario Juan Canalejo. A Coruña.?

 1.3. OBJETIVOS 8

1.3.1. Objetivo general

Identificar la relación entre la Edad y colesterol sobre la concepción de IMC y su relación

con la TAD. De la Unidad de Epidemiología Clínica y Bioestadística. Complexo

Hospitalario Juan Canalejo. A Coruña.

1.3.2. Objetivos específicos:

O.1 Determinar la relación entre la Edad y TAD de la Unidad de Epidemiología Clínica

y Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña

O.2 Determinar la relación entre el Colesterol y TAD de la Unidad de Epidemiología

Clínica y Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña.

O.3 Determinar la relación entre IMC y TAD de la Unidad de Epidemiología Clínica y

Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña.

II. MARCO TEÓRICO

2.1. Palabras clave

Análisis de regresión lineal simple, múltiple, ANOVA, Correlación bivariada.

2.2. Conceptos que sustenten a la investigación

Regresión lineal múltiple:

La regresión lineal múltiple es la gran técnica estadística para comprobar hipótesis y

relaciones causales. Ante de empezar, una serie de condiciones que se deben cumplir

para poder aplicar la regresión lineal múltiple:

 La variable dependiente (resultado) debe ser ordinal o escalar, es decir, que las

categorías de la variable tengan orden interno o jerarquía, p.ej. nivel de ingresos,

peso, número de hijos, justificación del aborto en una escala de 1-nunca a 10-

siempre.
 9

 Las variables independientes (causas) deben ser ordinales o escalares o dummy

 Hay otras condiciones como: las variables independientes no puede estar

altamente correlacionadas entre sí, las relaciones entre las causas y el resultado

deben ser lineales, todas variables deben seguir la distribución normal y deben

tener varianzas iguales. Estas condiciones no son tan estrictas y hay maneras de

tratar los datos si se incumple. Sobre ello volveremos en futuras entradas

ANOVA (análisis de datos):

es una técnica estadística que señala si dos variables (una independiente y otra

dependiente) están relacionadas en base a si las medias de la variable dependiente

son diferentes en las categorías o grupos de la variable independiente. Es decir,

señala si las medias entre dos o más grupos son similares o diferentes

Correlación bivariada:

La correlación bivariada es una técnica estadística destinada a averiguar:

 a) si dos variables tienen relación entre sí

 b) si la relación es fuerte-moderada-o débil y

 c) qué dirección tiene la relación.

III. MARCO METODOLÓGICO

3.1. HIPOTESIS:

3.1.1. Hipótesis general:

Existe relación entre la Edad y colesterol sobre la concepción de IMC y su relación con

la TAD. De la Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario

Juan Canalejo. A Coruña

 3.1.2. Hipótesis específicas:

H1 Existe relación entre la Edad y TAD de la Unidad de Epidemiología Clínica y

Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña.

H2 Existe relación entre el Colesterol y TAD de la Unidad de Epidemiología Clínica y

Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña.

H3 Existe relación entre IMC y TAD de la Unidad de Epidemiología Clínica y

Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña.

3.2. VARIABLES:

En el estudio se examinaron las siguientes variables:

Variable independiente:

La edad y colesterol sobre la concepción de IMC.

Variable dependiente:

Tensión arterial diastólica.

 3.3. Matriz de consistencia

PROBLEMA Objetivos HIPOTESIS

VARIABLE INDEPENDIENTE
Problema General Objetivo General Hipotesis General

Identificar la relación entre Existe relacion entre la

¿Existe relacion entre la Edad y
la Edad y colesterol sobre Edad y colesterol sobre la
colesterol sobre la concepción
la concepción de IMC y su concepción de IMC y su
de IMC y su relación con la TAD.
relación con la TAD. De la relación con la TAD. De la EDAD; COLESTEROL; ÍNDICE DE MAZA
De la Unidad de Epidemiología
Unidad de Epidemiología Unidad de Epidemiología CORPORAL
Clínica y Bioestadística.
Clínica y Bioestadística. Clínica y Bioestadística.
Complexo Hospitalario Juan
Complexo Hospitalario Juan Complexo Hospitalario
Canalejo. A Coruña.
Canalejo. A Coruña. Juan Canalejo. A Coruña.

