MEDIDAS BIVARIANTES REGRESIÓN Y CORRELACIÓN SIMPLE

ANGELA MARIA GUEVARA

JEISMER ANDRES SANCHEZ VANEGAS
FRANCISCO JAVIER SILVA

TUTOR: OSCAR ANDRES SALAMANCA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

NOVIEMBRE DE 2017
 INTRODUCCION
El presente trabajo está conformado por cada uno de los aportes y participación de cada uno

de los integrantes del presente grupo, teniendo en cuenta cada una de las ideas referente al

punto de vista acerca del laboratorio de regresión y correlación lineal el cual es el tema tratado

en la presente unidad.

El trabajo está conformado por un análisis de correlación lineal simple de dos variables

cuantitativas seleccionas en el foro colaborativo.

Finalmente se encuentra un análisis de correlación múltiple de variables seleccionadas; las

cuales son realizadas teniendo en cuenta cada una de las referencias propuestas en el entorno

correspondiente.
 JUSTIFICACION
La estadística descriptiva es una ciencia que analiza series de datos los cuales dependiendo

de la herramienta utilizada podemos graficar dicha información calculada e interpretada.

La presente actividad está basada en fortalecer el conocimiento de cada uno de los integrantes

del grupo, esto con el fin de identificar factores claves en la investigación de un determinado

problema, el cual en este caso lo vemos en un tema de interés como lo es el Desempleo en

Colombia y con el estudio de estos temas vamos a tener la capacidad de relacionar los temas

con las ayudas estadísticas vistas en la presente unida, lo anterior mediante la relación entre

dos variables cuantitativas del problema estudiado por parte del grupo.

Aplicando la temática vista en la unidad se lograrán determinar la relación entre una variable

dependiente y variables independientes, calcular recta de regresión y el coeficiente de

correlación para probar estadísticamente su relación, cada uno de los participantes realizara

el diagrama de dispersión para cada variable tratada según el documento” desempleo en

Colombia”.
 OBJETIVOS
• Calcular la recta de regresión y coeficiente de correlación para probar

estadísticamente su relación

• Realizar diagrama de dispersión de cada variable

• Identificar una variable dependiente e independiente acerca del estudio de

investigación

• Determinar la relación entre la variable dependiente y la variable independiente

VARIABLES

A partir de la base de datos suministrada, cada estudiante debe:

-Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas.

Variables analizadas: Tasa de empleo (%) y Producción Millones

Con la ayuda de Excel se obtuvieron los siguientes resultados:

∑ 𝑥 = 10725

∑ 𝑦 = 8.364.942.064

∑ 𝑥𝑦 = 4,67443 × 1011

∑ 𝑥 2 = 591473,2847

∑ 𝑦 2 = 4,14574 × 1017

𝑦̅ = 42897138,79

𝑛 = 195
𝑏 = 4609211,446

𝑎 = −2,11 × 108

𝑆𝑒 = 1,06 × 107

𝑆𝑒𝑦2 = 2,86 × 1014

𝑅 2 = 0,606

Conforme a lo anterior podemos encontrar la recta que se ajusta a los datos:

𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦 ∑𝑌 − 𝑏∑𝑥
𝑌̂ = 𝑎 + 𝑏𝑥 ; b= ; 𝑎=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 𝑛

Donde:

𝑏: 𝑃𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎

𝑎: 𝐼𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑜 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝒀

𝑥: 𝑉𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒

𝑌: 𝑉𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒

𝑛: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Por tanto

𝑌̂ = 𝑎 + 𝑏𝑥 = −2,11 × 108 + 4609211,446𝑥

 𝑆𝑒 2 (1,06 × 107 )2
𝑅2 = 1 − = 1 − = 0,606
𝑆𝑒𝑦2 2,86 × 1014

𝑅 2 = 0,6 → 𝑟 = √0,6 = 0,77

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

asociación entre las variables.

Produccion Millones
80.000.000
70.000.000 y = 5E+06x - 2E+08
Producción Millones

60.000.000 R² = 0,6096

50.000.000
40.000.000
30.000.000
20.000.000
10.000.000
-
0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00
Tasa de empleo

r confirma además el grado de relación entre las variables: Tasa de empleo (%) está

directamente relacionado (en un 77%) con la Producción Millones.

- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre

la otra. ¿Es confiable?

𝑌̂ = 𝑎 + 𝑏𝑥 = −2,11 × 108 + 4609211,446𝑥

𝑟 = 0,77

Lo cual nos permite concluir que el modelo de regresión lineal ajustado tiene un alto grado

de confiabilidad.

- Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables.

El 𝑅 2 afirma además que el modelo explica el 60% de la información.

- Relacionar la información obtenida con el problema.

Como se puede observar el diagrama nos muestra que la producción aumenta conforme a la

Tasa de empleo (%) aumenta, esto básicamente nos indica que las dos variables se

encuentran relacionadas y concuerdan satisfactoriamente con la realidad de la problemática.

 TASA DE DESEMPLEO Y EMPLEO
12000,00
y = 4,7238x + 0,0255
10000,00 R² = 0,9997
Tasa de empleo

8000,00

6000,00

4000,00

2000,00

0,00
0,00 500,00 1000,00 1500,00 2000,00 2500,00
Tasa de desempleo

y = 4,7238x + 0,0255 Modelo Matemático

R² = 0,9997 99.97 % confiable

0,999849989 Grado de correlación

empleo y desempleo
Personas Sin Empleo Lineal (Personas Sin Empleo)

9.000.000
8.000.000 y = -0,2198x + 1E+07
R² = 0,2379
cantidad personas y

7.000.000
6.000.000
5.000.000
4.000.000
3.000.000
2.000.000
1.000.000
-
- 20.000.000 40.000.000 60.000.000
personas sin empleo

y = -0,2198x + 1E+07 𝒎𝒐𝒅𝒆𝒍𝒐 𝒎𝒂𝒕𝒆𝒎𝒂𝒕𝒊𝒄𝒐

R² = 0,2379 𝒓𝒆𝒈𝒖𝒍𝒂𝒓 48,7749936 𝒈𝒓𝒂𝒅𝒐 𝒅𝒆 𝒄𝒐𝒓𝒓𝒆𝒍𝒂𝒄𝒊𝒐𝒏

 ANEXO LABORATORIO

recopilacion del laboratorio final.zip

CONSLUSION LABORATORIO

Se manejaron machas variables y se logro aprender el concepto de correlación y regresión y

se pudo aplicar de manera exitosa.

CONCLUSIÓN VARIABLES CUANTITATIVAS

Las variables salieron siendo muy relacionadas las unas con las otras y fue fructífero el

resultado ya que se pudo cumplir con el objetivo como el saber la variedad del empleo y el

desempleo según con su tasa también.

 CONCLUSIONES

Este trabajo dio a entender muy bien los conceptos de regresión y correlación y aprendimos

a implementarlos. Aparte aprendimos a manejar de una manera diferente Word y Excel lo

cual es satisfactorio.

Vimos también la gran relación que pueden tener dos variables cuantitativas y el porcentaje

de estas.