Paso 4 – Descripción de la Información

Estudiante
Joao Alexander López Gómez
Código: 1095803338

100105- Estadística Descriptiva

Grupo - 100105_49

Presentado a
Jhoan Sebastián Báez Acevedo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

22 de noviembre de 2022
 INTRODUCCIÓN

En el presente documento exploraremos todos los conceptos e información general de lo relacionado

con el tema de medidas estadísticas bivariantes y entorno a esto realizaremos a través del cálculo e
interpretación del software estadístico el desarrollo de un par de problemáticas de estudio.

Estudiaremos las medidas bivariantes de regresión y correlación y de cada una de ellas como entender
y analizar la información que obtenemos al aplicar los conceptos usados según el modelo matemático
ejecutado.
 JUSTIFICACIÓN

Nos proponemos estudiar la generalidad de las medidas estadísticas bivariantes dada la necesidad de
entender y saber aplicar estos conceptos a futuros procesos universitarios y laborales en los que
participaremos en el desarrollo de nuestras carreas o proyectos de vida, esto basado en textos
especializados para la compresión de estos temas y se podría mencionar algunos como Martínez, C.
(2011). Capítulo 2. Distribuciones de frecuencia. En: Estadística y muestreo, 13a ed. [Online].Ecoe
Ediciones, Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple, esto para su
compresión total y apoderamiento del conocimiento para adquirir una mayor capacidad de análisis y
de mayor fidelidad en la toma de decisiones.
 OBJETIVO GENERAL

Conocer el cómo se identifican según medios y herramientas estadísticas las diferentes medidas
bivariantes, el como se usan y analizan los datos arrojados por estas además de el correcto uso en un
propósito especifico de estudio.

Objetivos específicos

*Conocer los conceptos de las medidas bivariantes y sus diferentes definiciones y usos.

*Entender los temas relacionados con las medidas bivariantes para darle un correcto uso en los casos
propuestos.

*Analizar con total compresión y entendimiento la información obtenida por cálculos realizados en
herramientas estadísticas.
Actividad 1. Mapa mental.
Actividad 2. Definición de conceptos.
CONCEPTO
Diagrama de dispersión
Correlación lineal simple
Coeficiente de determinación R2
Correlación positiva
Correlación negativa
Coeficiente de correlación lineal
DEFINICIÓN
En el caso del estudio de dos variables cuantitativas, la
gráfica es muy importante, porque de manera visual
podremos determinar en una primera etapa si es posible
pensar en una correlación entre las variables, y en ese caso
determinar qué modelo matemático es el más adecuado para
representar dicha relación. De la misma manera, la
observación de la gráfica podría indicarnos la falta de relación
entre las variables. La gráfica en la que se representan las
parejas ordenadas se conoce con el nombre de diagrama de
dispersión.
El análisis de correlación lineal simple es muy utilizado para
medir el grado de asociación de dos variables cuantitativas.
Este método estadístico además de medir la correlación entre
variables permite determinar y evaluar un modelo
matemático.
En estadística, el principal propósito del coeficiente consiste
en medir la calidad de predicción de un modelo, o dicho de
otro modo, la capacidad que tiene el modelo
para replicar los resultados.
La correlación es un tipo de asociación entre dos variables
numéricas, específicamente evalúa la tendencia (creciente o
decreciente) en los datos:
un valor positivo indica una relación directa o positiva.
La correlación es un tipo de asociación entre dos variables
numéricas, específicamente evalúa la tendencia (creciente o
decreciente) en los datos:
un valor negativo indica relación indirecta, inversa o
negativa.
Mide una tendencia lineal entre dos variables numéricas.
Actividad 3. Ejercicio práctico.

Enunciado del ejercicio seleccionado

3. Temperatura – Casos enfermedad respiratoria

a. Diagrama de dispersión

A través de la gráfica anterior podemos identificar y determinar que se presenta una

correlación negativa.

Tipo de asociación entre las variables:

b. Coeficiente de determinación y correlación.
 c. Modelo matemático y confiabilidad.

Podemos evidenciar que el modelo matemático que usamos se ajusta y es confiable.

d. Grado de relación entre las dos variables.

Pvalor >0.05 la idea es que sea menor

Pvalor >0.1 De ser así existe una relación entre las dos variables
Actividad 4. Regresión y correlación lineal.

Variables cuantitativas que pueden relacionarse: Número de integrantes del núcleo familiar –
Ingresos promedio del núcleo familiar.
Variable dependiente: Ingresos promedio del núcleo familiar.
Variable independiente: Número de integrantes del núcleo familiar.

a. Diagrama de dispersión

Tipo de relación entre las variables escogidas:

b. Coeficiente de determinación y correlación.

Interpretación:
c. Modelo matemático y confiabilidad.
Modelo matemático no se ajusta y no es confiable
 d. Tipo de correlación de las dos variables.

e. Relación de la información obtenida con la problemática.

Indicadores de percepción sobre el comportamiento de la economía familiar, bienestar y redes de
apoyo en la sociedad colombiana año 2021.
Encuesta realizada por PULSO-EPS vía telefónica a 15 mil jefes de hogar en diferentes ciudades
capitales en Colombia en el mes de septiembre de 2021.
Una ves aplicado el modelo y las medidas bivariantes se percibe que no existe una correlación entre
la cantidad de personas que conforman un núcleo y familiar y los ingresos promedio generados por
estos ya que no todos son adultos que generen ingresos o no todos cuentan con trabajos.

CONCLUSION

Al Concluir este trabajo se lo logro afianzar conocimientos relacionados con el tema de medidas
bivariantes y de la importancia de su entendimiento ya que al poner en práctica estos cálculos y
analizar graficas se pudo evidenciar la realidad de las correlaciones frente a lo que se creería que
esta estrechamente relacionado ya que no siempre es así, gracias a estas herramientas
conceptuales se genera crecimiento intelectual y de análisis para determinar en futuras situaciones o
espacios lo mas acertado posible para la toma de decisiones correctamente correspondientes a la
problemática.
 REFERENCIAS BIBLIOGRÁFICAS

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Páginas. 130 – 158.

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage Learning.
Páginas 675 – 686

http://uapas1.bunam.unam.mx/matematicas/datos_bivariados/