PASO 4 DESCRIPCIÓN DE LA INFORMACIÓN.

ENTREGADO POR:

LEIDY TATIANA AMAYA GUZMAN

PRESENTADO A: ANDRES REINALDO VALENCIA

TUTOR

GRUPO: 202107095A_951: Estadística

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS SOCIALES, ARTES Y HUMANIDADES
PROGRAMA DE PSICOLOGÍA
9 DE MAYO DE 2021
 INTRODUCCIÓN

En el desarrollo de la siguiente actividad, se logra evidenciar la apropiación del manejo en

los diferentes conceptos aprendidos dentro de la asignatura de estadística conforme a la
indagación de las lecturas de la unidad 3, teniendo en cuenta el manejo y dominio de los
temas relacionados dentro de la actividad para el desarrollo de los ejercicios estipulados
dentro del actual trabajo.
 JUSTIFICACIÓN

La solución de esta actividad, se hace con el propósito de abarcar cada temática impuesta
por la estadística conocer los diferentes contextos conceptuales de la estadística descriptiva
a través de la investigación de lecturas que hacen referente a la explicación del tema a
desarrollar; describiendo como finalidad manejar los conceptos estadísticos mediante
ejercicios teóricos y prácticos, manifestando un adecuado manejo de la unidad temática de
acuerdo a la descripción de la información.
 OBETIVOS

 GENERAL

El presente trabajo tiene como objetivo general, aplicar las medidas estadísticas
bivarianes, por medio del cálculo e interpretación del software estadístico, en función
de la problemática objeto de estudio.

 ESPECÍFICOS

Tener un óptimo desempeño en la descripción de la información a través del

análisis, manejo y resultados de prueba.

Dar un adecuado manejo frente a la práctica de cada uno de los referentes

conceptuales de la estadística descriptiva.
 Actividad 1. Mapa Mental
Resumir mediante un mapa mental las medidas estadísticas Bivariantes de regresión y correlación.
 Actividad 2. Definición de Conceptos.

 Diagrama de dispersión.
Es un tipo de diagrama matemático, enfocado en orientar las coordenadas
cartesianas, las cuales, dan a conocer valores de dos variables para determinado
conjunto de datos; de igual forma permite analizar la existencia de las relaciones
entre dos variables en su dependencia o independencia.

 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 es 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

 Es positiva cuando, r > 0, las variables tienen una correlación de sentido directo,
cuando una variable tiene valores altos, la otra igual o viceversa.
Cuando el coeficiente de correlación es próximo a+1, se presenta la covariación, es
decir, es perfecta positiva, cuando r =1, indica que existe una relación lineal
perfecta (con pendiente positiva).
Es negativa cuando, r < 0, las variables tienen una correlación de sentido inverso,
cuando una posee valores altos una, la otra los tiene bajos y viceversa.
Si existe que el coeficiente de correlación es próximo a-1, se presenta la covariación
extrema, es decir, es perfecta negativa, cuando, r = -1, hay una determinación
absoluta entre dos variables inversamente.

 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

Se conoce igualmente como coeficiente de Pearson, se da entre el cociente entre la

covarianza y el producto de las desviaciones típicas de ambas variables, y se
expresa matemáticamente con la letra r, oscila entre +1 y -1 para que se de en grado
de relación en las variables investigadas.
 Actividad 3. Ejercicio Práctico.

3.1 Sal-Tensión. Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A
una serie de voluntarios se les administra distintas dosis de sal en su dieta y se mide su
tensión arterial un tiempo después.

Y
X (sal) (Tensión)
1,4 84
2,6 103
3,5 110
4,1 114
4,3 115
4,5 117
4,9 120

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.

Correlacion entre Sal-Tensión

140

120

100

80

60

40

20

0
0 1 2 3 4 5 6

Se puede evidenciar que existe una correlación de balance positivo, ya que posee una
correlación de balance muy fuerte por que sus valores de variable se encuentran ubicados
muy cerca de la recta.
 b. Encuentre el coeficiente de determinación y correlación.