Problemas Especificos Objetivo especifico Hipótesis especifico VARIABLE DEPENDIENE

P1 ¿Existe relación entre la O1 Determinar la relación H1 Existe relación entre la

Edad y TAD de la Unidad de
Epidemiología Clínica y
Bioestadística. Complexo
Hospitalario Juan Canalejo. A
Coruña. ?
entre la Edad y TAD de la Edad y TAD de la Unidad
Unidad de Epidemiología de Epidemiología Clínica y
Clínica y Bioestadística. Bioestadística. Complexo
Complexo Hospitalario Juan Hospitalario Juan Canalejo.
Canalejo. A Coruña. A Coruña.

O2 Determinar la relación
P2 ¿Existe relación entre el H2 Existe relación entre el
entre el Colesterol y TAD
Colesterol y TAD de la Unidad Colesterol y TAD de la
de la Unidad de
de Epidemiología Clínica y Unidad de Epidemiología
Epidemiología Clínica y TENSIÓN ARTERIAL DIASTÓLICA
Bioestadística. Complexo Clínica y Bioestadística.
Bioestadística. Complexo
Hospitalario Juan Canalejo. A Complexo Hospitalario
Hospitalario Juan Canalejo.
Coruña. ? Juan Canalejo. A Coruña.
A Coruña.

P3 ¿Existe relación entre IMC y O3 Determinar la relación H3 Existe relación entre

TAD de la Unidad de
Epidemiología Clínica y
Bioestadística. Complexo
Hospitalario Juan Canalejo. A
Coruña. ?
entre IMC y TAD de la IMC y TAD de la Unidad de
Unidad de Epidemiología Epidemiología Clínica y
Clínica y Bioestadística. Bioestadística. Complexo
Complexo Hospitalario Juan Hospitalario Juan Canalejo.
Canalejo. A Coruña. A Coruña.
 IV. APORTE DE LA INVESTIGACIÓN 12
Del gráfico se deduce fácilmente que los pacientes con tensión arterial diastólica más

alta son aquellos con valores mayores de colesterol e índice de masa corporal. Si el

número de variables explicativas aumenta (p>2) la representación gráfica ya no es

factible, pero el resultado de la regresión se generaliza al caso del mejor hiperplano

que ajusta a los datos en el espacio (p+1)-dimensional correspondiente.

Tabla 1. Edad, Colesterol, Índice de Masa Corporal y Tensión Arterial Diastólica de 70 pacientes.

X1 X2 X3 Y
EDAD COLESTEROL IMC TAD

1 42 292 31.64 97

2 64 235 30.8 90

3 47 200 25.61 80

4 56 200 26.17 75
5 54 300 31.96 100
6 48 215 23.18 67
7 57 216 21.19 0
8 52 254 26.95 70
9 67 310 24.26 105
10 46 237 21.87 70
11 58 220 25.61 70
12 62 233 27.92 75
13 49 240 27.73 90
14 56 295 22.49 95
15 63 310 0 95
16 64 268 30.04 90
17 67 243 23.88 85
18 49 239 21.99 75
19 53 198 26.93 75
20 59 218 0 85
21 65 215 24.09 70
22 67 254 28.65 105
23 49 218 25.71 85
24 53 221 25.33 80
25 57 237 25.42 90
26 47 244 23.99 85
27 58 223 25.2 70
28 48 198 25.81 85
29 51 234 26.93 80
30 49 175 27.77 80
31 68 230 30.85 70
32 58 248 21.61 75
33 54 218 26.3 95
34 59 285 31.44 100
35 45 253 25 75
36 53 187 23.31 80
37 43 208 27.15 65
38 57 246 21.09 80
39 64 275 22.53 95
40 43 218 19.83 75
41 47 231 26.17 75
42 58 200 25.95 90
43 58 214 26.3 75
44 48 230 24.89 70
45 62 280 26.89 100
46 54 198 21.09 65
47 67 285 31.11 95
48 68 201 21.6 80
49 55 206 19.78 65
50 50 223 22.99 75
51 53 290 32.32 95
52 63 315 31.14 100
53 60 220 28.89 80
54 46 230 20.55 75
55 45 175 22.49 70
56 53 213 22.53 70
57 59 220 20.82 65
58 62 287 32.32 95
59 60 290 33.91 90
60 62 209 20.76 75
61 58 290 31.35 80
62 57 260 31.14 95
63 49 202 20.76 80
64 61 214 19.59 90
65 52 231 20.08 75
66 59 280 31.6 100
67 50 220 25.34 70
68 46 233 22.86 75
69 44 215 19.53 70
70 60 202 19.1 65
 V. RESULTADOS 14

5.1. Presentación de resultados

RELACIÓN DE X1-Y

Existe relación entre la edad y la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.1)

INTERPRETACIÓN

AJUSTE DEL MODELO

COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables están relacionadas positivamente en un 27.33% aproximadamente.

