Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística básica
Herramientas para la administración
Estadística básica
ELABORACIÓN
VALIDACIÓN PEDAGÓGICA
DISEÑO DOCUMENTO
Ideas Clave
En esta semana, se complementarán los contenidos de la semana anterior profundizando un
análisis a partir de determinar la dependencia o no de dos variables cuantitativas.
Es importante considerar que hasta la semana pasada solo se analizó cada variable de manera
individual y las comparaciones entre ellas se hizo a través de cuadros.
Variables
dependientes
Variables
Correlación de variables
independientes
Diagrama de
disperción
Recta de regresión
lineal
Covarianza
Coeficiente de
correlación pearson
Coeficiente de
determinación
En este módulo, solo se verá la relación entre variables cuantitativas. Eso no quiere decir que no
se puedan relacionar dos variables cualitativas. Para quienes quieran profundizar esto último, les
recomiendo estudiar el coeficiente de correlación Phi.
Para cualquier estudio de correlación de dos variables, es necesario determinar qué variable es
explicada por otra. Dicho de otra forma, se debe conocer cuál es la variable dependiente y cuál
es la variable independiente.
E JES X E Y EN UN GRÁFICO
Un diagrama de dispersión muestra puntos en donde cada uno de ellos representa una
observación que responde a dos características que están siendo analizadas.
• En las últimas dos figuras, no se puede inferir ninguna de las situaciones descritas en la
figuras anteriores. Esto indicaría que no existe correlación.
Taller 1
La siguiente tabla muestra los registros de estatura y peso de un grupo de personas. Se pide
mostrar visualmente la información a través de un diagrama de dispersión.
Registro Estatura (x) Peso (y) Registro Estatura (x) Peso (y)
1 180 77 16 173 66
2 160 68 17 164 70
3 165 77 18 166 74
4 191 110 19 185 96
5 156 60 20 159 65
6 150 55 21 167 59
7 166 64 22 180 74
8 181 78 23 187 84
9 176 86 24 164 70
10 159 68 25 168 73
11 163 80 26 172 66
12 170 84 27 174 79
13 177 90 28 181 93
14 195 97 29 190 98
15 180 66 30 168 77
Para esto, la herramienta de Excel a utilizar es la misma que la que hemos utilizado para hacer
cualquier gráfica. La diferencia es que, al momento de elegir el tipo, se debe seleccionar
Dispersión, tal como se muestra a continuación.
Al igual que todos los gráficos, le propondrá varios modelos. Por ahora, solo utilizaremos aquel
que muestra los puntos.
Antes de ver como se calcula, es necesario señalar que se asumirá que el modelo que explica la
relación de las variables sigue un comportamiento lineal, por lo que será necesario calcular la
recta de regresión lineal.
La importancia radica es que al conocerla se pueden hacer predicciones como, por ejemplo:
• Se desea saber el peso óptimo (y) si se conoce una estatura de 179 centímetros. Si se ve
la información inicial, no hay referencia al respecto. Sin embargo, conociendo la recta,
se puede reemplazar el valor en x y se dará respuesta a la interrogante.
Se desea saber qué estatura (x) debe tener una persona cuyo peso es de 71 kilogramos. Al igual
que el ejemplo anterior, en la base de datos, no existe referencia para ese peso. La solución es
simple, reemplazar el valor de y en la recta de regresión y resolver la ecuación de primer grado
que queda.
71 = - 86,1965 + 0,9488(x)
• La covarianza
• El coeficiente de correlación de Pearson
• El coeficiente de determinación
Para el desarrollo de estos contenidos, se utilizarán funciones que ofrece Excel.
La covarianza indica la relación lineal entre dos variables, indicando el grado de variación
respecto de sus medias. Por sí sola, no es suficiente para determinar la relación.
Taller 3
Calcularemos la covarianza utilizando funciones de Excel. Para esto, debemos ubicarnos en una
celda y utilizar la función =COVARIANZA(rango1;rango2), como se muestra a continuación.
Taller 4
Calcularemos e interpretaremos el coeficiente de correlación Pearson utilizando herramienta de
Excel. La forma de hacerlo es igual que para calcular la covarianza, solo hay que cambiar la
función por =COEF.DE.CORREL(rango1;rango2)
El resultado es r = 0,81908
Interpretación: la correlación de las variables es directa (positiva) y fuerte. Lo anterior quiere decir
que a mayor estatura implicará mayor peso.
Taller 5
Elaboraremos un diagrama de dispersión que muestre:
• La recta de regresión
• El coeficiente de determinación
Para esto, se debe modificar la gráfica del Taller 1, utilizando la herramienta de Excel que ofrece
hacer un diseño rápido, como se muestra a continuación:
Finalmente, debemos hacer los ajustes finales, como eliminar lo que no se necesita (referencia
al costado derecho) y mover la recta con el coeficiente fuera del gráfico para una mejor
visualización.
El encontrar el modelo matemático que se ajuste a las variaciones de las características relacionas
es otra herramienta útil al momento de predecir comportamientos.
Bibliografía
• Teoría y problemas de probabiliad y estadística. Autor: Spiegel, Murray R. Ed. McGraw-
Hill. Serie Schaum; México.