UNIDAD 3: PASO 4

GRUPO 204040_16
LIDA YOHANA HERNÁNDEZ E.

TUTORA:
LEIDY MARCELA MENDEZ PINEDA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
ESTADISTICA DESCRIPTIVA
ZIPAQUIRÁ
NOVIEMBRE
2019
 Índice

Introducción .................................................................................. 3
Justificación ................................................................................... 4
Objetivos ...................................................................................... 5
ACTIVIDAD 1 – MAPA MENTAL DE REGRESIÓN Y CORRELACIÓN .......... 6
ACTIVIDAD 2 – DEFINICIÓN DE CONCEPTOS ...................................... 7
¿QUÉ ES EL COEFICIENTE DE CORRELACIÓN LINEAL Y QUE NOS AYUDA A
MEDIR? ..................................................................................... 10
ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE DE LAS DOS VARIABLES
CUANTITATIVAS SELECCIONADAS. (LABORATORIO) ......................... 11
ACTIVIDAD 4 – REGRESION Y CORRELACION MULTIPLE .................... 14
CONCLUSIONES........................................................................... 16
REFERENCIAS BIBLIOGRAFICAS .................................................... 17
 Introducción

En base a un registro histórico de datos sobre la problemática de las víctimas del conflicto se presenta

las soluciones de las actividades planteadas. La investigación estadística es una actividad que apela a

diversas técnicas con el propósito de llegar a la esencia de la realidad. La regresión lineal simple y

las regresiones lineales múltiples son técnicas de análisis de las variables de una investigación

estadística, en este caso desde la encuesta realizada. Si bien es cierto estas técnicas mencionadas se

pueden utilizar para solucionar problemas comunes en los negocios o para evaluar el comportamiento

de su economía, también es cierto que en muchos casos se requiere conocer más que el

comportamiento de una sola variable para entender una investigación cualquiera. Entonces, sin

importar la situación presentada se hace necesario que practiquemos estas técnicas de regresión por

medio de ejercicios salientes de la cotidianidad, que a continuación veremos en los indicadores

socioeconómicos de los 115 municipios del 2019 en práctica.

La realización de este trabajo es dar a conocer y poner en práctica la regresión y correlación y media

de dispersión y estadística sobre la unidad 3 de este curso, además de los comportamientos que se

dan en el plano cartesiano tanto en la variable, como en los grados y resultados que se manejan para

los ejemplos que se plantean en el laboratorio propuesto y los resultados que se manejan para los

ejemplos planteados en el laboratorio propuesto que es de vital importancia reconocer y manejar las

fórmulas que se obtienen de la herramienta de Excel.

 Justificación

Partiendo de una base de datos sobre los indicadores socioeconómicos de los 115 municipios se

presenta las soluciones de las actividades planteadas dentro del periodo del año 2019. Para ello, en

primer lugar aplicaremos el proceso de regresión lineal simple para determinar tanto la naturales

como la fuerza de una relación entre dos variables y en segundo lugar la regresión lineal múltiple con

la cual describiremos la relación entre dos o mas variables independientes y una variable dependiente

utilizando la ecuación de regresión múltiple; estas ecuaciones de estimación nos permiten realizar

una interpretación de correlación de la investigación realizada en los indicadores. El trabajo de

laboratorio constituye una de las mejores metodologías para la aplicación de modelos estadísticos a

las variables de los hechos, es por eso que se trabaja e este sentido y no otro para la practica de la

unidad de regresión y determinación.

 Objetivos

Objetivos Generales

Potencializar habilidades y destrezas para caracterizar una situación mediante el

análisis de las medidas estadísticas bivariables.
Calcular e interpretar adecuadamente las medidas estadísticas bivariantes, asociadas
a una situación específica.
Determinación la relación entre dos o mas variables inscritas en una situación
especificas a partir de análisis de regresión lineal simple y múltiple.

Objetivos específicos

Interpretar correctamente los datos de cada tabla propuesta en cada uno de los
ejercicios.
Realizar diagrama de dispersión en los ejercicios de laboratorio y actividad
colaborativa que permitirá determinar el tipo de asociación entre las variables
escogidas en el ejercicio.
En los ejercicios propuestos de laboratorio y de regresión y correlación lineal simple
en crear modelos matemáticos que permita demostrar el efecto de la variable sobre la
determinación de la fiabilidad.
En la práctica de regresión y correlación lineal múltiple identificar una variable
cuantitativa dependiente y varias variables independientes del estudio de
investigación, diagrama, calculo de la recta de regresión y el coeficiente de
correlación para probar estadísticamente su relación.
 ACTIVIDAD 1 – MAPA MENTAL DE REGRESIÓN Y CORRELACIÓN

Link: https://www.mindmeister.com/1248101432?t=GsaORe6miY
 ACTIVIDAD 2 – DEFINICIÓN DE CONCEPTOS

Definición brevemente de conceptos básicos asociados a regresión y correlación como:

DIAGRAMA DE DISPERSIÓN
Antes de responder este interrogante, es necesario dar respuesta a qué es dispersión. La
definición de dispersión tiene múltiples respuestas, pero en la matemática: Dispersión se
define como el grado de distanciamiento de un conjunto de valores respecto a su valor
medio. Partir de esta definición, se derivan las medidas de dispersión: Rango, varianza,
desviación, covarianza, coeficiente de correlación, etc.

