1Paso 4 descripción de la información

Andrés Felipe Rincón Núñez

Mayo de 2022

Universidad Nacional abierta y a distancia-UNAD

Escuela de Ciencias Básicas, Tecnología e ingeniería (ECBTI)
Estadística descriptiva
Tutor José Rodrigo Gonzales
 Introducción

En el presente trabajo se evalúa y comprende el uso de las medidas bivariantes de

regresión y correlación en torno al estudio de los diagramas de dispersión en la

forma de hallar mediante datos estadísticos de variables cuantitativas en una

población su confiabilidad de precisión a futuro, donde se van a desarrollar

modelos matemáticos que proponga el rango aceptado por los datos.

 Justificación

El análisis de estudio en el uso de medidas bivariantes de un conjunto de datos

agregados en variables cuantitativas que van a precisar la confiabilidad de los

datos a futuro y como estos seguirán teniendo un relevancia en el análisis del

problema en estudio, donde se desarrollan diagramas de dispersión para identificar

las medidas bivariantes con el fin explicado anteriormente.

 Objetivos

− Identificar conceptos clave en el entendimiento del estudio de medidas bivariantes.

− Desarrollar graficas de dispersión con el fin de identificar la tendencia del conjunto

de datos en cuanto a relación positiva o negativa.

− Identificar los modelos matemáticos que dan el indicio de tendencia y

confiabilidad de los datos

− Identificar la variables dependientes e independientes del conjunto de datos para su

correcta interpretación y análisis de confiablidad construido en la relación que

tienen estas.
Actividad 1
 Actividad 2

Definir brevemente los conceptos básicos asociados a Regresión y Correlación

como:

− Diagrama de dispersión.

R= muestra de manera grafica la relación que hay entre dos variables

cuantitativas sobre un mismo grupo de individuos, este grafico interpretado

bajo coordenadas cartesianas que muestran los valores de esas variables.

− Correlación lineal simple.

R= la correlación lineal simple trata de establecer la relación o dependencia

que existe entre las dos variables que intervienen en una distribución

bidimensional, en esta relación se determina la magnitud y dirección

refiriéndose a la dirección de esta si esta positiva o negativa.

− Coeficiente de determinación R2

R= tiene el objetivo de medir como de bueno es un modelo, donde el cuadrado

de correlación hace la respectiva medición de cuál es la proporción de la

variación total en la variable dependiente (Y)

− Correlación positiva y correlación negativa

R= la correlación positiva es aquella que es mayor a cero, donde si la

correlación es igual a +1 se entiende que es positiva perfecta, por lo cual las

variables se correlacionan directamente variando al mismo tiempo.

− ¿Qué nos ayuda a medir el coeficiente de correlación lineal?

R= nos ayuda a medir la correlación positiva, negativa o nula de una medida

asociativa lineal que existe entre dos variables

− Regresión lineal simple

R= es la técnica paramétrica que se usa para predecir variables continuas,

dependientes que están dadas en una serie de variables independientes donde

estima los coeficientes de la ecuación lineal.

− Regresión lineal múltiple

R= es aquel modelo estadístico variable para evaluar las diferentes relaciones

entre un destino continuo y predictora, donde se manejan distintas variables

independientes que contribuyen a la variable dependiente.

Actividad 3

Porcentaje de hierro/ Porcentaje de plomo.

Se lleva a cabo un estudio, por medio de detectores radioactivos, de la

capacidad corporal para absorber hierro y plomo. Participan en el estudio 10

sujetos. A cada uno se le da una dosis oral idéntica de hierro y plomo. Después

de 12 días se mide la cantidad de cada componente retenida en el sistema

corporal y, a partir de ´esta, se determina el porcentaje absorbido por el cuerpo.

Se obtuvieron los siguientes datos:

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

las variables.

porcentaje de plomo y hierro absorbido en el

cuerpo
70

60
porcentaje de plomo

50
f(x) = 0.48160847560287 x + 3.86567976265028
40
R² = 0.706914627701182
30

20

10

0
10 20 30 40 50 60 70 80 90 100 110

PORCENTAJE de hierro

b. Encuentre el coeficiente de determinación y correlación.

coeficiente de
R² 0,7069
determinacion
coeficiente de
R² 0,84
correlacion

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

variable sobre la otra. ¿Es confiable?

Modelo matematico
y = 0,4816x + 3,8657
¿es confiable?

De acuerdo con el resultado del coeficiente de correlación que en este caso dio

0,84 se puede interpretar de acuerdo con la tabla de grado de correlación lineal

que el modelo matemático es una correlación aceptable por lo tanto si es

confiable.

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

de acuerdo con el diagrama de dispersión realizado anteriormente se demuestra

que la línea es ascendente, por lo tanto, el grado de la relación de las dos

variables es positiva.

Actividad 4

- Identificar dos variables cuantitativas de la situación estudiada que

puedan estar relacionadas e identificar la variable dependiente e

independiente.

