UNIDAD DE APRENDIZAJE N° 05 – CUARTO DE SECUNDARIA

DISEÑO METODOLÓGICO PARA EL APRENDIZAJE N° 19

“Análisis Bidimensional”

DATOS INFORMATIVOS
ÁREA MATEMÁTICA GRADO Y SECCIÓN 4° “A-B-C-D”
DURACIÓN 6h DOCENTES EQUIPO DE MATEMÁTICA

NOS CONTACTAMOS Y ASUMIMOS LOS RETOS

Buenos días estimados estudiantes, cuando analizamos datos, el interés del analista suele
centrarse en dos grandes objetivos comparar grupos y estudiar relaciones. Suele decirse que los
sujetos más frustrados son también más agresivos; que cuanto mayor es el nivel educativo mayor
es el nivel de renta; que los niveles altos de colesterol en sangre suelen ir acompañados de dietas
alimenticias ricas en grasas, en cada uno de estos ejemplos se habla de la relación entre dos
variables, en este diseño estudiaremos los tipos de relación existentes entre dos variables.

Actividad 1: Analizando la situación:

Nivel de lectura literal y la nota promedio en matemáticas I tienen una relación mostrada en la figura 1
Los estudiantes que presentan mejores niveles de lectura literal obtuvieron en promedio, las notas más
altas en matemática 1

Figura 1
Relación entre el Nivel de lectura Literal y la nota promedio en Matemáticas 1
Nota: La figura 01 muestra que existe correlación significativa directa de alta intensidad entre la nota
promedio de matemática I el nivel de lectura literal. Recuperado de (P. & Mosquera, 2009)

Según la fig. 1 contesta las siguientes preguntas:

1. ¿Cuál es la variable dependiente e independiente en el diagrama de puntos, figura 1?

2. ¿Cómo podrías describir la relación entre las variables?

3. ¿Puede esta información ayudar a interpretar la figura?

Pregunta de TDC

¿Sera suficiente el análisis correlacional para concluir una investigación?

INVESTIGAMOS Y CONSTRUIMOS EL APRENDIZAJE

Propósito de Evidencia de Competencia: Resuelve AD A B C

aprendizaje aprendizaje problemas de gestión de datos
e incertidumbre
Analiza el Resuelve diversas CRITERIOS DE EVALUACIÓN
comportamiento de situaciones sobre la
datos usando gráficas y correlación lineal y • Representación de datos con gráficos y
medidas estadísticas coeficiente de medidas estadísticas o probabilísticas
mediante la correlación correlación
lineal de variables momento – • Comunicación de la comprensión de
producto de conceptos estadísticos y probabilísticos
Pearson. • Uso de estrategias y procedimientos para
recopilar y procesar datos.
• Sustento de conclusiones o decisiones con
base a la información obtenida.

La investigación autónoma:
Actividad 2: A continuación, presentamos el tema de correlación lineal de variables bidimensionales.

Distribución bidimensional
Una variable estadística bidimensional es el conjunto (X,Y) de valores que pueden tomar dos caracteres
diferentes X e Y medidos sobre cada uno de los individuos de una población o muestra. Los caracteres X
e Y se denominan caracteres o variables marginales y pueden ser ambos cuantitativos, ambos
cualitativos o uno de cada tipo; a su vez, los caracteres cuantitativos puede ser variables estadísticas
tanto discretas como continuas (Gonzáles, Hernández, & Jiménez, 2013)

Ejemplo 1
La distribución bidimensional que se obtiene al estudiar la estatura y el peso de 10 personas es:
Peso (kg) 70 65 85 60 70 75 90 80 60 70
Estatura cm) 175 160 180 155 165 180 185 175 160 170
Nube de puntos o diagrama de dispersión

En una nube de puntos se puede apreciar de forma general la relación que existe entre las variables.

Una nube de puntos o diagrama de dispersión es la representación en unos ejes cartesianos de los datos (xi, yi) de
una distribución bidimensional.

DIAGRAMAS DE DISPERSIÓN

Esta relación entre dos variables recibe el nombre de CORRELACIÓN el cual mide el grado de asociación o relación
entre dos variables.

La covarianza indica cómo es la relación entre dos variables; es decir, cómo se orienta la nube de puntos, pero este
parámetro no indica de una forma precisa la medida de esa relación. Para resolver este problema, se definen los
conceptos de correlación y coeficiente de correlación.

