Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cead Yopal
Noviembre 2019
INTRODUCCION
La actividad está dirigida a una gran variedad de datos con mucha información
recolectada, dando soluciones por medio de un estudio descriptivo con reglas y fórmulas para
hallar la solución a cada problema, obteniendo óptimos resultados estadísticos, para predecir
o descifrar cualquier estudio en específico.
Objetivos
Objetivo General
Objetivos específicos.
Enlace: https://mm.tt/1374482930?t=A1nzQn0oYV
Diagrama de dispersión.
Los diagramas de dispersión nos permiten estudiar la relación que hay ente dos variables,
para realizar el diagramas se debe implementar un sistema de coordenadas rectangulares
(x,y), y los resultados de estas dos variables es el que forma el diagrama de dispersión.,
cuando son pares ordenados forman una línea recta (de ahí el nombre de correlación lineal).
Cuando los valores de la variable x aumentan y los valores de la variable y también
aumentan, entonces existe una correlación lineal positiva.
Pero si los valores de la variable x aumentan, y los valores de la variable y decrecen,
entonces existe una correlación lineal negativa.
(Fallas, 2012)
Coeficiente de determinación R2
Tiene como función principal predecir el resultado de hipótesis. Esto es fundamental en
cualquier estudio con fundamentos científicos y sus aplicaciones pueden tener un amplio,
rango como en la economía, el estudio de los mercados o para determinar el éxito de algún
producto, se determina mediante la siguiente formula:
(Riquelme, 2018)
Correlación positiva y correlación negativa
Es una correlación positiva cuando una relación entre una variable y otra es lineal y directa,
de manera que un cambio en una variable predice el cambio en la otra variable. En ese
caso, se dice que la correlación es positiva perfecta, es decir, ambas variables varían al
mismo tiempo. Este tipo de correlación es directamente proporcional.
Es una correlación negativa cuando la relación entre una variable y otra es opuesta o
inversa, es decir, cuando una variable cambia, la otra se modifica hacia lo contrario.
Entonces, cuando una posee variable valores altos, la otra posee valores bajos y mientras
este valor esté más cerca de -1, más evidente será esta covariación.
(Diferencias EU, s.f.)
¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
La correlación indica la fuerza y la dirección de una relación lineal entre dos variables
aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los
valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la
otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo
hacen también los de B y viceversa.”
El coeficiente de correlación sirve para medir la correlación entre 2 variables. La
ventaja que tiene este coeficiente sobre otras herramientas para medir la correlación, como
puede ser la covarianza, es que los resultados del coeficiente de correlación están acotados
entre -1 y +1. Esta característica nos permite comparar diferentes correlaciones de una
manera más estandarizada.
0
0,00 5,00 10,00 15,00 20,00 25,00 30,00 35,00 40,00 45,00 50,00
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,184380895
Coeficiente de determinación R^2 0,033996314
R^2 ajustado 0,025447609
Error típico 1,69142458
Observaciones 115
ANÁLISIS DE VARIANZA
Suma de Promedio de los Valor crítico
Grados de libertad cuadrados cuadrados F de F
Regresión 1 11,37723614 11,37723614 3,97677937 0,048539829
Residuos 113 323,2836334 2,86091711
Total 114 334,6608696
y=3,49+(-0,037)
R=0,18*100=18%
La correlación entre las variables son deficientes, ya que ofrecen el 18,41%
Los resultados anteriores indican que las variables cantidad de servicios públicos disponibles
y % Ocupantes en viviendas sin agua de acueducto no se encuentran de confiabilidad, esto
debido a que dichas variables se encuentran bajo una correlacion deficiente del
3%.relacionadas a través del modelo matemático y=3,49+(-0,037). Que explica el 18,41%.
255681
200000
153817
138226
136123
100534
92967
72812
69031
65219
64269
57717
57559
57340
6647
66557256
7051
6705
63166820 9545
9591
9088
8691
8781
8896
8276 11623
10837
10284
10029 16847
14648
14410
14011
14245
13737
13218
13225
12664
12119 17795
17322
17325
17545
16969
16573
15310
15454 21132
1863221206
18634
18084
18091
18096 21321
19005 26306
23845
23428
23241
22881
21871
21714
21475
20857 38291
37986
35050
34829
34182
31948
31166
30097
26174 51396
48839
48408
42164
41060
40697
40105
39020
0 3726
3405
3511
3574
3176
2517
2082
2171 4115
3755 5400
4234
37624323
3771 5638
5499
5515
44355545 5930
57555933
57986034
58146084
0 20 40 60 80 100 120
-200000
Muestra percentil
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0,143094218
Coeficiente de determinación
R^2 0,020475955
-
R^2 ajustado 0,005997668
Error típico 103531,0292
Observaciones 115
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor
libertad cuadrados cuadrados F crítico de F
Regresión 3 2,4871E+10 8290330760 0,77344742 0,51123656
Residuos 111 1,1898E+12 1,0719E+10
Total 114 1,2146E+12
Estadístico Inferior Superior
Coeficientes Error típico t Probabilidad Inferior 95% Superior 95% 95,0% 95,0%
-
Intercepción 77209,01297 52769,4178 1,46313937 0,14625518 -27357,1112 181775,137 27357,1112 181775,137
- -
Variable X 1 -1209,584 2051,16947 0,58970457 0,55658719 -5274,11323 2854,94523 5274,11323 2854,94523
- -
Variable X 2 -542,845721 1516,57111 0,35794281 0,72106588 -3548,03262 2462,34118 3548,03262 2462,34118
- -
Variable X 3 -730,636641 1528,78849 0,47791872 0,6336479 -3760,03309 2298,75981 3760,03309 2298,75981
y=77209,01+(-1209,58)+(-542,84)+(730,63)
R^2=0,02 El modelo matemático obtenido no es muy
confiable
2% del modelo obtenido explica el 3% de confiabilidad
r=0,14*100=14%
La correlación entre las variables son deficientes, ya que ofrecen el
14%
Análisis de la información obtenida: Los resultados anteriores indican que las variables,
Población total de habitantes y % Ocupantes en viviendas sin agua de acueducto y de
confiabilidad, esto debido a que dichas variables se encuentran bajo una correlación
deficiente del 2%.relacionadas a través del modelo matemático y=77209,01+(-1209,58)+(-
542,84)+(730,63). Que explica el 14% energía eléctrica, %viviendas con algún nivel de
hacinamiento; no se encuentran.
CONCLUSIONES
Con este trabajo puedo concluir que al tener pleno conocimiento en la temática de
medidas bivariantes, y varianza estoy en la capacidad de desarrollar ejercicios prácticos
donde interprete los resultados de la base de datos propuestos en este caso, con el cual se
determinó a través de tablas y graficas representativas los resultados para la moda. La cual
nos permite conocer de forma porcentual las cifras vigentes del caso en estudio, además de
conocer datos exactos sobre la cantidad y cualidades de la problemática para tener claridad
sobre el objeto de estudio.
Referencias bibliográficas
Matus, R., Hernández, Martha, and García, E (2010). Estadística. México, D.F., MX:
Instituto Politécnico Nacional, (2010). ProQuest ebrary. (pp 95-109). Recuperado
de http://site.ebrary.com/lib/unadsp/reader.action?ppg=12&docID=10365616&tm=147198
1556569
Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística 1. Distrito
Federal, MÉXICO: Grupo Editorial Patria. (pp 99-109). Recuperado
de http://site.ebrary.com/lib/unadsp/reader.action?ppg=6&docID=11230886&tm=1471982
022168