Tabla 1.

Definiciones de conceptos
1. Conceptos 2. Definiciones 3. Ejemplos

Es el número de veces que se presenta una observación o Se cuenta por cada hora e
medida de la variable de estudio, se representa con las letras fi ubicado en el municipio de
donde la letra i es cada uno de los valores. La sumatoria de las
frecuencias absolutas es igual al numero total de datos de una
muestra o población (N). repite 4 veces (f25=4), el d
Frecuencia absoluta.

∑129_(𝑖=1)^𝑛▒𝑓_𝑖 =𝑁

Es el resultado de la división entre la frecuencia absoluta fi por

el número total de datos N, se representa con las letras ni y la 𝒏_𝟐𝟓=4/10=0,4
suma debe ser iguala a 1.
Frecuencia relativa.
𝒏𝒊=𝑓𝑖/𝑁

Es una medida de tendencia central, existen varias formas de

calcular la media pero la mas común es la media aritmética, que
es el valor promedio de un conjunto de datos númericos, por lo
que se asigna la misma importancia a cada observación del
conjunto de datos del estudio. Se denota con el simbolo
Media.
𝒙 ̅
𝒙 ̅=(∑26_1^𝑁▒𝑥_𝑖 )/𝑁
En promedio, el númer

Dan una idea de que tan dispersos o concentrados estan los 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎=𝜎^
datos respecto a su centro o media, por lo que calcularlas )/𝑁−𝑥 ̅^2
resulta útil para conocer de manera resumida una caracteristica
de la variable estudiada, esta información se puede usar para 𝜎^2=(17^2+
Medidas de dispersión
comprar y tomar decisiones para el estudio planteado. Las
principales medidas de disperssión son: Rango, Varianza,
Desviación estándar, Desviación media, Coeficiente de
variación.
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒
 Modelo estadístico que relaciona una o varias variables Los ingenieros agrónomos
independientes (predictores) con una variable dependiente cultivos de Palma en el U
(respuesta) y sirve para encontrar una ecuación que aproxime la campos de cultivos de Palma
relación entre una o varias variables explicativas y una variable
respuesta. Existen 2 tipos de regresión lineal: Simple y Múltiple.
En general la ecuación del modelo de regresión lineal es:

Regresión lineal
𝑦=𝛽_0+∑▒ 〖𝛽 _𝑖 𝑋_𝐼+𝜀_𝐼 〗 , 𝐷ó𝑛𝑑𝑒:
𝛽=𝑒𝑠𝑡𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑙𝑖𝑒𝑛𝑎𝑙𝑒𝑠,
𝜀=𝑒𝑟𝑟𝑜𝑟
Dependie
cantidad d

Medida estadistica que indica la relación entre dos variables Se tiene dos variables y medi
X,Y. Toma un valor entre [-1 , 1] donde:
-1 indica correlación lineal Xi Yi
perfectamente negativa entre dos variables. 2 1
0 indica que no hay correlación 4 3
lineal entre dos variables. 1 indica una correlación lineal
perfectamente positiva entre dos variables. 6 7
Correlación de Pearson. 8 13
20 24

𝝆𝑿𝒀=𝐶𝑜𝑣(𝑋,𝑌)/√(𝑉𝑎𝑟(𝑋)×𝑉𝑎𝑟(𝑌) ) Covarianza
Varianza X
𝝆𝑿𝒀es para estudio de población para muestra se Varianza Y
representa como 𝒓𝑿𝒀
ciones de conceptos
emplos

uenta por cada hora el número de especies polinizadoras que llegan a un cultivo de maracuyá
ado en el municipio de Jardín, Antioquia. Se toman 10 datos:
25-30-54-25-17-30-25-42-30-25
Entonces el dato 25 se
te 4 veces (f25=4), el dato 30 se repite 3 veces (f30=3) y los datos 17, 42 y 54 se repite con una
frecuencia de 1 (f17=f42=f54=1).

