Estadística descriptiva

Unidad 3 paso 4

Presentado por:
Luisa Fernanda Varela Rodríguez

Presentado a:
Milton Eduardo Salgado

Grupo15:

Fecha:
28/04/20

Universidad Nacional Abierta y a Distancia UNAD.

Actividad 1. Mapa Mental
Resumir mediante un mapa mental las medidas estadísticas Bivariantes de regresión, describiendo
ampliamente al menos una de ellas, regresión lineal simple o regresión múltiple.
 Actividad 2. Definición de Conceptos.
Descripción de la Actividad:

Definir brevemente los conceptos básicos asociados a Regresión y Correlación como:

-Diagrama de dispersión.

El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos asociados de datos que
aparecen en pares (por ejemplo, (x, y), uno de cada conjunto). El diagrama muestra estos pares como
una nube de puntos.
Las relaciones entre los conjuntos asociados de datos se infieren a partir de la forma de las nubes.
 
 Una relación positiva entre X Y significa que los valores crecientes de x están asociados con los
valores crecientes de y.
 Una relación negativa significa que los valores crecientes de x están asociados con los valores
decrecientes de y. 
 -Correlación lineal simple.

La correlación, también conocida como coeficiente de correlación lineal (de Pearson), es una medida de
regresión que pretende cuantificar el grado de variación conjunta entre dos variables.

Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos variables, es decir, si
se representan en un diagrama de dispersión los valores que toman dos variables, el coeficiente de
correlación lineal señalará lo bien o lo mal que el conjunto de puntos representados se aproxima a una
recta.

-Coeficiente de determinación R2

El coeficiente de determinación, se define como la proporción de la varianza total de la variable explicada

por la regresión. El coeficiente de determinación, también llamado R cuadrado, refleja la bondad del
ajuste de un modelo a la variable que pretender explicar.
Es importante saber que el resultado del coeficiente de determinación oscila entre 0 y 1. Cuanto más
cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable que estamos intentando
explicar. De forma inversa, cuanto más cerca de cero, menos ajustado estará el modelo y, por tanto,
menos fiable será.
 -Correlación positiva y correlación negativa

La correlación puede decir algo acerca de la relación entre las variables. Se utiliza para entender:
1. si la relación es positiva o negativa
2. la fuerza de la relación.

La correlación es una herramienta poderosa que brinda piezas vitales de información.

En el caso del ingreso familiar y el gasto familiar, es fácil ver que ambos suben o bajan juntos en la misma
dirección. Esto se denomina correlación positiva.

En caso del precio y la demanda, el cambio se produce en la dirección opuesta, de modo que el aumento
de uno está acompañado de un descenso en el otro. Esto se conoce como correlación negativa.
 -¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

la correlación estadística es medida por lo que se denomina coeficiente de correlación (r). Su valor
numérico varía de 1,0 a -1,0. Nos indica la fuerza de la relación.
En general, r> 0 indica una relación positiva y r <0 indica una relación negativa, mientras que r = 0 indica
que no hay relación (o que las variables son independientes y no están relacionadas). Aquí, r = 1,0
describe una correlación positiva perfecta y r = -1,0 describe una correlación negativa perfecta.

Cuanto más cerca estén los coeficientes de +1,0 y -1,0, mayor será la fuerza de la relación entre las
variables.

Como norma general, las siguientes directrices sobre la fuerza de la relación son útiles (aunque muchos
expertos podrían disentir con la elección de los límites).

Valor de r Fuerza de relación

-1,0 A -0,5 o 1,0 a 0,5 Fuerte
-0,5 A -0,3 o 0,3 a 0,5 Moderada
-0,3 A -0,1 o 0,1 a 0,3 Débil
-0,1 A 0,1 Ninguna o muy débil
La correlación es solamente apropiada para examinar la relación entre datos cuantificables significativos
(por ejemplo, la presión atmosférica o la temperatura) en vez de datos categóricos, tales como el sexo, el
color favorito, etc.
BILIOGRAFIA

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 151 – 158

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage Learning.
Páginas 675 – 686