Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DATOS INFORMATIVOS
ÁREA MATEMÁTICA GRADO Y SECCIÓN 4° “A-B-C-D”
DURACIÓN 6h DOCENTES EQUIPO DE MATEMÁTICA
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.
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)
Pregunta de TDC
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)
Tabla 1
Coeficiente de correlación momento – producto de Pearson
Valor de r Correlación
0 < |𝑟| ≤ 0,25 Muy débil
Nota. Tabla donde nos muestra los rangos de la correlación de Pearson: Recuperado de (Organización
del Bachillerato Internacional, 2021)
Tabla 2
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:
Se observa la existencia de una cierta tendencia lineal en la relación. Podemos, en consecuencia, proceder a
calcular el coeficiente de correlación de Pearson.
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.
(∑ 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
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 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
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.
∑ 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.
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
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.
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.
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
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.
Actividad 5:
Autoevaluación de la evidencia.
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.
Gonzáles, B., Hernández, D., & Jiménez, M. (2013). Variable Estadísticas Bidimensioales. La
Laguna: Departamento de Análisis Matemático Universidad de la Laguna.