Unidad 3 Paso 4 Descripcion de La Informacion

Paso 4 Descripción de la información
Unidad 3 – Paso 4 Descripción de la información
Adriana Lucía Acero Niño- Código: 1002520915
Grupo: 202107095_216
Tutor: Milton Eduardo Salgado
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD
ESCUELA DE CIENCIAS SOCIALES ARTESY HUMANIDADES- ECSAH
PSICOLOGÍA
Noviembre 2021
Introducción
Las medidas estadísticas bivariantes de regresión y correlación se refieren a
todos los métodos estadísticos que analizan simultáneamente, medidas múltiples de
cada individuo u objeto sometido a investigación. Analizar simultáneamente un conjunto
de variables significa examinar y buscar relaciones entre do o mas variables. Donde el
propósito de análisis multivariable es medir, explicar y predecir el grado de relación de
las variables. La regresión lineal es objeto de un análisis de investigar la relación
estadística que existe entre una variable dependiente. (Y) (X).
El análisis de correlación y regresión comprende el análisis de los datos entre
dos variables, para determinar el grado que existe entre las variables. La regresión
lineal involucra en su análisis dos variables y un término aleatorio.
Esto permite que estadísticamente sea posible el ajuste lineal, para ellos es
necesario conocer los tipos de regresión existentes en la estadística su asociación con
las diferentes variables, y los coeficientes necesarios para calcular su grado de
regresión y correlación lineal.

Justificación
Al analizar la serie de datos los cuales dependiendo de la herramienta utilizada
se pueden graficar la información calculando e interpretada, ya que por medio de este
trabajo se identifica variables cuantitativas del problema estudiado, aplicando la
temática vista en la unidad en la cual se esta culminado, en la información vista se
logra determinar la relación entre una variable dependiente y variables independientes,
también calcular la recta de regresión y el coeficiente de determinación y correlación
para probar estadísticamente su relación.

Objetivos
Objetivo general
 Calcular e interpretar las medidas estadísticas bivariantes.
Objetivos específicos
 Interpretar correctamente los datos.
 Comprender mediante las lecturas las medidas estadísticas bivariantes.
 Elaborar un mapa mental.
 Cuantificación del grado de relación lineal.

Mapa Mental
Definición de conceptos
Actividad 2. Definición de Conceptos.
Descripción de la Actividad Individual:
Definir brevemente los conceptos básicos asociados a Regresión y Correlación como:
 Diagrama de dispersión.
 Correlación lineal simple.
 Coeficiente de determinación R2
 Correlación positiva y correlación negativa
 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
Solución:
 Diagrama de dispersión: Un diagrama de dispersión gráfica de dispersión gráfico
de dispersión en 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: Si entre dos variables cuantitativas existe una relación
lineal, el análisis de correlación lineal simple se usa para determinarla dirección
y la magnitud de dicha relación. La dirección de la relación se refiere a si ésta es
positiva o negativa.
 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: **Si r < 0 Hay correlación negativa:
las dos variables se correlacionan en sentido inverso. A valores altos de una de
ellas le suelen corresponder valores bajos de la otra y viceversa. Cuánto más
próximo a -1 esté el coeficiente de correlación más patente será esta covariación
extrema. Si r= -1hablaremos de correlación negativa perfecta loque supone
una determinación absoluta entre las dos variables (en sentido inverso): Existe
una relación funcional perfecta entre ambas (una relación lineal de pendiente
negativa).
 Una correlación positiva, cuando el coeficiente de correlación es mayor que 0,
significa que ambas variables se mueven en la misma dirección. Cuando ρ es
+1, significa que las dos variables que se comparan tienen una relación positiva
perfecta; cuando una variable se mueve más alta o más baja, la otra variable se
mueve en la misma dirección con la misma magnitud.
Cuanto más se acerque el valor de ρ a +1, más fuerte será la relación lineal. Por
ejemplo, supongamos que el valor de los precios del petróleo está directamente
relacionado con los precios de los billetes de avión, con un coeficiente de
correlación de +0,95. La relación entre los precios del petróleo y los billetes de
avión tiene una correlación positiva muy fuerte, ya que el valor está cerca de +1.
Por lo tanto, si el precio del petróleo disminuye, las tarifas aéreas también
disminuyen. Y si el precio del petróleo aumenta, también lo hacen los precios de
los billetes de avión.2 Como se puede imaginar, JPMorgan Chase & Co. debería
tener una correlación positiva con el sector bancario en su conjunto. Podemos
ver que el coeficiente de correlación (en la parte inferior del gráfico) está
actualmente en 0,97, lo que indica una correlación positiva muy fuerte. Una
lectura por encima de 0,50 típicamente indica una correlación positiva.
Comprender la correlación entre dos acciones (o una sola acción) y su industria
puede ayudar a los inversores a calibrar la forma en que la acción se negocia en
relación con sus pares. Todos los tipos de valores, incluidos los bonos, sectores
y fondos cotizados (ETF) pueden compararse con el coeficiente de correlación.
 El Coeficiente de correlación es una medida que permite conocer el grado de
asociación lineal entre dos variables cuantitativas (X, Y).
En los siguientes Diagramas de dispersión se puede observar que existe una
relación lineal entre la variable X y la variable Y.
Sin embargo, si trazamos una línea recta en los diagramas.

