ESTADÍSTICA DESCRIPTIVA

Paso 4 – Descripción de la Información

Participante

LISETH JOHANA CASTAÑEDA CASTAÑEDA

Grupo: 204040_84

1098766863

Tutor: Juan Pablo Rodríguez

Universidad Nacional Abierta y a Distancia “UNAD”

ZCORI - UDR Barrancabermeja Santander

Mayo de 2019
 Introducción

En el presente documento del curso estadística descriptiva se encuentran las actividades

desarrolladas de la guía de actividades, en la actividad 1 a partir de las lecturas de la unidad 3 se

elabora un mapa conceptual con las medidas estadísticas Bivariantes de regresión para enfatizar

sobre conceptos y su utilidad.

En la actividad 2 se definen los conceptos de diagrama de dispersión, correlación lineal

simple, coeficiente de determinación R2, correlación positiva, correlación negativa, ¿Qué es el

coeficiente de correlación lineal y qué nos ayuda a medir?

En la actividad 3 el laboratorio de regresión y correlación lineal, se resuelve seleccionando

dos variables cuantitativas de la base de datos denominada indicadores socioeconómicos 125

municipios más vulnerables por pobreza, violencia y ausencia del estado en Colombia, realizar el

diagrama, determinar el tipo de relación, el modelo matemático, determinar el grado de

correlación, relacionar la información obtenida con el problema, establecer 3 nuevos valores

independientes y hallarlos en el modelo matemático.

En la actividad 4 se selecciona una variable cuantitativa dependiente y varias variables

cuantitativas independientes en la base de datos indicadores socioeconómicos 125 municipios y

se realiza el diagrama de dispersión, se calcula la recta de regresión y el coeficiente de

correlación para probar estadísticamente su relación relacionando sus resultados con la

información obtenida de la problemática. Finalmente las conclusiones con el aprendizaje

significativo.
 Justificación

Esta investigación se realiza para calcular diferentes aspectos y analizar los resultados en un

archivo de Excel e interpretarlos en el trabajo escrito en Word, a partir de la base de datos

“Indicadores socioeconómicos 125 municipios (2019) 16-1” en Colombia. La información de

este estudio es realizada por el DANE entre marzo 25 y abril 9 de 2016. Las lecturas del curso

estadística descriptiva son usadas para asociar datos encontrados en el desarrollo estadístico que

se realiza en Excel con las dos variables seleccionadas para el laboratorio, % Población ocupada

con ingreso de hasta 2 salarios mínimos, Población de 15 años o más sin Educación básica

primaria completa; y tres variables para la actividad 4, % Población ocupada con ingreso de

hasta 2 salarios mínimos, Lugar que ocupa en el contexto nacional, % de viviendas con piso de

tierra se realiza el diagrama de dispersión, calcula la recta de regresión y , relacionan, analizan,

interpretan concluyendo con criterios según datos obtenidos de los 125 municipios más

vulnerables y abandonados por el estado Colombiano.

 Objetivos

Objetivo general

Aplicar las medidas estadísticas Bivariantes analizando cada una de las variables

seleccionadas de la base de datos indicadores socioeconómicos 125 municipios en Microsoft

Excel, se asocian con los conceptos propuestos en la unidad 3.

Objetivos específicos

 Leer las lecturas

 Realizar un mapa mental con las medidas Bivariantes de regresión.

 Elegir las variables de la base de datos para desarrollar las actividades de laboratorio

y guía de actividades.

 Hacer un análisis y conclusiones con la información obtenida aplicarlo a la situación

estudiada.
 Mapa Mental

Link

https://www.goconqr.com/en/p/18010787-Medidas-estad-sticas-Bivariantes-de-regresi-n-

mind_maps
 Definición de conceptos

Diagrama de dispersión: permite analizar si existe algún tipo de relación entre dos variables.

Correlación lineal simple: Se refiere al grado de variación conjunta que existe entre dos o más
variables.

Coeficiente de determinación R2: Es el cuadrado de correlación que mide que parte viene

explicada en una determinada variante como parte de una variación, esto quiere decir cual se
puede predecir a través de la variación de la otra.

Correlación positiva: Relación entre dos variables que muestra que ambas aumentan o
disminuyen simultáneamente.

