PASO 4 - DESCRIPCIÓN DE LA INFORMACIÓN

CURSO: ESTADISTICA DESCRIPTIVA (N) - (204040A_761)

ELABORADO POR:

TATIANA VALENTINA MUÑOZ VERA

NUMERO DE GRUPO: 287

PRESENTADO A:

ADRIAN REINALDO VALENCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES

PROGRAMA: PSICOLOGÍA

SAN VICENTE DEL CAGUÁN

2020
 INTRODUCCIÓN

En definitiva, la teoría de la regresión trata de explicar 1 el comportamiento de una

variable, denominada explicada (dependiente o endógena), en función de otra u otras,

denominadas explicativas (independientes o exógenas). Se puede establecer una primera

clasificación en función del número de variables explicativas: la regresión (y correlación)

será simple si únicamente hay una variable explicativa; por el contrario, será múltiple si el

número de variables explicativas son varias. Así, si se quiere explicar el salario de los

trabajadores en función de su antigüedad en la empresa la regresión será simple. Si, además

de la antigüedad en la empresa, se considera también el grado de formación de los

trabajadores a la hora de explicar su salario, la regresión será múltiple.

En cualquiera de las dos situaciones anteriores (regresión simple o múltiple), la cuestión

que se plantea es qué valor de la variable explicada le corresponde a cada uno de los

valores de la variable o variables explicativas. En el caso de una sola variable explicativa, si

ésta es X la regresión será de Y sobre X (Y/X de forma abreviada), mientras que, si es Y, la

regresión será de X sobre Y (X/Y de forma abreviada). En el caso múltiple las variables

explicativas se denotan, en general.

Sacado de: 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=b82c81e98fcc1361e1

929abe203c8219.
 JUSTIFICACIÓN

En el siguiente informe se compararon informes cuantitativos para así determinar su

correlación entre si y de tal manera analizarla. La estadística es una disciplina aplicada en

todos los campos de la actividad humana. De ahí que se tenga como una asignatura

indispensable en todas las áreas y carreras del conocimiento de nivel intermedio y

profesional. Ella ha cobrado gran importancia en los últimos tiempos en todas y cada una

de las disciplinas, no sólo por su aplicación, sino por los diferentes avances que se van

dando en la ciencia y la tecnología moderna, los seres humanos en cualquier clase de

actividad a que se dediquen en su diario transcurrir, experimentan sensaciones y en una u

otra medida ponderan y les dan mucho significado a sus experiencias, con lo cual han

llevado al hombre a cuantificar, medir, cualificar, estos acontecimientos que lo rodea.

En el siguiente trabajo tratare de resumir mediante un mapa mental las medidas estadísticas,

describiendo ampliamente una de ellas y también voy a definir brevemente los conceptos

básicos asociados a Regresión y Correlación.

 OBJETIVOS

GENERAL

Determinar la correlación entre variables cuantitativas a través de un laboratorio de

regresión y correlación lineal.

ESPECIFICOS

Analizar base de datos estadísticos.

Representar resultados mediante gráficos

Analizar datos agrupados para encontrar así su relación

MAPA MENTAL
 DEFINICIÓN DE CONCEPTOS

 DIAGRAMA DE DISPERSIÓN.

El diagrama de dispersión nos permite analizar si existe algún tipo de relación entre

dos variables, es decir puede ocurrir que dos variables estén relacionadas de manera

que, al aumentar el valor de una, se incremente el de la otra, en tal caso hablaríamos

de la existencia de una correlación positiva. Esta es una herramienta utilizada

cuando se desea realizar un análisis gráfico de datos bivariados, es decir, los que se

refieren a dos conjuntos de datos.

 CORRELACIÓN LINEAL SIMPLE.

La correlación, también conocida como coeficiente de correlación lineal, es una

medida de regresión que pretende cuantificar el grado de variación conjunta entre

dos variables.

Esto quiere decir que, si entre dos variables cuantitativas existe una relación lineal,

el análisis de correlación lineal simple se usa para determinar la dirección y la

magnitud de dicha relación, la dirección de la relación se refiere a si ésta es positiva

o negativa.

 COEFICIENTE DE DETERMINACIÓN R2

El coeficiente de determinación es la proporción de la varianza total de la variable

explicada por la regresión, es también denominado R cuadrado y sirve para reflejar

la bondad del ajuste de un modelo a la variable que se pretende explicar.

 CORRELACIÓN POSITIVA Y CORRELACIÓN NEGATIVA

Se dice que si el valor es positivo hay una relación directa o positiva, si el valor

llega a ser negativo la relación es inversa o negativa.

La fuerza de la asociación lineal la determina el valor absoluto del coeficiente,

mientras más cerca este del valor 1 más fuerte será la relación.

 ¿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), recordar entonces que el

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

variables cuantitativas.
 ACTIVIDAD EJERCICIO 3.

LABORATORIO DE REGRESION Y CORRELACION LINEAL

A. Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.

 POBLACIÓN

 FALLECIDOS ENE_FEB 2019

Frecuencia Frecuencia
Frecuencia Frecuencia
Datos Absoluta porcentual
Absoluta Relativa
Acumulada (%)
Población 100 100 50% 50%
Fallecidos ene_feb
100 200 50% 100%
2019
Resultado 200 X 100% X

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

relación entre las variables.

