UNIVERSIDAD TÉCNICA DE MANABÍ

FACULTAD DE CIENCIAS DE LA SALUD

ESCUELA DE ENFERMERÍA

ASIGNATURA

BIOESTADISTICA

PARALELO “A”

TAREA REGRESION Y CORRELACION

ESTUDIANTE

ALISSON MARIBEL QUISPHE RODRIGUEZ

DOCENTE

ING. ROSALBA KAREN BRAVO SALTOS

FECHA DE ENTREGA

10 DE MARZO, 2021

PERÍODO ACADÉMICO

NOVIEMBRE 2020 – MARZO 2021

Problema 2: Se lleva a cabo un estudio toxicológico (Toxicología: Rama de las Ciencias Farmacéuticas que se ocupa del estudio
de las sustancias tóxicas y sus efectos), por medio de detectores radioactivos, de la capacidad corporal para absorber hierro y
plomo. Participan en el estudio 10 sujetos. A cada uno se le da una dosis oral idéntica de hierro y plomo. Después de 12 días se
mide la cantidad de cada componente retenida en el sistema corporal y, a partir de ésta, se determina el porcentaje absorbido por
el cuerpo. Se obtuvieron los siguientes datos:

a. Comprobar la idoneidad del modelo lineal de regresión entre los porcentajes de hierro y plomo.
La ecuación matemática no presenta un muy buen ajuste a los datos, por lo que no es confiable predecir valores de
plomo a partir de valores de hierro. Concluyendo así que el modelo lineal de la regresión no cumple los criterios de
idoneidad.
b. Obtener la recta de regresión, si el modelo lineal es adecuado.

Porcentaje de plomo=5.911+ 0.410 Porcentaje de hierr o

c. Predecir el porcentaje de hierro absorbido por un individuo cuyo sistema corporal absorbe el 20 % del plomo ingerido.
34.36%
Variables de estudio
X: Porcentaje de hierro
Y: Porcentaje de plomo

Correlaciones

Porcentaje de hierro Porcentaje de plomo

Porcentaje de hierro Correlación de Pearson 1 ,627

Sig. (bilateral) ,052

N 10 10
Porcentaje de plomo Correlación de Pearson ,627 1

Sig. (bilateral) ,052

N 10 10

R= 0.627
Sig 0.52 > 0.05 que no hay correlación
Análisis de los resultados: Dado que no existe correlación y R posee una intensidad moderada se concluye que la asociación de
variables no es idónea.
Regresión

Resumen del modelo

R cuadrado Error estándar de la

Modelo R R cuadrado ajustado estimación

1 ,627a ,393 ,317 17,762

a. Predictores: (Constante), Porcentaje de hierro

ANOVAa

Modelo Suma de cuadrados gl Media cuadrática F Sig.

1 Regresión 1635,995 1 1635,995 5,185 ,052b

Residuo 2524,005 8 315,501

Total 4160,000 9

a. Variable dependiente: Porcentaje de plomo

b. Predictores: (Constante), Porcentaje de hierro

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 5,911 13,155 ,449 ,665

Porcentaje de hierro ,410 ,180 ,627 2,277 ,052

a. Variable dependiente: Porcentaje de plomo

R2: 0.393 el modelo explica el 39.3% de los errores.

Sxy: 17,762 es grande, lo que indica que hay mucha dispersión de los datos
Anova: sig. 0,052 > 0,05 la porción del error explicado no es significativamente mayor que la porción del error no
explicado. Por lo tanto, no hay buen ajuste.

Ecuación de la regresión

y=a+b(x )
y=5.911 +0.410 ( x )
Porcentaje de plomo=5.911+ 0.410 Porcentaje de hierro
% plomo=5.911+0.410 % hierro
%plomo−5.911
=%hierro
0,410
20−5.911
%hierro= =34,3 6
0,410

Prueba de la pendiente
Ho: b=0 sig. 0.52 > 0.05 No se rechaza la Ho, se acepta.
Ha: b≠0 La pendiente es igual a 0.
 Análisis de la regresión: La ecuación matemática no presenta un muy buen ajuste a los datos, por lo que no es confiable
predecir valores de y a partir de valores de x.