N=4+3+1(3)=10

𝒏_𝟐𝟓=4/10=0,4 𝒏_(𝟏𝟕,𝟒𝟐,𝟓𝟒)=1/10=0,1
𝒏_𝟑𝟎=𝟑/𝟏𝟎=0,
3

𝒏_𝒊=0,4+0,3+0,1(3)=1

𝑥 ̅=(17+25+25+25+25+30+30+30+42+54)/10

𝑥 ̅=303/10=30,3

En promedio, el número de especies polinizadoras que llegan al cultivo de maracuyá es de 30,3.

𝑅𝑎𝑛𝑔𝑜=𝑉𝑎𝑙𝑜𝑟 𝑚á𝑥−𝑉𝑎𝑙𝑜𝑟 𝑚í𝑛=54−17=37
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎=𝜎^2=(∑_(𝑖=1)^𝑁▒(𝑥_𝑖 )^2
)/𝑁−𝑥 ̅^2
𝜎^2=(17^2+25^2 (4)+30^2 (3)+42^2+54^2)/10− 〖 30,3 〗 ^2=98,81

𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟=𝜎=√(𝜎^2 ), 𝜎=√98,81=9,94

𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑣𝑎𝑐𝑖𝑎𝑐𝑖ó𝑛=𝐶𝑉=𝜎/𝑥 ̅ ×100, 𝐶𝑉=9,94/30,3×100=32,81%

s ingenieros agrónomos quieren medir el efecto de los fertilizantes y el agua en el rendimiento de los
ultivos de Palma en el Urabá. Para ello usan diferentes cantidades de ferizante y agua en diferentes
pos de cultivos de Palma y ver como afecta el rendimiento de este.
Variable predictora: Fertilizante y agua; Variable respuesta: Rendimiento del
cultivo de Palma.

𝑦=𝛽_0+𝛽_1+𝛽_2

𝐷ó𝑛𝑑𝑒 𝛽_0=𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑢𝑙𝑡𝑖𝑣𝑜 sin⁡〖𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑡𝑒 𝑦 𝑎𝑔𝑢𝑎〗

𝛽_1=𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑡𝑒, 〖 𝛽〗 _2=𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑎𝑔𝑢𝑎

Dependiendo de los valores de 𝛽_1 y 𝛽_2, los agronomos pueden modificar la

cantidad de fertiliznate y agua usados para maximizar el rendimiento del cultivo.

ene dos variables y mediante la siguiente tabla hayamos las variables para calcular rXY
𝑿 ̅ � 𝑿_𝒊−𝑿 ̅ 𝒀_𝒊−𝒀 ̅ 〖 (𝑿 〗 _𝒊−𝑿 ̅)(𝒀_𝒊−𝒀 ̅
〖〖 (𝑿)〗 _〖〖 𝒊−𝑿 ̅)(𝒀
〗〗^𝟐_𝒊−𝒀 ̅) 〗 ^𝟐
�
 ̅ -3 -3.8 11.4 9 14.44
-1 -1.8 1.8 1 3.24
5 4.8
1 2.2 2.2 1 4.84
3 8.2 24.6 9 67.24
40 20 89.76

10𝒓𝑿𝒀=10/√(5×22,44)=𝟎,𝟗𝟒
Como el coeficiente de correlación de Pearson tiene un
5 valor cercano a 1 significa que las dos variables tiene
22.44 una correlación positiva bastabte fuerte.
Número de Frecuencia Frecuencia
personas Frecuencia relativa Frecuencia absoluta
Xi Xi.fi
heridas realativa (fi) acumulada absoluta (ni) acumulada
(Intervalos) (Fi) (Ni)

[1-2) 1.5 33 33 0.0825 0.0825 49.5

[2-3) 2.5 64 97 0.16 0.2425 160
[3-4) 3.5 105 202 0.2625 0.505 367.5
[4-5) 4.5 111 313 0.2775 0.7825 499.5
[5-6) 5.5 53 366 0.1325 0.915 291.5
[6-7) 6.5 34 400 0.085 1 221
400 1 1589

