UNIVERSIDAD DA VINCI DE GUATEMALA CAMPUS

HUEHUETENANGO FACULTAD DE CIENCIAS MÉDICAS Y DE LA

VIDA

CURSO:
INVESTIGACIÓN ESTADÍSTICA

GUÍA:
GUÍA REGRESIÓN MÚLTIPLE

Estudiantes: Carnet:
Daury Quetzali Alvarado Tistoj 202202189
Francisco Braen López Ixmay 202002758
Lisman Gómez Alonzo 202201275
María Fernanda Alvarado Mérida 202202029
Miguel José Alvarado Villatoro 202201845
Pascual García Pablo 202100595
Tania Suribeth Alvarado Ríos 202205189
Yesenia Michelle Tomás Pedro 202201333
Zedrick Ges-Rael Martínez Cobón 202204129

Huehuetenango, 31/10/2023
EJERCICIO: 1.3.1
Los individuos estudiados por Malec et al. (A-2) fueron 16 graduados de un programa
integral de rehabilitación de lesiones cerebrales postagudas. Los investigadores examinaron
las relaciones entre diversas variables que induian el resultado de trabajo (la escala iba de I
para desempleado, hasta 5 que representa empleo competitivo sin prestaciones), la
calificación al momento de la evaluaci6n inicial sobre el inventario de adaptabilidad Portland
(PAl, por sus siglas en Ingles) y el tiempo de permanencia en dfas. Las mediciones registradas
sobre estas tres variables son las siguientes:

Ha: La variable dependiente tienen relación con totas las variables independientes.
Ho: La variable dependiente no tiene relación con todas las variables independientes.
 Fuente: Elaboración propia sacado de minitab

Interpretación: En al grafica se observa que no tiende una gran dispersión de datos, se

ubique inversamente, por lo tanto, hay posibilidades de que no tenga relación con la variable
Y.

Fuente: Elaboración propia sacado de minitab

Interpretación: En la gráfica se visualiza que no tiende los datos una dispersión, podemos
considerar que no existe una relación directa entre las variables Y, tiene la tendencia de una línea
inversa.
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.986095 61.03% 55.03% 41.45%

Interpretación: El R-cuadrado es de 61.03%, esta ecuación carece de valor para explicar las
relaciones entre las variables.

El Coeficiente de Pearson de 0.78, además esta correlación es muy significativa. Por lo que
se puede afirmar con un95% de confianza, que en el ámbito de estudio hay una “correlación
alta” entre las variables X y la variable Y.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 19.797 9.8983 10.18 0.002
Tiempo de permanecia X1 1 8.241 8.2409 8.48 0.012
PAI PRE X2 1 8.961 8.9612 9.22 0.010
Error 13 12.641 0.9724
Total 15 32.438

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.002 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 10.18, es mayor que el valor
critico de distribución F de 3.806 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.
Conclusión: Se determina que existe una relación estadísticamente entre las variables PAI
PRE” y el “tiempo de permanencia” que influya con los resultados del trabajo.

ASISTENTE

Fuente: Elaboración propia sacado de minitab.

Interpretación: Si existe una relación entre la variable Y y las variables X, porque el valor
P de 0.002 es menor que el nivel de significancia de 0.05, se afirmar de rechazamos la
hipótesis nula general.
El coeficiente de determinación o R-cuadrado que es de 61.03 % nos indica que el porcentaje
de explicación bajo.

El fondo gris representa una variable X que no está en el modelo.

Fuente: Elaboración propia sacado de minitab.

Fuente: Elaboración propia sacado de minitab.

 Fuente: Elaboración propia sacado de minitab.

EJERCICIO:10.3.2
David y Riley (A-3) examinaron los factores cognoscitivos medidos con la prueba de nivel
cognoscitivo de Allen (ACL, por sus siglas en Ingles) y la relación de la prueba con el nivel
de psicopatologfa. Los individuos estudiados eran pacientes de la unidad de psiquiatría del
Hospital GeneraL Entre las variables sobre las que trabajaron los investigadores, además del
ACL, estaban las calificaciones sobre el vocabulario (V) y la abstracci6n (A), componentes
del Instituto Shipley de la escala de vida, y las calificaciones sobre la prueba de modalidades
de simbología digital (PMSD). Se registraron las siguientes mediciones en 69 pacientes.
La variable dependiente es ACL.

Ha: La variable dependiente tienen relación con totas las variables independientes.
Ho:La variable dependiente no tiene relación con todas las variables independientes.
 Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica podemos observar que no tiene una tendencia a dispersar los
datos, que se ubica con una correlación positiva, se considera que tenga relación con la
variable Y.
 Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica se observar que hay una dispersión de los datos y podría ser
que la gráfica se ubique directa. Con una correlación débil, se considera que hay posibilidades
de que tenga relación con la variable Y.

Fuente: Elaboración propia sacado de minitab

Interpretación: En la gráfica se observar que hay una dispersión de los datos y podría ser
que la gráfica se ubique directa. Con una correlación débil, se considera que hay posibilidades
de que no tenga relación con la variable Y.
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.691721 27.79% 24.45% 18.05%

Interpretación: El R-cuadrado es de 27.79%, esta ecuación carece de valor para explicar las
relaciones entre las variables.
El Coeficiente de Pearson de 0.53, además esta correlación es muy significativa. Por lo que
se puede afirmar con un 95% de confianza, que en el ámbito de estudio hay una “correlación
moderada” entre las variables X y la variable Y.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 3 11.9671 3.98902 8.34 0.000
PMSD 1 6.3524 6.35235 13.28 0.001
v 1 0.0637 0.06371 0.13 0.716
A 1 0.2677 0.26772 0.56 0.457
Error 65 31.1010 0.47848
Total 68 43.0681

Fuente: Elaboración propia sacado de minitab

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.000 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 8.34, es mayor que el valor
critico de distribución F de 2.746 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.
Conclusión: Se determina que existe una relación estadísticamente entre las variables el
vocabulario y la abstracción y PMSD que influye en la prueba de nivel cognoscitivo de Allen.
 HIPÓTESIS INDIVIDUALES
Ha: La variable dependiente ACL tienen relación con totas la variable independiente PMSD.
Ho: La variable dependiente ACL no tiene relación con todas las variables independientes PMSD.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 3 11.9671 3.98902 8.34 0.000
PMSD 1 6.3524 6.35235 13.28 0.001
v 1 0.0637 0.06371 0.13 0.716
A 1 0.2677 0.26772 0.56 0.457
Error 65 31.1010 0.47848
Total 68 43.0681

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechazar la hipótesis nula ya que el valor P de 0.001 es de menor que el nivel
de significancia de 0.05 y lo podemos afirmar ya que el valor F de 13.18 se encuentra en la
región de rechazo ya que es mayor que le error típico de la gráfica de distribución F de 3.989
Conclusión: La variable vocabulario indica una que tiene relación es estadísticamente
significativa.
Recomendación: Despreciar la variable en la ecuación ya que esta presenta no presenta
relación con la variable dependiente.
Ha: La variable dependiente ACL tienen relación con totas la variable independiente Vocabulario.
Ho: La variable dependiente ACL no tiene relación con todas las variables independientes Vocabulario.

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 3 11.9671 3.98902 8.34 0.000
PMSD 1 6.3524 6.35235 13.28 0.001
v 1 0.0637 0.06371 0.13 0.716
A 1 0.2677 0.26772 0.56 0.457
Error 65 31.1010 0.47848
Total 68 43.0681

Fuente: Elaboración propia sacado de minitab.

Decisión: No se puede rechazar la hipótesis nula ya que el valor P de 0.717 es de mayor que
el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 0.13 se encuentra
en la región de no rechazo ya que es menor que le error típico de la gráfica de distribución F
de 3.989
Conclusión: La variable prueba de aptitud presenta una relación con la variable prueba de
modalidades de simbología digital que indica una relación es estadísticamente significativa.
Recomendación: Aprobar la ecuación ya que esta presenta una relación con la variable
dependiente.
Ha: La variable dependiente ACL tienen relación con totas la variable independiente Abstracción.
Ho: La variable dependiente ACL no tiene relación con todas las variables independientes
Abstracción.

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 3 11.9671 3.98902 8.34 0.000
PMSD 1 6.3524 6.35235 13.28 0.001
v 1 0.0637 0.06371 0.13 0.716
A 1 0.2677 0.26772 0.56 0.457
Error 65 31.1010 0.47848
Total 68 43.0681

Fuente: Elaboración propia sacado de minitab

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.457 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 0.56 se
encuentra en la región de no rechazo ya que es mayor que le error típico de la gráfica de
distribución F de 3.989
Conclusión: La variable abstracción indica una que no tiene relación es estadísticamente en
ACL.
Recomendación: Despreciar la variable en la ecuación ya que esta presenta no presenta
relación con la variable dependiente y realizar un análisis de regresión simple con esta
variable.
 ASISTENTE

Fuente: Elaboración propia sacado de minitab

Interpretación: Si existe una relación entre la variable Y y las variables X, porque el valor
P de 0.001 es menor que el nivel de significancia de 0.05, se afirmar de rechazamos la
hipótesis nula general.

El coeficiente de determinación o R-cuadrado que es de 27.16 % nos indica que el porcentaje

de explicación bajo.

El fondo gris representa una variable X que no está en el modelo.

Fuente: Elaboración propia sacado de mintab.

