Paso 4 - Daniela Higuita Rodríguez

Unidad 3 –Paso 4
DESCRIPCIÓN DE LA INFORMACIÓN
PRESENTADO POR:
Daniela Higuita Rodríguez
Código: 1007316019
Grupo 204040_298
PRESENTADO A:
Victoria Gutierrez
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES – ECSAH
PROGRAMA DE PSICOLOGÍA
ESTADÍSTICA DESCRIPTIVA
Mayo del 2020
1
TABLA DE CONTENIDO
Contenido
INTRODUCCIÓN........................................................................................................................3
JUSTIFICACIÓN........................................................................................................................4
OBJETIVO GENERAL...............................................................................................................5
OBJETIVOS ESPECIFICOS...............................................................................................5
MAPA MENTAL DE LAS MEDIDAS ESTADÍSTICAS BIVARIANTES DE
REGRESIÓN Y CORRELACIÓN...........................................................................................6
DEFINICIÓN DE CONCEPTOS............................................................................................7
 Diagrama de dispersión.......................................................................................7
 Correlación lineal simple.....................................................................................7
 Coeficiente de determinación R2....................................................................7
 Correlación positiva y correlación negativa.............................................7
 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a
medir?....................................................................................................................................8
ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE DE LAS DOS VARIABLES
CUANTITATIVAS SELECCIONADAS. (LABORATORIO)........................................9
ANÁLISIS DE CORRELACIÓN MÚLTIPLE DE LAS VARIABLES
CUANTITATIVAS SELECCIONADAS.............................................................................12
CONCLUSIONES......................................................................................................................16
REFERENCIAS BIBLIOGRÁFICAS..................................................................................17
2
INTRODUCCIÓN
Hasta ahora se ha estudiado el análisis de una sola variable, calculando

los estadísticos de muestras que permiten describir e interpretar la
distribución de esa variable. En este trabajo se estudiará el
comportamiento de dos variables: medidas estadísticas bivariantes;
esto, con el fin de determinar si existe alguna relación entre las mismas.
El estudio conjunto de las variables será llevado a cabo a través de la
problemática que se ha venido desarrollando en unidades anteriores
denominada: “Indicadores de accidentalidad -220 municipios 2020 (16-
1)”.
Del mismo modo, se desarrollan y aplican conceptos como regresión
lineal, coeficiente de determinación lineal, análisis de correlación,
regresión simple, diagramas de dispersión, análisis de correlación
múltiple, coeficiente de determinación y coeficiente de correlación con el
fin de identificar, calcular e interpretar las medidas bivariantes en
función de la descripción de la problemática.
3
JUSTIFICACIÓN
En muchos casos se requiere conocer más que el comportamiento de

una sola variable y se es necesario reconocer la relación entre dos o
más variables muestrales en una población.
Para la presente investigación la cual se enfoca en índices de
accidentalidad tomando como muestra 200 municipios, encontrar e
identificar las medidas bivariantes permite determinar la asociacón
entre variables, establecer modelos matemáticos que predicen el efecto
de una sobre la otra e implantar el porcentaje de confiabilidad del
mismo, probando así estadisticamente las relaciones.
De esta manera, es posible re-definir e iniciar gestiones en las entidades
territoriales para lograr la implementación de acciones y medidas
integrales de prevención.
4
OBJETIVO GENERAL
Implementar técnicas de medidas bivariantes de regresión y correlación

simple, aplicándolas a las variables cuantitativas, que mantengan
relación, halladas en la base de datos: “Indicadores de accidentalidad
-220 municipios 2020 (16-1)”.
OBJETIVOS ESPECIFICOS
 Analizar datos agrupados para encontrar su relación.

 Encuentrar el modelo matemático que permite predecir el efecto
de una variable sobre la otra.
 Utilizar la herramienta infosfat en el analisis de las variables
relacionadas para el desarrollo de resultados e interpretaciones de
los mismos.
 Representar las observaciones en diagramas de dispersión.
 Reconocer a partir de los diagramas de dispersión si hay relación
entre las variables, de qué tipo, y si es posible predecir el valor de
una de ellas en función de la otra.
5
MAPA MENTAL DE LAS MEDIDAS ESTADÍSTICAS BIVARIANTES
DE REGRESIÓN Y CORRELACIÓN
Link del recurso:

https://www.mindomo.com/mindmap/39bb3e13ca514e61915700c6434
6edb8
6
DEFINICIÓN DE CONCEPTOS.
 Diagrama de dispersión.
Es un tipo de gráfico estadístico. Si representamos cada par de valores

de la variable bidimensional (X,Y) como las coordenadas de un punto,
al conjunto de todos ellos se les llama nube de puntos o diagrama de
dispersión. Este permite hacer predicciones basadas en los datos; se
analiza la relación entre las 2 variables, conociendo en qué forma se
afectan la una a la otra o en caso contrario qué tan independientes
pueden ser una de la otra.
 Correlación lineal simple.
Trata de establecer la relación o dependencia que existe entre las dos

variables que intervienen en una distribución bidimensional. Permite
medir el grado de asociación lineal entre dos variables cuantitativas. La
forma más simple de analizarlo es mirar si las variables COVARÍAN.
 Coeficiente de determinación R2
Es el porcentaje de la explicación de la variabilidad total de la variable

estudiada que ofrece el modelo; refleja la bondad del ajuste de un
modelo a la variable que pretender explicar y se utiliza para saber si
un modelo es adecuado.
 Correlación positiva y correlación negativa
En la correlación positiva la relación es directamente proporcional; los

valores de una variable tienden a ser altos cuando los valores de la otra
tambien son altos. Es decir, los valores de Y tienden a crecer de manera
lineal mientras los valores de X crecen. También, los valores de una
variable tienden a ser bajos cuando los valores de la otra variable
también lo son.
En la correlación negativa la relación es inversamente proporcional:
los valores de una variable tienden a ser altos cuando los valores de la
7
otra variable son bajos. De la misma manera, los valores una variable
tienden a ser bajos cuando los valores de la otra variable son altos.
Por ejemplo: cuando los valores de Y parecen decrecer de manera lineal
conforme los valores de X crecen.
 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda

a medir?
Es una medida de dependencia lineal entre dos variables aleatorias

cuantitativas y mide el grado de intensidad, fuerza y el sentido de la
relación lineal entre dos variables cuantitativas.
8
ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE DE LAS DOS
VARIABLES CUANTITATIVAS SELECCIONADAS. (LABORATORIO)
Los cálculos están realizados a partir de la base de datos “Indicadores

de accidentalidad -220 municipios 2020 (16-1)”
a. Identificar dos variables cuantitativas de la situación estudiada que

puedan estar relacionadas.
Variable dependiente: Fallecidos enero-febrero 2019

Variable independiente: Usuario de bicicleta
b. Realizar el diagrama de dispersión de dichas variables y determinar

el tipo de asociación entre las variables.
Diagrama de dispersión
9
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil EstudiosVersión
Versión Estudiantil de accidentes
Estudiantil de tránsito
Versión en Colombia
Estudiantil Versión Estudiantil
388,80
Fallecidos ene- feb 2019

290,90
193,00
95,10
-2,80
Versión Estudiantil Versión Estudiantil
0,10 Versión5,05Estudiantil
10,00Versión 14,95
Estudiantil 19,90
Versión Estudiantil
Versión Estudiantil Versión EstudiantilUsuario
Versiónde
Estudiantil
bicicleta Versión Estudiantil Versión Estudiantil
Tipo de relación: Lineal

A partir del diagrama de dispersión se observa que hay una tendencia
lineal; a medida que va aumentando el número accidentes de usuarios
de bicicleta, aumenta el número de fallecidos.
c. Encontrar el modelo matemático que permite predecir el efecto de

una variable sobre la otra. ¿Es confiable?
Coeficientes de regresión y estadísticos asociados
Método de los mínimos cuadrados:
Y =a+bx
Entonces,
Y= 6,87X+ 7,14 Modelo matemático
10
Análisis de regresión lineal
R2= 0, 48
Entonces, 0,48 x 100= 48
De acuerdo con el coeficiente de determinación, se tiene que el modelo

matemático encontrado solo es confiable en un 48%  poca
confiabilidad.
d. Determine el grado de relación de las dos variables.
Coeficiente de correlación:
r =√ R 2
Entonces, r =√ 0,48 = 0,69
Según la tabla, la correlación entre las dos variables, es regular.
e. Relacionar la información obtenida con el problema.
11
En el caso estudiado de accidentes de tránsito en Colombia, los
resultados anteriores indican que el grado de confiabilidad entre las
variables usuarios de bicicleta y fallecidos entre enero-febrero del
2019 es de 48%, lo cual significa que es de poca confiabilidad; existe
una correlación regular entre ellas ya que su coeficiente corresponde
a 0,69; por lo tanto, el número de fallecidos no depende de la cifra de
usuarios de bicicleta accidentados.
f. Establezca al menos 3 nuevos valores independientes para ser

hallados a través del modelo matemático calculado.
Y= 6,87X+ 7,14 Modelo matemático