Mostrando así una correlación positiva.

COEFICIENTE DE DETERMINACIÓN R^2

La variable independiente EDAD, explica en 7.47% a la variable dependiente TAD y el

92.53% restante está explicado por otras variables no incluidas en el modelo A medida

que nos acercamos al 100% se podrá decir que nuestro modelo está bien ajustado, que

es bueno para nuestro análisis.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 14.42 puntos en promedio.

SIGNIFICANCIA GLOBAL DEL MODELO

VALOR CRITICO DE F

Como el valor p 0.22<0.05 se puede concluir que el modelo tiene significancia

estadística. Lo que quiere de decir que existe cambios o variaciones significativas de la

variable dependiente TAD ante cambios o variaciones en la variable independiente

EDAD.

Significación individual del modelo

INTERCEPCIÓN

Cuando la edad es 0, los niveles de TAD son de 48.78 puntos. Seria los niveles de

promedio que se producen cuando tiene 0 edad.

VARIABLE X1

Cuando la variable edad aumenta en 1 año, el valor promedio de TAD seria un 0.57.
PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 0% aprox. Menor a 5%. Se puede concluir que el valor de

la intercepción tiene significancia estadística en el modelo.

PROBABILIDAD- VARIABLE X1

Con un valor de probabilidad de 2.20% aprox. Menor a 5%. Se puede concluir que la

variable explicativa EDAD es estadísticamente significativa en el modelo de regresión

lineal.

RELACIÓN X2-Y

Existe relación entre el colesterol y la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.2)

INTERPRETACIÓN

COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables están relacionadas positivamente en un 56.98% aproximadamente. Mostrando así

una correlación positiva.

COEFICIENTE DE DETERMINACIÓN R^2

La variable independiente COLESTEROL, explica en 32.47% a la variable dependiente TAD y

el 67.53% restante está explicado por otras variables no incluidas en el modelo. A medida que

nos acercamos al 100% se podrá decir que nuestro modelo está bien ajustado, que es bueno para

nuestro análisis.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 12.32 puntos en promedio.

ANALISIS DE VARIANZA

VALOR CRITICO DE F

Como el valor p 0<0.05 se puede concluir que el modelo es estadísticamente significativo. Lo

que quiere de decir que existe cambios o variaciones significativas de la variable dependiente

TAD ante cambios o variaciones en la variable independiente COLESTEROL

SIGNIFICANCIA INDIVIDUAL DEL MODELO

Coeficientes Error típico Estadístico t Probabilidad Inferior

95%

Intercepción 22.447149 10.25705603 2.188459235 0.03207462 1.97951235

Variable X 1 0.2451249 0.042871512 5.717663299 0.00 0.1595761

INTERCEPCIÓN
Cuando el nivel de COLESTEROL es 0, los niveles de TAD son de 22.45 puntos aproximados.

Seria los niveles de promedio que se producen cuando tiene 0 colesterol.

VARIABLE X1

Cuando la variable COLESTEROL aumenta en 1 punto, el valor promedio de TAD seria 0.25.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 0% aprox. Menor a 5%. Se puede concluir que el valor de la

intercepción es estadísticamente significativo en el modelo.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 3.21% aprox. Menor a 5%. Se puede concluir que el valor de la

intercepción es estadísticamente significativo en el modelo.

PROBABILIDAD- VARIABLE X1

Con un valor de probabilidad de 0% aprox. Menor a 5%. Se puede concluir que la variable

explicativa COLESTEROL es estadísticamente significativa en el modelo de regresión lineal.

RELACIÓN X3-Y

Existe relación entre el IMC y la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.3)

INTERPRETACIÓN

COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables están relacionadas positivamente en un 25.72% aproximado. Mostrando así una

correlación positiva débil.

