El documento presenta dos ejemplos de regresión lineal y correlación entre variables. En el primer ejemplo, se analiza la relación entre el tiempo promedio para realizar una pieza y los días desde que inició un nuevo proceso de fabricación. El segundo ejemplo examina la correlación entre el peso y la estatura de 10 niños en un hogar infantil. Ambos ejemplos incluyen gráficos de dispersión, modelos matemáticos, coeficientes de determinación y grados de relación entre las variables.
El documento presenta dos ejemplos de regresión lineal y correlación entre variables. En el primer ejemplo, se analiza la relación entre el tiempo promedio para realizar una pieza y los días desde que inició un nuevo proceso de fabricación. El segundo ejemplo examina la correlación entre el peso y la estatura de 10 niños en un hogar infantil. Ambos ejemplos incluyen gráficos de dispersión, modelos matemáticos, coeficientes de determinación y grados de relación entre las variables.
El documento presenta dos ejemplos de regresión lineal y correlación entre variables. En el primer ejemplo, se analiza la relación entre el tiempo promedio para realizar una pieza y los días desde que inició un nuevo proceso de fabricación. El segundo ejemplo examina la correlación entre el peso y la estatura de 10 niños en un hogar infantil. Ambos ejemplos incluyen gráficos de dispersión, modelos matemáticos, coeficientes de determinación y grados de relación entre las variables.
2. En un nuevo proceso artesanal de fabricacin de cierto artculo que est
implantado, se ha considerado que era importante ir anotando peridicamente el tiempo medio (medido en minutos) que se utiliza para realizar una pieza y el nmero de das desde que empez dicho proceso de fabricacin. Con ello, se pretende analizar como los operarios van adaptndose al nuevo proceso mejorando paulatinamente su proceso de produccin.
Los siguientes datos representan dicha situacin:
Realice el diagrama de dispersin y determine el tipo de asociacin entre las variables Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre la otra. Es confiable? Determine el porcentaje de explicacin del modelo y el grado de relacin de las dos variables. Que tiempo deber tardarse un empleado cuando se lleven 100 das?
SOLUCIN A:
X 10 20 30 40 50 60 70 Y 35 28 23 20 18 15 13 N X Y XY X Y 1 10 35 350 100 1225 2 20 28 700 400 784 3 30 23 1050 900 529 4 40 20 1400 1600 400 5 50 18 1750 2500 324 6 60 15 2100 3600 225 7 70 13 2450 4900 169 SUMA 280 152 9800 14000 3656
El tipo de asociacin al diagrama es dispersin lineal. B: Modelo Y= a + bX Y= 0.3464X + 35.571. R= 0.9454 Se puede asegurar que la ecuacin de la recta es confiable porque el R est cercano a 1 y tiene una correlacin excelente. C: PORCENTAJE El R afirma adems que el modelo explica el 94.5% de la informacin y el valor de r coeficiente de correlacin lineal es excelente porque el 0.945 est muy cercano al extremo 1 positivo que es la correlacin perfecta positiva. D: Que tiempo deber tardarse un empleado cuando se lleven 100 das?
Para hallar el valor del tiempo de 100 das debemos reemplazar este valor en la formula hallada.
y = -0,3464x + 35,571 R = 0,9454 0 5 10 15 20 25 30 105 110 115 120 125 T I E M P O
M E D I O
P A R A
R E A L I Z A R
U N A
P I E Z A
NUMERO DE DAS Peso (Kg) Peso (Kg) Linear (Peso (Kg)) = 0.931 minutos
Segn lo anterior para dicho nmero de das se espera realizar para una pieza el obrero se demore 0.931 minutos. 3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemtico que permita determinar la relacin entre el peso y la estatura de sus estudiantes. Para ello selecciona 10 nios y realiza las mediciones respectivas. A continuacin se presentan los resultados:
Estatura(cm)
121 123 108 118 111 109 114 103 110 115 Peso (kg)
25 22 19 24 19 18 20 15 20 21
Realice el diagrama de dispersin y determine el tipo de asociacin entre las variables Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre la otra. Es confiable? Determine el grado de relacin de las dos variables. Cul es el peso que debera tener un estudiante que mida 130 cm? SOLUCIN A: DIAGRAMA N X. Estatura(CM) Y. Peso (Kg) XY X Y 1 121 25 3025 14641 625 2 123 22 3075 15129 484 3 108 19 2700 11664 361 4 118 24 2950 13924 576 5 111 19 2775 12321 361 6 109 18 2725 11881 324 7 114 20 2850 12996 400 8 103 15 2575 10609 225 9 110 20 2750 12100 400 10 115 21 2875 13225 441 SUMA 1132 203 28300 128490 4197
El tipo de asociacin del diagrama de dispersin es Lineal. B: MODELO Y= a + bX; Y= 0.4212X - 27.377. R= 0.8102 Se puede asegurar que la ecuacin de la recta es aceptable porque el R se aleja un poco de 1 y tiene un grado de confiabilidad aceptable. C. GRADO La correlacin lineal es aceptable porque el 0.810 est un poco retirado del 1 positivo. D. Cul es el peso que debera tener un estudiante que mida 130 cm? Y= 0.4212 * 130 - 27.377= 27.37 Segn lo anterior el peso que debera tener un estudiante que mida 130 cm es de 27.37 cm
y = 0,4212x - 27,377 R = 0,8102 0 5 10 15 20 25 30 100 105 110 115 120 125 P E S O