Y= Estimado del número de fallecidos
X= Número de usuarios que se accidentaron en bicicleta
Valores dados:
X1: 20
X2: 35
X3: 40
Reemplazando, para X1
Y= 6,87 (20) + 7,14
Y= 137,4+7,14
Y= 144,54  aproximadamente 145 fallecidos.
Para X2,
Y= 6,87 (35) + 7,14
Y= 240,45+7,14
Para X3,
Y= 6,87 (40) + 7,14
Y= 274,8+7,14
ANÁLISIS DE CORRELACIÓN MÚLTIPLE DE LAS VARIABLES

CUANTITATIVAS SELECCIONADAS.
12
a. Identificar una variable cuantitativa dependiente y varias variables
cuantitativas independientes del estudio de investigación.
Variable dependiente: Lesionados enero-febrero 2019

Variebles independientes:
 Usuario de moto
 Usuario transporte de pasajeros
b. Realizar el diagrama de dispersión de dichas variables.
Grafico Versión
1. Estudiantil
RPAR Lesionados ene - feb 2019 Usuario T.Pasajeros
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Relación
Versión usuarios
Estudiantil T. Pasajeros
Versión Estudiantil accidentados VS lesionados
Versión Estudiantil ene-feb Versión
Versión Estudiantil 2019 Estudiantil
Grafico
98,94
2.Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
68,27
37,60
6,92
-23,75
Versión Estudiantil Versión Estudiantil
4,10 Versión Estudiantil
9,05 Versión Estudiantil Versión
14,00 18,95Estudiantil 23,90
Versión Estudiantil
Versión Estudiantil Versión Estudiantil VersiónUsuario
Estudiantil Versión
T.Pasajeros Estudiantil Versión Estudiantil Versión Estudiantil
13
c. Calcular la recta de regresión y el coeficiente de correlación para probar
estadísticamente su relación.
Coeficientes de regresión y estadísticos asociados
X1: Usuario de moto

X2: Usuario T. Pasajeros
Entonces,
Y= 1,03(X1)-1, 18(X2)+6,85 Modelo matemático para la recta de
regresión.
Análisis de regresión lineal
R2= 0,61
Por lo tanto, 0,61 x100= 61%
En consecuencia, para el coeficiente de correlación, se tiene:
r =√ R 2
r =√ 0,61 = 0,78  correlación regular
14
d. Relacionar la información obtenida con el problema.
Para el caso estudiado de accidentes de tránsito en Colombia, los

resultados anteriores donde se tomaron en cuenta las variables:
lesionados enero-febrero 2019, usuario de moto y usuario transporte de
pasajeros, se determina que hay una correlación regular entre estas
dado que su valor de coeficiente es 0,78. Además, se encuentran
relacionadas a traves de un modelo matemático Y= 1,03(X1)-1,
18(X2)+6,85, el cual posee una confiabilidad del 61%.
15
CONCLUSIONES
 Mediante el trabajo realizado se hace evidente que los gráficos de

dispersión son de gran ayuda para el buen análisis del
comportamiento de dos variables de las cuales se estima algún
tipo de relación, y por ende demostrar que tanto puede afectar
una a otra.
 Las medidas de dispersión contribuyen a la realización de una

comparación entre las posibles variaciones que pueden tener
algunos datos que se están estudiando.
 Tanto las medidas de dispersión como los gráficos de dispersión

sirven para observar el comportamiento que tienen algunos datos
que son objeto de estudio y que pretenden mostrar la relación que
existe entre los mismos o por el contrario una total desconexión
que impide brindar soluciones.
 Se muestra la importancia de la estadística para el análisis de

