Paso 4 – Descripción de la Información

Estudiante
Julio Cesar Salgado Marín
Código: 1.053.771.913

100105- Estadística Descriptiva

Grupo - 1141

Presentado a
José Fernando Velandia

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

10 de mayo de 2022

INTRODUCCIÓN
Las técnicas estadísticas bivariantes permiten el análisis conjunto de dos características de los individuos de
una población con el propósito de detectar posibles relaciones entre ellas, demostradas a través de procesos
estadísticos que nos permitan determinar tipo de asociación entre las variables relacionadas demostrado a travez
del modelo matemático.

JUSTIFICACIÓN
Este trabajo tiene como propósito estudiar las medidas bivariantes con cada uno de los conceptos que las
determinan y demostrar por medio de programas estadísticos la relación que tienen dos variables pero ya no de
manera intuitiva sino bajo criterio matemático.

OBJETIVO GENERAL

Desarrollar en el estudiante hábitos y destrezas para caracterizar diferentes situaciones mediante el análisis de
las medidas estadísticas bivariantes, calculando adecuadamente las medidas asociadas para hallar relación entre
las variables
Objetivos específicos
 Obtener conceptos básicos que no permiten construir conocimiento sobre las medidas bivariantes
 Luego del proceso definir los la relación que existen entre las variables seleccionadas para el estudio
 Demostrar el grado de confiabilidad de las variables
Actividad 1. Mapa mental o conceptual.

es la medida específica que cuantifica la

intensidad de la relación lineal entre dos
Análisis de regresión para indicar variables en un análisis de correlación.
la proporción relativa de la En los informes de correlación, este
coeficiente se simboliza con la r.
variante total en la variable del
criterio.
Medidas Estadistas bivariantes
Coeficiente de de regresión y correlación Coeficiente de
determinación correlación

Puede explicarse mediante la

ecuación de regresión ajustada

Análisis de Análisis de
regresión correlación

Técnica estadística usada para Enfoque estadístico que se utiliza

dividir una ecuación que relaciona para determinar la relación entre
una variable de criterio con una o las variables cuantitativas o
mas variables de predicción, categóricas en un intervalo.

Análisis de Análisis de
regresión simple regresión múltiple

Cuando se usa una sola Cuando se usan dos o

variable de predicción mas variables
Actividad 2. Definición de conceptos.
CONCEPTO
Diagrama de dispersión
Correlación lineal simple
Coeficiente de determinación R2
Correlación positiva
Correlación negativa
Coeficiente de correlación lineal
Actividad 3. Ejercicio práctico.
Enunciado del ejercicio seleccionado
DEFINICIÓN
También conocido como gráfico de dispersión o gráfico de
correlación consiste en la representación gráfica de dos variables
para un conjunto de datos. En otras palabras, analizamos la
relación entre dos variables, conociendo qué tanto se afectan entre
sí o qué tan independientes son una de la otra.
Es una técnica que permite medir la fuerza o intensidad de la
relación entre dos variables lineales, su grado de relación y su
sentido.
Se logra a través del coeficiente de relación Pearson: r
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.
Una correlación significativa y positiva significa que los sujetos
codificados con un uno tienen en la variable continua una media
mayor que los sujetos codificados con un cero; si la correlación es
negativa, la media mayor en la variable continua corresponde a los
sujetos codificados con un cero.
Un valor menor que 0 indica que existe una correlación negativa,
es decir, que las dos variables están asociadas en sentido inverso.
Cuánto más se acerca a -1, mayor es la fuerza de esa relación
invertida (cuando el valor en una sea muy alto, el valor en la otra
será muy bajo.
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.
3.x. El peso depende de la estatura

Altura (cm) X Peso (Kg)Y

150 61
143 63
146 60
160 74
143 58
145 63
149 64
158 74
150 74
150 66
153 63
151 61
151 64
147 69
142 64

a. Diagrama de dispersión

Crecimiento poblacion estudiantil-muestra 15

jovenes
80
70
60
50
40
Peso

30
20
10
0
140 145 150 155 160 165
Altura

Tipo de asociación entre las variables:

Si nos basamos en los lineamientos, la relación entre las variables seria directa por que entre más altura tenga la
persona mayor es su peso, pero estamos viendo en el estudio realizado a los estudiantes que algunos tienen
estatura baja pero su peso es mayor, estaríamos hablando de una relación inversa.
b. Coeficiente de determinación y correlación.
Coeficiente de determinación:

R2=0,4116∗100
Confiabilidad de 41,16%
Coeficiente de determinación
Cd=√ 0,4116
Cd=0,6415

c. Modelo matemático y confiabilidad.

Crecimiento poblacion estudiantil-

muestra 15 jovenes
80

60 f(x)==0.411575497473451
R² 0.643234672304439 x − 30.7706131078224

40
Peso

20

0
140 145 150 155 160 165
Altura

y = 0,6432x - 30,771
Confiabilidad de 41,16%
Según la tabla tenemos una correlación mínima de confiabilidad.
d. Grado de relación entre las dos variables.
Grado de relación de 41,16%
Actividad 4. Regresión y correlación lineal.

Variables cuantitativas que pueden relacionarse

  Número de integrantes del núcleo familiar
 Ingreso promedio del núcleo familiar
Variable dependiente:
 Ingreso promedio del núcleo familiar
Variable independiente:
 Número de integrantes del núcleo familiar

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

entre las variables.

_Determine al coeficiente de determinación y de correlación de las dos variables.

Interprete los resultados
Coeficiente de determinación:

R2=0,01∗100
Confiabilidad de 1%
Coeficiente de determinación
Cd=√ 0,0 1
Cd=0,1
 Modelo matemático
Y =37631,41 X +1593699,62

- Encuentre
el modelo
matemático
que
permite
predecir el efecto de una variable sobre la otra. ¿Es confiable?
Modelo matemático
Y =37631,41 X +1593699,62
- Determine el tipo de correlación de las dos variables.
Según la tabla y el resultado no hay correlación entre Número de integrantes del núcleo familiar y el
Ingreso promedio del núcleo familiar
Confiabilidad de 1%

- Relacionar la información obtenida con el problema.

Si nos basamos en los lineamientos, la relación entre las variables seria directa por que a mayo integrantes del
núcleo familiar mayor es el ingreso, pero no en todos los casos pasa lo mismo ya que en algunos casos puede
haber pocos integrantes del núcleo familiar y pueden tener ingresos mas altos
 CONCLUSIONES

Podemos decir que con las medidas bivariantes demostramos de manera exacta la relación que existe entre dos
variables cuantitativas que pensábamos intuitivamente que tenían relación, pero al ir al proceso matemático nos
damos cuenta de que no la tienen.
 REFERENCIAS BIBLIOGRÁFICAS

http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=739
https://link.gale.com/apps/doc/CX4052100011/GVRL?u=unad&sid=GVRL&xid=696103db
https://link.gale.com/apps/doc/CX4058900232/GVRL?u=unad&sid=GVRL&xid=a2479593
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/74722
https://repository.unad.edu.co/handle/10596/33651