Histograma
120

100

80

60

40

20

0
[1-2) [2-3) [3-4) [4-5) [5-6) [6-7)

Conclusiones

En el intervalo [4-5) se encuentra el mayor número de personas heridas en un accidnte en el departamento del Tolima y q
un 27,75% de las personas heridas de los 400 accidentes que reportó el deprtamento, seguido de 3 persona con un porce
accidentalidad es muy alta respecto a los casos tan altos de heridos en los s

Media 𝑥 ̅=(∑_(𝑖=1)^400▒ 〖〖 (𝑥 〗 _𝑖×𝑓𝑖)

〗 )/400=1.589/400≅4

𝑀𝑒=𝐿𝑖+((((𝑛+1)/2)−𝐹_(𝑖−1))/𝑓𝑖)×𝐼𝑖=3+((((400+1)/2)−97)/
Mediana 105)×1=3,98

𝑀𝑜=𝐿𝑖+(𝑓𝑖−𝑓_(𝑖−1))/((𝑓𝑖−𝑓_(𝑖−1) )−(𝑓𝑖−𝑓_(𝑖+1) ) )×𝐴𝑖=4+(111−105)/((111−105)−(111−53) )×1=3,88

Moda

Cuartil 1 𝑄_1=3+((1×(400+1))/4−97)/105×1=3,03
 Decil 5 𝐷_5=3+((5×(400+1))/10−97)/105×1=3,98

Percentil 80 𝑃_80=5+((80×(400+1))/100−313)/53×1=5,15

1. Medidas 2. Resultados 3. Interpretación

Media aritmetica 4 En promedio el número de personas heridas en un sinisestro

Por debajo del 50% de los sinistros se registran entre 1 hasta 3

Mediana 4
heridas.

Moda 4 El número de personas heridas mas frecuente en un siniestro son

El 25% de los siniestros presentó un número de heridos que va d
Q1 3
personas.
El 50% de los sinistros presentó un número de heridos que va d
D5 4 personas.
El 80% de los siniestros presentados deja un saldo de entre 1 a
P80 5
heridas.

Número de
personas Frecuencia 𝑿 ̅ 〖〖 (𝑿 〗 _𝒊−𝑿 ̅)〖〖𝒇𝒊 〖〖𝒇𝒊 .(𝑿 〗
〗 ^𝟐 .(𝑿 〗 _𝒊−𝑿 ̅) 〗 ^𝟐
Xi Xi.fi
heridas realativa (fi)
(Intervalos)
[1-2) 1.5 33 49.5 6.11 201.74
[2-3) 2.5 64 160 2.17 138.77
[3-4) 3.5 105 367.5 0.22 23.44
4
[4-5) 4.5 111 499.5 0.28 30.89
[5-6) 5.5 53 291.5 2.33 123.66
[6-7) 6.5 34 221 6.39 217.20
Σ 400 1589 17.50 735.70

𝑉𝑎=𝜎^2=(∑_(𝑖=1)^𝑛▒ 〖 (𝑥_𝑖−𝑥 ̅ )^2×𝑓𝑖 〗 )/𝑛=736/400=1,84

Varianza

Desviación tipica 𝜎=√1,84=1,36

𝐶𝑉=(1,36 )/4×100=34%
Coeficiente de variación

𝛾_1=(∑_(𝑖=1)^𝑁▒ 〖 (𝑥_𝑖−𝑥 ̅ )^3×𝑓𝑖 〗 )/(𝑁×𝜎^3 )=39,95/(400× 〖 1,36 〗 ^3 )=0,039

Asimetría 𝛾_1>0 asimetria a la derecha , asimetria positiva, h

𝑔_2=(∑_(
Curtosis𝑖=1)^𝑁▒ 〖 (𝑥_𝑖−𝑥 ̅ )^4×𝑓𝑖 〗 )/(𝑁×𝜎^4 )−3=3224,06/(400× 〖 1,36 〗 ^4 )−3=−0,64
𝑔_2<0 La distribución es platicú
 𝑔_2<0 La distribución es platicú

