ESCUELA CIENCIAS BSICAS TECNOLOGA E INGENIERA

CURSO ESTADSTICA DESCRIPTIVA

CDIGO 204040_179

UNIDAD 3 PASO 4

ANALIZAR INFORMACIN A TRAVS DE LAS MEDIDAS BIVARIANTES

PRESENTADO POR

MICHELSEN SABOGAL 21234408

JUAN GABRIEL VALENZUELA 1075211659

FABIN ZAMBRANO 1122126186

TUTOR

JUAN PABLO VARGAS

VILLAVICENCIO, MAYO 11 DE 2017

 Contenido

Introduccin......................................................................................................................................3
Justificacin......................................................................................................................................4
Objetivos...........................................................................................................................................5
Anlisis y conclusiones de correlacin lineal simple.......................................................................6
Anlisis y conclusiones de correlacin lineal mltiple....................................................................8
Conclusiones.....................................................................................................................................1
Referencias bibliogrficas................................................................................................................2
Anexo...............................................................................................................................................3
Laboratorio Regresin y correlacin lineal......................................................................................3
 3

Introduccin

La temtica como actividad que se llev a cabo fue, regresin y correlacin lineal simple,

regresin y correlacin lineal mltiple se obtuvo una estrategia de aprendizaje que empieza con

un problema real donde dos aportes significativos por cada integrante del curso o grupo

colaborativo, una de forma individual y la otra colaborativa, para as trabajar en torno al

desarrollo, comprensin y posible solucin teniendo como resultado los aportes de cada

integrante para luego ser consolidado en el trabajo grupal que all plantearemos conocimientos

previos o conceptos adquiridos durante el desarrollo de la misma.

 4

Justificacin

Con la elaboracin de este trabajo hacemos un anlisis al problema del conflicto armado

en Colombia, a travs de las medidas bivariantes aplicando las medidas de dispersin, regresin y

correlacin lineal, enfocndonos en el Departamento de Antioquia, identificando la correlacin

que encontramos en la diferente variable para ayudar a darle solucin a esta problemtica
 5

Objetivos

Con este trabajo se busca adquirir los conocimientos tericos y prcticos necesarios para

interpretar cualquier situacin a la que tengamos que afrontar en nuestra vida profesional,

facilitndonos analizar las problemticas e identificando la correlacin entre sus variables, con la

ayuda de las medidas bivariantes y tambin nos muestra las grficas para una mejor

interpretacin de la problemtica.
 6

Anlisis y conclusiones de correlacin lineal simple

a. Identificar dos variables cuantitativas de la situacin estudiada que puedan estar relacionadas.
Para este ejercicio he tomado las variables Gastos en defensa y seguridad Colombia como
variable independiente y Efectivos de Fuerza Pblica disponibles Colombia como variable
dependiente.
b. Realizar el diagrama de dispersin de dichas variables y determinar el tipo de asociacin entre
las variables.

Efectivos de Fuerza Pblica disponibles Colombia

460,000
450,000
440,000
430,000
420,000 f(x) = 0x + 263099.11
410,000 R = 0.88
400,000
390,000
380,000
370,000
Efectivos de Fuerza Pblica 360,000
Miles 350,000
340,000
330,000
320,000
310,000
300,000

Gastos en defensa y seguridad Colombia

Millones de pesos

La asociacin entre las variables es DIRECTA como quiera que al aumentar el Gasto en defensa
aumenta el nmero de efectivos de la Fuerza Pblica.
c. Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre la otra.
Es confiable?
El modelo matemtico o formula es y = 9E08x + 263099.
El coeficiente de determinacin R2 = 0,8827, lo cual quiere decir que es confiable por su valor
estar cercano a 1.
 7