Problema 3: Se realiza un estudio para establecer una ecuación mediante la cual se pueda utilizar la concentración de estrona en
la saliva (X) para predecir la concentración del esteroide en el plasma libre (Y). Se extrajeron los siguientes datos de 14 varones
sanos:

a. Estúdiese la posible relación lineal entre ambas variables.

Las variables muestran que existe correlación lineal entre ellas y es intensa porque R es alto. Además, la ecuación
matemática presenta un buen ajuste a los datos experimentales por lo que se puede aplicar para predecir valores de Y a
partir de X.
b. Obtener la ecuación que se menciona en el enunciado del problema
concentración _ plasma = 15,959 + 2,259 estrona_saliva

Variables

X: Estrona en la saliva

Y: Concentración del esteroide en el plasma libre

Correlación

Correlaciones

Concentración del
Concentración de esteroide en el
estrona en la saliva plasma libre

Concentración de estrona en la Correlación de Pearson 1 ,915**

saliva Sig. (bilateral) ,000

N 14 14
Concentración del esteroide en el Correlación de Pearson ,915** 1
plasma libre Sig. (bilateral) ,000

N 14 14
**. La correlación es significativa en el nivel 0,01 (bilateral).

R: 0,915
Sig 0 > 0,05 que hay correlación lineal
Análisis de los resultados: existe correlación lineal entre las variables y es intensa porque R es alto.
Regresión

Resumen del modelo

R cuadrado Error estándar de la

Modelo R R cuadrado ajustado estimación

1 ,915 a
,836 ,823 5,9338

a. Predictores: (Constante), Concentración de estrona en la saliva

ANOVAa

Modelo Suma de cuadrados gl Media cuadrática F Sig.

1 Regresión 2159,843 1 2159,843 61,341 ,000b

Residuo 422,526 12 35,211

Total 2582,369 13

a. Variable dependiente: Concentración del esteroide en el plasma libre

b. Predictores: (Constante), Concentración de estrona en la saliva

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 15,959 4,069 3,922 ,002

Concentración de estrona en la
2,259 ,288 ,915 7,832 ,000
saliva

a. Variable dependiente: Concentración del esteroide en el plasma libre

R2: 0,836. El modelo explica el 83,6% de los errores.

Sxy: 5,9338. El error es medianamente pequeño lo que indica que hay ligera dispersión de los datos experimentados.

Anova: sig. 0 < 0,05 el error explicado es significativamente mayor que el error no explicado.

Ecuación de la regresión
y=a+bx
Y= 15,959 + 2,259x
concentración _ plasma = 15,959 + 2,259 estrona_saliva
Prueba de la pendiente

Ho: b=0 Sig. 0 < 0,05 Se rechaza la Ho y se acepta la Ha.

Ha:b ≠ 0 C/: La pendiente es diferente de 0.

Análisis de la regresión: La ecuación matemática presenta un buen ajuste a los datos experimentales por lo que se puede aplicar
para predecir valores de Y a partir de X.
Problema 4: La anemia es la complicación hematológica más frecuente en el embarazo. Entre los objetivos de un estudio de
utilización de un nuevo antianémico llamado Ferrogrudamet, estaba determinar si existe una relación entre el nivel de
hemoglobina y la edad gestacional (en semanas). Para ello se tomaron los siguientes datos:

a. Encuentre la ecuación de la recta que mejor refleja la relación entre el nivel de hemoglobina de las embarazadas
estudiadas y su edad gestacional.
Edad ges ta cional=10.188−0.028 nivel de hemoglobina
b. Analice si la ecuación encontrada permite predecir eficientemente los niveles de hemoglobina a partir del tiempo de
gestación.
La ecuación encontrada presenta un mal ajuste a los datos, por tanto, no puede aplicar para predecir los valores de los
niveles de hemoglobina a partir del tiempo de gestación.