Podemos observar que en un diagrama B los puntos se acercan más a la recta, caso
contrario en el diagrama A, los puntos están más alejados. Entonces podemos decir
que la relación lineal del diagrama A es más débil con comparación a la relación que
existe en el diagrama B.
Un diagrama dispersión no nos da certeza de que tan débil o fuerte es la relación lineal,
necesitamos una medida que nos de la fuerza de la asociación y la dirección que toma
esta relación.
Para esto sirve el coeficiente de correlación que esta dado por la siguiente formula.
Hay que recordar entonces que el coeficiente de relación lineal mide la fuerza y el
sentido de la relación lineal entre 2 variables cuantitativas.
Luego de haber aplicado la formula, según el resultado se puede clasificar en este
rango.
Entre más cercano es a 1 es más fuerte, entre más cercano a 0 es débil hasta llegar
hacerse nula, si los valores del coeficiente de relación son -1 es una Asociación lineal
perfecta Negativa, si es 0 no existe relación y si es 1 es una Asociación Lineal perfecta
Positiva.
¿Entonces como identificamos cuan dispersos son los puntos de la línea recta?.
Con la siguiente tabla podemos clasificar nuestros resultados y responder esta
interrogante.
Ejercicio practico
3.5 Temperatura – Enfermedad respiratoria.
1.Temperatura 2.Casos de
Media °C enfermedad
respiratoria
7 30
9 28
12 26
14 24
16 21
19 18
21 15
25 9
28 7
a) Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.
Valores Y
35
30 f(x) = − 1.14592511013216 x + 39.0038546255507

R² = 0.989489690533204
25
20
15
10
0
5 10 15 20 25 30
Existe una correlación con dirección negativa entre las variables.
b) Encuentre el coeficiente de determinación y correlación.
Coeficiente de determinación
0.98948969%
Esto nos da que el 0.98948969% de casos de enfermedad respiratoria dependen
de la temperatura media.
Coeficiente de correlación
-0,994731
Esto quiere decir que entre más temperatura menos serán los pacientes por
enfermedad respiratoria.
c) Determine el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
y = -1,1459x + 39,004 R² = 0,9895
Se puede asegurar que la ecuación de la recta es confiable porque el R² está
cercano a 1 y tiene un grado alto de confiabilidad, por lo tanto, este modelo matemático
si es confiable.
d) Determine el grado de relación de las dos variables.
Relación lineal negativa.

Actividad 4. Regresión y correlación Lineal Simple.
a) Identificar dos variables cuantitativas de la situación estudiada que puedan
estar relacionadas e identificar la variable dependiente e independiente.
Variable dependiente: Edad de cada paciente que tuvo COVID
Variable independiente: Sexo de cada paciente
b) Realizar el diagrama de dispersión de dichas variables y determinar el tipo
de relación entre las variables.
100
90 ID de caso en funcion de la edad

80
70
60
50
40
30
f(x) = 0.00305321081163866 x
20
+ 40.0512669894786
10 R² = 0.0014366031886216
0
0 100 200 300 400 500 600 700 800 900 1000
c) Encuentre el coeficiente de determinación y correlación.
Coeficiente de determinación
0,037416574
Coeficiente de correlación
0,0014
d) Determine el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?
y = 0,0031x + 40,051 R² = 0,0014
No hay correlación entre las variables, por lo tanto, no es confiable y no se
puede hacer predicciones a futuro con estas dos variables.
e) Determine el grado de relación de las dos variables.
Correlación lineal positiva.

Conclusiones
Se evidencio que para manejar cualquier tipo de variable se necesita realizar un
diagrama de dispersión y aplicar conceptos, fórmulas de relación y correlación que
permita el despeje de las ecuaciones y datos para obtener un resultado acertado en los
ejercicios planteados por la guía de trabajo.
Por medio de este trabajo se pudo tener una mejor claridad y entendimiento, de
las medidas estadísticas bivariantes de regresión y correlación, ya que permiten el
análisis conjunto de dos características de los individuos en una población, con el
propósito de detectar posibles relaciones entre ellas.