Fuente: Elaboración propia sacado de minitab

Fuente: Elaboración propia sacado de minitab

Fuente: Elaboración propia sacado de minitab

EJERCICIO: 10.3.3
En un estudio acerca de la percepción de los posibles factores relacionados con los patrones
de admisión en un gran hospital un administrador obtuvo estos tatos a partir de 10
comunidades dentro del área de captación del hospital:

Ho: La variable dependiente tiene relación con las variables independientes.

Ha: La variable dependiente no tiene relación significativ entre las variables
independientes.
 Fuente: Elaboración propia sacado de minitab.
Interpretación: Se observa que la gráfica que la línea de dispersión no es una línea
ascendente de 45 grados, presenta una inclinación con asimilación a la verticalidad, aunque
exista poca dispersión.

Fuente: Elaboración propia sacado de minitab.

Interpretación: a diferencia de la primera gráfica podemos observar que la inclinación de la

línea está en una posición vertical, haciendo referencia de que solo existe un poco relación
entre las variables, dependientes e independiente.
Interpretación: Comparado con el valor p con el nivel de significancia entre las dos
variables, podemos observar que en la primera hay una gran significancia y la segunda que
tiene un valor más alto que su valor p indicando que su relación no es tan evidente como el
anterior, existiendo una diferencia significativa.

Fuente: Elaboración propia sacado de minitab

Decisión: se rechaza la hipótesis nula ya que el valor P de 0.008, es menor que el nivel de
significancia de 0.05 para la variable de índice de disponibilidad de otro servicio de salud, se
realizó un estadístico de prueba Fisher 5.591 en la cual indica que no es posible rechaza la
variable de índice de indigencia 3.98 debido a que se encuentra en la región de no rechazo,
el valor P 0.086 es mayor que el nivel de significancia 0.05 encontrándolo en la zona de
rechazo.

Conclusión: la variable de índice de disponibilidad si tiene relación con la variable Y

(personas internadas durante el periodo de estudio) por otro lado la variable X2 (índice de
indigencia) no tiene relación con la variable Y.

Recomendación: según el coeficiente de determinación R-cuadrado 66.22% por medio de

este valor se obtuvo el coeficiente de Pearson 0.81375 la cual nos indica que hay una buena
relación entre las variables.
 ASISTENTE

Fuente: Elaboración propia sacado de minitab

Interpretación: Se observa en el asistente que la regresión sobre las variables es

estadísticamente significativa con un valor (p < 0.10) sobre las dos variables, refiriendo que
las variables tienen una relación con la variable dependiente.
 Fuente: Elaboración propia sacado de minitab

Interpretación: Se observa en el asistente que nos proporciona datos con variaciones

desiguales, relacionado con la estrecha relación entre las variables.

Fuente: Elaboración propia sacado de minitab

EJERCICIO: 10.3.4
El administrador de un hospital general obtuvo los siguientes datos de 20 pacientes
intervenidos quirúrgicamente, durante un estudio para determinar qué factores parecen estar
relacionados con el tiempo de hospitalización.

Ho: La variable dependiente tiene relación con las variables independientes.

Ha: La variable dependiente no tiene relación significativ entre las variables
independientes.
 Fuente: Elaboración propia sacado de minitab.

Interpretación: se puede apreciar que hay una relación estrechamente relacionada con las
variables dependientes e independientes sobre el tiempo de permanencia con los problemas
médicos actualmente.

Fuente: Elaboración propia sacado de minitab.

Interpretación: se puede observar en las siguientes graficas que existe una relación directa
entre las variables.
Interpretación: En la tabla se puede observar los valores que se presentan con los problemas
actuales de los médicos si existe una relación con el tiempo de permanencia de ellos, Los
valores p de 0.000 de los dos siendo un número menor al valor a 0.05 nos indica que hay una
estrecha relación entre las variables.

Fuente: Elaboración propia sacado de minitab

Decisión: se rechazar la hipótesis nula ya que el estadístico de prueba es 0.000 para cada
uno de las variables X es menor que el nivel de significancia, el estadístico de prueba Fisher
88.23 para X, para la variable X2 198.27 lo cual son mayores que el valor critico 4.451
situándose en la zona de rechazo.
Conclusión: No es posible rechazar la Ha ya que existe relación entre ambas variables.

Recomendación: el coeficiente de determinación R-cuad. 93.81% podemos obtener el

coeficiente de Pearson que es 0.9681 indicando que si existe una muy buena relación entre
los factores de tiempo de hospitalización.
 ASISTENTE

Fuente: Elaboración propia sacado de minitab.

Interpretación: la comparación con la asistente también nos establece la buena relación de

las dos variables, indicando que son estadisticamente significativas entre ambas.
 Fuente: Elaboración propia sacado de minitab
Interpretación: En la regresión múltiple se puede observar que hayuna variación que podria
presentarse como desigual, pero con una significanza de relación alta.

Fuente: Elaboración propia sacado de minitab.

EJERCICIO:10.3.5.
Una muestra aleatoria de 25 enfermeras, seleccionadas de un directorio de enfermeras
generales, produjo la siguiente información respecto a la calificación del examen de
colocación de cada una de ellas realizado por la dirección estatal de personal (en Estados
Unidos) y la calificación final de graduación escolar. Ambas calificaciones se relacionan con
el área de afiliación de las enfermeras. Además, se tuvo información de las calificaciones
obtenidas por cada enfermera en una prueba de aptitud, realizada al ingresar a la escuela de
enfermería.
Los datos completos son los siguientes:

Ha: La variable dependiente tienen relación con totas las variables independientes.
Ho: La variable dependiente no tiene relación con todas las variables independientes.
 Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica podemos observar que no hay demasiada dispersión en los

datos y puede ser que sea lineal, por lo tanto, hay posibilidades de que tenga relación con la
variable Y.

Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica podemos observar que los datos están muy dispersos y podría
ser que la gráfica se ubique inversamente, por lo tanto, hay posibilidades de que no tenga
relación con la variable Y.
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
41.7145 30.77% 24.48% 8.38%

Interpretación: El R-cuadrado es de 30.77%, esta ecuación carece de valor para explicar las
relaciones entre las variables.
El Coeficiente de Pearson de 0,55 < 0.8, esto quiere decir que no existe una relación fuerte
entre las variables independientes y la variable dependiente.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 17017.8 8508.9 4.89 0.017
Califiación final 1 16238.6 16238.6 9.33 0.006
Calificación de aptitud 1 785.3 785.3 0.45 0.509
Error 22 38282.2 1740.1
Falta de ajuste 19 35769.7 1882.6 2.25 0.276
Error puro 3 2512.5 837.5
Total 24 55300.0

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.017 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 4.89, es mayor que el valor
critico de distribución F de 3.443 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.
Conclusión: Se concluye que, dentro de la población existe una relación lineal entre las
variables.
HIPÓTESIS INDIVIDUAL

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 17017.8 8508.9 4.89 0.017
Calificación final 1 16238.6 16238.6 9.33 0.006
Calificación de aptitud 1 785.3 785.3 0.45 0.509
Error 22 38282.2 1740.1
Falta de ajuste 19 35769.7 1882.6 2.25 0.276
Error puro 3 2512.5 837.5
Total 24 55300.0

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor P de 0.006 es menor que el nivel de
significancia de 0.05 y lo afirmamos ya que el valor F de 9.33 se encuentra en la zona de
rechazo ya que es mayor que el error típico de la gráfica de distribución F de 4,301.
Conclusión: La variable Calificación final (Independiente) si está estrechamente relacionado
con la variable Calificación de aprobación (Dependiente).
Recomendación: Realizar un análisis de regresión simple considerando únicamente la
variable Calificaciones final con Calificación de aprobación.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 17017.8 8508.9 4.89 0.017
Calificación final 1 16238.6 16238.6 9.33 0.006
Calificación de aptitud 1 785.3 785.3 0.45 0.509
Error 22 38282.2 1740.1
Falta de ajuste 19 35769.7 1882.6 2.25 0.276
Error puro 3 2512.5 837.5
Total 24 55300.0

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.509 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 0,45 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 4,301.
Conclusión: La variable Calificaciones de aptitud presenta una relación con la variable
Calificación de aprobación, pero esta relación no es estadísticamente significativa.
Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil con la
variable dependiente.
Pronostico= no puedo hacerlo porque el ejercicio no proporciona los datos.
 ASISTENTE

Fuente: Elaboración propia sacado de minitab.

Interpretación: Si existe una relación entre la variable Y y las variables X, porque el valor
P de 0.005 es menor que el nivel de significancia de 0.05, por lo tanto, rechazamos la
hipótesis nula general.

El coeficiente de determinación o R-cuadrado que es de 29.35 % nos indica que el porcentaje

de explicación bajo.

El fondo gris representa una variable X que no está en el modelo.

 Fuente: Elaboración propia sacado de minitab.

En la siguiente grafica encontramos residuos grandes y dispersos.

Fuente: Elaboración propia sacado de minitab.

En esta grafica podemos apreciar las barras grises que no ayudan a explicar la variable Y en
nuestro modelo de investigación.
Fuente: Elaboración propia sacado de minitab.

Fuente: Elaboración propia sacado de minitab.

EJERCICIO: 10.3.6 Se registraron los siguientes datos para una muestra aleatoria simple
de 20 pacientes con hipertensión. Las variables son:
 Fuente: Elaboración propia sacado de minitab.

Interpretación: En la siguiente grafica podemos observar que los datos no están demasiado
dispersos y puede ser que la gráfica sea lineal, pudiendo decir que tiene una relación con la
variable Y.

Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica podemos observar que los datos no están dispersos, afirmando
que es una gráfica lineal, por lo que si puede tener relación con la variable Y.
 Fuente: Elaboración propia sacado de minitab.

Interpretación: En la siguiente grafica podemos observar que los datos no están muy
dispersos, observando que la gráfica sea lineal, dando a entender que puede tener relación
con la variable Y.

Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica siguiente observamos que los datos se encuentran dispersos,

dando a entender que esta variable no tenga buena relación con la variable Y.
 Fuente: Elaboración propia sacado de minitab.

Interpretación: En esta grafica podemos determinar que los datos no están demasiado
dispersos y observando que la gráfica puede ser lineal, por lo tanto, puede que tenga relación
con la variable Y.

Fuente: Elaboración propia sacado de minitab.

Interpretación: En la siguiente grafica podemos determinar que los datos están muy
dispersos y posiblemente la gráfica se ubique inversamente, por lo que hay posibilidades de
que no tenga relación con la variable Y.
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.407229 99.62% 99.44% 99.08%

Interpretación: El R-cuadrado es de 99.62%, esta ecuación carece de valor para explicar las
relaciones entre las variables.
El Coeficiente de Pearson de 0,99 > 0.8, esto quiere decir que si existe una relación fuerte
entre las variables independientes y la variable dependiente.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.000 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 560.64, es mayor que el valor
critico de la distribución F de 2.915 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.
Conclusión: Se concluye que, dentro de la población existe cuatro relaciones lineales entre
las variables.

HIPÓTESIS INDIVIDUAL
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor P de 0.000 es menor que el nivel de
significancia de 0.05 y lo afirmamos ya que el valor F de 200.99 se encuentra en la zona de
rechazo ya que es mayor que el error típico de la gráfica de distribución F de 4,667.
Conclusión: La variable X1 (Edad en años) si está estrechamente relacionado con la variable
Y (Presión arterial sanguínea media mm Hg).
Recomendación: Realizar un análisis de regresión simple considerando únicamente la
variable Edad (en años) con Presión arterial sanguínea media (mm Hg).

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de Probabilidad es de 0.000 que es

menor que el nivel de significancia de 0.05 y afirmándolo con el valor F de 236.21 se
encuentra en la zona de rechazo ya que es mayor que el error típico de la gráfica de
distribución F de 4,667.
Conclusión: La variable X2 (Peso kg) si está estrechamente relacionado con la variable Y
(Presión arterial sanguínea media mm Hg).
Recomendación: Realizar un análisis de regresión simple considerando únicamente la
variable X2 (Peso kg) con la variable Y (Presión arterial sanguínea media mm Hg).
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor P de 0.033 es menor que el nivel de
significancia de 0.05 y podemos afirmarlo con el valor F de 5.71 se encuentra en la zona de
rechazo ya que es mayor que el error típico de la gráfica de distribución F de 4,667.
Conclusión: La variable X3 (Área de la superficie corporal m2) si está estrechamente
relacionado con la variable Y (Presión arterial sanguínea media mm Hg).
Recomendación: Realizar un análisis de regresión simple considerando únicamente la
variable X3 (Área de la superficie corporal m2) con la variable Y (Presión arterial sanguínea
media mm Hg).
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.182 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 1.99 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 4,667.
Conclusión: La variable X4 (Duración de la hipertensión años), si presenta una relación con
la variable Y (Presión arterial sanguínea media mm Hg), pero esta relación no influye
significativamente en el modelo de investigación.
Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil con la
variable dependiente.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.126 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 2.68 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 4,667.
Conclusión: La variable X5 (Pulso básico latidos/min), si presenta una relación con la
variable Y (Presión arterial sanguínea media mm Hg), esta relación no influye en el modelo
de investigación.
Recomendación: Quitar la variable X5 de la ecuación ya que esta presenta una relación muy
débil con la variable Y.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 557.844 92.9740 560.64 0.000
X1 1 33.331 33.3306 200.99 0.000
X2 1 39.172 39.1718 236.21 0.000
X3 1 0.947 0.9472 5.71 0.033
X4 1 0.330 0.3305 1.99 0.182
X5 1 0.444 0.4444 2.68 0.126
X6 1 0.442 0.4421 2.67 0.126
Error 13 2.156 0.1658
Total 19 560.000

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.126 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 2.67 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 4,667.
Conclusión: La variable X6 (medición del estrés), observamos que si presenta una relación
con la variable Y (Presión arterial sanguínea media mm Hg), pero esta relación no influye
significativamente en el modelo de investigación.
Recomendación: Quitar la variable X6 (medición del estrés) de la ecuación ya que esta
presenta una relación muy débil con la variable Y (Presión arterial sanguínea media mm Hg).
 ASISTENTE

Fuente: Elaboración propia sacado de minitab.

Interpretación: Si existe una relación entre la variable Y y las variables X, porque el valor
P de 0.001 es menor que el nivel de significancia de 0.05, por lo tanto, rechazamos la
hipótesis nula general.

El coeficiente de determinación es de 99.45 % que nos indica que el porcentaje de explicación

es bastante alto.

El fondo gris representa las variables X que no está en el modelo, debido a que no influyen
significativamente en el modelo de investigación.
 Fuente: Elaboración propia sacado de minitab.

En la siguiente grafica encontramos residuos grandes y demasiado dispersos.

Fuente: Elaboración propia sacado de minitab.

En esta grafica podemos apreciar las barras grises que no ayudan a explicar la variable Y en
nuestro modelo de investigación.
 Fuente: Elaboración propia sacado de minitab.

EJERCICIO: 10.5.1.
Utilizando como referencia el ejercicio 10.3.1. Se realizó una predicción, dándonos como
resultado los siguientes datos:

Se puede observar que el intervalo de confianza donde se tiene un 95 por ciento de confianza
donde el intervalo va de 2.4248 hasta un 3.5216.

Conclusión: Si se obtiene un tiempo de permanencia en días de 200 y un inventario de

adaptabilidad Portland (PAI) de 20, se obtendrá que el resultado de trabajo es de 2.9732.
EJERCICIO: 10.5.2
Utilizando como referencia el ejercicio 10.3.2. Se realizó una predicción, dándonos como
resultado los siguientes datos:

Se puede observar que el intervalo de confianza donde se tiene un 95 por ciento de confianza
donde el intervalo va de 3.1062 hasta un 5.0824.

Conclusión: Si se posee una calificación sobre el vocabulario de 50, una calificación sobre
abstracción de 30 y un ensayo de modalidades de simbología digital de 25, vemos que se
obtendrá un nivel cognoscitivo de Allen de 4.0943.

EJERCICIO: 10.5.3.
Utilizando como referencia el ejercicio 10.3.3. Se realizó una predicción, dándonos como
resultado los siguientes datos:

Se puede observar que el intervalo de confianza donde se tiene un 95 por ciento de confianza
donde el intervalo va de 44.2201 hasta un 56.5874.

Conclusión: Si el índice de disponibilidad de otros servicios de salud es de 5 y el índice de

indigencia es de 6, nuestro ajuste será alrededor de 50.40, sin embargo, esta cantidad podría
modificarse según los intervalos de confianza de un 95% entre 44.22 hasta 56.58
EJERCICIO: 10.5.4
Se basa en el ejercicio 10.3.4.
Realizar una predicción de X1= 1 y X2= 2.

Interpretación: Nuestra predicción se fundamenta en la premisa de que, en casos en los que

se presenta un único problema médico y el período de estancia preoperatoria se extiende a 2
días, el cálculo indica una recuperación esperada de aproximadamente 7.7956 días.

No obstante, es relevante destacar que esta estimación se encuentra sujeta a un margen de

variabilidad estadística, expresado mediante un intervalo de confianza del 95%, el cual
abarca desde 7.08 días hasta 8.50 días aproximadamente.

EJERCICIO: 10.5.5.
Se basa en el ejercicio 10.3.5.
Realizar la predicción siguiente: X1= 90 y X2= 80
Interpretación: Nuestra predicción se basa en la suposición de que, cuando la calificación
final es de 90 y la calificación de la prueba de aptitud alcanza los 80 puntos, la calificación
de aprobación por el estado se estima en aproximadamente 532.530 puntos. No obstante, es
esencial tener en cuenta que esta cifra puede oscilar en un rango más amplio, comprendido
entre 514.312 y 550.748 puntos, con un nivel de confianza del 95%.

