ESTADISTICA DESCRIPTIVA

PASO 4. ANÁLISIS DELA INFORMACIÓN.

PRESENTADO POR

JAIRO DAVID VILLOTA PEÑA

CÓDIGO: 1143870926

GRUPO: 100105_260

TUTORA: MARIA JOSE CHARFUELAN

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ADMINITRACION DE EMPRESA

SAN JUAN DE PASTO

MAYO DEL 2020

 INTRODUCCIÓN

La realización de este trabajo medias estadísticas vibrantes de regresión

y correlación sobre la unidad 4 de este curso estadística descriptiva,
además de los comportamientos que se dan en el plano cartesiano tanto
en las variables, como los grados y resultados que se manejan en la
actividad el laboratorio propuesto, que es de vital importancia reconocer
y manejar las fórmulas que se obtienen de la herramienta de Excel, e
infostaf
 JUSTIFICACIÓN

La estadística es una disciplina aplicada en todos los campos de la vida

humana, de ahí que se tiene como una materia indispensable en todas
las áreas y carreras del conocimiento de nivel profesional. La
importancia de este trabajo es aprender sobre la estadísticas bivariantes
a realizar diagramas de dispersión, regresión y correlación entre las
variables.
OBJETIVOS

Objetivo General

 Comprender los conceptos de estadísticas bivariantes. Para

detallar y relacionar variables utilizando medidas bivariantes para
poder desarrollar los diferentes ejercicios plasmados en este taller

Objetivos Específicos

 Desarrollar los laboratorios respectivos de cada estudiante

 Analizar los contenidos de esta unidad
 Aplicar los conceptos adquiridos de esta unidad
 MAPA MENTAL

Definir brevemente los conceptos básicos asociados a Regresión

y Correlación como

Diagrama de dispersión: define como el grado de distanciamiento de

un conjunto de valores respecto a su valor medio, también conocido
como gráfico de dispersión o gráfico de correlación consiste en la
representación gráfica de dos variables para un conjunto de datos. En
otras palabras, analizamos la relación entre dos variables, conociendo
qué tanto se afectan entre sí o qué tan independientes son una de la
otra.

En este sentido, ambas variables se representan como un punto en el

plano cartesiano y de acuerdo a la relación que exista entre ellas,
definimos su tipo de correlación.

Correlación lineal simple: nos permite obtener relación entre dos

conjuntos de puntuaciones. Para investigar la relación entre dos
variables es conveniente considerar:

 Las observaciones que muestran los valores de las variables

 Si se tiene “n” observaciones bidimensionales, cada par de

puntos(X, Y) se representa en un sistema de coordenadas
rectangulares por un punto como parejas de observaciones se
tenga.

 La representación de los puntos en el sistema de coordenadas

rectangulares, da origen al diagrama de dispersión.

 El diagrama de dispersión en una gráfica en la que cada punto

trazado representa el par de valores observados de las
variables independientes y dependientes.

 La gráfica del diagrama de dispersión nos permite visualizar el

valor de la variable independiente “X” en el eje horizontal y el
valor de la variable dependiente “Y” en el eje vertical

Coeficiente de determinación R2:

El coeficiente de determinación que se conoce también como r2, es un
término utilizado en estadística, que 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.

Es el cuadrado de correlación que mide que parte viene explicada en

una determinada variante como parte de una variación, esto quiere
decir cual se puede predecir a través de la variación de la otra.

Correlación positiva. Cuando al crecer una variable, crece también la

otra.

Correlación negativa Cuando al crecer una variable, decrece la otra.

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

medir?
El Coeficiente de correlación es una medida que permite conocer el
grado de asociación lineal entre dos variables cuantitativas (X, Y).

En los siguientes Diagramas de dispersión se puede observar que

existe una relación lineal entre la variable X y la variable Y.
 Laboratorio de Regresión y correlación lineal

Opción Ejercicio 1 Ejercicio 2 Ejercicio 3 Estudiante

4 1.3 Edad – Masa 1.6 Estatura-Peso 1.8 PIB – Jairo David
Muscular. Consumo de Villota peña
electricidad

1.3 Edad – Masa Muscular.

Una nutricionista desea estudiar la relación entre la edad y la
masa muscular de las personas, y para realizar el estudio
seleccionó un grupo de mujeres con características semejantes,
con edades diferentes y midió su masa muscular. La nutricionista
registró los datos de edad y masa muscular en las siguientes
tablas:

Edad Masa muscular

57 98
75 83
70 90
62 98
41 67
44 90
66 80
55 69
72 74
67 79
53 100
57 60
 75 84
64 110
44 70

Debemos determinar cuáles X y Y

a) Realice el diagrama de dispersión y determine el tipo de

asociación entre las variables.
El tipo de asociación es de tendencia lineal creciente porque a medida
que aumenta la edad la masa muscular descendiente

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

sobre la otra es:

Coeficiente de determinación

R²=0,0395*100=3,95%
Nos quiere decir que la relación entre la edad y la masa muscular que
el modelo no es muy confiable 3,95%

c) Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.

raíz cuadrada de R² cuadrada= 0,1987

no ha correlación entre edad y masa muscular
d) ¿Cuál sería la masa muscular esperada de una persona de 40
años?
cual seria la masa muscular de personas de 40 años
Y=0,2512 *(40)+68,361
y=78,409
la masa de muscular de la persona de 40 años debe estar entre los 78,409

1.6 Estatura-Peso.

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

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

 El tipo de asociación del diagrama de dispersión es

LINEAL.

b. Encuentre el modelo matemático que permite predecir el

efecto de una variable sobre la otra. ¿Es confiable?

