Análisis de Regresión y Correlación Lineal

Trabajo Colaborativo
Estadística Descriptiva

Victor Alfonso Galvez Guevara

Código: 1113650569
Luis Alejandro Gómez Cuellar
Código: 1110449696
Código:

Grupo: 100105_257

Presentado a:
Oscar Andrés Salamanca

Universidad Nacional Abierta y a Distancia

Santiago de Cali
Noviembre
2017
 INTRODUCCION
Este trabajo se fundamenta en el reconocimiento y profundización en la temática propuesta

dentro de la unidad 2 y el desarrollo de algunas de las temáticas estudiadas a lo largo del

proceso académico del curso estadística descriptiva.

Para el desarrollo de esta actividad fue necesario poner en práctica conceptos de gran

importancia tales como media aritmética, mediana rango, varianza, desviación, mediana,

entre otros conceptos estudiados a lo largo del periodo académico con el propósito de que

el aprendizaje sea más dinámico y se facilite más.

 JUSTIFICACION

Con la realización de los ejercidos pertinentes del trabajo colaborativo acuerdo con la guía

de actividades lograremos comprender con detalles los temas que hemos visto durante el

estudio de las medidas de dispersión, Regresión y Correlación lineal Simple y la realización

del diagrama de dispersión.

 OBJETIVOS

El siguiente trabajo tiene como objetivo principal estudiar la unidad dos fases cuatro, donde

se suministra una serie de datos estadísticos y a partir de esto elaborar a una investigación,

mediante las variantes seleccionadas y la realización del diagrama de dispersión de dichas

variables determinando el tipo de asociación entre las variables, así como encontrar el modelo

matemático y porcentaje de explicación del modelo y el grado de relación de las dos

variables.
 DESARROLLO DE LA ACTIVIDAD

VICTOR ALFONSO GALVEZ

Análisis de correlación lineal simple de las dos variables cuantitativas seleccionadas

Victor Alfonso Galvez Guevara

 Año
 Tasa de desempleo (%)

Tasa de 2.003 16,28 2.005 12,31

Año desemple 2.003 12,98 2.005 11,52
o (%) 2.003 14,80 2.005 12,00
2.001 16,69 2.003 12,89 2.005 11,75
2.001 17,31
2.003 14,14 2.005 11,17
2.001 15,71
2.003 14,44 2.005 9,96
2.001 14,59
2.003 14,43 2.005 10,21
2.001 14,23
2.003 14,26 2.005 10,33
2.001 15,23
2.003 13,70 2.006 13,41
2.001 15,02
2.003 12,91 2.006 13,00
2.001 14,71
2.003 12,19 2.006 11,34
2.001 14,28
2.004 17,00 2.006 12,01
2.001 14,59
2.004 15,69 2.006 11,88
2.001 13,55
2.004 13,62 2.006 10,61
2.001 13,84
2.004 14,68 2.006 12,39
2.002 17,87
2.004 13,75 2.006 12,79
2.002 15,85
2.004 14,00 2.006 12,89
2.002 14,95
2.004 12,94 2.006 11,35
2.002 16,14
2.004 13,09 2.006 10,94
2.002 14,43
2.004 12,51 2.006 11,78
2.002 16,25
2.004 12,59 2.007 13,90
2.002 15,41
2.004 11,78 2.007 12,83
2.002 15,78
2.004 12,07 2.007 11,93
2.002 14,56
2.005 13,22 2.007 10,90
2.002 14,81
2.005 14,23 2.007 11,53
2.002 14,71
2.005 12,95 2.007 11,16
2.002 15,77
2.005 12,06 2.007 11,16
2.003 16,12
2.007 10,73 2.010 10,79 2.014 10,68
2.007 10,84 2.010 11,12 2.014 9,73
2.007 10,05 2.011 13,56 2.014 8,97
2.007 9,42 2.011 12,86 2.014 8,80
2.007 9,89 2.011 10,87 2.014 9,19
2.008 13,08 2.011 11,19 2.014 9,29
2.008 11,99 2.011 11,24 2.014 8,90
2.008 11,22 2.011 10,91 2.014 8,35
2.008 11,13 2.011 11,54 2.014 7,86
2.008 10,84 2.011 10,08 2.014 7,71
2.008 11,17 2.011 9,74 2.014 8,72
2.008 12,06 2.011 9,00 2.015 10,79
2.008 11,22 2.011 9,22 2.015 9,86
2.008 10,95 2.011 9,82 2.015 8,86
2.008 10,12 2.012 12,48 2.015 9,50
2.008 10,80 2.012 11,87 2.015 8,93
2.008 10,61 2.012 10,36 2.015 8,25
2.009 14,25 2.012 10,86 2.015 8,84
2.009 12,49 2.012 10,71 2.015 9,09
2.009 11,99 2.012 10,03 2.015 8,98
2.009 12,14 2.012 10,86 2.015 8,19
2.009 11,66 2.012 9,75 2.015 7,27
2.009 11,34 2.012 9,94 2.015 8,59
2.009 12,63 2.012 8,85 2.016 11,91
2.009 11,74 2.012 9,25 2.016 10,00
2.009 12,16 2.012 9,55 2.016 10,14
2.009 11,55 2.013 12,07 2.016 9,02
2.009 11,08 2.013 11,79 2.016 8,85
2.009 11,31 2.013 10,21 2.016 8,88
2.010 14,62 2.013 10,17 2.016 9,85
2.010 12,59 2.013 9,42 2.016 8,99
2.010 11,81 2.013 9,24 2.016 8,51
2.010 12,24 2.013 9,88 2.016 8,29
2.010 12,04 2.013 9,27 2.016 7,51
2.010 11,64 2.013 8,98 2.016 8,74
2.010 12,68 2.013 7,79 2.017 11,73
2.010 11,16 2.013 8,48 2.017 10,50
2.010 10,57 2.013 8,44 2.017 9,70
2.010 10,15 2.014 11,10
 Tasa de desempleo entre 2001 y 2017
20.00
y = -0.3925x + 800.08
18.00 R² = 0.67

