PASÓ 4

DESCRIPCIÓN DE LA INFORMACIÓN

PRESENTADO POR
CINDY PAMELA MARTINEZ PEREZ

PRESENTADO A
LUIS ROBINSON CAMELO

GRUPO
204040_66

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PSICOLOGIA
 2019

INTRODUCCIÓN

El presente trabajo tiene como finalidad retroalimentar los fundamentos básicos que tiene la
estadística mediante métodos y datos tomados de nuestro entorno social en el que vivimos.

Primero se realizó un mapa mental sobre las medidas estadísticas bivariantes de regresión,
en este se puede evidenciar la descripción de cada una de ellas como lo es la regresión
lineal simple y la regresión múltiple, después tenemos unas definiciones de conceptos, y
luego tenemos la actividad de laboratorio en la que se analizan las medidas de correlación
lineal de dos variables cuantitativas realizadas en Excel “Indicadores socioeconómicos 120
municipios (2019) 16-2” en donde se encuentran datos de análisis o estudios que se
realizaron en 120 municipios o poblaciones con mayor pobreza en Colombia y por último
el desarrollo de otro ejercicio de laboratorio con su respectivo análisis.
 JUSTIFICACIÓN

Por medio de la presente actividad se busca tener una mejor comprensión de los
fundamentos de la estadística, el cómo saber analizar correctamente los datos que se toman
y buscar la correlación.
 OBJETIVOS
GENERAL

Conocer las medidas estadísticas bivariantes de regresión para la elaboración de una

investigación y sus diferentes métodos.

ESPECIFICOS:

 Leer y analizar cada una de las lecturas para así poder tener una buena comprensión
de estas y lograr un buen desarrollo de la actividad.

 Aprender a graficar correctamente los datos y llegar a la respuesta adecuada para un

buen análisis.
 MAPA MENTAL

https://www.mindmeister.com/es/1289482352/medidas-estadisticas-bivariantes
 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 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: Establece la relación o dependencia que existe

entre dos variables que intervienen en una distribución.

COEFICIENTE DE DETERMINACIÓN R: 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. 

CORRELACIÓN POSITIVA: Es la relación entre dos variables que muestra que ambas
aumentan o disminuyen simultáneamente.

CORRELACIÓN NEGATIVA: Es la relación entre dos variables que muestra que una
variable disminuye conforme otra aumenta.

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

 Variable Variable
Independiente (X) Dependiente (Y)
% Población
cantidad de
ocupada con
C A N TID A D D E SERV IC IO S P U B LIC O S D ISP O N IB LES

servicios públicos
ingreso de hasta 2
disponibles
salarios mínimos
18,45 6 Es una medida estadística que cuantifica la
DIAGRAMA
19,02 DE DISPERSIÓN
6 dependencia lineal entre dos variables, es
8 20,93 7 decir, si se representan en un diagrama de
6
4
23,46 7 dispersión los valores que toman dos
f(x) = − 0.06 x + 6.03
2 24,17
R² = 0.18 5 variables, el coeficiente de correlación lineal
25,13 2 80 señalará lo bien o lo mal que el conjunto de
0
10 20 30 40 50 60 70
26,79OCUPADA CON INGRESOS
% POBLACIÓN 7 DE HASTA DOS SALARIOS puntos representados se aproxima a una recta.
MINIMOS
27,96 2 Mide el grado de intensidad y el sentido de la
28,43 3 relación entre dos variables. 
28,74 6
29,52 6
29,70 3
29,89 2
29,98 2
30,10 5
30,12 7 REALIZAR EL LABORATORIO DE REGRESIÓN Y
CORRELACIÓN LINEAL
30,16 3
30,25 4
31,33 3 Descripción de la Actividad
31,48 1
32,15 2 A partir de la base de datos “Indicadores
32,25 1 socioeconómicos 120 municipios (2019) 16-2”,
33,14 5 desarrollar el Laboratorio denominado Regresión y
33,21 2 correlación.
33,26 5
33,35 4
33,36 2
1. Si en una población
33,63 4 él % de ingresos de dos salarios mínimos es de 50,38 ¿Cuál
sería
33,83 la cantidad de servicios
3 públicos en esa población?
34,35y -0,0642 46,035 50,38
34,65 4
-3,234396 2,800604
35,09 6 Por lo cual la cantidad de servicios públicos en la población X es del 2,80.
36,12 7
36,32
2. Si en una población 6 X el % de ingresos de dos salarios mínimos es de 38,03 ¿Qué
cantidad de servicios2públicos hay disponibles en la población?
36,37 MODELO
36,55y -0,0642 56,035 38,03 MATEMATICO y=-0,0642x + 6,035
36,66 3
-2,441526 3,593474 Coeficiente de
36,99 5 La cantidaddeterminación 0,1802
de servicios públicos en la población x100 18,02
es de 3,59
37,41 2
37,60
3. En una población X 7 el % de ingresos deGRADO DE CORRELACIÓN
dos salarios mínimos esDEdeLA82,10 ¿cuál
38,27 4
sería la cantidad de personas que cuentan VARIABLE =R
con más servicios públicos disponibles?
38,52 4 R² = 0,1802
39,41 1 CORRELACIÓN ES MINIMA
R 0,424499706 0,30 ≤ r ≤ 0,60
39,46 0
La correlación del % poblacional con ingresos de 2 salarios
39,51 1
mínimos es una correlación mínima con la cantidad de
40,16 3 servicios públicos.
40,25 3
y -0,0642 6,035 82,1
En la población la cantidad de personas que cuentan con
-5,27082 0,76418 más servicios públicos es el 0,76