Correlación: Es la relación que existe entre las dos variables que intervienen en una distribución
bidimensional, La correlación es una forma de medir el grado de asociación o relación entre dos
variables. El objetivo de establecer correlaciones es poder hacer predicciones sobre una variable,
basándonos en lo que sabemos de la otra (Buchanam, Fensom, Kemp, La Riondie, & Stevens, 2015)

Coeficiente de correlación de Pearson El coeficiente de correlación de Pearson indica la correlación que

existe entre las dos variables; es decir, si los puntos están muy próximos o alejados del centro de
gravedad
Propiedades del coeficiente de correlación
a) El coeficiente de correlación de Pearson es un número. No depende de las unidades en las que están
expresadas las variables x e y
b) Está comprendido entre – 1 y 1
• Si r = – 1 o r = 1, la correlación es perfecta o funcional.
• Si r está próximo a – 1 o a 1, la correlación es fuerte.
• Si r está próximo a cero, la correlación es débil o nula
• El signo, r > 0 o r < 0, indica si la correlación es directa o inversa, respectivamente

Tabla 1
Coeficiente de correlación momento – producto de Pearson

Valor de r Correlación
0 < |𝑟| ≤ 0,25 Muy débil

0,25 < |𝑟| ≤ 0,5 Débil

0,5 < |𝑟| ≤ 0,75 Moderada
0,75 < |𝑟| ≤ 1 Fuerte

Nota. Tabla donde nos muestra los rangos de la correlación de Pearson: Recuperado de (Organización
del Bachillerato Internacional, 2021)

Condiciones de aplicación de la correlación

a. Ambas variables han de ser cuantitativas

b. Las observaciones han de ser independientes, es decir, solo hay una observación de cada variable
para cada individuo.
c. r no tiene unidades y no es un porcentaje. No podemos expresar la correlación de 0.85 como 85%.
d. Que exista CORRELACIÓN entre dos conjuntos no necesariamente significa que exista CAUSALIDAD.

Tabla 2

Tipos de Correlación (SENTIDO)

Correlación Positiva Correlación Negativa Correlación Nula

Presenta una tendencia general
ascendente en el patrón de los
puntos. El valor de la variable
dependiente crece a medida que
crece el valor de la variable
independiente.
Presenta una tendencia general
descendente en el patrón de los
puntos. La variable dependiente
crece a medida que decrece la
variable independiente.
Cuando se observa un conjunto
de puntos dispersos que no
presentan ninguna tendencia
podría indicar una correlación
cercana a cero.

Nota. La tabla nos muestra los diferentes tipos de correlación positiva la primera tabla de la izquierda,
correlación negativa la tabla del centro y correlación negativa la tabla de la izquierda.
Coeficiente de correlación de Pearson
𝜎𝑥𝑦
𝑟=𝜎
𝑥 .𝜎𝑦
Donde:
∑ 𝑥.∑ 𝑦
𝜎𝑥𝑦 = ∑ 𝑥. 𝑦 − 𝑛

(∑ 𝑥)2
𝜎𝑥 = √∑ 𝑥 2 − 𝑛

(∑ 𝑦)2
𝜎𝑦 = √∑ 𝑦 2 − 𝑛

Para dibujar un gráfico de dispersión, debemos situar en un gráfico los valores (x, y) de la tabla de datos
mediante pequeños círculos. El patrón determinado por los puntos puede darnos alguna indicación
acerca de la correlación.
La variable independiente debe estar en el eje horizontal y la variable dependiente en el eje vertical.

Fuerza de Correlación
Los diagramas de dispersión nos permiten evaluar la fuerza de una correlación. Los siguientes son ejemplos de
distintos grados de correlación positiva:

Los siguientes son ejemplos de distintos grados de correlación negativa.

Ejemplo 2. Tengamos las siguientes puntuaciones en las variables X (inteligencia) e

Y (rendimiento académico):
X 105 116 103 124 137 126 112 129 118 105
Y 4 8 2 7 9 9 3 10 7 9

Calcula el coeficiente de correlación de Pearson.

Antes de calcular el coeficiente de correlación de Pearson hemos de comprobar si existe una tendencia lineal en la
relación

Se observa la existencia de una cierta tendencia lineal en la relación. Podemos, en consecuencia, proceder a
calcular el coeficiente de correlación de Pearson.

Configuremos la siguiente tabla.

Tabla 3
Tabla de configuración de datos

X Y X2 Y2 XY
105 4 11025 16 420
116 8 13456 64 928
103 2 10609 4 206
124 7 15376 49 868
137 9 18769 81 1233
126 9 15876 81 1134
112 3 12544 9 336
129 10 16641 100 1290
118 7 13924 49 826
105 6 11025 36 630
TOTAL:1175 65 139245 489 7871
Nota. Tabla de configuración de datos para para calcular el coeficiente de Pearson del ejemplo 02.