16.00

14.00
TASA DE DESEMPLEO

12.00

10.00

8.00

6.00

4.00

2.00

0.00
2,000 2,002 2,004 2,006 2,008 2,010 2,012 2,014 2,016 2,018
AÑOS

El tipo de asociación del diagrama de relación lineal descendente

- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?

𝑌 = 𝑎 + 𝑏𝑥;
𝑌 = 800.08– 0.3925 𝑅² = 0.67

R²= Coeficiente de determinación = 67% no es tan confiable

- Determine el porcentaje de explicación del modelo y el grado de relación de las dos variables.

𝑅 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛
𝑅 = 𝑅𝑎í𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝑑𝑒 0,67
𝑅 = 0.81% 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑒𝑝𝑡𝑎𝑏𝑙𝑒
- Relacionar la información obtenida con el problema

Una vez realizado el informe que anualmente se estudia la tasa de desempleo anualmente, nos
muestra una inclinación hacia abajo el cual se concluye que el desempleo en Colombia durante
los años 2001 hasta 2017 ha disminuido en los últimos años.

LUIS ALEJANDRO GÓMEZ CUELLAR

A partir de la base de datos suministrada, cada estudiante debe:
-Identificar dos variables cuantitativas de la situación estudiada que puedan estar relacionadas.
Variables seleccionadas:
 Personas con empleo (Variable Dependiente (y))
 Cantidad de Empresas (Variable Independiente (x))
- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de asociación entre
las variables.

Efecto del numero de empresas en Colombia en

cada mes duante 2001 y Marzo de 2017 en el
numero de personas con empleo.
Numero de personas con empleo

30,000,000.00

25,000,000.00

20,000,000.00 y = 96.27x + 892744

R² = 0.969
15,000,000.00
105,000 155,000 205,000 255,000 305,000 355,000
Numero de empresas

Según el diagrama obtenido, las variables tienen una asociación de tipo directa, en donde
mientras la variable Numero de empresas aumente, la variable Personas con empleo también
aumentará, esto concuerda con el hecho lógico que mientras más empresas sea creadas, el
número de personas con empleo aumentará, debido a la creación de plazas y así disminuirá
progresivamente la tasa de desempleo.
- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?
El modelo matemático para predecir el efecto de la variable Numero de empresas sobre el
número de personas con empleo, es el siguiente:

𝒚 = 𝟗𝟔, 𝟐𝟕𝒙 + 𝟖𝟗𝟐𝟕𝟒𝟒

Y tiene un coeficiente de determinación de:

𝑹𝟐 = 𝟎, 𝟗𝟔𝟗

Esta ecuación, tiene un coeficiente de determinación (𝑅 2 ) de 0,969, lo cual indica un grado de

confiabilidad del modelo de 96,9 ≅ 97%, lo cual es un muy alto porcentaje de confiabilidad y de
seguridad del modelo estadísticamente hablando.

- Determine el porcentaje de explicación del modelo y el grado de relación de las dos variables.