EJERCICIO: 10.5.6
Se basa en el ejercicio 10.3.6.
Realizar la predicción siguiente: X1= 50, X2= 95, X3= 2, X4= 6, X5= 75 y X6= 70

Interpretación: Nuestra predicción se basa en la información de un paciente de 50 años de

edad, peso de 95 kg, superficie corporal de 2 m2, una duración de hipertensión de 6 años,
frecuencia cardíaca de 75 latidos por minuto y una medición de estrés de 70. Según nuestros
cálculos, la presión arterial media estimada sería de alrededor de 115.04 mm Hg. No obstante,
es importante destacar que este valor podría variar dentro de un intervalo de confianza del
95%, que se extiende desde 113.087 mm Hg hasta 116.994 mm Hg.
EJERCICIO:10.6.1
El objetivo de un estudio de Steinhorn y Green (A-5) fue determinar si la respuesta
metab6lica ante enfermedades en niños medida por medios directos esta correlacionada con
la gravedad estimada de la enfermedad. Los individuos eran 12 pacientes con edades entre 2
y 120 meses, con una gran variedad de enfermedades, entre ellas sepsis, meningitis bacteriana
e insuficiencia respiratoria. Se evalu6 la severidad de la enfermedad promedio del índice de
estabilidad psicol6gica (IEP) y el sistema de calificaci6n del Riesgo de mortalidad pediátrica
(RMP). también se obtuvieron calificaciones con en base en el Sistema de calificaci6n de
intervenci6n terapéutica (SCIT) y los instrumentos del Sistema de intervenci6n, manejo y
utilizaci6n de cuidados de enfermería (SIMUCE). Los investigadores realizaron mediciones
sobre las siguientes variables, frecuentemente usadas como marcadores de estrés psicológico;
total de nitr6geno urinario (TNU), consumo de oxígeno por minuto (V02) y la proporción
entre cadenas ramificadas y aminoácidos aromáticos (CR:AA). Las mediciones resultantes
respecto a estas variables son las siguientes:
Ha: Si hay relación entre las variables.
Ho: No hay relación entre las variables.

a) Calcule los coeficientes de correlación simple entre todos los pares posibles de variables.
b) Calcule el coeficiente de correlación múltiple entre las variables SIMUCE, TNU Y CR:
AA. Pruebe la significación de todos los coeficientes.
c) Calcule las correlaciones parciales entre SIMUCE y cada una de las otras variables
especificadas en el inciso b, mientras se mantienen constantes las otras dos variables. (A
estos coeficientes se les llama coeficientes de correlaci6n parcial de segundo orden).
d) Repita el inciso c con la variable RMP en lugar de SIMUCE.
e) Repita el inciso c con la variable IEP en lugar de SIMUCE.
f) Repita el inciso c con la variable SCIT en lugar de SIMUCE.
 Calcule los coeficientes de correlación simple entre todos los pares posibles de variables.

Fuente: Elaboración propia sacado de minitab.

Interpretación: Como podemos identificar los datos no se encuentran dispersos y la gráfica

muestra una línea positiva dando a entender que estas variables si se encuentran relacionadas.

Fuente: Elaboración propia sacado de minitab.

Interpretación: Como podemos observar los datos se encuentran dispersos y la gráfica

muestra una línea positiva dando a entender que es posible que las variables si se encuentren
relacionadas.
 Fuente: Elaboración propia sacado de minitab.
Interpretación: Como podemos observar los datos se encuentran dispersos y la gráfica
muestra una línea inversa demostrando que no existe relación entre las variables.

 Calcule el coeficiente de correlación múltiple entre las variables SIMUCE, TNU Y CR:
AA. Pruebe la significación de todos los coeficientes.
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.668535 54.89% 44.86% 7.23%

Interpretación: El R-cuadrado es de 54.89%, esta ecuación carece de valor para explicar las
relaciones entre las variables.

El Coeficiente de Pearson de 0.74 < 0.8, esto quiere decir que no existe una relación entre las
variables independientes y la variable dependiente.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 4.8942 2.4471 5.48 0.028
TNU 1 1.3981 1.3981 3.13 0.111
CR:AA 1 0.3889 0.3889 0.87 0.375
Error 9 4.0225 0.4469
Total 11 8.9167
 Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.028 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 5.48, es mayor que el valor
critico de distribución F de 4.256 encontrándose en la zona de rechazo.

Recomendación: Realizar las hipótesis individuales para determinar si existe alguna relación
débil entre las variables.

Conclusión: Se concluye que, dentro de la población existe una relación lineal entre las
variables.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 4.8942 2.4471 5.48 0.028
TNU 1 1.3981 1.3981 3.13 0.111
CR:AA 1 0.3889 0.3889 0.87 0.375
Error 9 4.0225 0.4469
Total 11 8.9167

0
 Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.111 es mayor que
el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 3.13 se encuentra
en la región de no rechazo ya que es menor que le error típico de la gráfica de distribución F
de 5.117
Conclusión: Las variables presentan una relación, pero esta relación no es estadísticamente
significativa.
Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil con la
variable dependiente.

 Calcule las correlaciones parciales entre SIMUCE y cada una de las otras variables
especificadas en el inciso b, mientras se mantienen constantes las otras dos variables. (A
estos coeficientes se les llama coeficientes de correlaci6n parcial de segundo orden).
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 4.8942 2.4471 5.48 0.028
TNU 1 1.3981 1.3981 3.13 0.111
CR:AA 1 0.3889 0.3889 0.87 0.375
Error 9 4.0225 0.4469
Total 11 8.9167
 Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.375 es mayor que
el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 0.87 se encuentra
en la región de no rechazo ya que es menor que le error típico de la gráfica de distribución F
de 5.117

Conclusión: Las variables presentan una relación, pero esta relación no es estadísticamente
significativa.

Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil.

 Repita el inciso c con la variable RMP en lugar de SIMUCE.

Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
8.69601 65.68% 58.05% 0.00%

Interpretación: El R-cuadrado es de 65.68%, esta ecuación puede explicar las relaciones

entre las variables.
El Coeficiente de Pearson de 0.81 > 0.8, esto quiere decir que si existe una relación entre las
variables independientes y la variable dependiente.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 1302.33 651.166 8.61 0.008
TNU 1 715.55 715.552 9.46 0.013
CR:AA 1 0.28 0.282 0.00 0.953
Error 9 680.59 75.621
Total 11 1982.92

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.008 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 8.61, es mayor que el valor
critico de distribución F de 4.256 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.
Conclusión: Se concluye que, dentro de la población existe una relación lineal entre las
variables.
 Repita el inciso c con la variable IEP en lugar de SIMUCE.

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
10.3126 64.99% 57.22% 0.00%

Interpretación: El R-cuadrado es de 64.99%, esta ecuación carece un poco de valor para

explicar las relaciones entre las variables.
El Coeficiente de Pearson de 0.81 > 0.8, esto quiere decir que si existe una relación entre las
variables independientes y la variable dependiente.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 1777.11 888.56 8.36 0.009
TNU 1 1306.92 1306.92 12.29 0.007
CR:AA 1 57.51 57.51 0.54 0.481
Error 9 957.14 106.35
Total 11 2734.25

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.009 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 8.36, es mayor que el valor
critico de distribución F de 4.256 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna relación
débil entre las variables.
Conclusión: Se concluye que, dentro de la población existe relación lineal entre las variables.

 Repita el inciso c con la variable SCIT en lugar de SIMUCE.

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
10.9976 72.53% 66.43% 59.21%
Interpretación: El R-cuadrado es de 72.53%, esta ecuación carece un poco de valor para
explicar las relaciones entre las variables.
El Coeficiente de Pearson de 0.85 > 0.8, esto quiere decir que si existe una relación entre las
variables independientes y la variable dependiente.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 2874.4 1437.2 11.88 0.003
TNU 1 925.2 925.2 7.65 0.022
CR:AA 1 170.9 170.9 1.41 0.265
Error 9 1088.5 120.9
Total 11 3962.9

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.003 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 11.88, es mayor que el valor
critico de distribución F de 4.256 encontrándose en la zona de rechazo.
Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.
Conclusión: Se concluye que, dentro de la población existe una relación lineal entre las
variables.
EJERCICIO: 10.6.2
Las siguientes mediciones se obtuvieron de 12 hombres con edades entre 12 y 18 años (todas
las mediciones están en centímetros):

Ha: Si hay relación en las mediciones de 12 y 18 años

Ho: Si hay relación en las mediciones de 12 y 18 años

a) Calcule los coeficientes de correlación múltiple y pruebe la hipótesis nula siguiente:

Py12=0.
b) Calcule cada uno de los coeficientes de correlación parcial y pruebe la significación de
todos los coeficientes. Sea a. .05 para todas las pruebas.
c) Determine el valor de p para cada prueba.
d) Establezca las conclusiones a las que se llegó.
 Calcule los coeficientes de correlación múltiple y pruebe la hipótesis nula siguiente:
Py12=0.

Fuente: Elaboración propia sacado de minitab.

Interpretación: Como podemos observar los datos no hay dispersión entre ellos y la gráfica
muestra una línea positiva demostrando que si existe relación entre las variables.

Fuente: Elaboración propia sacado de minitab.

Interpretación: Como podemos determinar en los datos no hay dispersión entre ellos y la
gráfica muestra una línea positiva demostrando que si existe relación entre las variables.
 Calcule cada uno de los coeficientes de correlación parcial y pruebe la significación de
todos los coeficientes. Sea a. .05 para todas las pruebas.

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.778063 99.52% 99.42% 99.13%
Interpretación: El R-cuadrado es de 99.52% para esta ecuación esto quiere decir que si se
puede explicar muy bien las variables.

El Coeficiente de Pearson de 0.99 > 0.8, esto quiere decir que si existe una gran relación
entre las variables independientes y la variable dependiente.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 1140.44 570.220 941.92 0.000
Longitud del radio 1 1.89 1.895 3.13 0.111
Longitud del fémur 1 0.04 0.040 0.07 0.803
Error 9 5.45 0.605
Total 11 1145.89

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.000 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 941.92, es mayor que el valor
critico de distribución F de 4.256 encontrándose en la zona de rechazo.

Recomendación: Con los datos previstos podemos afirmar que la estatura no es un buen
predictor para poder saber el tamaño y el radio del fémur, ya que las variables no influyen
fuertemente en la variable dependiente.