Aplicando la fórmula del coeficiente de Pearson

𝜎𝑥𝑦
𝑟=𝜎
𝑥 .𝜎𝑦
 ∑ 𝑥.∑ 𝑦 1175 x65
𝜎𝑥𝑦 = ∑ 𝑥𝑦 − =7871- =233.5
𝑛 10

(∑ 𝑥)2 (1175)2
𝜎𝑥 = √∑ 𝑥 2 − = 13945 − =34.38
𝑛 10

(∑ 𝑦)2 (65) 2
𝜎𝑦 = √∑ 𝑦 2 − = 489 − =8.15
𝑛 10

233.5
r= =0.83
34.38 x8.15

CONCLUIMOS LAS COMPRENSIONES: (50 MIN)

Actividad 03: Desarrollamos problemas de aplicación.

Ejemplo 03:
Susana quiere determinar la fuerza de la correlación entre el número de cucharadas de fertilizante para
plantas que utiliza y el incremento en el número de orquídeas que crecen en la planta. Use la fórmula del
coeficiente de correlación de Pearson para interpretar la relación.

Planta Cucharadas de Incremento en el número de

fertilizantes x orquídeas y.
A 1 2
B 2 3
C 3 8
D 4 7

Solución: se tiene la siguiente tabla.

Tabla 4
Configuración de datos

Planta X Y XY 𝑥2 𝑦2
A 1 2 2 1 4
B 2 3 4 4 9
C 3 8 24 9 64
D 4 7 28 16 49
Total 10 20 60 30 126

Nota. Tabla de configuración de datos para para calcular el coeficiente de Pearson del ejemplo 03.

∑ 𝑥.∑ 𝑦
𝜎𝑥𝑦 = ∑ 𝑥. 𝑦 − 𝑛

10𝑥20
𝜎𝑥𝑦 = 60 − = 10
4

(∑ 𝑥)2
𝜎𝑥 = √∑ 𝑥 2 − 𝑛
 102
𝜎𝑥 = √30 − = √5
4

(∑ 𝑦)2
𝜎𝑦 = √∑ 𝑦 2 − 𝑛

202
𝜎𝑦 = √126 − = √26
4

Ahora calculamos el valor de r. Una correlación positiva significa que, a mayor número de
cucharadas de fertilizante, mayor aumento en el número
𝜎𝑥𝑦 10
𝑟=𝜎 = √5. = 0,877 de orquídeas. El valor de r de 0,877 indica una correlación
𝑥 .𝜎𝑦 √26
fuerte.
Con CPG. HP prime.

𝜎𝑥𝑦 2,5
Ahora: 𝑟=
𝜎𝑥 .𝜎𝑦
= (1,1180).(2,5495) = 0,877, correlación positiva y el valor de r indica una
correlación fuerte.
Con CPG FX-9860

F2

F6
Menú
2Var XList: list1 shift
STAT
2Var YList: list2 shift
EXE
2Var Freq: 1 shift

EXE

F3

F1

Ejemplo 4: Un grupo de 10 amigos se ha presentado a una prueba de oposición. Anotaron el

número de horas que dedicaron a estudiar la semana antes del examen y la nota obtenida en la
prueba. La información se recoge en la siguiente tabla:

Horas de studio(X) 21 15 10 15 20 30 18 20 25 16
Notas (Y) 9 7 5 2 7 8 8 6 5 4
 NOTAS

10

8
6

3 6 9 12 15 18 21 24 27 30

HORAS DE ESTUDIO

Tabla 5
Configuración de datos
X Y X2 Y2 XY
21 9 441 81 189
15 7 225 49 105
10 5 100 25 50
15 2 225 4 30
20 7 400 49 140
30 8 900 64 240
18 8 324 64 108
20 6 400 36 120
25 5 625 25 125
16 4 256 16 64
TOTAL: 190 61 3896 388 1171
Nota. Tabla de configuración de datos para para calcular el coeficiente de Pearson del ejemplo 04.

Aplicando la fórmula del coeficiente de Pearson

𝜎𝑥𝑦
𝑟=𝜎
𝑥 .𝜎𝑦

∑ 𝑥.∑ 𝑦
𝜎𝑥𝑦 = ∑ 𝑥. 𝑦 − =12
𝑛
 (∑ 𝑥)2
𝜎𝑥 = √∑ 𝑥 2 − = 16.91
𝑛

(∑ 𝑦)2
𝜎𝑦 = √∑ 𝑦 2 − = 3.98
𝑛

12
r= = 0.17
(16.91)(3.98)

Observando que r = 0.17, vemos que el coeficiente de correlación es positivo muy débil.

TRANSFERIMOS Y NOS AUTOEVALUAMOS 50 MIN)

Actividad 4: Concreción de la evidencia. Demuestra todo lo aprendido resolviendo las actividades

propuestas a continuación, adjúntalas como evidencias de tu portafolio virtual.