COEFICIENTE DE DETERMINACIÓN R^2

La variable independiente IMC, explica en 6.62% a la variable dependiente TAD y el 93.38%

restante está explicado por otras variables no incluidas en el modelo.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 14.49 puntos en promedio.

ANALISIS DE VARIANZA

Promedio
Grados de Suma de Valor
de los F
libertad cuadrados crítico de F
cuadrados
Regresión 1 1011.64047 1011.64047 4.81738777 0.03159205
Residuos 68 14279.8452 209.997724
Total 69 15291.4857
VALOR CRITICO DE F

Como el valor p (3.16%) es menor al 5% se puede concluir que el modelo es estadísticamente

significativo. Lo que quiere de decir que existe cambios o variaciones significativas de la

variable explicada TAD ante cambios o variaciones en la variable explicativa IMC.

Error Estadístico Inferior Superior

Coeficientes Probabilidad
típico t 95% 95%

Intercepción 64.1194966 7.65514727 8.37599779 0.00 48.8438881 79.3951051

Variable X

1 0.66142167 0.30135098 2.19485484 0.03159205 0.06008514 1.26275819

INTERCEPCIÓN

Cuando el nivel de IMC es 0, los niveles de TAD son de 64.12 puntos

aproximadamente

VARIABLE X1

Cuando la variable IMC aumenta en 1 punto, la variable explicada TAD aumenta en

0.66 puntos en promedio.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 0% aprox. Menor a 5%. Se puede concluir que el valor de la

intercepción es estadísticamente significativo en el modelo.

PROBABILIDAD- VARIABLE X1

Con un valor de probabilidad de 3.16% aprox. Menor a 5%. Se puede concluir que la variable

explicativa IMC es estadísticamente significativa en el modelo de regresión lineal.

RELACIÓN DE X1X2-Y

Existe relación entre Edad y colesterol sobre la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.4)

INTERPRETACIÓN

Estadística de regresión
COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables explicativas EDAD y COLESTEROL están relacionadas positivamente con la

variable explicada TAD en un 57.68% aproximado. Mostrando así una correlación positiva

moderada.

COEFICIENTE DE DETERMINACIÓN R^2

Las variables explicativas EDAD y COLESTEROL explican en 33.27% a la variable explicada

TAD y el 66.73% restante está explicado por otras variables no incluidas en el modelo.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 12.34 puntos en promedio.

ANALISIS DE VARIANZA

Grados de Suma de Promedio de los Valor

F
libertad cuadrados cuadrados crítico de F

Regresión 2 5087.47508 2543.737538 16.70229688 0.00

Residuos 67 10204.0106 152.2986662

Total 69 15291.4857

VALOR CRITICO DE F
Como el valor p (2%) es menor al 5% se puede concluir que el modelo es estadísticamente

significativo. Lo que quiere de decir que existen cambios o variaciones significativas de la

variable explicada TAD ante cambios o variaciones en las variables explicativas EDAD Y

COLESTEROL.

SIGNIFICANCIA INDIVIDUAL DEL MODELO

Coeficient Error Estadístico Probabilid Inferior Superior

es típico t ad 95% 95%

Intercepci 14.641148 13.45719 1.0879789 0.2805027 12.21953 41.501828

ón 09 85 05 15 26 74

Variable 0.1993424 0.222023 0.8978455 0.3724830 0.243817 0.6425023

X1 44 08 77 38 49 75

Variable 0.2315833 0.045504 5.0891962 0.140755 0.3224115

X2 48 9 43 0.00 19 01

INTERCEPCIÓN

Cuando las variables explicativas EDAD y COLESTEROL son cero, manteniendo el resto

constante, los niveles de TAD son de 14.64 puntos en promedio.

VARIABLE X1

Cuando la variable explicativa X1 (EDAD), aumenta en un año, manteniendo las demás

variables X2 (COLESTEROL) constantes, los niveles de TAD aumentan en 0.20 puntos en

promedio.

VARIABLE X2
Cuando la variable explicativa X2 (COLESTEROL), aumenta en un punto, manteniendo las

demás variables X1 (EDAD) constantes, los niveles de TAD aumentan en 0.23 puntos en

promedio.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 28.05% aprox. Mayor a 5%. Se puede concluir que el valor de la

intercepción es estadísticamente significativo en el modelo de regresión múltiple.