¿La distribución es homogénea o heterogénea? La distribución es heterogenea dado que CV>30%

¿Qué tipo de concentración y asimetría presentan los datos?, Dado que la distribución es heterogenea, eso
quiere decir que los datos estan dispersos y nos tan confiables y según el resultado de la asimetría los datos
tiene un sesgo hacia la derecha.
 Diagrama circular
120

100

80

60

40

20

0
[1-2) [2-3) [3-4) [4-5) [5-6) [6-7) [1-2)

artamento del Tolima y que deben ser trasladados a centros hospitalarios, siendo un total de 4 personas, representa
e 3 persona con un porcentaje de 26,25% de personas heridas, por lo que, siendo mas del 50% de este parámetro la
n altos de heridos en los siniestros registrados. Fanalmente la variable

(111−53) )×1=3,88
 tación
heridas en un sinisestro es de 4.

registran entre 1 hasta 3 personas

as.

ente en un siniestro son 4 persona.

mero de heridos que va desde 1 a 3
nas.
mero de heridos que va desde 1 a 3
nas.
eja un saldo de entre 1 a 5 personas
as.

〖〖𝒇𝒊 .(𝑿 〗 _𝒊−𝑿 ̅) 〗 ^𝟑〖〖𝒇𝒊 .(𝑿 〗 _𝒊−𝑿 ̅) 〗 ^𝟒

𝒊−𝑿 ̅) 〗 ^𝟐

-498.80 1233.27
-204.34 300.89
-11.08 5.23
16.29 8.59
188.89 288.54
548.97 1387.53
39.95 3224.06

cha , asimetria positiva, hay una acumulación de datos a la derecha.

La distribución es platicúartica, es decir que la concentración en torno a la media es baja, por lo que es ,as achatada
que la distribucción normal.
La distribución es platicúartica, es decir que la concentración en torno a la media es baja, por lo que es ,as achatada
que la distribucción normal.
 Polígono de frecuencia
120

100

80

60

40

20

0
[1-2) [2-3) [3-4) [4-5) [5-6) [6-7)
 NÚMERO DE
MUNICIPIO DEL NÚMERO DE
PERSONAS
SINIESTRO
FALLECIDAS
PERSONAS HERIDAS Diagrama
Personas Fallecidas
Melgar 3 2
7
Ibagué 4 4
Espinal 1 4
6
Espinal 0 6
Ibagué 4 3
5
Espinal 4 3
Espinal 0 1
Ibagué 3 1 4