 Numero de accidentalidad en los 200 municipios. Se desea establecer la relación

que existe entre N° peatones (Y) y Tasa de lesionados 2019 (X) que esta presente en
la accidentalidad de 200 municipios, de acuerdo a los siguientes datos:
 C. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?

Estadísticas de la regresión:

Y= POBLACIÓN

X= FALLECIDOS ENE_FEB 2019

El modelo matemático que permite predeterminar la fidelidad de una variable sobre la otra
es: Y= -9E-05X+ 28,913 podemos observar que no es confiable, ya que su coeficiente de
determinación es de tal manera. R^2= 0.99% Esto nos indica que tal modelo no es
confiable.

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

A partir del coeficiente de correlación R: 0,09 el grado de correlación lineal nos indica que
no se logra ver una correlación ya que este hasta entre 0<0,30.

E. Relacionar la información obtenida con el problema.

Encontré que el número de fallecidos 2019 no depende de la población definitiva de

habitantes, ningún modelo lineal se adjunta a estas 2 variables.

F. Establezca al menos 3 nuevos valores independientes para ser hallados a través del
modelo matemático calculado.
1. ¿Cuál sería el número de fallecidos en Ene_feb 2019 si el numero de usuarios sea 320?
Y= 0.4385X–9.0092
X= Y+9.0092
0,4385
X= 320+9.0092
0,4385
X= 750.30
2. ¿si el número de fallecidos entre Ene_feb 2019 es de 35 entonces de cuanto sería el
número de usuarios?
Y= 0.4385X–9.0092

Y= 0.4385 (35) - 9.0092

Y= 6.33
3. ¿al tener una gran cantidad de 250 fallecidos entre Ene_feb 2019 quisiera saber cuánto
sería el número de fallecidos en moto?
Y= 0.4385X–9.0092
Y= 0.4385 (35) –9.0092
Y= 100.62

ACTIVIDAD 4 REGRESIÓN Y CORRELACIÓN MÚLTIPLE.

A partir de la base de datos suministrada “Indicadores de accidentalidad -220 municipios
2020 (16-1)”, cada estudiante, deberá:
A. Identificar una variable cuantitativa dependiente y varias variables cuantitativas
independientes del estudio de investigación.
Y= POBLACIÓN 2019
Y= FALLECIDOS ENE_FEB 2019
Y= LESIONADOS ENE_FEB 2019
B. Realizar el diagrama de dispersión de dichas variables.
 C. Calcular la recta de regresión y el coeficiente de correlación para probar estadísticamente
su relación.

Y= 1002.20 + 502.77 X 1 + 11266.56X2

R^2= 0.937*100= 93.7%, Siendo este modelo matemático confiable ya que es cercano a 1.
R= 0.968*100= 96.8%, indica que la correlación entre las variables es excelente ya que nos
ofrece el 96.8%.
Lo anterior nos hace comprobar que la relación entre las variables que son población_2019,
fallecidos Ene_feb 2019, lesionados Ene_feb 2019.
D. Relacionar la información obtenida con el problema.
De acuerdo a la información anterior indican que las variables población_2019,
fallecidos Ene_feb 2019, lesionados Ene_feb 2019, se encuentra relacionada a través
del modelo matemático Y= 1002.20 + 502.77X1+ 11266.56X 2.
Y= 1002.20 + 502.77 X 1+ 11266.56X2.
De tal manera este modelo presenta un 93.7% de con fidelidad.
Debido a que las variables ya dichas se encuentran en una correlación excelente de
96.8%.
 CONCLUSIONES

Pues bien, en este capítulo el punto de partida será la existencia de relación o

dependencia estadística entre las variables objeto de estudio, y el interés se centrará en

estimar la forma o estructura de tal relación y determinar la intensidad de la misma. En

este sentido, se distingue entre teoría de la regresión y teoría de la correlación,

orientadas al primer y segundo tipo de análisis, respectivamente. Ambos están

íntimamente ligados, de manera que siempre se hará referencia a la correlación según

una determinada estructura de dependencia entre las variables.

En definitiva, la teoría de la regresión trata de «explicar»1 el comportamiento de una

variable, denominada explicada (dependiente o endógena), en función de otra u otras,

denominadas explicativas (independientes o exógenas). Se puede establecer una

primera clasificación en función del número de variables explicativas: la regresión (y

correlación) será simple si únicamente hay una variable explicativa; por el contrario,

será múltiple si el número de variables explicativas son varias. Así, si se quiere explicar

el salario de los trabajadores en función de su antigüedad en la empresa la regresión

será simple. Si, además de la antigüedad en la empresa, se considera también el grado

de formación de los trabajadores a la hora de explicar su salario, la regresión será

múltiple.
 REFERENCIA BIBLIOGRAFÍA

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=b82c81e98fcc136

1e1929abe203c8219.

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 de:

http://go.galegroup.com/ps/i.do?id=GALE

%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=49575112db86a0

eb46dae86bbaf74cb9.