TRABAJO COLABORATIVO MOMENTO 3

PRESENTADO POR

SERGIO ALDEMAR PINEDA

MARIA CONCEPCION SOBA
LAUREANO ANDRES LOPEZ
GRUPO: 211

AL TUTOR
YEISON ANDRES VAQUIRO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

TUNJA
2015

TABLA DE CONTENIDO

INTRODUCCION
OBJETIVOS
DESARROLLO DE LAS MEDIDAS BIVARIANTES
CONCLUSIONES
BIBLIOGRAFIA

INTRODUCCION

En el siguiente trabajo Determinamos la relacin entre dos o ms variables inscritas en la

situacin especfica a partir del anlisis de regresin lineal simple y mltiple, aplicada al
Hospital Federico Lleras Acosta de la ciudad de Ibagu.

OBJETIVOS

GENERAL

Hacer un anlisis estadstico de la problemtica planteada "congestin en las salas

de urgencia en Colombia Teniendo en cuenta los conocimientos adquiridos en el
curso de Estadstica descriptiva.

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

PASO 1: Laboratorio de regresin y correlacin lineal.

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

a.) Realice el diagrama de dispersin y determine el tipo de asociacin entre las

variables.

Relacin entre: Presin Vs Dosis de Sal

Y (Presin)

Lineal (Y (Presin))

Presin

150
100
y = 6,3137x + 85,612
R = 0,9165

50
0
0

Sal

RTA: El tipo de asociacin de las variables segn el diagrama de dispersin

corresponde a una tendencia lineal en forma ascendente o positiva (Creciente).

b.) Encuentre el modelo matemtico que permite

variable sobre la otra. Es confiable?

predecir el efecto de una

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.

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% = 0,9165*100% =
91,65%. El grado de relacin de las dos variables est dado por la raz cuadrada del
coeficiente de determinacin R, as; R = 0,9165 = 0,9537, cuya representacin
porcentual sera; 0,9537*100% = 95,37%, lo cual indica que las dos variables
(Presin y Sal) se encuentran relacionadas entre s con un 95,37%.
d.) Si a un paciente se le administra una dosis de sal de 6,5. Cul es la tensin
arterial esperada?
RTA: Dado el modelo y = 6,3137x + 85,612, se puede predecir cul ser la tensin
arterial o Presin, simplemente reemplazando el valor de x. as:
y = 6,3137x + 85,612
y = 6,3137 (6,5) + 85,612
y = 41,03905 + 85,612
y = 126,65105
Este resultado indica que al aplicar una dosis de sal, de 6,5 a un paciente
determinado, se puede predecir que el nivel de tensin arterial o presin ser de
126, 65.

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

operarios van adaptndose al nuevo proceso mejorando paulatinamente su proceso de

produccin. Los siguientes datos representan dicha situacin:

X
Y

1
0
3
5

20
28

30
23

40
20

50
18

60
15

7
0
1
3

a.) Realice el diagrama de dispersin y determine el tipo de asociacin entre las

variables.

tiempo en minutos

Relacin entre: Tiempo en minutos Vs Dias

40
35
30
25
20
15
10
5
0

y = -0,3464x + 35,571
R = 0,9454
0

10

20

30

40

50

60

70

80

Dias

RTA: El tipo de asociacin de las variables segn el diagrama de dispersin

corresponde a una tendencia lineal en forma decreciente o negativa (Decreciente).
b.) Encuentre el modelo matemtico que permite predecir el efecto de una
variable sobre la otra. Es confiable?
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 = -0,3464x +
35,571. Segn su coeficiente de determinacin; R = 0,9454, se observa que por ser
cercano a 1, se dice que es confiable el modelo matemtico obtenido que relaciona
las variables Tiempo en minutos y Das.

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% = 0,9454*100% =
94,54%. El grado de relacin de las dos variables est dado por la raz cuadrada del
coeficiente de determinacin R, as; R = 0,9454 = 0,9723, cuya representacin
porcentual sera; 0,9723*100% = 97,23%, lo cual indica que las dos variables
(Tiempo en minutos y Dias) se encuentran relacionadas entre si con un 97,23%.
d.) Qu tiempo deber tardarse un empleado cuando se lleven 100 das?
RTA: Dado el modelo y = -0,3464x + 35,571, se puede predecir cul ser el tiempo
que deber tardarse, simplemente reemplazando el valor de x. as:
y = -0,3464x + 35,571
y = -0,3464*(100) + 35,571
y = 34,64 + 35,571
y = 70,211
Este resultado indica que al pasar 100 das, el empleado tardar 70,211 minutos para
realizar una pieza.