PROBABILIDAD- VARIABLE X1

Con un valor de probabilidad de 37.25% aprox. Mayor a 5%. Se puede concluir que la variable

explicativa X1 (EDAD) no es estadísticamente significativa en el modelo de regresión lineal

múltiple.

PROBABILIDAD- VARIABLE X2

Con un valor de probabilidad de 0% aprox. Menor a 5%. Se puede concluir que la variable

explicativa X2 (COLESTEROL) es estadísticamente significativa en el modelo de regresión

lineal múltiple.

RELACIÓN DE X1X3-Y

Existe relación entre Edad y IMC sobre la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.5)

INTERPRETACIÓN

Estadística de regresión

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.36410278
Coeficiente de determinación R^2 0.132570835
R^2 ajustado 0.106677427
Error típico 14.07033541
Observaciones 70
COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables explicativas EDAD y IMC están relacionadas positivamente con la variable

explicada TAD en un 36.41% aproximado. Mostrando así una correlación positiva moderada.

COEFICIENTE DE DETERMINACIÓN R^2

Las variables explicativas EDAD y IMC explican en 13,25% a la variable explicada TAD y el

86.75% restante está explicado por otras variables no incluidas en el modelo.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 14.07 puntos en promedio.

ANALISIS DE VARIANZA

Grados de Suma de Promedio de los Valor crítico

libertad cuadrados cuadrados F de F
Regresión 2 2027.205024 1013.602512 5.11986815 0.008527852
Residuos 67 13264.28069 197.9743387
Total 69 15291.48571

VALOR CRÍTICO DE F

Como el valor p 0.0085<0.05 se puede concluir que el modelo es estadísticamente significativo.

Lo que quiere de decir que existen cambios o variaciones significativas de la variable explicada

TAD ante cambios o variaciones en las variables explicativas EDAD Y IMC.

INTERCEPCIÓN

Cuando las variables explicativas EDAD y IMC son cero, manteniendo el resto constante, los

niveles de TAD son de 35,21 puntos en promedio.

VARIABLE X1

Cuando la variable explicativa X1 (EDAD), aumenta en un año, manteniendo las demás

variables X3 (IMC) constantes, los niveles de TAD aumentan en 0.54 puntos en promedio.

VARIABLE X3

Cuando la variable explicativa X3 (IMC), aumenta en un punto, manteniendo las demás

variables X1 (EDAD) constantes, los niveles de TAD aumentan en 0.61 puntos en promedio.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 01.99% aprox. MENOR a 5%. Se puede concluir que el valor de

la intercepción es estadísticamente significativo en el modelo de regresión múltiple.

PROBABILIDAD- VARIABLE X1

Con un valor de probabilidad de 02.67% aprox. MENOR a 5%. Se puede concluir que la

variable explicativa X1 (EDAD) es estadísticamente significativa en el modelo de regresión

lineal múltiple.

PROBABILIDAD- VARIABLE X3

Con un valor de probabilidad de 23.82% aprox. MENOR a 5%. Se puede concluir que la

variable explicativa X3 (IMC) es estadísticamente significativa en el modelo de regresión lineal

múltiple.
RELACIÓN DE X2X3-Y

Existe relación entre Colesterol y IMC sobre la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.6)

INTERPRETACIÓN

Estadística de regresión

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.580384383
Coeficiente de determinación R^2 0.336846031
R^2 ajustado 0.317050391
Error típico 12.3025355
Observaciones 70

COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables explicativas CORESTEROL y IMC están relacionadas positivamente con la

variable explicada TAD en un 58.03% aproximado. Mostrando así una correlación positiva

moderada.

COEFICIENTE DE DETERMINACIÓN R^2

Las variables explicativas CORESTEROL y IMC explican en 33.68% a la variable explicada

TAD y el 66.32% restante está explicado por otras variables no incluidas en el modelo.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 12.30 puntos en promedio.