Melgar 0 3
3
f(x) = 0.02915567282321
Ibagué 2 3
R² = 0.000875822426193
Espinal 3 5
Ibagué 1 5 2
Espinal 3 3
Melgar 1 6 1
Melgar 1 4
Espinal 3 5 0
0 0.5 1
Ibagué 4 4
Espinal 0 3
Espinal 0 3
Ibagué 2 4
Melgar 0 5
Melgar 4 4
Ecuación de la regresión lineal: y = 0,0
Ibagué 3 5
Melgar 2 2 En este caso de la gráfica Personas fall
Espinal 1 5 0,0292.
Ibagué 4 5 El valor del Coeficiente de relación es d
Ibagué 2 6 de dispersión de los datos.
Ibagué 4 2 Lo que quiere decir que el porcentaje d
Ibagué 0 3 El coeficiente de correlación de Pea
Ibagué 4 4 Entre las 2 Varibles estudiadas no exist
Ibagué 0 5 Con la ecuación de correlación y = 0,02
Ibagué 2 4 Se puede predecir que:
Ibagué 3 2 1° cuando (X=0; Y= 3,4113) el numero
2° Cuando (X=1; Y= 3,4405) el numero
Ibagué 3 4 3° Cuando (X=2; Y= 3,4697) el numero
Ibagué 4 3
Ibagué 3 3
Ibagué 1 4
Ibagué 1 4
Melgar 0 4
Espinal 1 2
Ibagué 4 4
Ibagué 4 5
Melgar 0 4
Ibagué 3 3
Espinal 3 4
Ibagué 2 4
Melgar 1 2
Ibagué 4 5
Espinal 4 1
Melgar 3 3
Espinal 3 4
Melgar 1 4
Espinal 4 6
Ibagué 2 4
Melgar 1 1
Melgar 4 2
Melgar 2 2
Espinal 4 6
Espinal 3 3
Espinal 3 4
Espinal 4 4
Melgar 4 6
Melgar 0 2
Melgar 1 2
Melgar 4 4
Ibagué 1 1
Melgar 1 3
Ibagué 2 6
Melgar 0 3
Ibagué 4 3
Melgar 2 5
Ibagué 0 3
Espinal 2 2
Ibagué 0 6
Melgar 0 2
Espinal 2 3
Ibagué 2 5
Ibagué 3 6
Espinal 2 4
Ibagué 3 1
Melgar 1 6
Melgar 2 4
Espinal 2 3
Melgar 1 3
Melgar 3 1
Espinal 4 4
Melgar 2 4
Melgar 2 1
Ibagué 3 4
Ibagué 3 3
Melgar 4 2
Melgar 3 1
Espinal 1 5
Melgar 3 3
Espinal 1 5
Melgar 1 4
Ibagué 0 2
Espinal 0 3
Ibagué 2 3
Espinal 0 2
Ibagué 2 3
Melgar 3 3
Espinal 1 3
Ibagué 3 3
Ibagué 4 2
Melgar 4 3
Melgar 0 2
Melgar 2 2
Melgar 3 2
Espinal 0 6
Espinal 1 4
Ibagué 2 6
Espinal 4 4
Ibagué 4 3
Melgar 0 4
Melgar 4 5
Melgar 0 3
Espinal 0 4
Espinal 1 3
Ibagué 3 4
Ibagué 2 4
Ibagué 4 6
Ibagué 3 6
Ibagué 2 4
Ibagué 2 3
Ibagué 4 4
Ibagué 3 5
Ibagué 1 3
Ibagué 1 5
Ibagué 3 3
Ibagué 4 3
Ibagué 0 3
Ibagué 2 4
Ibagué 2 3
Ibagué 3 4
Ibagué 2 3
Ibagué 2 2
Ibagué 4 6
Espinal 4 4
Espinal 3 3
Espinal 0 3
Melgar 3 4
Ibagué 0 3
Melgar 1 5
Espinal 0 6
Espinal 4 4
Melgar 4 4
Melgar 0 6
Melgar 4 5
Espinal 4 6
Melgar 4 2
Melgar 2 4
Espinal 4 4
Melgar 4 4
Ibagué 4 3
Ibagué 2 2
Espinal 2 4
Melgar 3 4
Espinal 0 5
Ibagué 2 1
Melgar 2 4
Espinal 4 3
Melgar 0 4
Melgar 0 5
Espinal 2 5
Melgar 3 3
Espinal 4 4
Espinal 3 1
Espinal 3 4
Ibagué 3 5
Ibagué 2 5
Melgar 1 2
Melgar 2 1
Espinal 0 4
Espinal 1 5
Ibagué 1 4
Ibagué 0 3
Espinal 1 4
Espinal 2 4
Ibagué 0 4
Espinal 2 6
Melgar 2 3
Espinal 1 2