Coeficiente de variación lineal

r= 0,98

Se puede deducir que su índice de relación es positiva ya que se establece que a mayor
cantidad de sal mayor su tensión arterial aumentara; teniendo en cuenta que existe una alta
correlación positiva directa entre las variables sal y tensión arterial.

c. Determine el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?

Y
X (sal) (Tensión) Y= mX+b
1,4 84 87,28
2,6 103 99,04
3,5 110 107,86
4,1 114 113,74
4,3 115 115,7
4,5 117 117,66
4,9 120 121,58

m= 9,80
b= 73,56
Y= mX+b
Y= 9,8X+73,56
 140

120

100

80

60

40

20

0
0 1 2 3 4 5 6

Y (Tensión) Y= mX+b

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

X (sal) Y (Tensión)
1,4 84
2,6 103
3,5 110
4,1 114
4,3 115
4,5 117
4,9 120

Columna 1 Columna 2
Columna 1 1
Columna 2 0,98 1
Actividad 4. Regresión Y Correlación Lineal Simple.

 Identificar dos variables cuantitativas de la situación estudiada que puedan

estar relacionadas e identificar la variable dependiente e independiente.

Talla en (Cm) y Peso en (Grs)

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

relación entre las variables.

Relcion entre Talla y Peso entr los nacidos vivos

en el hospital Manuel Uribe Angel
60

50

40

30

20

10

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500

Se puede deducir que existe una correlación de balance positivo, ya que posee una
correlación de balance muy fuerte por que sus valores de variable se encuentran ubicados
muy cerca de elaboración de la recta entre la relación Talla y Peso.

 Determine al coeficiente de determinación y de correlación de las dos variables.

Interprete los resultados

COEFICIENTE DE CORRELACIÓN
r= 0,82

Se deduce que su índice de relación es positivo lo cual se establece que a mayor cantidad de
Talla en (Cm) su peso en (Grs) aumentara; ya que existe una alta correlación positiva
directa entre las variables Talla y Peso.
  Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?
m= 0,004
b= 36,49
Y= mX+b
Y= 0,004X+36,49

TALLA (Centímetros) Y= 0,004X+36,49

60

50

40

30

20

10

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500

 Determine el tipo de correlación de las dos variables.

Columna 1 Columna 2
Columna 1 1
Columna 2 0,82 1

 Relacionar la información obtenida con el problema.

Podemos decir que de acuerdo al Anexo 1- Nacidos vivos Hospital Manuel Uribe A 300
Nacimientos 16-1 2021, se puede evidenciar n que el índice de supervivencia de sus hijos
dentro de las pacientes maternas está directamente proporcional a su calidad supervivencia
entre su talla y peso dentro del estudio.
Actividad 5. Regresión Y Correlación Múltiple.

a. Identificar una variable cuantitativa dependiente y varias variables

cuantitativas independientes del estudio de investigación.

Peso (Gramos), Número consultas prenatales

b. Realizar el diagrama de dispersión de dichas variables.

PESO (Gramos) y NÚMERO CONSULTAS

PRENATALES
14

12

10

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500

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

estadísticamente su relación.

COEFICIENTE DE CORRELACIÓN
r= - 0,06

m= -0,0003
b= 8,30
Y= mX+b
Y= 0,0003X+8,30
 NÚMERO CONSULTAS PRENATALES Y= 0,0003X+8,30

14

12

10

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500

d. Relacionar la información obtenida con el problema.

Se deduce que teniendo en cuenta la información del Anexo 1- Nacidos vivos Hospital
Manuel Uribe A 300 Nacimientos 16-1 2021, se evidencia que el índice de supervivencia
de sus hijos dentro de las pacientes maternas está directamente proporcional a su calidad
supervivencia entre su peso y número de consultas prenatales dentro del estudio.
 CONCLUSIONES

 En el presente trabajo se logró se aplicar las medidas estadísticas bivarentes, por

medios del cálculo e interpretación del software estadístico, en función de la
problemática objeto de estudio.

 Se logró realizar un análisis profundo y significativo de los datos disponibles

cuantitativas, de forma independiente y dependiente; en el caso específico la
talla, peso y número de consultas prenatales de los Nacidos vivos Hospital
Manuel Uribe A 300 Nacimientos 16-1 2021”.