d. Determine el porcentaje de explicacin del modelo y el grado de relacin de las dos variables.
El coeficiente de correlacin r = 0,94 indica que es una correlacin EXCELENTE como quiera
que 0,90 < r < 1 y por su coeficiente de determinacin nos muestra que explica el 88% del
modelo.
e. Relacionar la informacin obtenida con el problema.
El nmero de efectivos de la Fuerza Pblica aumenta en la medida que la Nacin destina
mayores recursos para los gastos de defensa y seguridad.
Tericamente, si la inversin en defensa fuera cero pesos ($0) el nmero de efectivos sera
de 263.099, lo cual no tiene sentido y por lo tanto no es viable interpretar este parmetro.
Por cada $10000.000 que se incrementa el presupuesto de defensa el pie de fuerza
aumenta aproximadamente en un (1) efectivo.

gasto en
defensa y efectivos de
seguridad fuerza pblica x*y x2 y
2

Colombia (x) disponibles

Colombia (y)
961009877000 337806 3,24635E+17 9,2354E+23 1,14113E+11
961504989000 339924 3,26839E+17 9,24492E+23 1,15548E+11
957603367000 341030 3,26571E+17 9,17004E+23 1,16301E+11
981628805000 341459 3,35186E+17 9,63595E+23 1,16594E+11
951733453000 341676 3,25184E+17 9,05797E+23 1,16742E+11
953036251000 343433 3,27304E+17 9,08278E+23 1,17946E+11
979656517000 344455 3,37448E+17 9,59727E+23 1,18649E+11
977310069000 345247 3,37413E+17 9,55135E+23 1,19195E+11
948727628000 345945 3,28208E+17 9,00084E+23 1,19678E+11
962347712000 347667 3,34577E+17 9,26113E+23 1,20872E+11
978623630000 348522 3,41072E+17 9,57704E+23 1,21468E+11
963350598000 349332 3,36529E+17 9,28044E+23 1,22033E+11
930297398000 350488 3,26058E+17 8,65453E+23 1,22842E+11
930907040000 351129 3,26868E+17 8,66588E+23 1,23292E+11
945646042000 352171 3,33029E+17 8,94246E+23 1,24024E+11
973586647000 355681 3,46286E+17 9,47871E+23 1,26509E+11
984986702000 357113 3,51752E+17 9,70199E+23 1,2753E+11
1000296660000 357213 3,57319E+17 1,00059E+24 1,27601E+11
1090946473000 357606 3,90129E+17 1,19016E+24 1,27882E+11
1137336556000 358033 4,07204E+17 1,29353E+24 1,28188E+11
1203975384000 358363 4,3146E+17 1,44956E+24 1,28424E+11
1242964507000 358414 4,45496E+17 1,54496E+24 1,28461E+11
1251036750000 358458 4,48444E+17 1,56509E+24 1,28492E+11
1253615208000 361013 4,52571E+17 1,57155E+24 1,3033E+11
991743027000 363119 3,60121E+17 9,83554E+23 1,31855E+11
 8