Conclusión: Se concluye que, dentro de la población no hay ninguna relación entre las
variables.
 Calcule cada uno de los coeficientes de correlación parcial

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 1140.44 570.220 941.92 0.000
Longitud del radio 1 1.89 1.895 3.13 0.111
Longitud del fémur 1 0.04 0.040 0.07 0.803
Error 9 5.45 0.605
Total 11 1145.89

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.111 es mayor que
el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 3.13 se encuentra
en la región de no rechazo ya que es menor que le error típico de la gráfica de distribución F
de 5.117
Conclusión: Las variables presentan una relación, pero esta relación no es los
suficientemente fuerte estadísticamente para la variable dependiente.

Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil y no
presenta una fuerte relación entre las variables.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 1140.44 570.220 941.92 0.000
Longitud del radio 1 1.89 1.895 3.13 0.111
Longitud del fémur 1 0.04 0.040 0.07 0.803
Error 9 5.45 0.605
Total 11 1145.89
 Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.803 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 0.07 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 5.117.

Conclusión: Las variables presentan una relación, pero esta relación no influye
estadísticamente para la variable dependiente.

Recomendación: La ecuación no presenta ningún dato importante para el modelo de

investigación.

 Determine el valor de P para cada prueba.

 X0 = 0.000
 X1= 0.111
 X2= 0.803
 Establezca las conclusiones a las que se llegó.
Con los datos previstos podemos afirmar que la estatura no es un buen predictor para
poder saber el tamaño y el radio del fémur, ya que las variables no influyen fuertemente
en la variable dependiente.
EJERCICIO: 10.6.3
Los siguientes datos corresponden al peso de 15 jovencitas obesas:

Ho: La variable dependiente tiene relación con las variables independientes. Β2 = 0

Ha: La variable dependiente no tiene relación significativa con las variables
independientes.
a) Calcule el coeficiente de cOITe1acion múltiple y de significación.

Fuente: Minitab
Interpretación: Se observa en la gráfica de dispersión que no hay una dispersión
significativa, refiriendo a que las variables están estrechamente relacionadas entre ellas,
siendo la variable Y que sería la de peso como la dependiente y la variable de peso máximo
X como la independiente.

Fuente: Minitab
Interpretación: Se observa que no hay dispersión de las variables y que están estrechamente
relacionadas, observando la línea con una ascendencia vertical, refiriendo que la variable
dependiente Y “peso en kg” y la variable independiente X “medio de calorías” tienen relación
entre ellas.

b) Calcule cada uno de los coeficientes de correlación parcial y pruebe su significación

individual. Sea α = .05 para todas las pruebas.

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
4.16118 90.57% 89.00% 83.22%

El R-cuadrado es de 90.57% de capacidad para explicar la relación de las variables, indicando

que 0.951 indicando que hay buena relación entre las variables de peso en kg “Y” con la
variable de medio de calorías “X” existiendo una buena relación.

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 2 1996.08 998.04 57.64 0.000
Peso Corporal máxima (x1) 1 1265.51 1265.51 73.09 0.000
Con. medio de calorías x día 1 34.73 34.73 2.01 0.182
x2
Error 12 207.79 17.32
Total 14 2203.87
Decisión: Como el valor P 0.00 es menor que 0.05 se rechaza la Ho.

Conclusión: Con relación a las variables de peso en kg “Y” con la variable de

medio de calorías “X” se establece que, si existe una buena relación de entre
las variables, como el GL es de 1, no es necesario realizar otra grafica F.

Recomendación: Realizar un pronostico sobre las variables de peso en kg “Y”

con la variable de medio de calorías “X” existiendo, para poder predecir su
actividad entre la independiente con las independientes.
 ASISTENTE

Interpretación: Se puede observar con el asistente que si hay una relación estadísticamente
significativa con las dos variables dependientes con la dependiente.

Interpretación: Se observa en la regresión que los valores de X son poco comunes, sobre
los residuos contra los valores de ajuste.
Interpretación: Se observa que los datos X sobre el peso corporal tiene más aportes sobre
los resultados que se han obtenido y que se puede afirmar que si existe una buena relación
entre las variables.

Fuente: Minitab
EJERCICIO: 10.6.4.
Se realizo un proyecto de investigación para estudiar las relaciones entre inteligencia, afasia
y apraxia. Los individuos eran pacientes con daño focal en el hemisferio izquierdo. Se
obtuvieron calificaciones para las siguientes variables a través de la aplicación de pruebas
estándar:
Y = inteligencia
X1 apraxia ideomotora
X2 = apraxia constructiva
X3 volumen de la lesión (puntos)
X4 = gravedad de la afasia
Los resultados se muestran en la siguiente tabla. Calcule los coeficientes de correlación
múltiple y realice la prueba de significación. Sea a = .05, Y calcule el valor de p.

Ho: La variable dependiente tiene relación con las variables independientes. Β2 = 0

Ha: La variable dependiente no tiene relación significativa con las variables
independientes.
Grafica No 1.

Interpretación: se observa que existe una relación importante sobre la inteligencia

comparado con la apraxia ideomotora, que la gráfica nos proporciona una línea vertical con
la agrupación de las variables con baja dispersión.

Gráfica No 2.

Interpretación: a diferencia de la primera gráfica, solo se presenta unas inconsistencias,

pero denotando que hay relación de las variables dependientes con las independientes y que
si ha una relación significativa sobre la inteligencia relacionado con la apraxia constructiva.
Gráfica No 3.

Interpretación: Aunque se puede observar que aún hay una relación importante de las
variables, se puede observar que ya hay variables con tendencia, conceptuando que existe
relación, pero que ya se ve algunos valores que pueden tender a diferir en milésimas.

Gráfica No 4.
Interpretación: Hay una relación significativa importante entre las variables dependientes e
independientes, de la inteligencia y la gravedad de la afasia de pacientes con daños focales.
Resumen del modelo

R-
R- R-cuad. cuad.
S cuad. (ajustado) (pred)
1.16632 96.50% 94.95% 91.47%

El R-cuadrado de 96.50% de capacidad para explicar la relación de las variables, indicando

que hay un 0.95 indicando que existe una buena relación entre las variables sobre la
inteligencia siendo la variable independiente y con los pacientes con daños focales en el
hemisferio izquierdo.

Análisis de Varianza

SC MC Valor
Fuente GL Ajust. Ajust. F Valor p
Regresión 4 337.757 84.439 62.07 0.000
X1 apraxia 1 13.584 13.584 9.99 0.012
ideomotora
x2 apraxia 1 20.738 20.738 15.25 0.004
constructiva
x3 volumen de la 1 14.043 14.043 10.32 0.011
lesión
x4 gravedad de la 1 2.241 2.241 1.65 0.231
afasia
Error 9 12.243 1.360
Total 13 350.000
 Decisión: Como el valor P 0.00 es menor que 0.05 se rechaza la Ho.

Conclusión: Se acepta la Ha, al menos de los tres criterios, donde se pudo observar que si
existe una relación significativa con la inteligencia como variable independiente y con los
pacientes con daños focales en el hemisferio izquierdo de 3 de las cuatro variables.

Recomendación: Realizar un pronóstico con la inteligencia una variable

independiente y con los pacientes con daños focales en el hemisferio izquierdo
de 3 de las cuatro variables y realizar un aprueba de asistencia para ampliar los
criterios de análisis.
Decisión: Como el valor P 0.00 es menor que 0.05 se acepta la Ha.

Conclusión: Se rechaza la Ho, al menos uno de los tres criterios, donde se pudo observar
que no existe una relación significativa con la inteligencia como variable independiente y
con los pacientes con daños focales en el hemisferio izquierdo, de los pacientes con gravedad
de afasia.

Recomendación: Realizar un pronóstico con la inteligencia una variable independiente.

ASISTENTE
Interpretación: En el asistente se puede observar un resumen de regresión comparando las
primeras dos afasias siendo una variable dependiente con la independiente, donde se observa
que si hay una relación significativa con la variable independiente.

Interpretación: se observa que puede existir residuos grandes, pero se demuestra que es una
estadística normal.

Interpretación: se observa una regresión posiblemente conglomerada, observando las

variables estables unidos, para determinar una relación significativa.
 Fuente: Minitab

Interpretación: En el asistente se puede observar un resumen de regresión comparando la

tercera y cuarta afasias siendo una variable dependiente con la independiente, donde se
observa que si hay una relación significativa con la variable independiente.
Interpretación: se observa que puede existir una buena conglomeración sobre los datos,
pero se demuestra que es una estadística normal.

Fuente: Minitab
EJERCICIO: 11.2.1.
Woo et al. (A-I) aseguran que los métodos actuales para medir el gasto cardiaco necesitan la
inserción de un catéter de termodilución, que es un procedimiento invasivo asociado con
riesgos y complicaciones. Los investigadores examinaron el método no invasivo de
bioimpedancia eléctrica transtorácica (BET) en comparación con el procedimiento de
inserción del catéter (Td). Los individuos estudiados eran pacientes con enfermedad crítica
y función ventricular izquierda deficiente y cardiomiopatía dilatada isquémica o idiopática.
Los resultados por pares de las mediciones cardiacas mediante los métodos se dividieron en
dos categorías, aquellos cuya diferencia entre el gasto cardiaco por los dos métodos fue
menor a .5 1min y aquellos en los que la diferencia fue mayor a .5 1min. Los resultados
fueron:

Variable independiente: Métodos Tb y BET.