c. Decida si existe una intensa asociación entre los parámetros relacionados en este estudio
No existe asociación entre los parámetros dado que se uestra una proporcionalidad inversa entre las variables debido a
un R bajo y negativo

Variables
X: Nivel de hemoglobina
Y: Edad gestacional

Correlación

Correlaciones

Nivel de
hemoglobina Edad gestacional

Nivel de hemoglobina Correlación de Pearson 1 -,070

 Sig. (bilateral) ,849

N 10 10
Edad gestacional Correlación de Pearson -,070 1

Sig. (bilateral) ,849

N 10 10

R: -0.70.

Sig 0.849 > 0.05 No existe correlación lineal entre las variables porque R es muy bajo.

Análisis de los resultados: La correlación indica una intensa proporcionalidad inversa entre los valores de las variables estudiadas.
Regresión

Resumen del modelo

R cuadrado Error estándar de la

Modelo R R cuadrado ajustado estimación

1 ,070a ,005 -,120 1,450

a. Predictores: (Constante), Nivel de hemoglobina

ANOVAa

Modelo Suma de cuadrados gl Media cuadrática F Sig.

1 Regresión ,082 1 ,082 ,039 ,849b

Residuo 16,818 8 2,102

Total 16,900 9

a. Variable dependiente: Edad gestacional

b. Predictores: (Constante), Nivel de hemoglobina
<
Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 10,188 1,530 6,658 ,000

Nivel de hemoglobina -,028 ,142 -,070 -,197 ,849

a. Variable dependiente: Edad gestacional

R2: 0,005. El modelo explica el 0.5 % de los errores.

Sxy: 1,450. El error es grande lo que indica que hay dispersión de los datos.

Anova: sig. 0,849 > 0,05 el error explicado no es significativamente mayor que el error no explicado.

Ecuación de la regresión
y=a+bx
Y =10.188+(−0.028) x
Y =10.19−0.03 x
Edad gestacional=10.188−0.028 nivel de hemoglobina
Prueba de la pendiente
Ho: b=0 Sig. 0.849 > 0,05 No se rechaza la Ho, se acepta.

Ha:b ≠ 0 La pendiente es igual a 0.

Análisis de la regresión
La ecuación matemática presenta un mal ajuste a los datos experimentales por lo que no se puede aplicar para predecir valores
de Y a partir de X.

Problema 5: En un grupo de 8 pacientes se miden las cantidades antropométricas peso y edad, obteniéndose los siguientes
resultados.

a) ¿Existe una relación lineal importante entre ambas variables?

Existe una relación lineal importante debido a que R se encuentra aproximado a uno.
b) Calcular la recta de regresión de la edad en función del peso

peso=20,612+ 2,837 edad

Variable

X: Edad

Y: Peso

Correlación

Correlaciones

Edad Peso

Edad Correlación de Pearson 1 ,943**

Sig. (bilateral) ,000

N 8 8
Peso Correlación de Pearson ,943 **
1

Sig. (bilateral) ,000

N 8 8
**. La correlación es significativa en el nivel 0,01 (bilateral).

R: 0,943. Existe correlación lineal entre las variables y es intensa porque R es alto.

Sig. 0 < 0.05

Análisis de resultados: Finalmente, se puede decir que existe una relación lineal importante debido a que R se encuentra
aproximado a uno.

Regresión

Resumen del modelo

R cuadrado Error estándar de la

Modelo R R cuadrado ajustado estimación

1 ,943 a
,890 ,871 2,673

a. Predictores: (Constante), Edad

ANOVAa

Modelo Suma de cuadrados gl Media cuadrática F Sig.