Ibagué 0 6
Espinal 2 4
Ibagué 2 4
Ibagué 1 5
Ibagué 2 3
Ibagué 4 2
Ibagué 0 1
Ibagué 0 2
Ibagué 3 4
Ibagué 0 4
Ibagué 0 4
Ibagué 0 2
Ibagué 4 3
Ibagué 3 3
Ibagué 4 3
Ibagué 3 2
Ibagué 1 5
Ibagué 4 6
Ibagué 4 4
Ibagué 2 4
Ibagué 2 2
Ibagué 1 4
Ibagué 1 5
Ibagué 0 2
Ibagué 0 4
Ibagué 1 2
Ibagué 1 6
Ibagué 3 4
Ibagué 4 4
Ibagué 1 4
Ibagué 4 5
Ibagué 2 3
Ibagué 3 3
Ibagué 4 4
Ibagué 3 3
Ibagué 3 5
Ibagué 1 4
Ibagué 4 4
Ibagué 1 4
Ibagué 2 3
Ibagué 0 4
Melgar 1 4
Ibagué 2 5
Melgar 1 6
Ibagué 2 5
Melgar 1 3
Ibagué 0 2
Ibagué 2 3
Ibagué 2 3
Melgar 2 5
Melgar 3 1
Ibagué 0 4
Melgar 1 1
Melgar 0 4
Melgar 0 4
Espinal 3 4
Melgar 1 3
Melgar 2 3
Ibagué 1 2
Melgar 4 3
Melgar 1 2
Ibagué 0 3
Espinal 0 2
Espinal 3 3
Ibagué 2 2
Melgar 4 6
Espinal 1 2
Melgar 1 2
Ibagué 3 2
Espinal 2 4
Melgar 2 4
Espinal 4 3
Espinal 4 3
Ibagué 3 4
Espinal 4 2
Melgar 0 1
Melgar 4 3
Espinal 3 3
Ibagué 1 3
Melgar 0 5
Ibagué 2 3
Melgar 1 2
Ibagué 3 4
Espinal 4 3
Espinal 4 4
Melgar 2 6
Melgar 4 6
Ibagué 4 3
Espinal 4 1
Melgar 1 3
Melgar 1 3
Melgar 4 4
Espinal 0 3
Ibagué 1 3
Ibagué 2 3
Espinal 1 6
Melgar 2 2
Espinal 4 5
Ibagué 2 1
Ibagué 2 1
Espinal 3 2
Melgar 3 4
Ibagué 2 5
Melgar 4 1
Melgar 3 2
Ibagué 2 5
Espinal 2 3
Espinal 1 3
Ibagué 3 4
Espinal 4 1
Melgar 3 5
Espinal 1 5
Melgar 2 5
Melgar 1 1
Espinal 2 2
Ibagué 3 2
Melgar 3 1
Ibagué 4 6
Ibagué 4 4
Espinal 2 4
Espinal 2 2
Melgar 1 4
Ibagué 1 5
Espinal 0 2
Melgar 0 4
Melgar 1 2
Ibagué 1 6
Ibagué 3 4
Ibagué 4 4
Ibagué 1 4
Ibagué 4 5
Ibagué 2 3
Ibagué 3 3
Ibagué 4 4
Ibagué 3 3
Ibagué 3 5
Ibagué 1 4
Ibagué 4 4
Ibagué 1 4
Ibagué 2 3
Ibagué 0 4
Ibagué 1 4
Ibagué 2 5
Ibagué 1 6
Ibagué 2 5
Ibagué 1 3
Ibagué 0 2
Ibagué 2 3
Ibagué 2 3
Melgar 2 5
Melgar 3 1
Ibagué 0 4
Melgar 1 1
Melgar 0 4
Melgar 0 4
Espinal 3 4
Melgar 1 3
Melgar 2 3
Ibagué 1 2
Melgar 4 3
Melgar 1 2
Ibagué 0 3
Espinal 0 2
Espinal 3 3
Ibagué 2 2
Melgar 4 6
Espinal 1 2
Melgar 1 2
Ibagué 3 2
Espinal 2 4
Melgar 2 4
Espinal 4 3
Espinal 4 3
Ibagué 3 4
Espinal 4 2
Melgar 0 1
Melgar 4 3
Espinal 3 3
Ibagué 1 3
Melgar 0 5
Ibagué 2 3
Melgar 1 2
Ibagué 3 4
Espinal 4 3
Espinal 4 4
Melgar 2 6
Melgar 4 6
Ibagué 4 3
Espinal 4 1
Melgar 1 3
Melgar 1 3
Melgar 4 4
Espinal 0 3
Ibagué 1 3
Ibagué 2 3
Espinal 1 6
Melgar 2 2
Espinal 4 5
Ibagué 2 1
Ibagué 2 1
Espinal 3 2
Melgar 3 4
Ibagué 2 5
Melgar 4 1
Melgar 3 2
Ibagué 2 5
Ibagué 2 3
Ibagué 1 3
Ibagué 3 4
Ibagué 4 1
Ibagué 3 5
Ibagué 1 5
Ibagué 2 5
Melgar 1 1
Espinal 2 2
Ibagué 3 2
Melgar 3 1
 Diagrama de Dispersión
Personas Fallecidas vs Personas Herridas
7