R² = 0.8329*100%=83.29

Se puede decir que es confiable un 83%

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

 R² 0.8329= 0.91
La correlación lineal es excelente

d. ¿Cuál es el peso que debería tener un estudiante que mida 114

cm?
y = 0.386*(114)

Y=44,004-22,751=22,253

El estudiante que mide 114cm debe pesar 22.253kg

1.8 PIB – Consumo de electricidad

Una compañía multinacional del servicio de telecomunicaciones en
Colombia, como medio de planeación estratégica para la toma de
decisiones, solicita a su departamento financiero, hacer
predicciones económicas del valor anual de sus ventas totales,
versus el PIB nacional de las últimas dos décadas, para la toma de
decisiones para la apertura de nuevos mercados. Realice el
diagrama de dispersión y determine el tipo de asociación entre las
variables.
Consumo
PIB de
de
Año la
electricidad
Nación
en MWh
2008 2,069 429,4
2009 2,066 427,2
2010 2,221 465,9
2011 2,309 482,2
 2012 2,353 499,6
2013 2,424 517,4
2014 2,436 533,8
2015 2,35 525,8
2016 2,269 521,2

EMPRESA DE TELECOMUNICACIONES
600
500 f(x) = 13.9 x − 27477.63
R² = 0.87
400
300
200
100
0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

PIB de la Nación
Consumo de electricidad en MWh
Linear (Consumo de electricidad en MWh)

El tipo de asociación es de tendencia lineal

a. Ajuste un modelo matemático que permita predecir el efecto de

una variable sobre la otra. ¿Es confiable?

El modelo matemático que permite predecir el efecto de una

variable sobre la otra es:

R²=0,8737*100=87.37%
 Modelo es confiable

b. Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.

R²=0,8737
=0.934
Si hay correlación excelente 0.934

c. ¿Cuál podría ser la proyección de PIB para el año 2021 si se

espera que el PIB nacional sea del 3,7
Y=13.9*(3.7)-27478 = 27.472

El pib nacional es de 3.7 para el 2021 es deber ser de 27.472

Análisis de correlación simple de las variables cuantitativas

seleccionadas

A partir de la base de datos suministrada: Pruebas SABER 11 - 220

estudiantes 2020 (16-1), cada estudiante, deberá:
Identificar dos variables cuantitativas de la situación estudiada que
puedan estar relacionadas e identificar la variable dependiente e
independiente.
 Realizar el diagrama de dispersión de dichas variables y determinar el
tipo de relación entre las variables.

Según la gráfica ha y una relación directa aparentemente entre el

número de libros y el promedio general que tiene los estudiantes

- Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?
R²=0.11*100=11% no es confiable un 11%

- Determine el grado de correlación de las dos variables.

R²=0.11 = 0.33 no hay una correlación mínima entre promedio general

y n de libros consultados

- Relacionar la información obtenida con el problema.

Se considera que n de libros de consulta y el promedio general esta

correlaciona en la mínima parte, pero probamos estadísticamente ya
que solo este modelos es confiable en 11% lo que indica que debemos
coger más variables para un buen resultado
 Conclusiones.

 Se pudo evidenciar que para manejar cualquier tipo de variables

se necesita realizar un diagrama de dispersión y aplicar conceptos,
fórmulas de relación y correlación que permita el despeje de las
ecuaciones y datos para obtener un resultado.

 Los ejemplos nos muestran que son acordes a un tipo de forma

lineal y la correlación es confiable para los tipos de datos.

 Hallamos los comportamientos que tienen tendencia lineal y

determinamos el grado de correlación entre las variables.
 Referencias bibliográficas

 Pava, M. (2017). ESTADÍSTICA DESCRIPTIVA. [Online]

Estadisticadescriptivaunad100105.blogspot.com.co. Available at:

http://estadisticadescriptivaunad100105.blogspot.com.co/

 Robles Fabián, D. (2017). Regresión multiple - Monografias.com. [Online]

Monografias.com. Available at: http://www.monografias.com/trabajos30/regresion-

multiple/regresion-multiple.shtml

 Ortegón Pava, Milton Fernando. Análisis de las medidas univariantes

https://www.youtube.com/watch?v=Ktk263q-W-4