Variables dependientes: Gasto cardiaco.
Ha: La variable dependiente tiene una relación estadísticamente significativa con las
variables independientes.
Ha: Las variables dependientes tiene una relación estadísticamente significativa con la
variable independiente.
Gráficas de dispersión:

Interpretación: como se puede observar en la gráfica, los datos de las diferencias para
medir el gasto cardiaco menores a .5 1/min, cuenta con una pendiente positiva por lo que se
puede deducir que existe una relación directa entre los dos métodos y el gasto cardiaco.

Interpretación: observamos que en la gráfica de las diferencias para medir el gasto

cardiaco mayores a .5 1/min de los métodos TB y BET, cuenta con una pendiente positiva
sin embargo los datos se encuentran ampliamente dispersos por lo que existe una relación,
pero no es tan fuerte.
Ecuación de regresión
Td = 3.946 + 0.0 Gasto cardiaco_Diff < .5 1/min + 0.707 Gasto cardiaco_Diff > .5 1/min

Resumen del modelo

R-cuadrado
S R-cuadrado R-cuadrado(ajustado) (pred)
1.53482 2.43% 1.18% 0.00%

Interpretación: El Rcuadrado es de 2.43%, por lo que esta ecuación carece

de valor para explicar las relaciones entre las variables.

El coeficiente de Pearson es de

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 1 4.574 4.574 1.94 0.167

Gasto 1 4.574 4.574 1.94 0.167
cardiaco
Error 78 183.743 2.356
Total 79 188.317

Decisión: no es posible rechazar la hipótesis nula ya que el valor P (0.167) es mayor a 0.05.

Conclusión: se puede concluir que existe una relación estadísticamente significativa entre el
gasto cardiaco y el procedimiento de inserción de catéter.
Ecuación de regresión
BET = 3.946 + 0.0 Gasto cardiaco_Diff < .5 1/min + 0.707 Gasto cardiaco_Diff > .5 1/min

Resumen del modelo

R-cuadrado
S R-cuadrado R-cuadrado(ajustado) (pred)
1.56803 4.29% 3.06% 0.02%

Interpretación: El R-cuadrado es de 4.29%, por lo que esta ecuación carece de valor para
explicar las relaciones entre las variables.

Análisis de Varianza
MC
Fuente GL SC Ajust. Ajust. Valor F Valor p
Regresión 1 8.598 8.598 3.50 0.065
Gasto 1 8.598 8.598 3.50 0.065
cardiaco
Error 78 191.780 2.459
Total 79 200.378

Interpretación: Se acepta la hipótesis de investigación, ya que el valor P es menor al nivel

de significancia, esto se puede reafirmar con el valor F y la gráfica de distribución F.
Conclusión: se puede concluir que existe una relación estadísticamente significativa entre
el gasto cardiaco y el procedimiento de bioimpedancia eléctrica transtorácica.
Recomendación: Hacer una regresión simple para confirmar las dos variables.
EJERCICIO 11.2.2
De acuerdo con Schwartz et al. (A-2), las investigaciones han demostrado que, en los
pacientes con apnea del sueño obstructiva, la reducci6n de peso causa una disminuci6n de la
gravedad de la apnea. Los mecanismos involucrados no son claros, pero Schwartz y sus
colegas supusieron que el decremento de la colapsabilidad de las vías respiratorias superiores
explica la disminución de la severidad de la apnea con la pérdida de peso. Para determinar si
la pérdida de peso causa la disminución de la colapsabilidad, midieron la presión crítica de
las vías respiratorias superiores antes y después de reducir el índice de masa corporal en 13
pacientes con apnea del sueño obstructivo. Estudiaron a 13 individuos de control con peso
estable, de la misma edad e índice de masa corporal, todos varones, y con frecuencia
respiratoria irregular durante la fase de movimiento ocular no rápido, antes y después de la
atención habitual. Los siguientes datos corresponden a los cambios en la presión crítica de
las vías respiratorias superiores (CPCRIT) (cmH2O) e índices de masa (CIMC) (kg/m2)
después de la intervención e ingreso al grupo.
(0=grupo con pérdida de peso. 1= grupo con cuidados generales) de los individuos.

Variable dependiente: Disminución en la Colapsabilidad

Variable independiente: Grupo con pérdida de peso y Grupo con cuidados generales.
Ha: La variable dependiente tiene una relación estadísticamente significativa con las
variables independientes.
Ho: La variable dependiente tiene una relación estadísticamente significativa con la variable
independiente.
Interpretación: se puede notar que el grupo 0 tiene una relación positiva, por lo que se
puede decir que existe relación entre las variables, sin embargo, el grupo 1 cuenta con una
relación, pero inversa y ambos grupos cuentan con datos dispersos.

Interpretación: en el modelo se puede notar que el R- cuadrado es de 57.23% por lo que

existe una relación, pero no lo suficiente mente fuerte para determinarlo verídico.
Decisión: Se acepta la hipótesis de investigación para la variable CIMC ya que el valor P es
de 0.040 menor a 0.05 y se reafirma con el estadístico de prueba que es 4.72 y el valor crítico
de 4.279 que se encuentra en la zona de rechazo.
No es posible rechazar la hipótesis nula ya que el valor P es de 0.325 siendo mayor al valor
de significancia de 0.05 y esto se reafirma con el estadístico de prueba 1.01ya que es menor
al valor crítico F de 4.279, el cual se encuentra en la zona de aceptación/no rechazo.
EJERCICIO:11.2.3.
EI propósito de un estudio realizado por Loi et al. (A-3) era investigar los efectos de la
mexiletina sobre el metabolismo de la teofilina en varones y mujeres jóvenes, sanos, no
fumadores. La teofilina se utiliza como broncodilatador para el tratamiento de asma y
enfermedades obstructivas pulmonares. La mexiletina es un agente antiarritmico tipo 1 eficaz
que se utiliza para tratar arritmias ventriculares. La siguiente tabla muestra el cambio en
porcentaje de depuración de teofilina en el plasma (y), las concentraciones plasmáticas
estables promedio de mexiletina ([Link]) (X) y el sexo correspondiente a 15 individuos que
participaron en el estudio:
Ha: Mexiletina si tiene efecto sobre la teofilina en varones y mujeres.
Ha: Mexiletina no tiene efecto sobre la teofilina en varones y mujeres.

Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica podemos determinar que, si hay dispersión en los datos y es
una gráfica lineal positiva, por lo tanto, hay posibilidades de que no tenga relación con la
variable Y.

Fuente: Elaboración propia sacado de minitab.

Interpretación: En la gráfica podemos observar que los datos están muy dispersos y que la
gráfica lineal se ubique positivamente, por lo tanto, hay posibilidades de que no mantenga
una buena relación entre las variables.

Ecuación de regresión
Teofilina(Y) = 32.27 + 16.2 Mexiletina(F) + 9.48 Mexiletina(M)

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
9.44893 18.38% 4.78% 0.00%

Interpretación: El R-cuadrado es de 18.38%, determinando que esta ecuación carece de

valor para explicar las relaciones entre las variables.

El Coeficiente de Pearson de 0.4287 < 0.8, esto quiere decir que no existe una relación fuerte
entre las variables independientes y la variable dependiente.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 241.33 120.66 1.35 0.296
Mexiletina(F) 1 221.38 221.38 2.48 0.141
Mexiletina(M) 1 90.92 90.92 1.02 0.333
Error 12 1071.39 89.28
Total 14 1312.72

Fuente: Elaboración propia sacado de minitab.

Decisión: No se rechaza hipótesis nula ya que el valor de P de 0.296 es mucho mayor que el
nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 1.35 es menor que
el valor critico de distribución F de 3.885 encontrándose en la zona de No rechazo.

Recomendación: Realizar las hipótesis individuales para confirmar que no exista alguna
variable que demuestre relación.

Conclusión: Se concluye que, dentro de las variables independiente no existe una relación
lineal.
 HIPÓTESIS INDIVIDUAL
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 241.33 120.66 1.35 0.296
Mexiletina(F) 1 221.38 221.38 2.48 0.141
Mexiletina(M) 1 90.92 90.92 1.02 0.333
Error 12 1071.39 89.28
Total 14 1312.72

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.141 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 2.48 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 4,747.

Conclusión: La variable Calificaciones de aptitud presenta una relación con la variable

Calificación de aprobación, pero esta relación no es estadísticamente significativa.

Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil con la
variable dependiente.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 241.33 120.66 1.35 0.296
Mexiletina(F) 1 221.38 221.38 2.48 0.141
Mexiletina(M) 1 90.92 90.92 1.02 0.333
Error 12 1071.39 89.28
Total 14 1312.72

Fuente: Elaboración propia sacado de minitab.

Decisión: No es posible rechazar la hipótesis nula ya que el valor P de 0.509 es de mayor

que el nivel de significancia de 0.05 y lo podemos afirmar ya que el valor F de 0,45 se
encuentra en la región de no rechazo ya que es menor que le error típico de la gráfica de
distribución F de 4,301.

Conclusión: La variable Mexiletina (X) presenta una relación con la variable Teofilina (Y),
pero esta relación no es estadísticamente significativa.

Recomendación: Quitarla de la ecuación ya que esta presenta una relación muy débil con la
variable dependiente.
 ASISTENTE

Fuente: Elaboración propia sacado de minitab.

Interpretación: No existe ninguna relación entre la variable Y y las variables X.