1052121201000 363589 3,8254E+17 1,10696E+24 1,32197E+11

1056599089000 367869 3,8869E+17 1,1164E+24 1,35328E+11
1074164468000 368141 3,95444E+17 1,15383E+24 1,35528E+11
1120264662000 368374 4,12676E+17 1,25499E+24 1,35699E+11
1140977760000 369661 4,21775E+17 1,30183E+24 1,36649E+11
1169610451000 369719 4,32427E+17 1,36799E+24 1,36692E+11
1263487853000 371549 4,69448E+17 1,5964E+24 1,38049E+11
1320338397000 371654 4,90709E+17 1,74329E+24 1,38127E+11
1322692233000 371766 4,91732E+17 1,74951E+24 1,3821E+11
1328188077000 373732 4,96386E+17 1,76408E+24 1,39676E+11
1349860034000 374032 5,04891E+17 1,82212E+24 1,399E+11
1428183046000 377984 5,3983E+17 2,03971E+24 1,42872E+11
1447474515000 378771 5,48261E+17 2,09518E+24 1,43467E+11
1494470371000 379339 5,66911E+17 2,23344E+24 1,43898E+11
1496777889000 379430 5,67922E+17 2,24034E+24 1,43967E+11
1504949556000 379674 5,7139E+17 2,26487E+24 1,44152E+11
1505141872000 382802 5,76171E+17 2,26545E+24 1,46537E+11
1521330214000 384498 5,84948E+17 2,31445E+24 1,47839E+11
1532770950000 385640 5,91098E+17 2,34939E+24 1,48718E+11
1542576688000 385904 5,95287E+17 2,37954E+24 1,48922E+11
1542654662000 386634 5,96443E+17 2,37978E+24 1,49486E+11
1593811071000 387000 6,16805E+17 2,54023E+24 1,49769E+11
1611411721000 387226 6,23981E+17 2,59665E+24 1,49944E+11
1556419048000 391414 6,09204E+17 2,42244E+24 1,53205E+11
1582692569000 391986 6,20393E+17 2,50492E+24 1,53653E+11
1617274677000 393097 6,35746E+17 2,61558E+24 1,54525E+11
1662719957000 394267 6,55556E+17 2,76464E+24 1,55446E+11
1666490584000 395717 6,59459E+17 2,77719E+24 1,56592E+11
1667248878000 398293 6,64054E+17 2,77972E+24 1,58637E+11
1704358187000 398351 6,78933E+17 2,90484E+24 1,58684E+11
1735058941000 398665 6,91707E+17 3,01043E+24 1,58934E+11
1738409852000 399493 6,94483E+17 3,02207E+24 1,59595E+11
1812748961000 399502 7,24197E+17 3,28606E+24 1,59602E+11
1816140263000 399516 7,25577E+17 3,29837E+24 1,59613E+11
1844125957000 400562 7,38687E+17 3,4008E+24 1,6045E+11
1535045794000 403632 6,19594E+17 2,35637E+24 1,62919E+11
1556728140000 403925 6,28801E+17 2,4234E+24 1,63155E+11
1563206205000 404898 6,32939E+17 2,44361E+24 1,63942E+11
1583492740000 405837 6,4264E+17 2,50745E+24 1,64704E+11
1595444146000 406771 6,4898E+17 2,54544E+24 1,65463E+11
1619146801000 407217 6,59344E+17 2,62164E+24 1,65826E+11
 9

1692873981000 408833 6,92103E+17 2,86582E+24 1,67144E+11

1739330590000 409567 7,12372E+17 3,02527E+24 1,67745E+11
1748092023000 410815 7,18142E+17 3,05583E+24 1,68769E+11
1778951441000 412550 7,33906E+17 3,16467E+24 1,70198E+11
1818569870000 413073 7,51202E+17 3,3072E+24 1,70629E+11
1821216679000 414072 7,54115E+17 3,31683E+24 1,71456E+11
1626506239000 415242 6,75394E+17 2,64552E+24 1,72426E+11
1654924863000 415455 6,87547E+17 2,73878E+24 1,72603E+11
1659855091000 415997 6,90495E+17 2,75512E+24 1,73054E+11
1675891403000 416181 6,97474E+17 2,80861E+24 1,73207E+11
1681624486000 416664 7,00672E+17 2,82786E+24 1,73609E+11
1748980725000 419366 7,33463E+17 3,05893E+24 1,75868E+11
1756725512000 419523 7,36987E+17 3,08608E+24 1,76E+11
1772587672000 419621 7,43815E+17 3,14207E+24 1,76082E+11
1834302387000 420432 7,71199E+17 3,36467E+24 1,76763E+11
1857727271000 421819 7,83625E+17 3,45115E+24 1,77931E+11
1872057842000 421864 7,89754E+17 3,5046E+24 1,77969E+11
1881842638000 422600 7,95267E+17 3,54133E+24 1,78591E+11
1639611249000 423810 6,94884E+17 2,68833E+24 1,79615E+11
1677226350000 428796 7,19188E+17 2,81309E+24 1,83866E+11
1706698678000 432890 7,38813E+17 2,91282E+24 1,87394E+11
1796985625000 434453 7,80706E+17 3,22916E+24 1,88749E+11
1823707230000 435939 7,95025E+17 3,32591E+24 1,90043E+11
1840629953000 436745 8,03886E+17 3,38792E+24 1,90746E+11
1865077150000 437154 8,15326E+17 3,47851E+24 1,91104E+11
1869120621000 440608 8,23549E+17 3,49361E+24 1,94135E+11
1881476337000 440647 8,29067E+17 3,53995E+24 1,9417E+11
1905121693000 440997 8,40153E+17 3,62949E+24 1,94478E+11
1911136585000 443239 8,4709E+17 3,65244E+24 1,96461E+11
1939944070000 445565 8,64371E+17 3,76338E+24 1,98528E+11
140269276024
000 37357945 5,54734E+19 2,15249E+26 1,46245E+13