Problemas propuesto tipo examen del libro Matemática y Enfoques, correlación lineal de 2 variables (Fannon,
2019)

1. La tabla muestra los datos de altura y longitud del brazo para una muestra de 10 jóvenes de 15 años.

Altura (cm) 154 148 151 165 154 147 172 156 168 152
Longitud del brazo (cm) 65 63 58 71 59 65 75 62 61 61

a) Trace los datos en un gráfico de dispersión.

b) Describe la correlación entre la altura y la longitud del brazo.

c) Halla la altura media y la longitud media del brazo. Agregue el punto correspondiente a tu gráfico.

2. La tabla muestra la distancia desde la estación de tren más cercana y el precio promedio de la vivienda en siete
pueblos.

Distancia (km) 0.8 1.2 2.5 3.7 4.1 5.5 7.4

Precio medio de la vivienda (miles de dolares) 240 185 220 196 187 156 162

a) Trace los datos en un gráfico de dispersión.

b) Describe la correlación entre la distancia y el precio promedio de la vivienda.

c) Encuentre la distancia media y el precio medio de la vivienda.

3. Un grupo de 11 estudiantes tomó una prueba de matemáticas y una prueba de química. Ls puntajes en las dos
pruebas se muestran en la tabla.

Puntaje de prueba matamática 63 81 57 72 93 47 61 82 65 83 71

Puntaje de prueba de química 40 57 46 51 60 37 52 48 33 48 51

Halle e interprete el coeficiente de correlación producto-momento de Pearson entre los puntajes de las dos
pruebas.
 4. La tabla muestra la antigüedad (en años) y el valor (en miles de dólares) de siete automóviles.

Antiguedad 3 5 12 7 9 7 4
Valor 3.2 1.1 0.6 3.1 1.8 2.4 3.4

a) Usa la tecnología para trazar los datos en un gráfico de dispersión.

b) Calcule el coeficiente de correlación producto-momento de Pearson.

5. Teodoro investiga si pasar más tiempo practicando su ortografía conduce a mejores calificaciones en las pruebas
de ortografía semanales. Cada semana registra la cantidad de tiempo que dedica a practicar y su calificación en el
examen de ortografía.

Tiempo (min) 17 5 10 7 25 14 20
Calificación (vigésimal) 20 8 6 12 19 16 18
a) Trace los datos en un gráfico de dispersión.

b) Explique por qué los datos contienen dos regiones lineales.

Actividad 5:

Autoevaluación de la evidencia.

CRITERIO INDICADORES LOGRADO EN PROCESO INICIO

Identifico los datos, variables y condiciones de los
Comprendí el problemas planteados.
Problema Establezco relaciones entre los datos y las variables
en cada problema.
Realizo cálculos, razonamientos y uso la CPG para
Diseña la obtener los valores.
estrategia Comunico el procedimiento que me conducirá a
interpretar el problema.
Desarrollo sin dificultades la estrategia diseñada.
Ejecuta la
estrategia Demuestro facilidad para comenzar de nuevo si
encuentra alguna dificultad.
Reviso los cálculos, razonamientos y construcciones
ejecutados si son correctos.
Revisa y Compruebo si la respuesta satisface lo solicitado en
verifica el problema.
Reconozco el uso de diversos procedimientos para
resolver el problema.
 REFLEXIONAMOS NUESTROS RESULTADOS (10 MIN)

Actividad 6: Reflexiona sobre el proceso de tu aprendizaje y autoevalúate.

Retroalimentación colectiva/individual.

N° ÍTEM RESPUESTA
1 ¿Lograste responder la mayoría de las preguntas?
3 ¿Cuáles son las estrategias que has utilizado y te dieron
éxito?
4 ¿Cómo explicas tus dificultades en responder las preguntas?
5 ¿Podrías plantear algunas situaciones que guarden relación?
6 ¿Para qué me servirá este aprendizaje?

Bibliografía:

Buchanam, L., Fensom, J., Kemp, E., La Riondie, P., & Stevens, J. (2015). Matematicas Nivel
Medio. China: Oxford University Press 2015.

Fannon, P. (2019). Matemáticas y Enfoques. Reino Unido: Hodder Education.

Gonzáles, B., Hernández, D., & Jiménez, M. (2013). Variable Estadísticas Bidimensioales. La
Laguna: Departamento de Análisis Matemático Universidad de la Laguna.

Organización del Bachillerato Internacional. (2021). Guía de Matemática: Analisís y Enfoques.

Ginebra: Organización del Bachillerato Internacional.

P., C., & M. J. (2009). Rendimiento en Matemáticas I en la Universida Tecnologica de Pereira

Factores de Predicción. Scientia et Technica, 379-383.