UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESTADISTICA DESCRIPTIVA

TRABAJO INDIVIDUAL

UNIDAD 3 PASO 4 DESCRIPCION DE LA INFORMACION

PRESENTADO POR:
LUZ STELLA NEGRETE
49610497

GRUPO: 204040_156

TUTOR:YOJANA PAOLA ARROYO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES – ECSAH
PROGRAMA DE PSICOLOGÍA
NOVIEMBRE 2019
 INTRODUCCION

En el siguiente trabajo encontraremos un mapa mental donde se resumen las medidas

estadísticas Bivariantes de regresión, describiendo ampliamente la regresión múltiple,
también encontraremos conceptos básicos de regresión y correlación y por ultimo
laboratorios de correlación y regresión simple y múltiple.
 JUSTIFICACION

Esta actividad tiene como objetivo principal determinar los conceptos de relación y
correlación lineal simple y múltiple, la aplicación de estos conceptos son de gran
importancia en el campo de investigación, facilita la conceptualización y las posibles
decisiones que podríamos tomar frente a variables que estemos analizando.
Objetivos:

• Entender los conceptos básicos de regresión y correlación lineal.

• Determinar el grado de las variantes.
• Identificar el modelo matemático que tiene una variante sobre otra.
• Diseñar diagramas de dispersión.
• Comprender los tipos de asociación de variantes.
Mapa mental

Link: https://www.goconqr.com/es-ES/mind_maps/20323158/edit
Definir brevemente los conceptos básicos asociados a Regresión y Correlación como:

Diagrama de dispersión.

También se le conoce como gráfico de puntos o diagrama de XY. Son diagramas que
utilizan un grupo de puntos, ubicados usando las coordenadas cartesianas (X, Y) para
expresar valores de 2 variables, ya que, al seguir una variable en cada eje, se detecta la
relación o correlación entre las dos variables.

El diagrama de dispersión, es la representación gráfica de una serie de datos para dos

variables, 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.

La correlación lineal y la regresión lineal simple son métodos estadísticos que estudian la
relación lineal existente entre dos variables.

Una función y = f(x) se dice que es lineal en X si la variable X aparece con potencia unitaria
(por tanto, se excluyen términos como x2, x3, 1/x, √x, por ejemplo) y no está multiplicada ni
dividida por otra variable. Por ejemplo, yj = a + bxi + cxi2 no es una función lineal en las
variables puesto que la variable X aparece elevada al cuadrado.

Se dice que una función es lineal en los parámetros si éstos aparecen con frecuencia
unitaria y no están multiplicados ni divididos por cualquier otro parámetro. A modo de
ejemplo, yj = a + √bxi no es una función lineal en los parámetros. Sin
embargo, yj = a + bxi + cxi2 sí lo es.

De las dos interpretaciones de linealidad, la linealidad en los parámetros es la más relevante

en el contexto de la teoría de la regresión y de la correlación. Sin embargo, en lo que sigue,
se exigirá tanto la linealidad en los parámetros como en las variables para que la regresión
sea calificada de lineal
Coeficiente de determinación R2

Término usado en el análisis de regresión para denotar la proporción relativa de la variación

total en la variable de criterio que puede explicarse mediante la ecuación de regresión
ajustada.

Correlación positiva y correlación negativa

El coeficiente de correlación de producto-momento puede variar de – 1 a +1. La correlación

positiva perfecta, en que un aumento dado de X determina con exactitud otro de Y, tiene
coeficiente +1. La correlación negativa perfecta, en que un incremento de X determina
exactamente una disminución de Y, produce un coeficiente –1.

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

Término usado en el análisis de regresión para designar la fuerza de la relación lineal entre
las variables de criterio y predictivas.

El coeficiente de relación lineal, mide la fuerza y el sentido de la relación lineal entre 2

variables cuantitativas.
Regresión y correlación lineal simple.

Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.

