UNIVERSIDAD NACIONAL MAYOR DE
SAN MARCOS
(Universidad del Perú, decana de américa)
FACULTAD DE CIENCIAS SOCIALES
CURSO: ESTADÍSTICA APLICADA A LAS CIENCIAS
SOCIALES
TEMA: REGRESIÓN Y CORRELACIÓN
Profesor: Tejada Cabanillas, Adán
REGRESIÓN Y CORRELACIÓN
1.- Se produjo un experimento con el fin de estudiar el efecto de un cierto medicamento en
bajar la rapidez de los latidos del corazón en los adultos. La variable independiente es la dosis
en milagro del medicamento y la variable dependiente es la diferencia entre la rapidez más
baja siguiente a la administración del medicamento y un control antes de administrar el
medicamento.
Se reunieron los siguientes datos.
REDUCCIÓN EN LA RAPIDEZ DEL CORAZÓN
DOSIS (Latidos/min.)
X Y
0.50 10
0.75 8
1.00 12
1.25 12
1.50 14
1.75 12
2.00 16
2.25 18
2.50 17
2.75 20
3.00 18
Hacer un análisis de regresión y correlación completo.
Resumen de modelo y estimaciones de parámetro
Variable dependiente: RED_RAP_COR
Resumen del modelo Estimaciones de parámetro
Ecuación R cuadrado F df1 df2 Sig. Constante b1
Lineal ,863 56,749 1 9 ,000 6,827 ,043
La variable independiente es DOSIS.
Interpretación:
El valor de 1 = 0,043 significa por cada unidad más, la dosis influencia en la reducción en la rapidez
del corazón en 0,57.
El valor de
0 = 6,827 significa la reducción en la rapidez del corazón para alguien que no se pe aplica
una dosis.
Pronósticos: Para realizar pronósticos confiables el valor de “r” debe de estar entre (0,8 -1).
r = 0,93
Si la dosis fuera de 3.5, la reducción en la rapidez del corazón será:
y ¿ =β 0+ β1 x
y ¿ =6,827+0,043 ( 3,5 ) =6,98
Gráficas
Ángulo entre las rectas
2.- En unas pruebas elásticas de rebote de un amortiguador de fricción, se obtuvieron
para distintas alturas de caída del peso libre, la altura de rebote que figura en la
siguiente tabla; determinar la recta de regresión correspondiente y determinar el
coeficiente de correlación “r” para las variables.
X: ALTURA DE Y: ALTURA DE
CAÍDA (dm) REBOTE (m.m)
1.20 1.90
2.40 1.30
3.20 2.10
4.30 3.40
5.70 2.00
7.00 3.80
9.00 3.30
Recta de regresión:
Resumen de modelo y estimaciones de parámetro
Variable dependiente: ALTURA DE REBOTE
Resumen del modelo Estimaciones de parámetro
Ecuación R cuadrado F df1 df2 Sig. Constante b1
Lineal ,510 5,205 1 5 ,071 138,692 ,247
La variable independiente es ALTURA DE CAÍDA.
Recta de regresión: Se eligió la recta de regresión no lineal cúbica, debido a que
presenta el mínimo error.
Coeficiente de correlación: Es 0,71 eso significa que la relación entre la altura de
caída y la altura de rebote no es tan elevada.
3.- Los siguientes datos corresponden a la estatura (cm) y peso (hg) de un grupo de
estudiantes.
X (cm) 50 75 90 100 120 150
Y (hg) 15 12 10.5 10 9 8
Recta de regresión:
Resumen de modelo y estimaciones de parámetro
Variable
dependiente
: PESO
Resumen del modelo Estimaciones de parámetro
R
Ecuación cuadrado F df1 df2 Sig. Constante b1 b2 b3
Cúbico 12.87
.233 .203 3 2 .887 -364.127 -.127 .000
3
La variable independiente es ESTATURA.
La recta de regresión cúbica es la presenta el menor error entre las variables peso y
estatura.
X
4.- Se han observado, en varios modelos de automóviles, los datos de potencia del
motor (X), en caballos, y la aceleración (Y), medida en el número de segundos
necesarios para acelerar de 0 a 100 km/h. La tabla adjunta refleja los valores
obtenidos.
X (motor) 50 75 90 100 120 150
Y(aceleración) 15 12 10.5 10 9 8
Hacer un análisis de regresión y correlación
Resumen de modelo y estimaciones de parámetro
Variable dependiente: ACELERACIÓN
Resumen del modelo Estimaciones de parámetro
Ecuación R cuadrado F df1 df2 Sig. Constante b1
Exponencial ,107 ,480 1 4 ,527 37,335 -,009
La variable independiente es MOTOR.
La recta de regresión es exponencial debido a que representa el menor error.
Cov ( x , y ) n ∑ xy −∑ x ∑ y
r= =
σxσy √¿ ¿ ¿
Interpretación: Como la “r” toma de -1 a 1, y como resultado tenemos 0,33; entonces
existe una baja relación entre las variables, esto debido a que se acerca a cero.
5.- Los siguientes datos corresponden a la edad y N° de pulsaciones/minuto de un
grupo de niños.
Consideramos la siguiente tabla:
X1 Y1 X1 Y1 X12 Y12
1 160 160 1 25600
1 140 140 1 19600
2 150 300 4 22500
3 140 420 9 19600
3 130 390 9 16900
3 120 360 9 14400
4 130 520 16 16900
4 110 440 16 12100
5 110 550 25 12100
5 100 500 25 10000
6 110 660 36 12100
7 100 700 49 100000
44 1500 5140 200 191800
Realice un análisis de regresión y correlación
Edad vs n° de pulsaciones
180
160
140 f(x) = − 9.31 x + 159.14
n° de pulsaciones
120 R² = 0.78
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8
Edad
Según la ecuación sería: Y: Variable Independiente
Y =bX +a a: Intercepto con el eje
X: Variable dependiente
b: Pendiente
n ∑ xy−∑ x ∑ y
b=
n ∑ x 2−¿ ¿
a=
∑ y−b ∑ x = 1500−(−9,31 ) .( 44) =159,14
n 12
Y =bX +a=−9,31 X +159,14
RECTA DE REGRESIÓN
Resumen de modelo y estimaciones de parámetro
Variable dependiente: N° DE PULSACIONES
Resumen del modelo Estimaciones de parámetro
Ecuación R cuadrado F df1 df2 Sig. Constante b1
Lineal ,779 35,345 1 10 ,000 159,138 -9,310
La variable independiente es EDAD.
La recta de regresión lineal es la que presenta el menor error entre las
variables edad y n° de pulsaciones.
