Professional Documents
Culture Documents
PRESENTADO POR
AL TUTOR
YEISON ANDRES VAQUIRO
TABLA DE CONTENIDO
INTRODUCCION
OBJETIVOS
DESARROLLO DE LAS MEDIDAS BIVARIANTES
CONCLUSIONES
BIBLIOGRAFIA
INTRODUCCION
OBJETIVOS
GENERAL
ESPECIFICOS
Potencializar las habilidades y destrezas para caracterizar un situacin mediante el
anlisis de las medidas estadsticas bivariantes.
Calcular e interpretar adecuadamente las medidas estadsticas bivariantes, asociadas
a una situacin especfica.
Responder a las preguntas base que originan la problemtica.
Exponer en el desarrollo de este trabajo la recoleccin, orden y anlisis de la
informacin, as como la representacin de los datos obtenidos con ayuda de los
diagramas, para describir apropiadamente las caractersticas y resultados obtenidos.
DESARROLLO
Ejercicio 1
Se quiere estudiar la asociacin entre consumo de sal y tensin arterial. A una serie de
voluntarios se les administra distintas dosis de sal en su dieta y se mide su tensin arterial
un tiempo despus.
X (sal)
Y (Presin)
1,8
100
2,2
98
3,5
105
4,0
110
4,3
112
5,0
120
Lineal (Y (Presin))
Presin
150
100
y = 6,3137x + 85,612
R = 0,9165
50
0
0
Sal
RTA: El modelo matemtico que permite predecir el efecto de una variable sobre la
otra es la ecuacin de tendencia de la lnea, la cual corresponde a: y = 6,3137x +
85,612. Segn su coeficiente de determinacin; R = 0,9165, se observa que por ser
cercano a 1, se dice que es confiable el modelo matemtico obtenido que relaciona
las variables Presin y Sal.
Ejercicio 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
X
Y
1
0
3
5
20
28
30
23
40
20
50
18
60
15
7
0
1
3
tiempo en minutos
y = -0,3464x + 35,571
R = 0,9454
0
10
20
30
40
50
60
70
80
Dias
Ejercicio 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
30
20
y = 0,4212x - 27,377
R = 0,8102
10
0
100
105
110
115
Estatura
120
125
RTA: El modelo matemtico que permite predecir el efecto de una variable sobre la
otra es la ecuacin de tendencia de la lnea, la cual corresponde a: y = 0,4212x 27,377. Segn su coeficiente de determinacin; R = 0,8102, se observa que por ser
cercano a 1, se dice que es confiable el modelo matemtico obtenido que relaciona
las variables Peso y estatura.
c.) Determine el porcentaje de explicacin del modelo y el grado de relacin de
las dos variables.
RTA: El porcentaje de explicacin del modelo est dado por la representacin
porcentual del coeficiente de determinacin, as; R*100% = 0,8102*100% =
81,02%. El grado de relacin de las dos variables est dado por la raz cuadrada del
coeficiente de determinacin R, as; R = 0,8102 = 0,9001, cuya representacin
porcentual sera; 0,9001*100% = 90,01%, lo cual indica que las dos variables (Peso
y estatura.) se encuentran relacionadas entre s con un 90,01%
d.) Cul es el peso que debera tener un estudiante que mida 130 cm?
RTA: Dado el modelo y = 0,4212x - 27,377, se puede predecir cul ser el peso,
simplemente reemplazando el valor de x. as:
y = 0,4212x - 27,377
y = 0,4212*(130) - 27,377
y = 54,75 - 27,377
y = 27,379
Este resultado indica que el peso que debera tener un estudiante que mida 130 cm
es de 27.37 kg.
RTA:
2) cules variables son las que pueden originar una posible relacin entre s?
RTA:
La relacin entre Estatura y Peso es la que puede originar una posible relacin entre
s, se espera que cuando una persona tiene mayor estatura, entonces el peso es
mayor.
3) Realizar el diagrama de dispersin de dichas variables y determinar el tipo de
asociacin entre las variables.
0,2
0,4
0,6
0,8
1,2
1,4
1,6
1,8
RTA:
El tipo de asociacin de las variables segn el diagrama de dispersin corresponde a
una tendencia lineal en forma ascendente o positiva (Creciente). Esto quiere decir
que a medida que aumenta la estatura del paciente, su peso tambin aumenta.
RTA:
El modelo matemtico que permite predecir el efecto de una variable sobre la otra
es la ecuacin de tendencia de la lnea, la cual corresponde a: y = 63,656x - 40,308.
Segn su coeficiente de determinacin; R = 0,8645, se observa que por ser cercano
a 1, se dice que es confiable el modelo matemtico obtenido que relaciona las
variables estatura y peso.
5) Determine el porcentaje de explicacin del modelo y el grado de relacin de las
dos variables.
RTA:
El porcentaje de explicacin del modelo est dado por la representacin porcentual
del coeficiente de determinacin, as; R*100% = 0,8645*100% = 86,45%. El
grado de relacin de las dos variables est dado por la raz cuadrada del coeficiente
de determinacin R, as; R = 0,8645 = 0,9298, cuya representacin porcentual
sera; 0,9298*100% = 92,98%, lo cual indica que las dos variables (estatura y peso.)
se encuentran relacionadas entre si con un 92,98%.
0,5
1,5
20
40
60
80
100
CONCLUSIONES
Mediante la realizacin de este trabajo pudimos Desarrollar competencias interpretativas y
propositivas, mediante anlisis de las medidas bivariantes que permitieron la solucin de
problemas aplicado a la vida real de nuestro contexto diario, el cual fue de gran
importancia.
BIBLIOGRAFIA