%
%
Ocupantes
Ocupantes
en
en
viviendas
viviendas
sin agua
sin energía
de
eléctrica
acueducto
0,72 15,36
0,31 1,49
0,51 0,50
0,89 0,57
0,95 0,68
0,70 4,56
1,02 0,29
1,00 8,60
1,16 4,40
2,83 3,67
3,03 2,10
1,61 3,00
0,37 4,35
1,84 6,46
0,82 2,15
0,58 0,78
2,07 7,50
0,33 0,70
39,51 28,26
5,29 15,03
0,98 2,72
0,71 6,63
0,39 1,19
0,57 0,95
0,57 1,52
0,93 0,86
12,82 8,36
4,65 5,44
0,98 42,29
0,62 0,91
21,20 30,95
4,23 1,19
0,51 2,99
1,72 1,37
1,31 3,61
0,41 0,98
0,41 9,89
4,38 12,51
0,04 0,09
1,49 5,73
0,64 1,35
4,80 10,39
2,66 9,49
0,64 1,79
1,22 29,66
0,96 3,42
0,32 1,10
2,08 4,30
4,31 22,95
0,68 4,00
0,36 3,88
2,52 2,37
0,85 3,53
0,66 1,15
1,09 2,43
23,91 33,69
0,40 1,52
3,40 1,33
1,65 4,44
1,21 3,70
50,62 44,83
4,04 3,64
0,51 6,10
2,13 6,88
3,50 8,01
1,17 3,26
 0,33 2,29
10,53 8,55
2,40 26,49
0,45 9,68
1,71 15,39
0,89 2,56
0,36 9,34
0,34 2,56
2,94 4,52
13,87 14,35
0,65 3,41
1,22 6,12
0,99 2,69
3,48 13,05
1,13 0,97
0,46 0,17
0,57 2,88
5,81 14,08
2,35 4,29
2,53 10,31
6,76 9,63
0,80 4,14
4,97 2,17
0,53 2,59
1,38 6,53
0,46 2,80
0,54 3,72
1,95 3,98
0,78 0,84
1,07 0,62
0,24 2,26
0,25 3,03
5,83 4,92
4,66 14,44
0,33 9,10
0,22 0,74
0,36 0,36
2,90 6,47
0,56 14,86
2,61 1,87
 0,64 1,49
1,89 1,74
1,65 6,62
0,75 2,94
0,66 4,96
2,40 8,32
1,72 3,45
0,85 0,74
10,96 31,50

Realizar el diagrama de dispersión de dichas variables y determinar el tipo de

relación entre las variables.

Ocupantes de viviendas sin energia electrica

vs
ocupantes de vivienda sin agua de acueducto
50.00
45.00
40.00
35.00
30.00
25.00
20.00
15.00 y = 0.8573x + 4.1582
R² = 0.4479
10.00
5.00
0.00
0.00 10.00 20.00 30.00 40.00 50.00 60.00

Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?

Y = 0,8573x + 4,1582

R² = 0,4479 0,4479
R² = 0,66925332

Coeficiente de determinación = 0,6692*100%= 66.92%

La correlación de las dos variables ocupantes en vivienda sin energía eléctrica y ocupantes
en vivienda sin agua de acueducto es regular donde r= 0,66 sería el grado de correlación
lineal como lo muestra la tabla anterior.

Relacionar la información obtenida con el problema.

En el caso de las variables estudiadas referente a los servicios públicos el grado de

confiabilidad de las variables ocupantes de vivienda sin energía eléctrica y ocupantes de
vivienda sin agua de acueducto 0,6692 x 100% es de 66,92% lo cual significa que las
variables están relacionadas con un 66,92% siendo su correlación regular.

Regresión y correlación lineal múltiple

Laboratorio

Identificar una variable cuantitativa dependiente y varias variables cuantitativas

independientes del estudio de investigación.