ANALISIS DE VARIANZA
 Grados de Suma de Promedio de los Valor
libertad cuadrados cuadrados F crítico de F
Regresión 2 5150.876278 2575.438139 17.0161721 0.00
Residuos 67 10140.60944 151.3523796
Total 69 15291.48571

VALOR CRÍTICO DE F

Como el valor p 0<0.05 se puede concluir que el modelo es estadísticamente significativo. Lo

que quiere de decir que existen cambios o variaciones significativas de la variable explicada

TAD ante cambios o variaciones en las variables explicativas CORESTEROL Y IMC.

INTERCEPCIÓN

Cuando las variables explicativas CORESTEROL y IMC son cero, manteniendo el resto

constante, los niveles de TAD son de 18.25 puntos en promedio.

VARIABLE X2

Cuando la variable explicativa X2 (CORESTEROL), aumenta en un año, manteniendo las

demás variables X3 (IMC) constantes, los niveles de TAD aumentan en 0.23 puntos en

promedio.

VARIABLE X3
Cuando la variable explicativa X3 (IMC), aumenta en un punto, manteniendo las demás

variables X2 (CORESTEROL) constantes, los niveles de TAD aumentan en 0.29 puntos en

promedio.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 09.92% aprox. Mayor a 5%. Se puede concluir que el valor de la

intercepción es estadísticamente significativo en el modelo de regresión múltiple.

PROBABILIDAD- VARIABLE X2

Con un valor de probabilidad de 0% aprox. MENOR a 5%. Se puede concluir que la variable

explicativa X2 (CORESTEROL) es estadísticamente significativa en el modelo de regresión

lineal múltiple.

PROBABILIDAD- VARIABLE X3

Con un valor de probabilidad de 27.13% aprox. MAYOR a 5%. Se puede concluir que la

variable explicativa X3 (IMC) no es estadísticamente significativa en el modelo de regresión

lineal múltiple.

RELACIÓN DE X1X2X3-Y

Existe relación entre Edad; colesterol y IMC sobre la Tensión arterial diastólica.

DIAGRAMA DE DISPERSIÓN (ANEXOS F.7)

INTERPRETACIÓN

Estadística de regresión

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.587731269
Coeficiente de determinación R^2 0.345428045
R^2 ajustado 0.315674774
 Error típico 12.31491932
Observaciones 70

COEFICIENTE DE CORRELACIÓN MÚLTIPLE

Las variables explicativas EDAD; CORESTEROL y IMC están relacionadas positivamente con

la variable explicada TAD en un 58.77% aproximado. Mostrando así una correlación positiva

moderada.

COEFICIENTE DE DETERMINACIÓN R^2

Las variables explicativas EDAD; CORESTEROL y IMC explican en 34.54% a la variable

explicada TAD y el 65.46% restante está explicado por otras variables no incluidas en el

modelo.

ERROR TÍPICO

Las variaciones entre las variables, respecto a la media, provocadas por variables no

introducidas en el modelo son de 12.31 puntos en promedio.

ANALISIS DE VARIANZA

Grados de Suma de Promedio de los

libertad cuadrados cuadrados F Valor crítico de F
Regresión 3 5282.10801 1760.70267 11.6097503 0.00
Residuos 66 10009.3777 151.6572379
Total 69 15291.48571

VALOR CRÍTICO DE F
Como el valor p 0<0.05 se puede concluir que el modelo es estadísticamente significativo. Lo
que quiere de decir que existen cambios o variaciones significativas de la variable explicada
TAD ante cambios o variaciones en las variables explicativas EDAD; CORESTEROL Y IMC.
INTERCEPCIÓN

Cuando las variables explicativas EDAD; CORESTEROL y IMC son cero, manteniendo el

resto constante, los niveles de TAD son de 10.08 puntos en promedio.

VARIABLE X1

Cuando la variable explicativa X1 (EDAD), aumenta en un año, manteniendo las demás

variables X2 (CORESTEROL) X3 (IMC) constantes, los niveles de TAD aumentan en 0.20

puntos en promedio.

VARIABLE X2

Cuando la variable explicativa X2 (CORESTEROL), aumenta en un punto, manteniendo las

demás variables X1 (EDAD), X3 (IMC) constantes, los niveles de TAD aumentan en 0.21

puntos en promedio.

VARIABLE X3

Cuando la variable explicativa X3 (IMC), aumenta en un punto, manteniendo las demás

variables X1 (EDAD), X2 (CORESTEROL) constantes, los niveles de TAD aumentan en 0.30

puntos en promedio.

