PASO 3 – ANÁLISIS DE LA INFORMACIÓN

ESTUDIANTE
JORGE LUIS BELTRAN BLANCO

COÓDIGO
19518633

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA CIENCIAS DE LA EDUCACIÓN

TECNOLOGÍA DE GESTIÓN DE EMPRESAS ASOCIATIVAS Y

ORGANIZACIONES COMUNITARIAS

CURSO:
ESTADÍSTICA DESCRIPTIVA (N) 204040_21

TUTOR
DANIEL FELIPE VARGAS OTALORA
JULIO 03 - 2023
 Introducción
El siguiente trabajo trata de un análisis sobre Regresión y Correlación lineal con la
finalidad de buscar o encontrar la relación que existe entre dos variables cuantitativas
seleccionadas, teniendo en cuanta la información sobre la base de datos Anexo 1 -
Resultados de las pruebas Saber Pro para 190 estudiantes durante el primer periodo 2022,
en algunos departamentos de Colombia. (16-2) aplicadas a los estudiantes de grado once.
Así mismo, se describen los conceptos relacionados con la temática trabajada: por
ejemplo: ¿Qué es el coeficiente lineal y que nos ayuda a medir? O ¿qué es el Coeficiente
de determinación R2? Entre otros conceptos importantes que nos permitieron apropiarnos
de la temática, desarrollo de los ejercicios, la comprensión y el análisis de los mismos.
 Justificación
El interés de la estadística ha dado lugar al desarrollo de una serie de conocimientos y
procedimientos orientados a satisfacer dos grandes niveles de competencias.
La regresión y correlación son temas muy profundos que nos permiten la organización de
datos y su incorporación al sistema por medio de fórmulas las cuales nos sirven para hacer
más fácil este proceso el objetivo de determinar los valores que son importantes.

 Resumir la información recogida, habitualmente cuantiosa, de un modo que resulte más

compresibles y permita tomar de análisis de medidas estadísticas.

 Inferir sobre población numerosa de su tamaño, a partir de indicadores de los

departamentos sobre los resultados de las pruebas pro de la muestra de 190 estudiantes
de los departamentos.
 Objetivos
 Análisis de situaciones representados en tablas de medidas estadísticas.

 Aprender acerca de la regresión y correlación

 Conocer las formulas de la regresión y correlación -Realizar los diagramas de

dispersión

 Encontrar la relación entre las dos variables -Encontrar el coeficiente de

determinación y correlación
Actividad 1. Cuadro sinóptico

https://lucid.app/lucidchart/5d99efc9-a10a-4545-83e6-f116ce842b72/edit
Actividad 2. Aplicación de regresión y correlación.
LA REGRESIÓN: se refiere al análisis de la relación entre una variable dependiente y
una o más variable independiente. Su objetivo principal es construir un modelo
matemático que describa y prediga la relación entre estas variables. La variable
dependiente, también conocida como variable de respuesta, es la que se intenta predecir
o explicar, mientras que las variables independientes, también conocidas como variables
predictores o variables, son aquellas que se utilizan para predecir o explicar la variabilidad
en la variable dependiente. El modelo de regresión busca encontrar la mejor relación
funcional entre las variables, generalmente utilizando técnicas como el método de
mínimos cuadrados.
Por otro lado, LA CORRELACIÓN se refiere a la medida de la relación lineal entre dos
variables. Se utiliza para evaluar si existe una relación entre dos variables y para medir la
fuerza y dirección de esa relación. La correlación se expresa en términos de coeficientes
de correlación, siendo el más común el coeficiente de correlación de Pearson, que varía
entre -1 y 1. Un coeficiente de correlación de 1 indica una correlación positiva perfecta,
-1 indica una correlación negativa perfecta, y 0 indica ausencia de correlación.
Actividad 3. Ejercicio práctico.

Actividad 4. Regresión y correlación lineal simple.

La correlación lineal simple, es una medida estadística que evalúa la relación entre dos
variables cuantitativas. Se utiliza para determinar si existe una relación lineal entre las
variables y, en caso afirmativo, para describir la fuerza y la dirección de esa relación.
La correlación lineal simple se representa mediante el coeficiente de correlación de
Pearson, que se denota con el símbolo "r". El coeficiente de correlación de Pearson varía
entre -1 y 1. Un valor de r igual a 1 indica una correlación lineal positiva perfecta,
mientras que un valor de r igual a -1 indica una correlación lineal negativa perfecta. Un
valor de r igual a 0 indica una ausencia de correlación lineal.
Actividad 5. Regresión y correlación múltiple.

La regresión y correlación múltiple son técnicas estadísticas utilizadas para analizar la

relación entre múltiples variables. Ambas se basan en el concepto de una variable
dependiente y varias variables independientes, pero tienen enfoques ligeramente
diferentes.
La regresión múltiple se utiliza para predecir o explicar una variable dependiente en
función de varias variables independientes, mientras que la correlación múltiple se utiliza
para medir la relación entre múltiples variables independientes y una variable dependiente
sin hacer predicciones directas. Ambas técnicas son útiles en el análisis estadístico y se
complementan entre sí en diferentes contextos de investigación.

Actividad 6. Consolidación de la información.