 10

Anlisis y conclusiones de correlacin lineal mltiple

a. Identificar una variable cuantitativa dependiente y varias variables independientes del estudio
de investigacin.
Del estudio de investigacin hemos identificado las variables Efectivos/Km2 Colombia como
variable cuantitativa dependiente y como variables independientes la Vctimas de asesinatos
selectivos (X1) y las Minas antipersona (X2).

b. Realizar el diagrama de dispersin de dichas variables.

Vctimas de asesinatos selectivos

9
8
7
6
5
No. de vctimas 4
3
2 f(x) = - 21.7x + 5.74
1 R = 0.02
0
0.15 0.16 0.17 0.18 0.19 0.2 0.21 0.22

Efectivos/Km2 Colombia
 11

Minas antipersona
16

14

12

10

8
No. de minas
6

4
f(x) = - 80.86x + 18.35
R = 0.17
2

0
0.15 0.16 0.17 0.18 0.19 0.2 0.21 0.22

Efectivos/Km2 Colombia

c. Calcular la recta de regresin y el coeficiente de correlacin para probar estadsticamente su

relacin.

Recta de regresin: y = 0,1922 0,0011x1 0,0021x2

Coeficiente de determinacin: R2 = 0,19395 lo cual quiere decir que es 19% confiable.
Coeficiente de correlacin mltiple: r = 0,44 que es una correlacin MNIMA como quiera que
0,30 < r < 0,60.
 12

d. Relacionar la informacin obtenida con el problema.

Los resultados obtenidos nos muestran que la variables Efectivos/Km2 Colombia, Vctimas de
asesinatos selectivos y Minas antipersona se relacionan a travs del modelo matemtico de
regresin mltiple y = 0,1922 0,0011x1 0,0021x2. Este modelo explica el 19% de
confiabilidad y las variables estudiadas se encuentran correlacionadas de manera mnima.

efectivos por minas vctimas de

km cuadrado anti asesinatos
Colombia persona selectivos
(y) (x1) (x2)
0,158613132 3 3
0,159607616 5 7
0,160126926 3 0
0,160328358 6 0
0,160430248 4 4
0,161255228 5 5
0,161735097 8 1
0,162106972 6 0
0,162434711 7 0
0,163243257 9 2
0,163644713 4 1
0,16402504 4 0
0,164567827 6 2
0,164868801 1 0
0,165358061 9 0
0,167006143 5 0
0,167678523 7 1
0,167725477 14 1
0,167910006 15 0
0,168110499 8 2
0,168265447 15 2
0,168289394 11 8
0,168310054 2 1
0,169509726 2 3
0,170498575 2 0
0,170719259 5 5
0,172728886 1 1
0,172856601 2 3
 13