% Ocupantes
% Ocupantes en
Población en viviendas
viviendas sin
total(habitantes) sin agua de
energía eléctrica
(Y) acueducto
(X₁)
(X₂)
21 206 0,72 15,36
23 241 0,31 1,49
21 714 0,51 0,50
5 545 0,89 0,57
14 648 0,95 0,68
57 340 0,70 4,56
8 896 1,02 0,29
72 812 1,00 8,60
17 545 1,16 4,40
6 655 2,83 3,67
5 400 3,03 2,10
4 115 1,61 3,00
57 717 0,37 4,35
 8 276 1,84 6,46
57 559 0,82 2,15
38 291 0,58 0,78
12 664 2,07 7,50
64 269 0,33 0,70
6 820 39,51 28,26
10 029 5,29 15,03
21 475 0,98 2,72
39 020 0,71 6,63
100 534 0,39 1,19
26 174 0,57 0,95
18 091 0,57 1,52
5 933 0,93 0,86
17 322 12,82 8,36
2 171 4,65 5,44
17 795 0,98 42,29
48 839 0,62 0,91
3 771 21,20 30,95
5 814 4,23 1,19
21 132 0,51 2,99
2 082 1,72 1,37
51 396 1,31 3,61
18 632 0,41 0,98
23 845 0,41 9,89
4 323 4,38 12,51
672 641 0,04 0,09
10 284 1,49 5,73
6 084 0,64 1,35
8 781 4,80 10,39
23 428 2,66 9,49
41 060 0,64 1,79
19 005 1,22 29,66
31 948 0,96 3,42
22 881 0,32 1,10
18 634 2,08 4,30
9 545 4,31 22,95
42 164 0,68 4,00
13 218 0,36 3,88
5 515 2,52 2,37
153 817 0,85 3,53
 5 499 0,66 1,15
21 321 1,09 2,43
2 517 23,91 33,69
3 755 0,40 1,52
14 245 3,40 1,33
13 225 1,65 4,44
6 034 1,21 3,70
18 084 50,62 44,83
3 574 4,04 3,64
92 967 0,51 6,10
30 097 2,13 6,88
12 119 3,50 8,01
48 408 1,17 3,26
255 681 0,33 2,29
11 623 10,53 8,55
8 691 2,40 26,49
138 226 0,45 9,68
3 176 1,71 15,39
6 647 0,89 2,56
65 219 0,36 9,34
15 454 0,34 2,56
3 762 2,94 4,52
3 405 13,87 14,35
26 306 0,65 3,41
31 166 1,22 6,12
14 011 0,99 2,69
5 755 3,48 13,05
3 726 1,13 0,97
34 829 0,46 0,17
69 031 0,57 2,88
14 410 5,81 14,08
37 986 2,35 4,29
18 096 2,53 10,31
16 847 6,76 9,63
16 573 0,80 4,14
3 511 4,97 2,17
7 051 0,53 2,59
40 105 1,38 6,53
10 837 0,46 2,80
136 123 0,54 3,72
 40 697 1,95 3,98
9 088 0,78 0,84
20 857 1,07 0,62
416 626 0,24 2,26
608 114 0,25 3,03
9 591 5,83 4,92
35 050 4,66 14,44
478 689 0,33 9,10
5 930 0,22 0,74
7 256 0,36 0,36
4 435 2,90 6,47
21 871 0,56 14,86
4 234 2,61 1,87
6 316 0,64 1,49
34 182 1,89 1,74
17 325 1,65 6,62
13 737 0,75 2,94
6 705 0,66 4,96
5 798 2,40 8,32
15 310 1,72 3,45
16 969 0,85 0,74
5 638 10,96 31,50

Realizar el diagrama de dispersión de dichas variables.

Calcular la recta de regresión y el coeficiente de correlación para probar
estadísticamente su relación.
Modelo matematico de la forma
Y= a + b₁ X₁ + b₂ X₂

Resumen

Estadísticas de la regresión
Coeficiente de correlación
0,135868961
múltiple
Coeficiente de determinación
0,018460374
R^2
R^2 ajustado 0,000932881
Error típico 103173,7884
Observaciones 115

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 2,2423E+10 1,1211E+10 1,05322388 0,35224017
Residuos 112 1,1922E+12 1,0645E+10
Total 114 1,2146E+12

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 52689,68 12305,2699 4,28187927 3,9296E-05 28308,3651 77070,9949 28308,3651 77070,9949
Variable X 1 -1525,994057 1934,68593 -0,78875544 0,43192138 -5359,32623 2307,33812 -5359,32623 2307,33812
Variable X 2 -569,949894 1510,28097 -0,37738004 0,70660535 -3562,37803 2422,47824 -3562,37803 2422,47824

Y= 52689,68 - 1525,99 X₁ - 5699498 X₂

R^2 = 0,0184*100= 01,84%

r= 0,1358 * 100% = 13,58%

Relacionar la información obtenida con el problema.
Los resultados anteriores indican que las variables Población total habitantes, ocupantes en
vivienda sin energía eléctrica y ocupantes en vivienda sin agua de acueducto indican que no
hay relación entre las variables, donde solo se puede obtener 01,84% de confiabilidad es
decir que no hay correlación alguna.
 CONCLUCION

Al finalizar este trabajo se logró aprender a identificar conceptos importantes como

diagrama de dispersión, correlación lineal, coeficiente de determinación los cuales son de
suma importancia al momento de clasificar elegir y manipular información que nos permite
simplificar la interpretación de datos recolectados de una forma rápida y eficiente.
REFERENCIAS BIBLIOGRAFICAS

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=e558184ed89e57d11ede116134cfce41

https://www.webyempresas.com/diagrama-de-dispersion/#Correlacion_positiva

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%7CCX4058900234&v=2.1&u=unad&it=r&
p=GVRL&sw=w&asid=49575112db86a0eb46dae86bbaf74cb9