Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NEIVA – HUILA
2019
INTRODUCCIÓN
OBJETIVOS
Determinar la relación entre dos o más variables a partir de la regresión lineal
simple y la regresión múltiple.
Actividades a desarrollar
Actividad 1. Mapa Mental
Resumir mediante un mapa mental las medidas estadísticas Bivariantes de
regresión y correlación.
Diagrama de dispersión.
Un diagrama de dispersión o gráfica de dispersión o gráfico de burbujas es un
tipo de diagrama matemático que utiliza las coordenadas cartesianas para
mostrar los valores de dos variables para un conjunto de datos.
Correlación lineal simple
La correlación, también conocida como coeficiente de correlación lineal (de
Pearson), es una medida de regresión que pretende cuantificar el grado de
variación conjunta entre dos variables.
Por tanto, 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.
De una forma menos coloquial, la podemos definir como el número que mide
el grado de intensidad y el sentido de la relación entre dos variables.
Coeficiente de determinación R2
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.
Correlación positiva y correlación negativa
Podemos
observar que en un diagrama B los puntos se acercan más a la recta, caso
contrario en el diagrama A, los puntos están más alejados. Entonces
podemos decir que la relación lineal del diagrama A es más débil con
comparación a la relación que existe en el diagrama B.
EJERCICIOS
X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120
a) Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables
140
120 E
f(x) = 4.37 x + 94.2
100 R² = 0.98 l
80
Tension
60 Y (Tensión)
Linear (Y (Tensión) )
40
20
0
0 1 2 3 4 5 6 7
Sal
El modelo matemático que permite predecir el efecto de una variable sobre la otra
es:
Y=4.371x+94.2
R² = 0.979
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
20
20
15
10
5
0
0 10 20 30 40 50 60 70 80
Y
y=-0.356x+42.56
R² = 0.796
%
Umbral de Reflejo.
Sobrepeso.
99 2,0
90 3,0
20 4,0
75 9,5
30 11,5
62 9,0
75 9,0
90 12,5
45 8,0
50 19,0
a.Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.
20 19
18
16
14 12.5
11.5
12
9 9.5
9
10
X
8
8
6
4
4 3
2
2
0
10 20 30 40 50 60 70 80 90 100 110
Y
y = -0,0451x + 11,615
R² = 0,0573
y = -0,0451x + 11,615
x= 34
Solución:
y = -0,0451(34) + 11,615
14.00
12.00
Tasa de desempleo %
10.00
8.00
6.00
4.00
2.00
0.00
2004 2006 2008 2010 2012 2014 2016 2018
Años
Indica que este tipo de relación es directa, entre más años menos es el aumento
en la tasa de desempleo.
- Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
R² = 0,67
R= √0.67
R= 0.8185
Por lo tanto existe una correlación aceptable.
Conclusiones
Las medias de dispersión nos permiten medir esos datos extremos que se
encuentran alejados de la tendencia central, esto es muy interesante ya que las
medidas de tendencia central no siempre proporcionan conclusiones contundentes
frente a un conjunto de datos. Igualmente se aprendió a calcular la varianza de un
dato a la media, también comparar las series de los datos a través del coeficiente
variación y así se puede determinar cuál serie tiene mayor o menor variabilidad
relativa.
Bibliografía
Churchill, G. (2009). "Análisis de Regresión Múltiple.". Mexico City:
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.
García, M. (2004). Introducción a la estadística económica y empresarial.
Recuperado de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052900012&v=2.1&u=unad
&it=r&p=GVRL&sw=w&asid=4a9b0a469e755a4327207c94b4c0d549.
Montero, J. (2007). Regresión y Correlación Múltiple. Madrid.
Ortegón Pava, M. (2017). Ova_Medidas_Univariantes. Recuperado de:
http://hdl.handle.net/10596/11579.