Correlación negativa: Relación entre dos variables que muestra que una variable disminuye
conforme otra aumenta.

¿Qué es el coeficiente de correlación lineal y que nos ayuda a medir?: 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.

Calculando el coeficiente de correlación entre dos variables, permite cuantificar el grado de

relación entre ambas, así como su signo. El valor de este coeficiente puede estar comprendido
entre −1 y 1.
Cuando toma un valor próximo a −1, la correlación es fuerte y negativa. Si el valor es cercano a
+1, la correlación es fuerte y positiva.
Si el coeficiente de correlación lineal presenta un valor próximo a 0, la correlación es débil.
Un coeficiente de 0 indicaría independencia total entre ambas variables. A su vez, un coeficiente
de correlación lineal de 1 ó de -1 señalaría que entre ambas variables hay dependencia funcional,
positiva o negativa según el signo del coeficiente.
Análisis de correlación lineal simple de las dos variables cuantitativas seleccionadas
(Laboratorio)

A partir de la base de datos “Indicadores socioeconómicos 125 municipios (2019) 16-1”,

desarrollar el Laboratorio denominado Regresión y correlación, el cual se encuentra en el
Entorno de aprendizaje práctico, en la carpeta Guía para el uso de recursos educativos. El
laboratorio lo puede desarrollar con el programa Infostat o Excel. Donde el estudiante deberá
realizar lo siguiente:

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

relacionadas.

 X= % Población ocupada con ingreso de hasta 2 salarios mínimos

 Y= Población de 15 años o más sin Educación básica primaria completa

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

relación entre las variables.

Población de 15 años o más sin Educación básica primaria completa Vs

% Población ocupada con ingreso de hasta 2 salarios mínimos
Población de 15 años o más sin Educación básica primaria completa

100000

90000

80000

70000

60000

50000

40000

30000

20000 f(x) = − 644.92 x + 37388.06

R² = 0.28
10000

0
10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00

% Población ocupada con ingreso de hasta 2 salarios mínimos

 Correlación lineal con tendencia negativa. Relación inversa

c. Encuentre el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿Es confiable?

y=644,92 x +37388

r 2=0,2765

r 2= No es confiable con un resultado obtenido de 0,2765 es débil la relación.

Población de 15 años o más sin Educación básica primaria completa= -644,92 + 37388 % Población

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

Coeficiente De Correlación -0,525876741

e. Relacionar la información obtenida con el problema.

Correlación mínima por el valor obtenido -0,525876741 entre las dos variables es débil.
A medida que él % Población ocupada con ingreso de hasta 2 salarios mínimos aumenta
disminuye la población de 15 años o más sin educación básica primaria completa en los
125 municipios más vulnerables de Colombia.

f. Establezca al menos 3 nuevos valores independientes para ser hallados a través del
modelo matemático calculado.

X Y

10,5 30616,34
50,32 4935,6256
75,25 -11142,23
Análisis de correlación múltiple de las variables
cuantitativas seleccionadas
A partir de la base de datos suministrada “Indicadores socioeconómicos 125 municipios (2019)
16-1”, cada estudiante, deberá:

a. Identificar una variable cuantitativa dependiente y varias variables cuantitativas

independientes del estudio de investigación.

 X1= % Población ocupada con ingreso de hasta 2 salarios mínimos

 X2= Lugar que ocupa en el contexto nacional
 Y= % de viviendas con piso de tierra

b. Realizar el diagrama de dispersión de dichas variables.

% Población ocupada con ingreso de hasta 2 salarios mínimos,

Lugar que ocupa en el contexto nacional, % de viviendas con piso
de tierra
40

35

30

25

20
Y

15

10

0
0 20 40 60 80 100 120
Muestra percentil
 c. Calcular la recta de regresión y el coeficiente de correlación para probar estadísticamente su relación.

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,48743352
Coeficiente de determinación R^2 0,23759144
R^2 ajustado 0,22509294
Error típico 4,31287781
Observaciones 125

ANÁLISIS DE VARIANZA
Suma de Promedio de los
  Grados de libertad cuadrados cuadrados F Valor crítico de F
Regresión 2 707,191721 353,5958606 19,00959498 6,50809E-08
Residuos 122 2269,31163 18,60091501
Total 124 2976,50335      

  Coeficientes Error típico Estadístico t

Intercepción 3,733019308 4,39849017 0,848704707
Variable X 1 0,200372272 0,0339247 5,906383102
Variable X 2 -0,008107293 0,00439924 -1,842886009
 d. Relacionar la información obtenida con el problema.

