Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Código: 1123430367
Definición de conceptos.
-Diagrama de dispersión: Un diagrama de dispersión o gráfica de dispersión o gráfico de
burbujas gráfico de bolas es un tipo de diagrama matemático que utiliza las coordenadas
cartesianas para mostrar los valores de dos variables para un conjunto de datos.
-Correlación lineal simple: la regresión lineal simple es un modelo de regresión lineal con
una sola variable explicativa.
-Coeficiente de determinación R2: En estadística, el coeficiente de determinación,
denominado R² y pronunciado R cuadrado, es un estadístico usado en el contexto de un
modelo estadístico cuyo principal propósito es predecir futuros resultados o probar una
hipótesis.
-Correlación positiva y correlación negativa: Los valores de r positivos indican una
correlación positiva, en la que los valores de ambas variables tienden a incrementarse
juntos. Los valores de r negativos indican una correlación negativa, en la que los valores de
una variable tienden a incrementarse mientras que los valores de la otra variable
descienden.
- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
El coeficiente de correlación es la medida específica que cuantifica la intensidad de la
relación lineal entre dos variables en un análisis de correlación. En los informes de
correlación, este coeficiente se simboliza con la r; Para dos variables, la fórmula compara la
distancia de cada dato puntual respecto a la media de la variable y utiliza esta comparación
para decirnos hasta qué punto la relación entre las variables se ajusta a una línea imaginaria
trazada entre los datos. A esto nos referimos cuando decimos que la correlación examina
las relaciones lineales.
-Regresión lineal simple: a regresión lineal simple es un modelo de regresión lineal con
una sola variable explicativa.
-Regresión lineal múltiple: La regresión lineal múltiple trata de ajustar modelos lineales o
linealizables entre una variable dependiente y más de unas variables independientes. En
este tipo de modelos es importante testar la heterocedasticidad, la multicolinealidad y la
especificación.
Ejercicio Practico
Las variables elegidas son Edad (x) y peso en kilogramos (y).
Realizar un diagrama de dispersión de dichas variables y determinar el tipo de
asociación entre las variables.
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,859718545
Coeficiente de determinación R^2 0,739115976
R^2 ajustado 0,717375641
Error típico 6,465687274
Observaciones 14
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1421,26723 1421,26723 33,9974506 8,0766E-05
Residuos 12 501,661343 41,8051119
Total 13 1922,92857
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 3,112372523 10,4274591 0,29847852 0,77044335 -19,6071091 25,8318541 -19,6071091 25,8318541
Variable X 1 0,978352896 0,16779243 5,83073328 8,0766E-05 0,6127646 1,34394119 0,6127646 1,34394119
5
4
f(x) = − 0.035726507425912 x + 4.15180343576757
3 R² = 0.00129114074192194
2
1
0
0 1 2 3 4 5 6 7
Cantidad de resguardos
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,035932447
Coeficiente de determinación R^2 0,001291141
R^2 ajustado -0,004319583
Error típico 2,012974123
Observaciones 180
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 0,93246184 0,93246184 0,23012017 0,63202364
Residuos 178 721,267538 4,05206482
Total 179 722,2
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 4,151803436 0,18485991 22,4591877 7,906E-54 3,78700442 4,51660245 3,78700442 4,51660245
Variable X 1 -0,035726507 0,07447546 -0,47970842 0,63202364 -0,18269497 0,11124195 -0,18269497 0,11124195
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,138935697
Coeficiente de determinación R^2 0,019303128
R^2 ajustado 0,008221807
Error típico 2,01189696
Observaciones 180
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 14,1019001 7,05095004 1,74195194 0,17816768
Residuos 177 716,4481 4,04772938
Total 179 730,55
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 1,996540232 0,40684085 4,90742319 2,0836E-06 1,19365722 2,79942324 1,19365722 2,79942324
Variable X 1 -0,028981484 0,07496988 -0,38657506 0,69953515 -0,17693132 0,11896836 -0,17693132 0,11896836
Variable X 2 -0,221870047 0,12305482 -1,80301796 0,07308634 -0,46471346 0,02097337 -0,46471346 0,02097337
Conclusiones
Se puede concluir que gracias a las fórmulas enseñadas en esta tarea 4, sabemos de una
manera estadística la relación entre dos variables una dependiente y otra independiente, con
esto podemos hallar el coeficiente de relación además de un modelo matemático para
aplicarlo en la misma variable y ver si grado de eficacia, y con la gráfica de dispersión
observamos de manera grafica la relación de las dos variables si lo hablamos de manera
lineal, si es de manera múltiple podemos ver la relación de dependencia de dos variables
(X) sobre una (y); también hallamos el modelo matemático y la correlación de las mismas.
Además de tener la libertad de realzar graficas de dispersión.
Referencias Bibliográficas.
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas.
130 – 158.
Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City:
Cengage Learning. Páginas 675 – 68
Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación de
mercados. México City: Cengage Learning. Páginas 686 – 695