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

a.) Realice el diagrama de dispersin y determine el tipo de asociacin entre las

variables.

Relacin entre: Peso Vs Estatura

Peso

30
20
y = 0,4212x - 27,377
R = 0,8102

10
0
100

105

110

115
Estatura

120

125

RTA: El tipo de asociacin de las variables segn el diagrama de dispersin

corresponde a una tendencia lineal en forma ascendente o positiva (Creciente).
b.) Encuentre el modelo matemtico que permite
variable sobre la otra. Es confiable?

predecir el efecto de una

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.

PASO 2: Regresin y Correlacin lineal Simple

1) Identificar las variables cuantitativas que puedan o tengan algn tipo de relacin de
la misma situacin problema que se ha venido trabajando.

RTA:

Variables Cuantitativas Continuas: Estatura, Peso, Edad, Hora de Ingreso y

Salida (Tiempo de Atencin

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.

Grfico de dispersin Estatura Vs Peso

100
90
80
70
60
50
40
30
20
10
0
0

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.

4) Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?

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%.

6) Relacionar la informacin obtenida con el problema.

RTA:
Nos damos cuenta que entre los pacientes que ingresaron a la sala de urgencias del
hospital Federico Lleras, hay una correlacin estadstica fuerte que determina la
dependencia entre el peso y la estatura de los pacientes, es decir que los pacientes
que ms pesaban tendan a medir ms y los pacientes que tienen una estatura baja
tenan a la vez un peso bajo.

PASO 3. Regresin y Correlacin lineal Mltiple:

Identificar una variable cuantitativa dependiente y varias variables independientes del
estudio de investigacin. Aqu deben trabajar de manera simultnea con tres variables:
Estatura, Edad y Peso. Donde tomarn una variable como dependiente y pondrn las otras
como variables independientes.

Variable Dependiente: Peso

Variables Independientes: Edad, Estatura

1.) Realizar el diagrama de dispersin de dichas variables.

Grfico de dispersin Peso Vs Estatura

100
90
80
70
60
50
40
30
20
10
0

0,5

1,5

Grfico de dispersin Peso Vs Edad

100
90
80
70
60
50
40
30
20
10
0
0

20

40

60

80

100

2.) Calcular la recta de regresin y el coeficiente de correlacin para probar

estadsticamente su relacin.
RTA: (peso y Edad)
R*100% = 0,3749*100% = 37,49%. El grado de relacin de las dos variables est
dado por la raz cuadrada del coeficiente de determinacin R, as; R = 0,3749 =

0,6123, cuya representacin porcentual sera; 0,6123*100% = 61,23%, lo cual

indica que las dos variables (peso y Edad) no se encuentran relacionadas entre s o
existe una relacin muy dbil, porque existe una relacin a penas del 61,23% entre
las variables.
RTA: (estatura y peso.)
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%.

3.) Relacionar la informacin obtenida con el problema.

RTA:
Nos damos cuenta que entre los pacientes que ingresaron a la sala de urgencias del
hospital Federico Lleras, hay una correlacin estadstica fuerte que determina la
dependencia entre el peso y la estatura de los pacientes, es decir que los pacientes
que ms pesaban tendan a medir ms y los pacientes que tienen una estatura baja
tenan a la vez un peso bajo.
De igual manera tambin nos dice que entre los pacientes que ingresaron a la sala
de urgencias del hospital Federico Lleras no haba una relacin fuerte entre la edad
y el peso de stos, ya que algunos pacientes tienen un peso alto pero su edad no va
en la misma proporcin de sus pesos, es decir algunos pesaban bastante y tenan a la
ves una edad corta.

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

Pava, M (2013) Estadstica Descriptiva.

http://estadisticadescriptivaunad100105.blogspot.com/
Gua de actividades
Regresin lineal mltiple usando anlisis de datos de EXCEL
https://www.youtube.com/watch?v=wLNlfOf1P-0
Regresin lineal mltiple EXCEL:
https://www.youtube.com/watch?v=Bye0ZBdd6iI