Correlación mínima, resultado obtenido 0,4874 la relación

entre las tres variables % Población ocupada con ingreso de
hasta 2 salarios mínimos, Lugar que ocupa en el contexto
nacional y % de viviendas con piso de tierra de los 125
municipios de más vulnerables de Colombia es muy débil la
relación.

r 2= No es confiable con un resultado obtenido de 0,2375 es

nula la relación entre variables.

Correlación lineal con tendencia Positiva.

Análisis y conclusiones, a partir de los resultados obtenidos y aplicados al problema o
situación estudiada.

Desarrollado el estudio de las variables se puede analizar e interpretar la información

obtenida de los 125 municipios más vulnerables por pobreza, violencia y ausencia del estado en

Colombia.

En el ejercicio del laboratorio se identifica una variable independiente X= % Población

ocupada con ingreso de hasta 2 salarios mínimos y una variable dependiente Y= Población de 15

años o más sin Educación básica primaria completa; el tipo de relación q hay entre las variables

es Correlación lineal con tendencia negativa, Relación inversa. El modelo matemático de las

variables permitió predecir el efecto de una variable sobre la otra que no era confiable, con un

resultado obtenido de 0,2765; el coeficiente de correlación entre las variables es mínima por el

valor obtenido -0,525876741 entre las dos variables es débil. A medida que él % Población

ocupada con ingreso de hasta 2 salarios mínimos aumenta disminuye la población de 15 años o

más sin educación básica primaria completa en los 125 municipios más vulnerables de

Colombia.

El segundo ejercicio de la guía de actividades se identifica dos variables independientes X1=

% Población ocupada con ingreso de hasta 2 salarios mínimos, X2= Lugar que ocupa en el

contexto nacional y una variable dependiente Y= % de viviendas con piso de tierra; Es una

Correlación lineal con tendencia Positiva y aunque el coeficiente de correlación múltiple es de

0,48743352 correlación mínima, de los 125 municipios de más vulnerables de Colombia es muy

débil la relación. El coeficiente de determinación R^2=0,23759144, No es confiable y nula la

relación entre variables.

 Conclusiones

Este trabajo realizado nos permite comprender que la estadística es muy amplia y variada,

aprendí nuevos conceptos que me ayudaron a identificar y analizar la situación estudiada, y

como realizar una regresión y correlación lineal o múltiple de las variables de la base de datos

indicadores socioeconómicos 125 municipios, para probar estadísticamente su relación.

Como psicóloga en formación el estudio de la estadística es esencial para valorar la

información obtenida de una investigación que se lleve a cabo. Aunque es una materia que causa

miedo en los estudiantes de psicología es importe el interés y entusiasmo por aprender cómo se

realiza un análisis de datos y así en el futuro aplicarlo de manera adecuada.

 Referencias Bibliográficas

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 151 – 158).

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

%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b82c81e98fcc1361e1929a

be203c8219 

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

Cengage Learning. (pp 675 – 686).

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

%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e558184ed89e57d11ede11

6134cfce41

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

México City: Cengage Learning.(pp 686 – 695).

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

%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=49575112db86a0eb46dae8

6bbaf74cb9   

Ortegon Pava, M. (03,10,2018). Regresión y Correlación lineal. [Archivo de video].

http://hdl.handle.net/10596/20621

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

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

http://site.ebrary.com/lib/unadsp/reader.action?

ppg=12&docID=10365616&tm=1471981556569
 Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística 1. Distrito

Federal, MÉXICO: Grupo Editorial Patria. (pp 99-109).

http://site.ebrary.com/lib/unadsp/reader.action?

ppg=6&docID=11230886&tm=1471982022168

https://www.aiteco.com/diagrama-de-dispersion/

http://www.mathematicsdictionary.com/spanish/vmd/full/p/positivecorrelation.htm

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/GuiaSPSS/17corlin.pdf