0,172966003 5 0
0,1735703 4 0
0,173597534 2 1
0,17445679 2 4
0,174506092 3 6
0,17455868 2 1
0,175481794 4 0
0,175622656 2 4
0,177478274 2 4
0,177847802 1 1
0,1781145 1 0
0,178157228 4 7
0,178271796 2 1
0,179740514 2 0
0,180536852 2 3
0,181073066 3 1
0,181197024 2 4
0,181539788 1 6
0,181711639 2 0
0,181817755 2 5
0,183784185 2 3
0,184052761 4 2
0,184574419 1 1
0,18512378 1 8
0,185804612 2 3
0,187014144 3 4
0,187041378 2 3
0,187188813 2 2
0,187577591 2 0
0,187581817 3 0
0,187588391 2 2
0,188079529 3 3
0,189521014 2 2
0,189658589 2 0
0,19011545 1 0
0,190556348 2 0
0,190994897 2 1
0,191204311 3 0
0,191963087 1 2
0,192307728 3 1
0,192893713 3 0
0,193708364 3 1
 14

0,193953933 2 0
0,194423002 3 2
0,194972363 1 3
0,195072375 4 0
0,195326865 3 1
0,19541326 4 5
0,195640048 4 1
0,196908742 3 0
0,19698246 3 0
0,197028475 2 2
0,197409271 4 3
0,198060522 4 1
0,198081651 4 1
0,198427232 3 0
0,198995374 2 3
0,201336496 2 0
0,203258789 3 0
0,203992679 4 0
0,204690414 4 0
0,205068863 4 0
0,205260904 1 2
0,206882692 4 1
0,206901004 1 2
0,207065343 4 4
0,20811805 1 1
0,209210198 3 0


Conclusiones

Cotidianamente en casos de la vida real se requiere conocer la relacin que existen entre

variables ya sea como ejemplo peso con relacin a la altura para poder comprender su

comportamiento, se podra decir que muchos de los comportamiento que existen entre las

variables tienden a ser lineales aunque existen muchas ms.

Tambin conocimos la correlacin que existe entre variables que busca en si dar el grado

de relacin que existe entre ellas, estas sern calculadas con los coeficientes de correlacin y

se conoce como correlacin positiva y correlacin negativa.

Referencias bibliogrficas

Ortegon, P. M. (2016).[OVA]. Regresin y Correlacin lineal. Recuperado de:

http://www.unadzsurlab.com/ovas_ibague/regresion/

Montero, J.M. (2007).Regresin y Correlacin Simple. Madrid: Paraninfo. Paginas. 130

172. Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE

%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b82c81e98fcc1361e19

29abe203c8219

Churchill, G.A.(2009).Anlisis de Correlacin y de Regresin Simple. Mxico City: Cengage

Learning. Pginas 675 686 Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE

%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e558184ed89e57d11ed

e116134cfce41

Churchill, G.A.(2009). "Anlisis de Regresin Mltiple." Investigacin de mercados. Mxico

City: Cengage Learning. Pginas 686 695.Recuperado de:

http://go.galegroup.com/ps/i.do?id=GALE

%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=49575112db86a0eb46d

ae86bbaf74cb9

Montero, J.M. (2007).Regresin y Correlacin Mltiple. Madrid: Paraninfo. Pginas 191

225. Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE

 %7CCX4052100012&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=47eaa8f46c19ad13af26

a0a74e510de2

Anexo

Laboratorio Regresin y correlacin lineal

1. Se quiere estudiar la asociacin entre consumo de sal y tensin

arterial. A una serie de voluntarios se les administra distintas dosis de sal
en su dieta y se mide su tensin arterial un tiempo despus.

X Y
(Sal) (Tensin)
a. Realice el 1,6 98 diagrama de dispersin
y determine el tipo 2,3 102 de asociacin entre las
variables. 3,3 109
4,2 113
4,6 115
5,0 120
 Consumo de sal vs Tensin arterial
140
120
100 f(x) = 6.11x + 88.13
R = 0.99
80
Tensin 60
40
20
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

Consumo de sal

La asociacin entre las variables es DIRECTA como quiera que al

aumentar el consumo de sal aumenta el valor de la tensin.

b. Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?
y = 6,1062x + 88,128 Coeficiente de determinacin R2 = 0,987,
quiere decir que es 99% confiable.