La consolidación de la información se refiere al proceso de combinar y organizar datos,

conocimientos o recursos dispersos en un solo lugar o sistema para facilitar su acceso y
uso eficiente. Este proceso implica recopilar, agrupar y sintetizar información de diversas
fuentes con el fin de crear una visión global y coherente.
La consolidación de la información es especialmente relevante en entornos empresariales,
donde las organizaciones manejan grandes cantidades de datos y necesitan extraer
información significativa para la toma de decisiones. Algunos ejemplos de consolidación
de información en este contexto son:
 Integración de datos
 Generación de informes
 Gestión del conocimiento
 Sistemas de gestión de la información
La consolidación de la información implica reunir datos dispersos, organizarlos en un
formato coherente y facilitar su acceso y uso eficiente. Esto ayuda a las organizaciones a
tomar decisiones informadas, mejorar la eficiencia y aprovechar al máximo sus recursos
y conocimientos.
Ejercicio 3.5
Calcule las respectivas correlaciones de la edad y estatura mencionadas.
Una investigación desarrollada por un grupo de nutricionistas durante un mes sobre
la relación entre la edad en años y la estatura en centímetros, se obtuvieron los
siguientes datos:
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.

b. Encuentre el coeficiente de determinación y correlación.

c. Determine el modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es confi

d. Determine el grado de relación de las dos variables.

Independiente Dependiente Y= ax+b Y=4,00X+86,8

Edad (x) año Estatura (Y)cm
10 135 A 4,00298
12 132 B 86,8318
Coeficiente de
22 178 determinación R2 0,88937 0,889366
14 144 Coeficiente de correlación 0,94306
9 128
18 150
20 172
11 120

Estatura (Y)cm
200
150
Estatura

100
y = 4,003x + 86,832
50 R² = 0,8894
0
0 5 10 15 20 25
Edad
Actividad 4. Regresión y correlación Lineal Simple.
A partir de la base de datos suministrada: Anexo 1 - Resultados de las pruebas Saber
Pro para 190 estudiantes durante el primer periodo 2022, en algunos departamentos
de Colombia. (16-2), cada estudiante, deberá:

a. Identificar dos variables cuantitativas de la situación estudiada que puedan estar

relacionadas e identificar la variable dependiente e independiente.
b. Realizar el diagrama de dispersión de dichas variables y determinar el tipo de relación
entre las variables.
c. Determine al coeficiente de determinación y de correlación de las dos variables.
Interprete los resultados
d. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable? e. Relacionar la información obtenida con el problema.

PUNTAJE LECTURA CRITICA

250

200

150
Puntaje

100
y = -0,0106x + 138,02
R² = 8E-06
50

0
0 10 20 30 40 50 60
Libros Leidos

Es variable directa ya que entre más dosis de sal se incluya en la dieta, la medida de la
tensión aumenta en el estudio de la asociación.
8,02187E-06: Coeficiente de determinación
0,0000E+00: Coeficiente de correlación
Y= ax+b A= -0,010638605

Y=0,01X+138,01 B = 138,0189269
 Resultados de las prueba pro para 190 Estudiantes
250

200

150
Puntaje

100
y = -0,0106x + 138,02
R² = 8E-06
50

0
0 10 20 30 40 50 60
Libros Leidos

8,02187E-06 = 0,00802187: Coeficiente de determinación

0,00283229: Coeficiente de correlación
Y= ax+b
Y= 0,01X+138,01
A= -0,106386
B= 138,0189269
Da como resultado una correlación excelente entre la variable libros leído y puntaje ya
que es mayor a 0,90 y menor que 1
Actividad 5. Regresión y correlación múltiple.
a. Identificar una variable cuantitativa dependiente y varias variables cuantitativas
independientes del estudio de investigación.
b. Realizar el diagrama de dispersión de dichas variables.
c. Encuentre el modelo de regresión lineal múltiple y el coeficiente de correlación para
probar estadísticamente su relación.
d. Relacionar la información obtenida con el problema.

Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple 1
Coeficiente de determinación
R^2 1
R^2 ajustado 1
Error típico 0
Observaciones 189

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
libertad cuadrados cuadrados F
Regresión 2 432,666667 216,333333 #¡NUM!
Residuos 186 0 0
Total 188 432,666667

Coeficientes Error típico Estadístico t Probabilida

Intercepción 1 0 65535 #¡NUM!
Variable X 1 0 0 65535 #¡NUM!
Variable X 2 1 0 65535 #¡NUM!
El tipo de asociación que tiene es de correlación.

Determine el modelo matemático que permite predecir el efecto de una variable sobre la
otra. ¿Es confiable?
Si es confiable porque nos brinda con exactitud la base de datos clara y concisa

Si es confiable ya que en la gráfica de correlación pudimos ver que son lineal los valores
que se presentaron en la tabla.
 Conclusiones
Aprendí sobre la correlación lineal y también a encontrar la determinación y correlación
atraves de fórmulas para facilitar ese proceso con el objetivo de agrupar casos de personas
y sus avances en el proceso de las terapias para así llevar un control.
 Referencias Bibliográficas

 Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México

City: Cengage Learning. (pp-675–686).
https://link.gale.com/apps/doc/CX4058900232/GVRL?u=unad&sid=GVRL&xi
d=a2479593

 Martínez, C. (2013). Capítulo 12. Regresión y correlación. En: Estadística y

muestreo, 13a ed. [Online] Bogotá: Ecoe Ediciones. (pp 570 – 582). https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/131880

 Monroy, S. S. (2005). Estadística descriptiva. México, D.F., MX: Instituto

Politécnico Nacional. (pp 21-29). https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/74722

 Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp

130 – 158).
https://link.gale.com/apps/doc/CX4052100011/GVRL?u=unad&sid=GVRL&xi
d=696103db

 Ortegón Pava, M. (2020). OVI. Medidas Bivariantes - Regresión lineal

Múltiple. https://repository.unad.edu.co/handle/10596/35464