Variable cuantitativa independiente (X)

Índice de actividad policial

Variable cuantitativa dependiente (Y)

Porcentaje de crimen cerca del hogar

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

tipo de relación entre las variables.

 porcentaje de crimen cerca del hogar en funcion
del indice de acti vidad policial
porcentaje de crimen cerca del 70

f(x)
60 = 0.862662789690296 x + 13.3314493632589
R²
50
= 0.652167907108268
40
hogar

30

20

10

0
0 10 20 30 40 50 60 70

indice de actividad policial

De acuerdo con el diagrama de dispersión se ve una tendencia lineal ascendente

por ello el tipo de relación entre las variables es positiva.

- Determine al coeficiente de determinación y de correlación de las dos

variables. Interprete los resultados

coeficiente de
R² 0,6522
determinacion
coeficiente de
R² 0,81
correlacion

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

variable sobre la otra. ¿Es confiable?

Modelo matematico
y = 0,8627x + 13,331
¿es confiable?

De acuerdo con el resultado del coeficiente de correlación que en este caso dio

0,81 se puede interpretar de acuerdo con la tabla de grado de correlación lineal

que el modelo matemático es una correlación aceptable por lo tanto si es

confiable.

- Determine el tipo de correlación de las dos variables.

De acuerdo con el diagrama de dispersión la línea tiene una tendencia

ascendiente por ello la correlación lineal de las dos variables es positiva.

- Relacionar la información obtenida con el problema.

de acuerdo con la contextualización del problema se determinó de acuerdo los

datos de índice de actividad policial y porcentaje de crimen cerca del hogar en

resultado a su coeficiente de correlación de 0,81 se encontró que su correlación

es aceptable, por lo tanto, el modelo matemático de y=0,8627 x 13,331si es

confiable y con ello se pueden realizar predicciones seguras a futuro de ellas.

Actividad 5

- Identificar una variable cuantitativa dependiente y varias variables

cuantitativas independientes del estudio de investigación.

Variable cuantitativa independiente (X1)

Porcentaje de riesgo de la víctima.

Variable cuantitativa independiente (X2)

Cantidad de establecimientos con venta de alcohol cerca del hogar.

Variable cuantitativa dependiente (Y)

Cantidad de sucesos.
- Realizar el diagrama de dispersión de dichas variables.

Gráfi co de probabilidad normal

12

10

6
Y

0
0 20 40 60 80 100 120

Muestra percentil

Esta grafica corresponde al diagrama de dispersión de las tres variables

- Calcular la recta de regresión y el coeficiente de correlación para probar

estadísticamente su relación.

Recta de regresión

Recta de regresión
Y =0,15 x 1+0,02 x 2−0.14

Coeficiente de correlación

coeficiente de
0,74
correlación múltiple

De acuerdo con el resultado del coeficiente de correlación que en este caso dio

0,74 se puede interpretar de acuerdo con la tabla de grado de correlación

múltiple que el modelo matemático es una correlación regular por lo tanto es

regularmente confiable.

- Relacionar la información obtenida con el problema.

de acuerdo a la contextualización del problema se determinó de acuerdo los

datos de porcentaje de riesgo de la víctima, cantidad de establecimientos con

venta de alcohol cerca del hogar y cantidad de sucesos en resultado a su

coeficiente de correlación múltiple de 0,74 se encontró que su correlación es

regular, por lo tanto el modelo matemático de Y =0,15 x 1+0,02 x 2−0.14 es

regularmente confiable y con ello se pueden realizar predicciones pero con

puesta en atención a su comportamiento a futuro de ellas sin ser totalmente de

confianza.
 Conclusiones

Como conclusión al trabajo realizado se comprende y evalúa el uso de las

medidas bivariantes de regresión y correlación para el análisis y representación

de las variables cuantitativas discretas y continuas independientes y

dependientes definidos en el conjunto de datos de los indicadores de violencia

intrafamiliar, en forma de que se analizó y comprendido cuál es su índice de

confiabilidad, donde por medio de la herramienta Excel se hicieron los

respectivos procesos de realización del diagrama de dispersión de las variables

y su tendencia lineal positiva o negativa definida en los datos. la definición de

su modelo matemático y su coeficiente de correlación y determinación como

resultados que establecieron el índice de confiabilidad en el cada uno de los

casos propuestos que a nivel general fueron de índice aceptable y de

confiabilidad.
 Referencias Bibliográficas

I. Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.

México City: Cengage Learning. (pp-675–

686). https://link.gale.com/apps/doc/CX4058900232/GVRL?

u=unad&sid=GVRL&xid=a2479593

II. Martínez, C. (2013). Capítulo 12. Regresión y correlación.

En: Estadística y muestreo, 13a ed. [Online] Bogotá: Ecoe Ediciones.

(pp 570 – 582). http://www.ebooks7-

24.com.bibliotecavirtual.unad.edu.co/?il=739

III. Monroy, S. S. (2005). Estadística descriptiva. México, D.F., MX:

Instituto Politécnico Nacional. (pp 21-29). https://elibro-

net.bibliotecavirtual.unad.edu.co/es/ereader/unad/74722     

IV. Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:

Paraninfo. (pp 130 –

158). https://link.gale.com/apps/doc/CX4052100011/GVRL?

u=unad&sid=GVRL&xid=696103db

V. OVI. Ortegon Pava, M. (27,07,2020). Medidas Bivariantes - Regresión

lineal Múltiple. [Archivo de

video]. https://repository.unad.edu.co/handle/10596/35464