datos de acuerdo a estudios previos en circunstancias que
necesitan de un proceso para llegar a conclusiones determinantes
en cada una de ellas. Además de lo anterior se puede evidenciar la
ayuda que brindan las gráficas para el estudio de los datos, con el
fin de dar soluciones precisas que contribuyan a mejores
resultados de las situaciones objeto de estudio.
16
REFERENCIAS BIBLIOGRÁFICAS
- Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:
Paraninfo. (pp 151 – 158). Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=
b82c81e98fcc1361e1929abe203c8219
- Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.
México City: Cengage Learning. (pp 675 – 686). Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE
e558184ed89e57d11ede116134cfce41
- Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación
de mercados. México City: Cengage Learning.(pp 686 –
695).Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
49575112db86a0eb46dae86bbaf74cb9
17
- Shmoop Editorial Team. (2008, November 11). Estadística básica y
probabilidades Diagrama de dispersión y correlación. Recuperado
de: https://www.shmoop.com/estadistica-basica-
probabilidades/diagrama-dispersion-correlacion.html
- Alfonso Peiro Ucha. (2015). Coeficiente de correlación lineal.
economipedia.com. Recuperado de:
https://economipedia.com/definiciones/coeficiente-de-correlacion-
lineal.html
- Josefina Pacheco. (2020). ¿Qué Es El Diagrama De Dispersión Y Cómo
Se Hace?. Webyempresas.com. Recuperado de:
https://www.webyempresas.com/diagrama-de-dispersion/
18

Paso 4 - Daniela Higuita Rodríguez

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Paso 4 - Daniela Higuita Rodríguez

Cargado por

Copyright:

Formatos disponibles

Unidad 3 –Paso 4

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

Hasta ahora se ha estudiado el análisis de una sola variable, calculando

En muchos casos se requiere conocer más que el comportamiento de

Implementar técnicas de medidas bivariantes de regresión y correlación

 Analizar datos agrupados para encontrar su relación.

Link del recurso:

Es un tipo de gráfico estadístico. Si representamos cada par de valores

 Correlación lineal simple.

Trata de establecer la relación o dependencia que existe entre las dos

Es el porcentaje de la explicación de la variabilidad total de la variable

 Correlación positiva y correlación negativa

En la correlación positiva la relación es directamente proporcional; los

 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda

Es una medida de dependencia lineal entre dos variables aleatorias

Los cálculos están realizados a partir de la base de datos “Indicadores

a. Identificar dos variables cuantitativas de la situación estudiada que

Variable dependiente: Fallecidos enero-febrero 2019

b. Realizar el diagrama de dispersión de dichas variables y determinar

Fallecidos ene- feb 2019

Tipo de relación: Lineal

c. Encontrar el modelo matemático que permite predecir el efecto de

Coeficientes de regresión y estadísticos asociados

Método de los mínimos cuadrados:

Y= 6,87X+ 7,14 Modelo matemático

De acuerdo con el coeficiente de determinación, se tiene que el modelo

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

Entonces, r =√ 0,48 = 0,69

Según la tabla, la correlación entre las dos variables, es regular.

e. Relacionar la información obtenida con el problema.

f. Establezca al menos 3 nuevos valores independientes para ser

Y= 6,87X+ 7,14 Modelo matemático

ANÁLISIS DE CORRELACIÓN MÚLTIPLE DE LAS VARIABLES

Variable dependiente: Lesionados enero-febrero 2019

b. Realizar el diagrama de dispersión de dichas variables.

Coeficientes de regresión y estadísticos asociados

X1: Usuario de moto

Análisis de regresión lineal

En consecuencia, para el coeficiente de correlación, se tiene:

r =√ 0,61 = 0,78  correlación regular

Para el caso estudiado de accidentes de tránsito en Colombia, los

 Mediante el trabajo realizado se hace evidente que los gráficos de

 Las medidas de dispersión contribuyen a la realización de una

 Tanto las medidas de dispersión como los gráficos de dispersión

 Se muestra la importancia de la estadística para el análisis de

- Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:

Paraninfo. (pp 151 – 158). Recuperado de

- Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.

México City: Cengage Learning. (pp 675 – 686). Recuperado de:

- Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación

de mercados. México City: Cengage Learning.(pp 686 –

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

probabilidades Diagrama de dispersión y correlación. Recuperado

- Alfonso Peiro Ucha. (2015). Coeficiente de correlación lineal.

economipedia.com. Recuperado de:

- Josefina Pacheco. (2020). ¿Qué Es El Diagrama De Dispersión Y Cómo

Se Hace?. Webyempresas.com. Recuperado de:

También podría gustarte