El coeficiente de determinación o R-cuadrado que es de 0.00 % nos indica que el porcentaje

de explicación es demasiado bajo.
Fuente: Elaboración propia sacado de minitab

Fuente: Elaboración propia sacado de minitab

EJERCICIO: 11.2.4.
Un grupo de investigadores quería estudiar los efectos de la biorretroalimentación y la
destreza manual sobre la capacidad de los pacientes para desempeñar con precisión una tarea
complicada. Se eligieron aleatoriamente 28 pacientes entre los que fueron enviados para
recibir terapia física. Posteriormente, estos pacientes fueron asignados al azar para recibir o
no biorretroalimentación. La variable dependiente es el número de repeticiones consecutivas
de la tarea terminada antes de cometer un error. Los resultados se muestran en la tabla
siguiente:

Ha: Si hay relación entre la Biorretroalimentación y destreza manual.

Ha: No hay relación entre la Biorretroalimentación y destreza manual.
 Fuente: Elaboración propia sacado de minitab

Interpretación: Se puede determinar que existe una relación inversa entre las variables X y
Y comprobando que no existe una relación lineal, lo mismo con la variable categórica
demuestra una relación inversamente lineal.

Ecuación de regresión
Repeticiones = 107.71 + 16.80 Biorretroalimentacion - 0.2535 Destreza Natural
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
14.1389 62.18% 59.16% 53.49%

Interpretación: El R-cuadrado es de 62.18%, esta ecuación si puede explicar las relaciones

entre las variables.

El Coeficiente de Pearson de 0.7885 > 0.8, esto quiere decir que si existe una relación entre
las variables independientes y la variable dependiente.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 8218.4 4109.20 20.56 0.000
Biorretroalimentacion 1 1948.5 1948.53 9.75 0.004
Destreza Natural 1 5575.1 5575.10 27.89 0.000
Error 25 4997.7 199.91
Falta de ajuste 24 4973.2 207.22 8.46 0.266
Error puro 1 24.5 24.50
Total 27 13216.1

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor de P de 0.000 es menor que el nivel de
significancia de 0.05 y lo podemos afirmar ya que el valor F de 20.56, es mayor que el valor
crítico de la distribución F de 3.385 encontrándose en la zona de rechazo.

Recomendación: Realizar las hipótesis individuales para determinar si existe alguna que
demuestre una relación débil entre las variables.

Conclusión: Se concluye que, dentro de la población existe cuatro relaciones lineales entre
las variables.
 HIPÓTESIS INDIVIDUAL

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 8218.4 4109.20 20.56 0.000
Biorretroalimentacion 1 1948.5 1948.53 9.75 0.004
Destreza Natural 1 5575.1 5575.10 27.89 0.000
Error 25 4997.7 199.91
Falta de ajuste 24 4973.2 207.22 8.46 0.266
Error puro 1 24.5 24.50
Total 27 13216.1

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor P de 0.004 es menor que el nivel de
significancia de 0.05 y lo afirmamos ya que el valor F de 9.75 se encuentra en la zona de
rechazo ya que es mayor que el error típico de la gráfica de distribución F de 4.242.

Conclusión: La variable X (Biorretroalimentacion) si está estrechamente relacionado con la

variable Y (Repeticiones).

Recomendación: Realizar un análisis de regresión simple para estas variables

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 8218.4 4109.20 20.56 0.000
Biorretroalimentacion 1 1948.5 1948.53 9.75 0.004
Destreza Natural 1 5575.1 5575.10 27.89 0.000
Error 25 4997.7 199.91
Falta de ajuste 24 4973.2 207.22 8.46 0.266
Error puro 1 24.5 24.50
Total 27 13216.1

Fuente: Elaboración propia sacado de minitab.

Decisión: Se rechaza la hipótesis nula ya que el valor P de 0.000 es menor que el nivel de
significancia de 0.05 y podemos afirmarlo con el valor F de 27.89 que se encuentra en la
zona de rechazo ya que es mayor que el error típico de la gráfica de distribución F de 4,242.

Conclusión: La variable X (Destreza manual) si está estrechamente relacionado con la

variable Y (Repeticiones).

Recomendación: Realizar un análisis de regresión simple considerando únicamente las

variables.
 ASISTENTE

Fuente: Elaboración propia sacado de minitab.

Interpretación: Si existe una relación entre la variable Y y las variables X, porque el valor
P de 0.001 es menor que el nivel de significancia de 0.05, por lo tanto, rechazamos la
hipótesis nula general.

El coeficiente de determinación es de 72.86 % que nos indica que el porcentaje de explicación

es alto.
 Fuente: Elaboración propia sacado de minitab.

Fuente: Elaboración propia sacado de minitab.

En la siguiente grafica encontramos residuos grandes y demasiado dispersos.

 Fuente: Elaboración propia sacado de minitab.

En esta grafica podemos apreciar las barras grises que no ayudan a explicar la variable Y en
nuestro modelo de investigación.

Fuente: Elaboración propia sacado de minitab.

EJERCICIO: 11.3.1
Uno de los objetivos de un estudio realizado por Brower et al. (A-4) fue determinar si existe
una correlación psicológica, farmacol6gica 0 demográfica particular de dependencia de
esteroides anabólicos androgénicos (EAA). Los individuos eran varones delgados, y todos
ellos utilizaban EAA y llenaron un cuestionario de manera anónima. Las variables para las que
se recolectaron datos incluyen número de síntomas de dependencia (SINTDEP), cantidad de
esteroides diferentes probados (NUMDROG), dosis máxima expresada como z cantidad
(DOSMAX), diferencia en el peso corporal en libras antes y después de utilizar esteroides
(DIFPESO), total de síntomas agresivos informados (SINTAGR), sensaci6n de no ser
suficientemente fuertes antes de utilizar esteroides (en una escala de 1-5, 1 significa que
nunca consideraron que no eran suficientemente fuertes y 5 significa que todo el tiempo
consideraron que no eran suficientemente fuertes) (NOFUER), que no se sintieron
suficientemente fuertes después utilizar esteroides (con la misma escala que en NOFUER)
(NOFUER2), calificaci6n de la prueba de detecci6n de alcoholismo (CAGE) y diferencia en el
total del peso levantado por el método de bench press antes y después de utilizar esteroides
(PESOBENCH). Los resultados para 31 individuos son los siguientes. Aplique el análisis de
regresión de doble paso de estos datos con SINTDEP como la variable dependiente.

Hipótesis:
Ha: SI hay relación farmacológica, demográfica y psicológica
Ho: No hay relación farmacológica, demográfica y psicológica
Regresión
Selección de términos escalonada
Términos candidatos: x 1 numdrog; x2 dosmax; x3 CAge; x4 sintgar; x5 nofuer; x6
nofuer2; x7
difpeso; x8 pesobench
-----Paso 1---- -----Paso 2----
Coef P Coef P
Constante 2.058 0.09
x7 difpeso 0.0335 0.027 0.0304 0.033
x6 nofuer2 0.648 0.037

S 1.71597 1.61317
R-cuad. 15.86% 28.20%
R- 12.95% 23.07%
cuad.(ajustado)
Cp de Mallows 7.65 4.57
AICc 126.27 124.01
BIC 129.69 128.20
α a entrar = 0.15; α a retirar = 0.15

Análisis de Varianza
SC MC Valor Valor
Fuente GL Ajust. Ajust. F p
Regresión 2 28.62 14.309 5.50 0.010
x6 1 12.53 12.527 4.81 0.037
nofuer2
x7 1 13.10 13.102 5.03 0.033
difpeso
Error 28 72.87 2.602
Total 30 101.48

Decisión: En base al modelo de regresión paso a paso tomamos las variables x6 Noufer y x7
diefpeso debido a que estas se encuentran en una zona de rechazo con un valor de p 0.037
para x6 y 0.033 para x7 siendo menor al calor de significancia 0.05.
Conclusión: En base a los datos obtenidos concluimos que estas dos variables tienen mejor
relación que las demás variables, debido a que se rechaza la hipótesis nula
Recomendación: se recomienda hacer la ecuación única y exclusiva entre la variable x6 y x7.
Ecuación de regresión
y = 0.086 + 0.648 x6 nofuer2
Sindep + 0.0304 x7 difpeso

Resumen del modelo

R-
R- R-cuad. cuad.
S cuad. (ajustado) (pred)
1.61317 28.20% 23.07% 12.33%
Discusión: según R-cuad tengo un valor de relación de 0.5310 lo que me indica
que si tengo relación entre las variables pero la relación no es muy buena.

Análisis de Varianza
SC MC Valor Valor
Fuente GL Ajust. Ajust. F p
Regresión 2 28.62 14.309 5.50 0.010
x6 1 12.53 12.527 4.81 0.037
nofuer2
x7 difpeso 1 13.10 13.102 5.03 0.033
Error 28 72.87 2.602
Falta de 22 59.87 2.721 1.26 0.417
ajuste
Error puro 6 13.00 2.167
Total 30 101.48
Difpeso es directamente proporcional respecto a la variable Y.
Sindep es directamente proporcional respecto a la variable Y.

Decisión: Se rechaza la hipótesis nula debido a que el valor F calculada para la regresión
5.50 se encuentra en una zona de rechazo con respecto a la gráfica de Fisher o valor crítico
con un valor de 3.340, tomando en cuenta también el valor de p 0.010 siendo este menor al
valor de significancia 0.05 confirmamos de igual manera el rechazo de la hipótesis nula

Conclusión: Si hay un relación entre variables sin embargo la relación no es muy buena
porque se encuentra en 0.5310 por lo tanto no hay dependencia entre las mismas.

