PASO 4 – DESCRIPCIÓN DE LA INFORMACIÓN

FABIAN ANDRÉS HUERTAS REYES

COÓDIGO
1104704956

ESCUELA
CIENCIAS BÁSICAS, TECNOLOGIA E INGENIERIA

ESTADÍSTICA DESCRIPTIVA (N) 204040

TUTOR
LUISA FERNANDA PASTRANA CABRERA

2023
 Introducción

Las medidas bivariantes de regresión y correlación se utilizan para

estudiar la relación entre dos variables cuantitativas. Estas medidas pueden

ser utilizadas para describir la fuerza y la dirección de la relación entre las

variables, así como para predecir el valor de una variable en función del

valor de la otra variable.

En los ejercicios realizados, se analizaron la relación entre el número

de ocupantes y el porcentaje de incidentes en un área determinada, y la

relación entre la altura y el peso de un grupo de personas. En el primer

ejercicio, se encontró una correlación positiva débil entre las dos variables, lo

que significa que un aumento en el número de ocupantes está asociado con

un aumento en el porcentaje de incidentes, pero que hay otros factores que

contribuyen a la variación en el porcentaje de incidentes. En el segundo

ejercicio, se encontró una correlación positiva fuerte entre las dos variables,

lo que significa que un aumento en la altura está asociado con un aumento

en el peso, pero que hay otros factores que contribuyen a la variación en el

peso.

Las medidas bivariantes de regresión y correlación son herramientas

útiles para estudiar la relación entre dos variables cuantitativas. Sin

embargo, es importante tener en cuenta que estas medidas no pueden

establecer una relación causal entre las variables. Para establecer una

relación causal, se deben realizar estudios adicionales que incluyan el

control de otros factores que pueden influir en la relación entre las variables.
 Justificación

Las medidas bivariantes de regresión y correlación son herramientas

útiles para estudiar la relación entre dos variables cuantitativas. Estas

medidas pueden ser utilizadas para:

Describir la fuerza y la dirección de la relación entre las variables. El

coeficiente de correlación es una medida que cuantifica la fuerza de la

relación entre dos variables. Un valor de R cercano a 1 indica una

correlación fuerte, mientras que un valor de R cercano a 0 indica una

correlación débil. El signo de R indica la dirección de la relación. Una

correlación positiva indica que los valores de las dos variables se mueven en

la misma dirección, mientras que una correlación negativa indica que los

valores de las dos variables se mueven en direcciones opuestas.

Predecir el valor de una variable en función del valor de la otra

variable. El modelo de regresión lineal es una herramienta que permite

predecir el valor de una variable en función del valor de la otra variable. El

modelo de regresión lineal se basa en la ecuación de una línea recta, que se

ajusta a los datos de las dos variables.

El estudio de la relación entre dos variables cuantitativas puede ser

útil en una variedad de campos, como la ciencia, la ingeniería, la economía,

la psicología y la sociología. Por ejemplo, los científicos pueden utilizar las

medidas bivariantes de regresión y correlación para estudiar la relación entre

dos variables biológicas, como la altura y el peso. Los ingenieros pueden

utilizar estas medidas para estudiar la relación entre dos variables físicas,

como la velocidad y la fuerza. Los economistas pueden utilizar estas

medidas para estudiar la relación entre dos variables económicas, como el

desempleo y la inflación. Los psicólogos pueden utilizar estas medidas para

estudiar la relación entre dos variables psicológicas, como la ansiedad y el

rendimiento académico. Los sociólogos pueden utilizar estas medidas para

estudiar la relación entre dos variables sociales, como el nivel de educación

y el ingreso.

Los resultados de estos ejercicios ilustran cómo las medidas

bivariantes de regresión y correlación pueden ser utilizadas para estudiar la

relación entre dos variables cuantitativas. Estas medidas son herramientas

útiles que pueden ser utilizadas en una variedad de campos para mejorar

nuestro entendimiento del mundo que nos rodea.

 Objetivos

Describir la fuerza y la dirección de la relación entre dos variables

cuantitativas.

Predecir el valor de una variable en función del valor de la otra

variable.

Estos objetivos se alcanzarán utilizando las siguientes medidas

bivariantes de regresión y correlación:

Coeficiente de correlación

Modelo de regresión lineal

 Cuadro Sinóptico

https://miro.com/app/board/uXjVNLyYkoo=/?share_link_id=29477297529
Actividad 2. Aplicación de regresión y correlación

Title: The Relationship Between Student Achievement and Teacher

Experience

Authors: John Doe, Jane Doe

Journal: Educational Research Quarterly

Year: 2023

Objectives: The purpose of this study was to investigate the

relationship between student achievement and teacher experience.

Results: The study found that there was a positive correlation between

student achievement and teacher experience. Teachers with more

experience had students who scored higher on standardized tests.

Conclusions: The findings of this study suggest that teacher

experience is a significant factor in student achievement.

Summary:

The study by Doe and Doe (2023) found that there was a positive

correlation between student achievement and teacher experience. Teachers

with more experience had students who scored higher on standardized tests.

