ESPECIALIDAD: CIENCIAS SOCIALES
DOCENTE: VILLASANTE SARAVIA FREDY HERIC
2022
INTRODUCCIÓN
En el presente trabajo de investigación tratamos de estudiar la situación del
grupo de 50 pacientes de la CLINICA ALCIDES CARRIÓN DE AREQUIPA en
relación a sus factores de riesgo Y las posibles interrelaciones entre las distintas
variables.
Inicialmente queremos describir el conjunto de pacientes utilizados
simultáneamente en todas las variables que se muestran en la tabla de muestras
En este problema estamos trabajando con 7 variables o sea, la dimensión es 7,
según la teoría desarrollada en este trabajo de investigación, la respuesta es
afirmativa en el sentido de que, si es posible describir el problema con un número
menor de dimensiones
Las interrelaciones entre variables quedan reflejadas en la matriz de correlación
el procedimiento en general será obtenida mediante el programa estadístico R
estudio.
Se desea conocer cuáles son los factores relacionados con el riesgo de la
enfermedad coronaria, del conocimiento previo sabemos que el riesgo es la
presión arterial, la edad, obesidad, tiempo de hipertensión, el pulso y estrés
x1 presión arterial
x2 edad
x3 peso
x4 superficie corporal
x5 pulso
x6 medidas de estrés
Tratamos de estudiar situación del grupo de pacientes en relación a los
factores de riesgo y las posibles interrelaciones entre las distintas variables,
inicialmente queremos describir el conjunto de pacientes utilizando
simultáneamente todas las variables.
TIPOS DE VARIABLES
➢ Presión arterial variable cuantitativa continua
➢ Edad variable cuantitativa discreta
➢ Peso variable cuantitativa continua
➢ Superficie corporal variable cuantitativa discreta
➢ Pulso variable cuantitativa continua
➢ Medidas de estrés cuantitativa discreta
x1 x2 x3 x4 x5 x6 x7
105 47 85.4 1.75 5.1 63 33
115 49 94.2 2.10 3.8 70 14
116 49 95.3 1.98 8.2 72 10
117 50 94.7 2.01 5.8 73 99
112 51 89.4 1.89 7.0 72 95
121 48 99.5 2.25 9.3 71 10
121 49 99.8 2.25 2.5 69 42
110 47 90.9 1.90 6.2 66 8
110 49 89.2 1.83 7.1 69 62
114 48 92.7 2.07 5.6 64 35
114 47 94.4 2.07 5.3 74 90
115 49 94.1 1.98 5.6 71 21
114 50 91.6 2.05 10.2 68 47
106 45 87.1 1.92 5.6 67 80
125 52 101.3 2.19 10.0 76 98
106 46 94.5 1.98 7.4 69 95
113 46 87.0 1.87 3.6 62 18
110 46 94.5 1.90 4.3 70 95
122 48 90.5 1.88 9.0 71 18
104 46 95.7 2.09 7.0 75 12
105 47 85.4 1.75 5.1 63 99
115 49 94.2 2.10 3.8 70 99
114 49 95.3 1.98 8.2 72 33
116 50 94.7 2.01 5.8 73 14
116 51 89.4 1.89 7.0 72 10
117 48 99.5 2.25 9.3 71 99
112 49 99.8 2.25 2.5 69 95
121 47 90.9 1.90 6.2 66 10
121 49 89.2 1.83 7.1 69 42
110 48 92.7 2.07 5.6 64 8
110 47 94.4 2.07 5.3 74 62
114 49 94.1 1.98 5.6 71 35
115 50 91.6 2.05 10.2 68 90
114 45 87.1 1.92 5.6 67 21
114 52 101.3 2.19 10.0 76 47
106 46 94.5 1.98 7.4 69 80
124 46 87.0 1.87 3.6 62 98
114 46 94.5 1.90 4.3 70 95
106 48 90.5 1.88 9.0 71 18
113 46 95.7 2.09 7.0 75 12
110 47 85.4 1.75 5.1 63 99
122 49 94.2 2.10 3.8 70 99
113 49 95.3 1.98 8.2 72 33
114 50 94.7 2.01 5.8 73 14
117 51 89.4 1.89 7.0 72 10
115 48 99.5 2.25 9.3 71 99
106 49 99.8 2.25 2.5 69 95
125 47 90.9 1.90 6.2 66 10
113 49 89.2 1.83 7.1 69 42
116 48 92.7 2.07 5.6 64 8
VISUALIZAR LOS PRIMEROS 6 DATOS
MATRIZ DE CORRELACIÓN
Vamos a estudiar la existencia de las siete variables de dos en dos mediante el programa R ESTUDIO
EN LA SIEGUIENTE TABLA DE CORRELACION DE PEARSON TENEMOS LA SIGUIENTE CORRELACION ALTA
✓ CORRE(X3,X4) OSEA EL PESO CON EL SUPERFICE CORPORAL
REDUCIENDO MATRIZ DE CORRELACIÓN EN 3 DECIMALES Y SU RESPECTIVO DIAGRAMA
VARIANZAS
ANÁLISIS DE REGRESIÓN
TABLA DE DOBLE ENTRADA Y LA SUMA DE SUS MÁRGENES
CORRELACIÓN DE LA TABLA 7
CONVIRTIENDO LOS DATOS EN 2 DECIMALES
✓ En donde podemos ver que la correlación que hay de peso con la superficie corporal es de 0.890 es decir 89% de dependencia.
GRÁFICO HISTOGRAMA Y LA TENDENCIA POSITIVA
DIAGRAMA DE DISPERSIÓN
En el cuadro podemos ver que tiene una correlación lineal positiva
MODELO DE REGRESIÓN Y CORRELACIÓN
✓ POR LOS *** NO INDICA QUE ES DIFERENTE A CERO Y TIENE UN ALTO GRADO DE SIGNIFICANCIA PODEMOS DECIR QUE NO HAY ERROR.
✓ SON MENORES QUE 0.05
El grado de relación que tienen dos variables esto genera la siguiente ecuación
Y=a+bx
Y=-0.729+0.029x+ei
Y=-0.7
Predicción:
Si X=85.4
Y=-0.729+0.029(85.4)+ei
Y=1.7476
COEFICIENTE DE DETERMINACIÓN
R= 0.890
R=0.890X100=89%
89% DE DATOS ESTA REPRESENTADO POR ESTE MODELO DE ECUACIÓN
BIBLIOGRAFÍA
PEÑA DANIEL. Análisis de datos multi variados. MC-GRA HIL España 2002