Este modelo matemático tiene un coeficiente de correlación (𝑅) de:

𝑹 = √𝑹𝟐
𝑹 = √𝟎, 𝟗𝟔𝟗
𝑹 = 𝟎, 𝟗𝟖𝟒𝟑

Por lo tanto, al tener un coeficiente de correlación tan alto y según la tabla de grado de
correlación lineal, entre las dos variables existe una correlación excelente. Por lo tanto, se
confirma que el número de empresas influye sustancialmente en el número de empleados.

- Relacionar la información obtenida con el problema.

Según los datos obtenidos en el análisis de correlación entre las variables Numero de empresas
versus Número de empleados, se determina que, al haber un aumento del número de empresas, se
genera por consiguiente más plazas de trabajo, esto trae consigo que el número de trabajadores
crezca, lo que demuestra el impacto directo que tiene una variable sobre la otra. Es por esto por
lo que los gobiernos impulsan la creación o surgimiento de nuevos negocios y la incorporación al
país de nuevas sedes de empresas extranjeras y por qué no de nuevas sucursales de empresas ya
existentes, ya que esto, promueve la contratación de más personas y así disminuya el índice de
desempleo y por consiguiente el número de personas sin empleo.
 REFERENCIAS BIBLIOGRAFICAS

Churchill, G.A.(2009).Análisis de Correlación y de Regresión Simple. Mexico City:

Cengage Learning. Páginas 675 – 686 Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=unad&it=r&p=GVR
L&sw=w&asid=e558184ed89e57d11ede116134cfce41
Montero, J.M. (2007).Regresión y Correlación Múltiple. Madrid: Paraninfo. Páginas 191
– 225. Recuperado
de:http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100012&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=47eaa8f46c19ad13af26a0a74e510de2
Pava, M. F. (15 de Noviembre de 2014) REGRESIÓN Y CORRELACIÓN [Entrada de Blog].
Recuperado de: http://estadisticadescriptivaunad100105.blogspot.com.co/2012/02/regresion-y-
correlacion.html?m=1
Pava, M. F. (14 de Octubre de 2014) LABORATORIO (REGRESIÓN Y CORRELACIÓN
LINEAL- EXCELL) [Entrada de Blog]. Recuperado de:
http://estadisticadescriptivaunad100105.blogspot.com.co/2011/08/laboratorio-regresion-y-
correlacion.html?m=1
Pava, M. F. (13 de Septiembre de 2014) LABORATORIO (Regresión lineal) [Entrada de
Blog]. Recuperado de: http://estadisticadescriptivaunad100105.blogspot.com.co/2010/03/laboratorio-
regresion-lineal.html?m=1
Correlación lineal y análisis de regresión, Recuperado de,
https://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf
 ANEXOS

Laboratorio - Victor Alfonso Galvez Guevara

Actividades para desarrollar

1. Este ejercicio práctico, pretende hacer la transferencia del conocimiento adquirido a partir
de la elaboración del laboratorio de Regresión y Correlación Lineal, el cual se realizará
utilizando el software gratuito INFOSTAT, que podrá descargar ingresando a Laboratorios
Estadística Descriptiva: Infostat, Tutoriales, (Entorno de aprendizaje práctico).
Los ejercicios prácticos también los podrán desarrollar utilizando la herramienta EXCEL, la cual
aparece instalada por defecto en el Office de su computador.
2. En el entorno de aprendizaje Colaborativo Paso 4– Descripción de la Información, cada
estudiante deberá enviar la solución de los tres
Ejercicios que aparecen a continuación:

2.1. Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A una serie de
voluntarios se les administra distintas dosis de sal en su dieta y se mide su tensión arterial un
tiempo después.

X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120
 a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables

Diagrama de Dispersion
140

120

100
y = 6.1062x + 88.128
Tension

80 R² = 0.987

60

40

20

0
0 1 2 3 4 5 6
sal

El tipo de asociación del diagrama de relación lineal ascendente.

a. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?

El modelo matemático que permite predecir el efecto de una variable es =

Y= a+bx;
Y=88.128+6.1062 R²=0.987

El grado de confiabilidad es aceptable porque R² se aleja un poco de 1

b. Determine el grado de relación de las dos variables.

El grado de relación de las dos variantes es el 0.987 está retirado del 1 positivo

d. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial

esperada? 117 tensión
Y= 88.128+6.1062 (4.8)
Y=117
2.2 En un nuevo proceso artesanal de fabricación de cierto artículo que está implantado, se ha
considerado que era importante ir anotando periódicamente el tiempo medio (medido en minutos)
que se utiliza para realizar una pieza y el número de días desde que empezó dicho proceso de
fabricación. Con ello, se pretende analizar como los operarios van adaptándose al nuevo proceso
mejorando paulatinamente su proceso de producción.