El diagrama de dispersión, 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 con la relación que exista entre ellas, definimos su tipo de correlación como
positiva, negativa y nula.

Correlación positiva
Se presenta cuando una variable aumenta o disminuye y la otra también, respectivamente.
Hay una relación proporcional. Por ejemplo, para un vendedor de carros, si él vende más
carros (variable 1), va a ganar más dinero (variable 2).

Correlación negativa
Se presenta cuando una variable se comporta de forma contraria o a la otra, es decir que, si
una variable aumenta, la otra disminuye. Hay una relación inversa proporcional. Por
ejemplo, para la construcción de un edificio, entre más trabajadores estén construyendo un
edificio (variable 1), menos tiempo se necesitará para tenerlo listo (variable 2)

Correlación nula
Si no encuentras un comportamiento entre las variables, existe una correlación nula.
Es una distribución bidimensional o viceversa se representa en graficas así:
Se ubica en el x y en el eje Y vertical u ordenado

CORRELACION LINEAL SIMPLE

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
CORRELACION POSITIVA Y CORRELACIÓN NEGATIVA

La correlación lineal positiva entre dos variables se da si al aumentar o disminuir los valores
de la variable independiente aumentan o disminuyen de la variable dependiente
La correlación lineal negativa es cuando al aumentar los valores de la variable independiente
o viceversa.

COEFICIENTE DE DETERMINACIÓN R 2

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.
 ¿QUÉ ES EL COEFICIENTE DE CORRELACIÓN LINEAL Y QUE NOS AYUDA
A MEDIR?

Es la guía frecuente de usar el coeficiente de correlación lineal o también se llama coeficiente

de Pearson que ayuda a medir el grado de configuración y su relación con las variables
estudiadas

El Coeficiente de correlación es una medida que permite conocer el grado de

asociación lineal entre dos variables cuantitativas (X, Y).

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.
 ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE DE LAS DOS VARIABLES
CUANTITATIVAS SELECCIONADAS. (LABORATORIO)

Identificar dos variables cuantitativas de la situación estudiada que puedan estar relacionadas.
% ocupación de vivienda sin energía o con piso de tierra

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

las variables.

% ocupación de vivienda sin energía o con piso de tierra

Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.

¿Es confiable?
 57,717 8,52 Tipo de asociacion =
82,76 10,13 Directa: Aumenta - Aumenta Disminuye - Disminuye
57,553 4,8 Inversa: Aumenta - Disminuye Disminuye - Aumenta
35,231 11,36
12,664 7,45 Modelo matematico Y = - 1E - 05x + 8,928 Y = % de Ocpación de vivienda sin energia.
64,26 8,14 X = Ocupación Vivienda en piso de tierra
68,2 13,47
10,23 5,83 R Cuadrado = R=
21,75 7,38 0.1257 * 100% = 12.57 % confiabilidad de modelo matematico
33,2 7,13 Es confiable solo en un 12 %
15,34 4,23
26,74 7,17
18,91 5,45
59,33 10,12

Determine el grado de correlación de las dos variables

Relacionar la información obtenida con el problema y Establezca al menos 3 nuevos valores

independientes para ser hallados a través del modelo matemático calculado

R: Las viviendas sin energía se relacionan así, entre más viviendas menos pisos de tierra.

16 2500 23356.00
17 5200 258
18 3562 2584

Se agregan nuevos valores independientes inventados de forma simultanea con sus valores
dependientes y se obtienes un nuevo modelo matemático en el cual la confiabilidad va en
aumento
% ocupación de vivienda sin energía o con piso de tierra
 ACTIVIDAD 3 – REGRESION Y CORRELACION MULTIPLE

Identificar una variable cuantitativa dependiente y varias variables cuantitativas

independientes del estudio de investigación.

Población total de habitantes

% ocupación de vivienda sin energía

% ocupación de vivienda con piso de tierra

Calcular la recta de regresión y el coeficiente de correlación para probar

estadísticamente su relación
 a. Relacionar la información obtenida con el problema.

Se comprueba estadísticamente la relación de las tres variables: Población total de habitantes,

cantidad de viviendas sin energía y cantidad de viviendas con piso de tierra.

Los resultados obtenidos señalan que las variables se encuentran relacionadas a través de un

modelo matemático de regresión múltiple.

 CONCLUSIONES

Se pudo evidenciar que para manejar cualquier tipo de variable se necesita realizar un

diagrama de dispersión y aplicación de 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 determinación al, grado de

correlación entre variables.

 REFERENCIAS BIBLIOGRAFICAS

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City:

Cengage Learning. (pp 675 – 695). 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

Matus, R., Hernández, Martha, and García, E (2010). Estadística. México, D.F., MX:

Instituto Politécnico Nacional, (2010). ProQuest ebrary. (pp 95-109). Recuperado de

http://site.ebrary.com/lib/unadsp/reader.action?ppg=12&docID=10365616&tm=14719815

56569

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