PROBABILIDAD- INTERCEPCIÓN

Con valor de probabilidad de 47.45% aprox. MAYOR a 5%. Se puede concluir que el valor de

la intercepción no es estadísticamente significativo en el modelo de regresión múltiple.

PROBABILIDAD- VARIABLE X1

Con un valor de probabilidad de 35.56% aprox. MAYOR a 5%. Se puede concluir que la

variable explicativa X1 (EDAD) no es estadísticamente significativa en el modelo de regresión

lineal múltiple.

PROBABILIDAD- VARIABLE X2

Con un valor de probabilidad de 0% aprox. MENOR a 5%. Se puede concluir que la variable

explicativa X2 (CORESTEROL) es estadísticamente significativa en el modelo de regresión

lineal múltiple.

PROBABILIDAD- VARIABLE X3

Con un valor de probabilidad de 26.13% aprox. MAYOR a 5%. Se puede concluir que la

variable explicativa X3(IMC) no estadísticamente significativa en el modelo de regresión lineal

múltiple.

VI. CONCLUSIONES 32

6.1. Conclusiones
El análisis de regresión lineal simple, como parte de la inferencia estadística, es fundamental

para determinar relaciones de dependencia lineal entre variables y establecer su validez con el

fin de hacer estimaciones y predicciones dentro de un intervalo de confianza deseado.

Como el valor p 0<0.05 se puede concluir que el modelo es estadísticamente significativo

(BUENO). Lo que quiere de decir que existen cambios o variaciones significativas de la

variable explicada TAD ante cambios o variaciones en las variables explicativas EDAD;

CORESTEROL Y IMC.

Como el valor p 0<0.05 se puede concluir que el modelo es estadísticamente significativo. Lo

que quiere de decir que existen cambios o variaciones significativas de la variable explicada

TAD ante cambios o variaciones en las variables explicativas CORESTEROL Y IMC.

Como el valor p 0.22<0.05 se puede concluir que el modelo tiene significancia

estadística. Lo que quiere de decir que existe cambios o variaciones significativas de la

variable dependiente TAD ante cambios o variaciones en la variable independiente

EDAD.

VII. REFERENCIAS BIBLIOGRÁFICAS 33

http://networkianos.com/regresion-lineal-multiple/
http://networkianos.com/que-es-la-correlacion-bivariada-y-como/

http://networkianos.com/anova-de-un-factor-que-es-como-analizar/
 VIII. ANEXOS 34

Fig.1.Relación Edad - Tad Fig.2. Relación Colesterol-

120 y = 0.5738x + 48.785 Tad
R² = 0.0747 120
100 y = 0.2451x + 22.447
R² = 0.3247
100
80
80

60
60

40
40

20 20

0 0
40 45 50 55 60 65 70 50 150 250 350

Fig.3. RelaciónFgr.4. Relación

IMC-Tad
EDAD;COLESTEROL-
TAD
120
y = 0.6614x + 64.119
R² = 0.0662
100 350 y = 1.6171x + 147.44
R² = 0.1099
300
80
250
TAD

60 200
150
40
100 y = 0.5738x + 48.785
R² = 0.0747
20 50
0
0 10 30 50 70
10 20 30 40
Series1 Series2
IMC
Linear (Series1) Linear (Series2)
 Fig.5. Relación Fig.6. Relación
Edad;IMC-TAD Colesterol;IMC-TAD
120 y = 0.2451x + 22.447
120 y = 0.5738x + 48.785 R² = 0.3247
R² = 0.0747 100
100
80
80

60 60
y = 0.0514x + 21.905 y = 0.0443x + 14.261
40 R² = 0.004 40 R² = 0.07

20 20

0 0
10 30 50 70 90 50 150 250 350

Series1 Series2 Series1 Series2

Linear (Series1) Linear (Series2) Linear (Series1) Linear (Series2)

Fig.7. Relación Edad;Colesterol;IMC-TAD

350

y = 1.6171x + 147.44
300 R² = 0.1099

250
y = 0.5738x + 48.785
R² = 0.0747
200

150

100
y = 0.0514x + 21.905
R² = 0.004
50

0
10 20 30 40 50 60 70 80

Series1 Series2 Series3 Linear (Series1)

Poly. (Series1) Linear (Series2) Linear (Series3)