Los siguientes datos representan dicha situación:

X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el

diagrama de dispersión y determine el tipo de asociación entre las variables

Proceso de Fabricacion
50
45
y = -0.3566x + 42.569
40
R² = 0.7963
35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?

Y= a+bx;
Y= 42.569 -0.3566 R²= 0.7963

No es confiable, porque tiene un promedio muy minino

 c. Determine el grado de correlación de las dos variables.

El grado de correlación de las dos variables es de 0.7963

d. ¿Qué tiempo deberá tardarse un empleado cuando lleven 80 días? 14 días

Y= 42.569 -0.3566 (80)

Y= 14

2.3 Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que
permita determinar la relación entre el peso y la estatura de sus estudiantes. Para ello
selecciona 10 niños y realiza las mediciones respectivas.
A continuación, se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso 24 23 19 24 21 19 22 16 20 23
(kg)

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama

de dispersión y determine el tipo de asociación entre las variables

Peso y Estatura Estudiantes

30

25

20
Peso

15
y = 0.386x - 22.751
10 R² = 0.8329

0
100 105 110 115 120 125
Estatura
 b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?

El modelo matemático que permite predecir el efecto de una variable es =

Y=a+bx;
Y=-22.751+0.386 R²=0.8329

El grado de confiabilidad es aceptable porque R² se aleja un poco de 1

c. Determine el grado de correlación de las dos variables.

El grado de correlación de las dos variantes es 0.8329

d. Cuál es el peso que debería tener un estudiante que mida 120 cm? 24 kilos

Y=-22.751+0.386 (120)
Y= 24

Laboratorio - Luis Alejandro Gómez Cuellar

Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A una serie de
voluntarios se les administra distintas dosis de sal en su dieta y se mide su tensión arterial un
tiempo después.

X (sal) Y (Tensión)
1,6 98

2,3 102
3,3 109
4,2 113
4,6 115
5,0

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables

 Efectos del consumo de sal sobre la
tension arterial
140 5, 120
1.6, 98 3.3, 109
120
Tensión Arterial

100
4.2, 113 4.6, 115
80 2.3, 102
60 y = 6,1062x + 88,128
R² = 0,987
40
20
0
0 1 2 3 4 5 6
Consumo de sal

Entre el consumo de sal frente a la tensión arterial, existe una relación directa o directamente
proporcional, ya que al aumentar el consumo de sal se evidencia el aumento de la tensión
arterial. Es por esto que los médicos recomiendan a pacientes con niveles de tensión altos,
disminuir la ingesta de alimentos altos en sal o disminuir el nivel sal en su dieta para evitar
situaciones de alteración cardiaca.

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?

Según la gráfica obtenida, se obtiene la siguiente ecuación:

y = 6,1062x + 88,128

Si se remplaza 𝑥 por el valor de la variable de sal es decir la cantidad de sal, se obtendrá el nivel
de presión arterial.

R2 = 0,987

Según el coeficiente de determinación (𝑅 2 ) obtenido, este modelo matemático tiene un 98% de

confiabilidad.

Determine el grado de relación de las dos variables.

El grado de Correlación es igual a:

𝑅 = √𝑅 2
R = √0,987
 R = 0,99

Según la tabla siguiente:

Por lo cual, estadísticamente al existir una correlación excelente entre las dos variables con un
coeficiente de correlación de 99%, por lo cual se confirma que el consumo de sal tiene un efecto
directo y preciso en el aumento de la tensión arterial.

d. Si a un paciente se le administra una dosis de sal de 4,8. ¿Cuál es la tensión arterial esperada?

Aquí se aplica la formula o ecuación obtenida en el punto b:

y = 6,1062x + 88,128

Al reemplazar el valor de 𝑥 con la cantidad de sal propuesta:

y = 6,1062(4,8) + 88,128
y = 29,30,97 + 88,128
𝐲 = 𝟏𝟏𝟕, 𝟒𝟑

Se espera que el paciente tenga una tensión arterial de 117,43.

Gráficamente se vería de la siguiente manera junto con los datos anteriores.

 Efectos del consumo de sal sobre la
tension arterial
140 4.6, 115 5, 120
2.3, 102 3.3, 109
Tensión Arterial 120
100 4.8, 117.43
4.2, 113
80
1.6, 98
60 y = 6,1062x + 88,128
R² = 0,987
40
20
0
0 1 2 3 4 5 6
Consumo de sal

2.2 En un nuevo proceso artesanal de fabricación de cierto artículo que está implantado, se ha
considerado que era importante ir anotando periódicamente el tiempo medio (medido en
minutos) que se utiliza para realizar una pieza y el número de días desde que empezó dicho
proceso de fabricación. Con ello, se pretende analizar como los operarios van adaptándose al
nuevo proceso mejorando paulatinamente su proceso de producción.