REGRESIÓN Y CORRELACIÓN MÚLTIPLE

Descripción de la Actividad

A partir de la base de datos suministrada “Indicadores socioeconómicos 120 municipios

(2019) 16-2”
VARIABLE VARIABLE VARIABLE
INDEPENDIENTE (X) DEPENDIENTE (Y1) DEPENDIENTE (Y2)
cantidad de resguardos % Viviendas con algún % de viviendas con piso
indígenas nivel de hacinamiento de tierra
3 39,90 2,12
6 36,09 1,51
6 30,91 2,74
0 35,21 5,49
0 42,13 2,26
0 29,17 1,61
6 37,33 2,56
2 32,32 1,04
0 37,37 1,21
4 51,93 6,83
0 38,35 5,91
6 25,30 2,58
0 34,24 1,83
0 33,57 12,19
6 29,46 3,53
5 41,79 3,35
4 32,30 8,69
2 35,14 1,64
0 54,56 30,49
0 41,64 7,64
0 34,96 2,76
3 42,79 7,55
0 26,77 3,30
0 32,51 4,58
2 29,83 1,90
1 31,13 6,37
3 49,52 17,25
0 22,60 1,61
0 34,17 3,42
3 32,35 2,69
0 49,39 6,85
0 43,24 11,36
0 36,19 2,42
0 19,74 2,85
0 34,33 1,58
0 34,60 2,83
4 31,67 2,37
6 31,35 10,37
0 20,40 1,54
6 44,86 5,52
0 26,46 0,89
0 41,80 7,11
0 36,79 4,51
4 48,67 1,99
0 33,34 4,15
5 33,30 1,35
0 41,05 2,37
4 34,18 2,05
0 41,65 5,88
1 43,32 4,66
5 37,91 1,49
4 30,73 3,89
0 36,33 2,33
0 21,75 2,05
0 43,76 1,31
0 39,94 8,48
1 20,32 2,85
3 29,11 1,72
0 34,39 4,64
4 27,27 2,47
0 54,56 37,73
2 30,79 7,26
0 32,84 1,78
0 43,58 4,59
0 30,01 6,61
2 44,08 5,76
2 33,98 2,25
3 35,27 11,39
1 27,51 9,19
0 44,48 5,54
0 39,87 8,54
5 40,16 1,44
3 36,70 0,99
5 26,82 0,86
0 38,81 3,88
0 43,41 10,38
5 30,48 1,95
1 29,95 2,49
2 42,05 10,12
0 31,12 4,83
2 30,89 3,29
0 36,86 6,76
0 36,49 1,96
1 38,13 4,28
2 27,21 2,99
5 48,07 5,70
5 30,22 9,90
0 31,46 4,75
1 31,68 3,99
0 26,02 2,52
0 33,97 3,53
6 29,80 5,68
5 28,92 0,82
0 43,52 4,92
1 29,51 1,18
6 35,65 6,08
3 37,11 2,60
0 32,94 4,32
0 36,38 15,55
0 42,84 3,38
0 37,03 4,29
5 27,18 2,46
0 35,30 2,67
0 24,42 3,93
3 37,68 2,15
0 35,31 5,90
5 37,16 5,95
5 36,45 10,57
6 40,43 3,72
0 28,17 2,57
2 28,92 0,31
6 22,48 2,33
0 39,24 5,25
1 33,44 3,29
0 30,34 7,81
2 35,49 1,40
0 23,45 2,17
3 22,34 2,20
0 36,63 9,16
0 22,87 3,09
 Error Estadístico Probabilida Inferior Superior
  Coeficientes típico t d 95% 95%
1,0387539 1,7548023
Intercepción 1,82280785 4 4 0,08191088 -0,2343899 3,88000561
-
0,0318318 0,2292297 0,0557444
Variable X 1 0,00729681 4 3 0,81909059 9 0,07033811
- -
0,0460670 1,2740761 0,1499264
Variable X 2 -0,05869297 8 6 0,20516139 1 0,03254047

a 1,8228

0,0072 1,7714

  -0,0586

En el modelo matemático obtenido no hay

R^2 0,01533065 correlación

r 0,1238 100
12,38 No hay correlación entre las variables ya que como resultado dio 12,38
Relacionar la información
obtenida con el problema.
Lo resultados anteriores indican que las variables de la cantidad de resguardos indígenas junto
con el % Viviendas con algún nivel de hacinamiento y el % de viviendas con el piso de tierra no
tienen relación bajo el modelo de regresión múltiple que es
da como resultado 0,0153 en lo cual se refiere a que no hay correlación entre dichas variables.
Esto debido a que las variables de correlación se encuentran en 12,38.
 CONCLUSIONES

- Las tablas y formulas son una gran ayuda ya que con estas se puede lograr un mejor
análisis de datos.
 REFERENCIAS BIBLIOGRAFICAS

 Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 151
– 158). Recuperado dehttp://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b82c81e98fcc13
61e1929abe203c8219 

 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
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e558184ed89e57
d11ede116134cfce41

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

mercados. México City: Cengage Learning.(pp 686 – 695).Recuperado
dehttp://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=49575112db86a0
eb46dae86bbaf74cb9