EJERCICIO:11.3.2
Erickson y Yount (A-5) afirman que la disminución esponUinea de la temperatura corporal se
asocia con frecuencia a las intervenciones quirúrgicas. Los investigadores compararon los
efectos de tres combinaciones de cubiertas plásticas revestidas con aluminio (para cubrir
todo el cuerpo, la cabeza 0 parte del cuerpo) para controlar las condiciones de la temperatura
timpánica en 60 adultos sometidos a cirugía mayor abdominal con anestesia general. Las
cubiertas fueron colocadas desde el momento en que los pacientes fueron llevados a la sala
de operación, y fueron retiradas hasta que salieron de la unidad de recuperaci6n (REGU).
Las variables sobre las que los investigadores obtuvieron mediciones son: temperatura antes
del traslado al quirófano (TI'EMPl), temperatura al ingresar a REGU CITEMP4), edad (EDAD),
índice de masa corporal (IMC), tiempo que duro la cirugía (TPOGIR), cubierta corporal
(CORP), cubierta craneal (CAB) y cubierta con una sabana caliente al entrar a la sala de
operaci6n (SABCORP). Los resultados se muestran en la siguiente tabla. Aplique el análisis
de regresi6n gradual a estos datos. La variable dependiente es TTEMP4.
Hipótesis:
Ha: SI hay relación entre las cubiertas plásticas y las variables.
Ho: No hay relación entre las cubiertas plásticas y las variables.

REGRESION:

Selección de términos escalonada

Términos candidatos: x1 edad; x2 IMC; x3 tpocir; X4 Corp; x5 Cab; x6 sabcorp; x7 ttemp
1
-----Paso 1---- -----Paso 2---- ------Paso 3-----
Coef P Coef P Coef P
Constante 95.791 96.309 97.138
x2 IMC 0.0689 0.007 0.0865 0.001 0.0835 0.001
x3 tpocir -0.595 0.003 -0.526 0.009
x1 edad - 0.077
0.01664
X4 Corp
x6 sabcorp

S 1.09882 1.02582 1.00592

R-cuad. 11.95% 24.60% 28.80%
R- 10.40% 21.91% 24.91%
cuad.(ajustado)
Cp de Mallows 21.66 12.64 10.99
AICc 182.96 176.10 175.12
BIC 188.75 183.67 184.38
------Paso 4------ ------Paso 5------
Coef P Coef P
Constante 97.016 96.370
x2 IMC 0.0897 0.000 0.0890 0.000
x3 tpocir -0.515 0.008 -0.447 0.020
x1 edad - 0.012 - 0.035
0.02440 0.02055
X4 Corp 0.660 0.017 0.853 0.004
x6 sabcorp 0.509 0.090

S 0.962759 0.945556
R-cuad. 35.96% 39.37%
R- 31.22% 33.65%
cuad.(ajustado)
Cp de Mallows 6.76 5.79
AICc 171.35 170.70
BIC 182.20 183.04
α a entrar = 0.15; α a retirar = 0.15

Decisión: En base a los datos obtenidos en la regresión paso a paso tenemos a la variable
IMC en una zona de rechazo con un valor de p 0.007 siendo menor al valor de significancia
encontrándose en una zona de rechazo de igual manera con la variable x3 con valor de 0.003
encontrándose en una zona de rechazo, la variable x1 da un valor de 0.077 siendo mayor al
valor de significancia se encuentra en una zona de no rechazo, la variable x4 nos da un valor
de 0.017 siendo menor al valor de significancia 0.05 se encuentra en una zona de rechazo
por ultimo vemos la variable x6 con un valor de p de 0.090 siendo este mayor al valor de
significancia no es posible rechazar la hipótesis nula.
Conclusión: En base a los resultados obtenidos solo trabajaremos con las variables x2, x3 y
x4.
Recomendación: se recomienda hacer la ecuación única y exclusiva entre la variable x2, x3 y
x4.
Ecuación de regresión
y = 96.029 + 0.0934 x2 IMC - 0.643 x3 tpocir
tiemp + 0.383 X4 Corp
4

Resumen del modelo

R-
R- R-cuad. cuad.
S cuad. (ajustado) (pred)
1.01921 28.49% 24.66% 19.75%
Discusión: según R-cuad tengo un valor de relación de 0.5337 lo que me indica
que si tengo relación entre las variables pero la relación no es muy buena.

Análisis de Varianza
SC MC Valor Valor
Fuente GL Ajust. Ajust. F p
Regresión 3 23.173 7.724 7.44 0.000
x2 IMC 1 15.963 15.963 15.37 0.000
x3 tpocir 1 11.759 11.759 11.32 0.001
X4 Corp 1 2.160 2.160 2.08 0.155
Error 56 58.173 1.039
Total 59 81.346
X2 es directamente proporcional respecto a la variable Y.
X3 es Inversamente proporcional respecto a la variable Y.

Decisión: Se rechaza la hipótesis nula debido a que el valor F calculada para la regresión
7.44 se encuentra en una zona de rechazo con respecto a la gráfica de Fisher o valor crítico
con un valor de 2.769, tomando en cuenta también el valor de p 0.00 siendo este menor al
valor de significancia 0.05 confirmamos de igual manera el rechazo de la hipótesis nula.

Conclusión: Si hay una relación entre variables sin embargo la relación no es muy buena
porque se encuentra en 0.5337 por lo tanto no hay dependencia entre las mismas.
EJERCICIO: 11.3.3.
EI crecimiento de infantes y los factores que influyen fueron considerados en un estudio
realizado por Kusin et al. (A-6). Los individuos eran recién nacidos en dos poblados de
Madura, al este de Java. Los investigadores querían evaluar la relación entre la alimentación
de los bebes y el crecimiento por medio de un estudio longitudinal en el que el crecimiento y
la alimentaci6n al seno materna y alimentaci6n complementaria, fueran medidos
simultáneamente. Las variables sobre las que se hicieron las mediciones son: peso (en
kilogramos) al momento de nacer (PC), peso (en kilogramos) a una edad específica (PEE),
calorías aportadas por la leche materna (CLM2), proteínas aportadas por la leche materna
(PLM2), sexo (1 = niña, 2 niño) (SX), patrón de alimentación al seno-complementaria (1 =
mixta,2, 3 = solo leche materna) (SLM), calorías provenientes de alimentos complementarios
(CCOMP2), y proteínas provenientes de alimentos complementarios (PCOMP2). Lo~
siguientes datos corresponden a 28 individuos con 30 semanas de edad. Realice el análisis
de regresi6n gradual de estos datos.

Hipótesis:
Ha: SI hay relación entre el crecimiento y los factores que influyen.
Ho: No hay relación entre el crecimiento y los factores que influyen.

Selección de términos escalonada

Términos candidatos: x1 sx; x 2 PG; x3 slm; x4 clm2; x5 ccdmp2; x6 plm2; c7 pcomp2
-----Paso 1---- -----Paso 2----- -----Paso 3-----
Coef P Coef P Coef P
Constante 4.796 5.546 0.68
x6 plm2 0.311 0.006 0.3955 0.000 0.4056 0.000
 x1 sx -1.025 0.004 -0.884 0.005
x 2 PG 1.503 0.008

S 0.885198 0.760845 0.669604

R-cuad. 25.25% 46.90% 60.52%
R- 22.37% 42.65% 55.58%
cuad.(ajustado)
Cp de Mallows 19.89 9.18 3.18
AICc 77.56 70.72 65.41
BIC 80.55 74.31 69.35
α a entrar = 0.15; α a retirar = 0.15

Decisión: En base a los datos obtenidos en la regresión paso a paso tenemos a la variable x6
plm2 en una zona de rechazo con un valor de p 0.006 siendo menor al valor de significancia
encontrándose en una zona de rechazo de igual manera con la variable x1 sx con valor de
0.004 encontrándose en una zona de rechazo, la variable x2 PG da un valor de 0.008 siendo
menor al valor de significancia se encuentra en una zona de rechazo.

Conclusión: En base a los resultados obtenidos solo tomaremos en cuenta las variables x1 x2
y x6.
Recomendación: se recomienda hacer la ecuación única y exclusiva entre la variable x1, x2 y
x6.

Ecuación de regresión
Y = 0.68 - 0.884 x1 sx + 1.503 x 2 PG
pee + 0.4056 x6 plm2
Resumen del modelo
R-
R- R-cuad. cuad.
S cuad. (ajustado) (pred)
0.669604 60.52% 55.58% 42.38%
Análisis de Varianza
SC MC Valor Valor
Fuente GL Ajust. Ajust. F p
Regresión 3 16.493 5.4978 12.26 0.000
x1 sx 1 4.265 4.2645 9.51 0.005
x 2 PG 1 3.711 3.7113 8.28 0.008
x6 plm2 1 10.764 10.7644 24.01 0.000
Error 24 10.761 0.4484
Total 27 27.254
X1 es inversamente proporcional respecto a la variable Y.
X2 es directamente proporcional respecto a la variable Y.
X6 es directamente proporcional respecto a la variable Y.

Decisión: Se rechaza la hipótesis nula debido a que el valor F calculada para la regresión
12.26 se encuentra en una zona de rechazo con respecto a la gráfica de Fisher o valor crítico
con un valor de 3.009, tomando en cuenta también el valor de p 0.00 siendo este menor al
valor de significancia 0.05 confirmamos de igual manera el rechazo de la hipótesis nula.

Conclusión: Si hay un relación entre variables sin embargo la relación no es muy buena
porque se encuentra en 0.7779 por lo tanto no hay dependencia entre las mismas.