3
f(x) = 0.0291556728232191 x + 3.41127308707124
R² = 0.000875822426193551
2

0
0 0.5 1 1.5 2 2.5 3 3.5 4

Resumen punto 3.
Ecuación de la regresión lineal: y = 0,0292x + 3,4113

En este caso de la gráfica Personas fallecidas vs Personas heridas la relación es positiva dado que el valor de la pendiente es
0,0292.

El valor del Coeficiente de relación es de 0,0009. Lo que indica que el modelo de regresión lineal se ajusta muy poco a modelo
de dispersión de los datos.
Lo que quiere decir que el porcentaje de confiabilidad de esta regresión Lineal es muy baja de 0,09%.

El coeficiente de correlación de Pearson es igual a 0,029594297

Entre las 2 Varibles estudiadas no existe una correlación lineal, o esta correlación es miníma.

Con la ecuación de correlación y = 0,0292x + 3,4113.

Se puede predecir que:
1° cuando (X=0; Y= 3,4113) el numero de personas fallecidas es 0, las personas heridas son 4.
2° Cuando (X=1; Y= 3,4405) el numero de personas fallecidas es 1, las personas heridas son 4.
3° Cuando (X=2; Y= 3,4697) el numero de personas fallecidas es 2, las personas heridas son 4.
 coeficiente de correlación de Pearson
NÚMERO DE PERSONAS FALLECIDAS
NÚMERO DE PERSONAS FALLECIDAS 1
NÚMERO DE PERSONAS HERIDAS 0.0295942971903654

Prueba de Hipotesis

𝐻0 : 𝜌=0 (𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙)

𝐻1 : 𝜌≠0 (𝐸𝑥𝑖𝑠𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙)

Estadistico de Prueba

t=
3.5 4 4.5 𝑡=𝑟√(𝑛−2)/
(1−𝑟^2 )

Valor Critico n=
gl(n-2)=
de la pendiente es α=
t(α/2,n-2)=
muy poco a modelo
Decisión t<t(α/2,n-2)
Conclusión Entre las 2 Varibles estudiadas no existe
Por lo tanto el nivel de correlación es

y = 0,0292x + 3,4113
x=0 3.4113 Cuando el numero de personas fallecidas es 0,
x=1 3.4405 Cuando el numero de personas fallecidas es 1,
X=2 3.4697 Cuando el numero de personas fallecidas es 2,
ión de Pearson 0.02959429719
NÚMERO DE PERSONAS HERIDAS

0.590663089315009

400
398
0.05
1.96594232397626

No se puede rechazar la H0
les estudiadas no existe una correlación lineal
el nivel de correlación es minimo, no existe.

personas fallecidas es 0, las personas heridas son 4.

personas fallecidas es 1, las personas heridas son 4.
personas fallecidas es 2, las personas heridas son 4.