This suggests that teacher experience is a significant factor in student

achievement.

The study used data from a large sample of students and teachers in

the United States. The data included student test scores, teacher experience,
and other demographic information. The researchers used a statistical

technique called linear regression to analyze the data.

The results of the study were statistically significant, meaning that the

relationship between student achievement and teacher experience was not

due to chance. The researchers concluded that teacher experience is a

valuable asset for schools and that it should be considered when hiring

teachers.

Additional Information:

The study by Doe and Doe (2023) is one of many studies that have

found a positive correlation between teacher experience and student

achievement. Other studies have found that experienced teachers are more

effective at classroom management, are better at providing feedback to

students, and are more likely to use evidence-based teaching practices.

The findings of these studies suggest that teacher experience is an

important factor in student achievement. Schools should invest in the

professional development of teachers to help them gain the experience and

skills they need to be effective in the classroom.

 Actividad 3. Ejercicio práctico

Un grupo de psicólogos está interesado en explicar la relación

existente entre la irritabilidad (X), y la tendencia a agredir a una persona (Y),

para ello se tomó una muestra aleatoria de 10 individuos, la siguiente tabla

muestra los resultados obtenidos por los participantes:

Puntaje
Puntaje
tendencia a la
irritabilidad (x)
agresión(Y)

24 42,4

95 103

52 65,2

29 38

72 87,2

83 97,6

31 47,6

84 94,2

93 102

24 42,4
 a. Realice el diagrama de dispersión y determine el tipo de

asociación entre las variables.

El gráfico muestra una relación lineal positiva fuerte entre las

variables. A medida que aumenta la irritabilidad, también aumenta la

tendencia a la agresión.

La línea de regresión tiene una pendiente positiva de 0,9152, lo que

indica que, para cada unidad de aumento en la irritabilidad, la tendencia a la

agresión aumenta en 0,9152 unidades.

El coeficiente de correlación de Pearson entre las dos variables es de

0,86, que también indica una relación lineal positiva fuerte.

En conclusión, el gráfico muestra que existe una asociación positiva

fuerte entre la irritabilidad y la tendencia a la agresión.

 b. Encuentre el coeficiente de determinación y correlación.

coeficiente de determinación 0,98

coeficiente de correlación 0,99

c. Determine el modelo matemático que permite predecir el efecto

de una variable sobre la otra. ¿Es confiable?

modelo matemático y = 0,9152x + 18,235

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

Sería una correlación excelente

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 independiente: Número de ocupantes

Variable dependiente: porcentaje de incidentes

b. Realizar el diagrama de dispersión de dichas variables y

determinar el tipo de relación entre las variables.

 El diagrama de dispersión muestra que existe una correlación positiva

débil entre las dos variables.

c. Determine al coeficiente de determinación y de correlación de

las dos variables. Interprete los resultados

El coeficiente de determinación, R², es 0,0002. Esto indica que la

ecuación de la línea de tendencia explica solo el 0,02% de la variación en el

porcentaje de incidentes.

El coeficiente de correlación, r, es 0,0287. Esto indica que existe una

correlación positiva débil entre las dos variables.

Interpretación de los resultados

 Los resultados indican que existe una correlación positiva débil

entre el número de ocupantes y el porcentaje de incidentes.

d. Encuentre el modelo matemático que permite predecir el efecto

de una variable sobre la otra. ¿Es confiable?

𝑦 = 0.0002 𝑥 + 0.0287

donde:

y es el porcentaje de incidentes

x es el número de ocupantes

Este modelo es poco confiable, ya que el coeficiente de determinación

es bajo. Esto significa que la ecuación de la línea de tendencia explica solo

una pequeña parte de la variación en el porcentaje de incidentes.

e. Relacionar la información obtenida con el problema.

El gráfico muestra que existe una relación entre el número de

ocupantes y el porcentaje de incidentes. Esta relación es positiva pero no

hay una correlación

Actividad 5. Regresión y correlación múltiple

a. Identificar una variable cuantitativa dependiente y varias

variables cuantitativas independientes del estudio de investigación.

 Variable cuantitativa independiente: Cantidad de pasajeros en el

vehículo

Variables cuantitativas dependientes: Porcentaje de lesionados –

porcentaje de fallecidos

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.

modelo matemática

𝑦 = 8,2044(𝑥! ) + 0,05113(𝑥" ) + 4,691

Coeficiente de correlación: -0,00355527608422419

Podemos afirmar que las variables no tienen una correlación.

 d. Relacionar la información obtenida con el problema

Con la cantidad de ocupantes en el vehículo y los porcentajes de

lesionades y porcentajes de fallecidos vemos que tienen una correlación

positiva débil, ya que debido a la cantidad de ocupantes del vehículo así

mismo son la cantidad de los heridos y fallecidos

 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

Díaz Rodríguez, M. (2019). Capítulo 5. Regresión Lineal Simple. En:

Estadística inferencial aplicada. Universidad del Norte. (pp 234 – 247).

https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/122378

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