Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis Lineal de Datos
Analisis Lineal de Datos
II. INTRODUCCIÓN
De las 99 muestras se sacaron 10 pares en un orden donde una variable era la
dependiente y la otra la independiente.
Es fundamental tener en cuenta la covariancia que es el grado que nos indica la Fig.2: diagrama de dispersion, Estatura vs Talla.
variación conjunta de dos variables aleatorias respecto a sus medias. También hay
que tener en cuenta su grado de correlación, que nos va a indicar la fuerza y la Luego del peso se estudio la talla de los zapatos de los encuestados la cual tiene
dirección de una relación lineal y proporcionalidad entre las dos variables, una relacion fuerte graficamente ademas de aritmetica según la Tabla 2 y sus
dependen una de la otra. variables son proporcionalmente dependientes entre si ademas de tener direccion
positiva que significa que cuando una crece la otra crece lo cual podemos
III. ANÁLISIS DE DATOS observar por la grafica y la covarianza de la Tabla 1 ,por otro lado se ven los
calculos de la recta de regresion en la Tabla 3 , se puede concluir que si la
estatura de una persona aumenta su talla de zapato igual.
A. Gráfico de Dispersión
Los gráficos de dispersión se usan para trazar puntos de datos mostrando
cuánto afecta una variable a otra.
Para analizar talla y edad se puede ver una covarianza relativamente alta pues
como se muestra en la grafica hay un grupo de datos eso hace ver que los datos
donde la talla es más grande se puede referir a los hobres y el de talla más baja el
Fig.6: diagrama de dispersion, Peso vs Edad. de las mujeres. por otro lado se ven los calculos de la recta de regresion en la
Luego se toma la edad donde este con representa una correlacion positiva pero Tabla 3.
muy debil entre si ya que presenta gran cantidad de datos atipicos, se puede ver
que el peso no es muy dependiente de la edad, por lo que si un individuo aumenta
su peso no significa que su edad si.
3
Y por último la correlación entre las variables Edad y Años de estudio en este
grafico se puede ver unos datos muy unidos y otros totalmente dispersos esto pasa
cuando hay un promedio de edad que se gradua alos 17 años, los datos alejados
hacen referencia a que esa persona halla perdido más de un año academico y se
alargan sus años de estudio. por otro lado se ven los calculos de la recta de
regresion en la Tabla 3.
B. Covarianza.
La covarianza es el valor que refleja en qué cuantía dos variables aleatorias
varían de forma conjunta respecto a sus medias. (López, 2019)
Img. 1: Correlación.
Tabla 1: Covarianza
C. Coeficiente de Correlación
Esta medida de regresión cuantifica la dependencia lineal
entre dos variables. Siendo:
Tabla 2: Coeficienre de Correlación
D. Recta de Regresion
Ecu 2: Ecuación de Coeficiente de Correlación
4
IV. CONCLUCIONES
Por otro lado, están los que no tienen una correlación como
años de estudio y estatura, ya que hay personas que por
genética no crecen o por el contrario crecen mucho debido a
diversos factores, pero esto no interfiere si la persona estudia o
no con un aproximado de estatura.
V. REFERENCIAS