1 Regresión 345,018 1 345,018 48,302 ,000b

Residuo 42,857 6 7,143

Total 387,875 7

a. Variable dependiente: Peso

b. Predictores: (Constante), Edad

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 20,612 4,140 4,979 ,003

Edad 2,837 ,408 ,943 6,950 ,000

a. Variable dependiente: Peso

R2: 0,890. El modelo explica el 89% de los errores.

Sxy: 2,673. El error es medianamente pequeño lo que indica que hay poca dispersión de los datos experimentados.
Anova: sig. 0 < 0,05 el error explicado es significativamente mayor que el error no explicado.
Ecuación de regresión

y=a+bx
Y =20,612+2,837 x
peso=20,612+ 2,837 edad
Prueba de la pendiente
Ho: b=0 Sig. 0 < 0,05 Se rechaza la Ho y se acepta la Ha.
Ha:b ≠ 0 C/: La pendiente es diferente de 0.

Análisis de la regresión: La ecuación matemática presenta un ajuste regular a los datos experimentales por lo que se puede
aplicar para predecir valores de X pero no es muy confiable
Problema 6: Unos investigadores están estudiando la correlación entre la obesidad y respuesta individual al dolor, durante el
ensayo de un nuevo analgésico. La obesidad se mide como porcentaje sobre el peso ideal (X). La respuesta al dolor se mide
utilizando el umbral de reflejo de flexión nociceptiva (Y), que es una medida de sensación de punzada. Se obtiene los siguientes
datos:

a) Estudie la posible relación lineal entre ambas variables, obteniendo su grado de ajuste
La ecuación matemática presenta un mal ajuste a los datos experimentales debido a que posee un valor de significancia
de 0,346, siendo mayor al nivel de significancia establecido. Motivo por lo que no se puede aplicar para predecir valores
de Y a partir de X.
b) ¿Qué porcentaje de sobrepeso podemos esperar para un umbral de reflejo de 10
11,012%

Variables

X: % sobre el peso ideal

Y: umbral de reflejo de flexión nociceptiva

Correlación
Correlaciones

% peso ideal Umbral de reflejo

% peso ideal Correlación de Pearson 1 -,334

Sig. (bilateral) ,346

N 10 10
Umbral de reflejo Correlación de Pearson -,334 1

Sig. (bilateral) ,346

N 10 10

R: -0,334.

Sig. 0.346 > 0.05. No existe correlación lineal entre las variables porque R es muy bajo.

Análisis de resultado: Esto, indica una intensa proporcionalidad inversa entre los valores de las variables estudiadas.
Regresión

Resumen del modelo

R cuadrado Error estándar de la

Modelo R R cuadrado ajustado estimación

1 ,334a ,111 ,000 4,7902

a. Predictores: (Constante), % peso ideal

ANOVAa

Modelo Suma de cuadrados gl Media cuadrática F Sig.

1 Regresión 23,035 1 23,035 1,004 ,346b

Residuo 183,565 8 22,946

Total 206,600 9

a. Variable dependiente: Umbral de reflejo

b. Predictores: (Constante), % peso ideal

Coeficientesa

Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) 11,642 4,216 2,762 ,025

% peso ideal -,063 ,063 -,334 -1,002 ,346

a. Variable dependiente: Umbral de reflejo

R2: 0,111. El modelo explica el 11,1% de los errores.

Sxy: 4,7902, es grande lo que indica que existe mucha dispersión de los datos experimentados.

Anova: sig. 0,346 > 0,05 el error explicado no es significativamente mayor que la porción del error no explicado. Concluyendo que,
no hay buen ajuste.

Ecuación de regresión:

y=11,642−0,063 x
%peso=11,642−0,063 umbral de reflejo
%peso = 11,642 - 0,063 * 10
%peso = 11,012%
Prueba de la pendiente

Ho: b=0 Sig. 0,346 > 0,05 No se rechaza la Ho

Ha:b ≠ 0 La pendiente es igual a 0.

Análisis de regresión: La ecuación matemática presenta un mal ajuste a los datos experimentales por lo que no se puede aplicar
para predecir valores de Y a partir de X.