Los siguientes datos representan dicha situación:

X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama de

dispersión y determine el tipo de asociación entre las variables

La variable dependiente (y) equivale al tiempo que tardan en realizar el proceso de fabricación, y
la variable (x) es el número de días que han pasado
 Tiempo de realizacion de una pieza
frente a los dias trnascurridos desde el
inico de la operacion.
50
45 12, 45
40 35, 27
35
TEMPO (MIN)

53, 23
30 65, 21
25
20 23, 30
70, 20
15
42, 25
10 y = -0.3566x + 42.569
5 R² = 0.7963
0
0 10 20 30 40 50 60 70 80
DIAS TRANSUCRRIDOS

Según el grafico obtenido, se estima que existe una asociación inversa, en donde mientras más
pasan los días desde que inicio dicha operación, los operarios son más rápidos en la realización
de una pieza.

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?

El modelo matemático encontrado para predecir el efecto de del número de días transcurridos
sobre el tiempo de fabricación de una pieza es el siguiente:

y = −0,3566x + 42,569

Y tiene un coeficiente de confiabilidad (𝑅 2 ) de 0,7963 es decir 79,63% de confiabilidad.

c. Determine el grado de correlación de las dos variables.

Como ya sabemos, el grado de correlación equivale a:

𝑅 = √𝑅 2
R = √0,7963
R = 0,8923

Por lo tanto, existe un 89,23% de correlación, y esto es un indicador de una correlación aceptable
estadísticamente hablando, por tanto, el tiempo transcurrido influye o esta correlacionado con el
tiempo que se tarda en fabricar una pieza de manera aceptable, lo que puede indicar que debe
haber otro factor que este influyendo o impactando aún más en la facilidad o rapidez con que se
fabrica una pieza y no solamente la cantidad de días transcurridos.
d. Que tiempo deberá tardarse un empleado cuando lleven 80 días?

Si utilizamos la ecuación o el modelo matemático hallado y reemplazamos el valor de x por 80

días, se puede determinar:

y = −0,3566x + 42,569
y = −0,3566 ∗ (80) + 42,569
y = −28,528 + 42,569
y = 14,041

Por lo cual se estima que pasados 80 días, los operarios deberían realizar una pieza en 14,04
minutos aproximadamente.

2.3 Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que permita
determinar la relación entre el peso y la estatura de sus estudiantes. Para ello selecciona 10 niños
y realiza las mediciones respectivas.
A continuación, se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso ( 24 23 19 24 21 19 22 16 20 23
kg)

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama de

dispersión y determine el tipo de asociación entre las variables

La variable dependiente (𝑦) es el peso (Kg) y la variable independiente (𝑥) es la estatura (cm)
 Relación entre la estatura (cm) y el peso (kg) en
los estudiantes de una clase de Nutrición
30 120, 24
116, 23 118, 24
25 110, 20 112, 21
107, 19
20
124, 23
Peso (Kg)

115, 22
15 110, 19
104, 16
10
y = 0.386x - 22.751
5 R² = 0.8329

0
100 105 110 115 120 125
Estatura (cm)

Entre la estatura y el peso de los estudiantes existe una variable directa, en donde mientras más
estatura tengan los estudiantes, más peso tendrán, esto según los datos obtenidos por la
nutricionista.

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?

Para esta situación, el modelo matemático es el siguiente:

𝑦 = 0,386𝑥 − 22,751

Y tiene un coeficiente de determinación de:

𝑅 2 = 0,8329

Lo cual indica que tiene una confiabilidad del 83,29%. Por lo cual se puede tomar como
confiable.

c. Determine el grado de correlación de las dos variables.

El grado de correlación de las variables es el siguiente:

𝑅 = √𝑅 2
𝑅 = √0,8329
𝑅 = 0,9126
 Esto arroja un grado de correlación de 91,26%, el cual según la tabla indica una correlación
excelente, por lo cual se define que la estatura impacta profundamente en el peso de la persona.

d. Cuál es el peso que debería tener un estudiante que mida 120 cm?

Si utilizamos el modelo matemático obtenido:

𝑦 = 0,386𝑥 − 22,751
𝑦 = 0,386 ∗ (120) − 22,751
𝑦 = 46,32 − 22,751
𝑦 = 23,569

Si un estudiante tiene como estatura 120 cm, este tendría un peso aproximado de 23,569 Kg