Referencias
Martínez, C. (2011). Capítulo 2. Distribuciones de frecuencia. En: Estadística y
muestreo, 13a ed. [Online] Bogotá: Ecoe Ediciones. (pp 570 – 582). Recuperado de
http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=739
Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City:
Cengage Learning. (pp-675–686). Recuperado de
https://link.gale.com/apps/doc/CX4058900232/GVRL?
u=unad&sid=GVRL&xid=a2479593
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 130 –
158). Recuperado de https://link.gale.com/apps/doc/CX4052100011/GVRL?
u=unad&sid=GVRL&xid=5e6c855d
Monroy, S. S. (2005). Estadística descriptiva. México, D.F., MX: Instituto Politécnico
Nacional. (pp 21-29). Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/74722
OVI. Ortegon Pava, M. (27,07,2020). Regresión lineal. [Archivo de video]. Recuperado
de https://repository.unad.edu.co/handle/10596/35461

Unidad 3 Paso 4 Descripcion de La Informacion

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 3 Paso 4 Descripcion de La Informacion

Cargado por

Copyright:

Formatos disponibles

Paso 4 Descripción de la información

Unidad 3 – Paso 4 Descripción de la información

Adriana Lucía Acero Niño- Código: 1002520915

Tutor: Milton Eduardo Salgado

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD

ESCUELA DE CIENCIAS SOCIALES ARTESY HUMANIDADES- ECSAH

Las medidas estadísticas bivariantes de regresión y correlación se refieren a

todos los métodos estadísticos que analizan simultáneamente, medidas múltiples de

cada individuo u objeto sometido a investigación. Analizar simultáneamente un conjunto

de variables significa examinar y buscar relaciones entre do o mas variables. Donde el

propósito de análisis multivariable es medir, explicar y predecir el grado de relación de

las variables. La regresión lineal es objeto de un análisis de investigar la relación

estadística que existe entre una variable dependiente. (Y) (X).

El análisis de correlación y regresión comprende el análisis de los datos entre

lineal involucra en su análisis dos variables y un término aleatorio.

necesario conocer los tipos de regresión existentes en la estadística su asociación con

las diferentes variables, y los coeficientes necesarios para calcular su grado de

regresión y correlación lineal.

Al analizar la serie de datos los cuales dependiendo de la herramienta utilizada

se pueden graficar la información calculando e interpretada, ya que por medio de este

trabajo se identifica variables cuantitativas del problema estudiado, aplicando la

temática vista en la unidad en la cual se esta culminado, en la información vista se

logra determinar la relación entre una variable dependiente y variables independientes,

también calcular la recta de regresión y el coeficiente de determinación y correlación

para probar estadísticamente su relación.

 Calcular e interpretar las medidas estadísticas bivariantes.

 Interpretar correctamente los datos.

 Comprender mediante las lecturas las medidas estadísticas bivariantes.

 Elaborar un mapa mental.

 Cuantificación del grado de relación lineal.

Actividad 2. Definición de Conceptos.

Descripción de la Actividad Individual:

Definir brevemente los conceptos básicos asociados a Regresión y Correlación como:

 Correlación lineal simple.

 Correlación positiva y correlación negativa

 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

 Diagrama de dispersión: Un diagrama de dispersión gráfica de dispersión gráfico

de dispersión en un tipo de diagrama matemático que utiliza las coordenadas

lineal, el análisis de correlación lineal simple se usa para determinarla dirección

y la magnitud de dicha relación. La dirección de la relación se refiere a si ésta es

 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: **Si r < 0 Hay correlación negativa:

las dos variables se correlacionan en sentido inverso. A valores altos de una de

ellas le suelen corresponder valores bajos de la otra y viceversa. Cuánto más

próximo a -1 esté el coeficiente de correlación más patente será esta covariación

extrema. Si r= -1hablaremos de correlación negativa perfecta loque supone

 Una correlación positiva, cuando el coeficiente de correlación es mayor que 0,

significa que ambas variables se mueven en la misma dirección. Cuando ρ es

mueve en la misma dirección con la misma magnitud.

relacionado con los precios de los billetes de avión, con un coeficiente de

disminuyen. Y si el precio del petróleo aumenta, también lo hacen los precios de

tener una correlación positiva con el sector bancario en su conjunto. Podemos

lectura por encima de 0,50 típicamente indica una correlación positiva.

Comprender la correlación entre dos acciones (o una sola acción) y su industria

puede ayudar a los inversores a calibrar la forma en que la acción se negocia en

y fondos cotizados (ETF) pueden compararse con el coeficiente de correlación.

 El Coeficiente de correlación es una medida que permite conocer el grado de

asociación lineal entre dos variables cuantitativas (X, Y).

En los siguientes Diagramas de dispersión se puede observar que existe una

relación lineal entre la variable X y la variable Y.

Sin embargo, si trazamos una línea recta en los diagramas.