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

Coeficiente de correlacin R = 0,99 que es una correlacin EXCELENTE
como quiera que 0,90 < R < 1.

d. Si a un paciente se le administra una dosis de sal de 5,6. Cul es la

tensin arterial esperada?
y = 6,1062(5,6) + 88,128 y = 34,1947 + 88,128 y = 122

2. En un nuevo proceso artesanal de fabricacin de cierto artculo que

est implantado, se ha considerado que era importante ir anotando
peridicamente el tiempo medio (medido en minutos) que se utiliza para
realizar una pieza y el nmero de das desde que empez dicho proceso
de fabricacin. Con ello, se pretende analizar como los operarios van
adaptndose al nuevo proceso mejorando paulatinamente su proceso de
produccin.
Los siguientes datos representan dicha situacin:

2 3 4 5 6
 X 12 3 5 2 3 5 70
3 2 2 2 2
Y 45 0 7 5 3 1 20

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

realice el diagrama de dispersin y determine el tipo de asociacin entre
las variables.
X = Nmero de das desde que empieza el proceso de fabricacin.
Y = Tiempo medio en minutos que se utiliza para realizar una pieza.

Tiempo inicio vs Tiempo produccin

50

40
f(x) = - 0.36x + 42.57
30
R = 0.8
Minutos de produccin 20

10

0
0 10 20 30 40 50 60 70 80

Das de inicio

La asociacin entre las variables es INVERSA como quiera que al

transcurrir el tiempo desde su inicio de produccin del proceso disminuye
el tiempo de produccin de una pieza.

b. Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?
y = -0,3566x + 42,569 Coeficiente de determinacin R2 = 0,7963,
quiere decir que es 80% confiable.

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

Coeficiente de correlacin R = 0,89 que es una correlacin ACEPTABLE
como quiera que 0,80 < R < 0,90.
d. Qu tiempo deber tardarse un empleado cuando lleven 90 das?
Y = -0,3566(90) + 42,569 y = -32,094 + 42,569 y = 10 minutos.

 3. Una nutricionista de un hogar infantil desea encontrar un modelo

matemtico que permita determinar la relacin entre el peso y la estatura
de sus estudiantes. Para ello selecciona 10 nios y realiza las mediciones
respectivas.
A continuacin se presentan los resultados:

1 1 1 1 1 1 1 1 1 1
Estatura
2 2 0 1 1 1 1 0 1 1
(cm)
0 4 7 8 2 0 5 4 0 6
2 2 1 2 2 1 2 1 2 2
Peso ( kg)
4 3 9 4 1 9 2 6 0 3

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

realice el diagrama de dispersin y determine el tipo de asociacin entre
las variables.
X = Estatura en centmetros (variable independiente).
Y = Peso en kilogramos (variable dependiente).

Estatura vs Peso
30
25
f(x) = 0.39x - 22.75
20
R = 0.83
15
Peso (kgs)
10
5
0
100 105 110 115 120 125 130

Estatura (cms)

La asociacin entre las variables es DIRECTA como quiera que al

aumentar la estatura del nio aumenta su peso.

b. Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?
y = 0,386x 22,751 Coeficiente de determinacin R2 = 0,8329,
quiere decir que es 83% confiable.
c. Determine el grado de correlacin de las dos variables.
 Coeficiente de correlacin R = 0,91 que es una correlacin EXCELENTE
como quiera que 0,90 < R < 1.

d. Cul es el peso que debera tener un estudiante que mida 128 cm?
y = 0,386(128) 22,751 y = 49,408 22,751 y = 27 kilogramos.