Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudiante:
Código: 1030644165
Teléfono: 3123009559
Grupo: 202107095_34
Tutor:
Junio de 2022
Bogotá D. C
Introducción.
ato impacto. Estás áreas que requieren de la estadística, también buscan nuevas variables
forma se muestra la investigación realizada por medio de un mapa mental sobre las
dispersión, donde se determina la asociación entre las variables, de igual forma, se presenta
Es importante conocer de qué forma se logra utilizar la estadística y todas las ramas que la
componen, para así poder realizar ejercicio aplicados a la vida cotidiana que permiten que
ésta sea más fácil de organizar información y contar con datos exactos en diversas áreas.
detalles y poder representarlos de forma más apropiada para entender mejor, es por ello por
lo que este trabajo se busca entender este modelo o patrón de informe para llevar a cabo en
la cotidianidad.
Objetivos:
Objetivos General:
Conocer para aplicar las medidas estadísticas bivariantes aplicando éstas al cálculo
Objetivos Específicos:
dispersión
Mapa Mental
https://lucid.app/lucidspark/ce70b9a2-28b7-4b95-8f5d-babd1a0fe0a3/edit?
viewport_loc=1217%2C-378%2C4098%2C1971%2C0_0&invitationId=inv_74e32245-
52d3-4b13-bd7e-703d3990eda5#
Definición de conceptos
Actividad 2. Definición de Conceptos.
Definir brevemente los conceptos básicos asociados a Regresión y Correlación como:
-Diagrama de dispersión. Este es un diagrama que se representa en forma de una
nube de puntos por así decirlo, y ayuda a observar con claridad las relaciones entre
dos datos. De igual forma permite estudiar la relación entre dos factores relacionadas
con la calidad o problemas de calidad.
-Correlación lineal simple. “La correlación lineal es un método estadístico que permite
cuantificar la relación lineal existente entre dos variables. Existen varios estadísticos,
llamados coeficientes de correlación lineal, desarrollados con el objetivo de medir este
tipo de asociación, algunos de los más empleados son Pearson, Spearman y Kendall”
-Coeficiente de determinación R2. “Denominado también como coeficiente de
correlación de PEARSON, simbolizado por r o R y nos determina el grado de relación o
correlación entre dos variables. Cuando el valor se acerca a 1 o –1, nos estará
indicando una fuerte relación positiva o negativa. Por el contrario, al acercarse a cero,
nos indicará falta de relación” (p. 739)
-Correlación positiva y correlación negativa. “El coeficiente de correlación de
producto-momento puede variar de – 1 a +1. La correlación positiva perfecta, en que un
aumento dado de X determina con exactitud otro de Y, tiene coeficiente +1. La
correlación negativa perfecta, en que un incremento de X determina exactamente una
disminución de Y, produce un coeficiente –1” (p.684) Es decir que, se habla de una
correlación positiva cuando una relación entre una
variable y otra es lineal y directa; en cambio, es negativa cuando la relación entre una
variable y otra es opuesta o inversa.
- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
El Coeficiente de correlación es una medida que permite conocer el grado de
asociación lineal entre dos variables cuantitativas (X, Y). Mide la intensidad de la
asociación lineal entre dos variables. Es decir que permite medir la relación de dos
datos que se obtienen.
Ejercicio práctico
5. Temperatura – Enfermedad respiratoria.
En una investigación realizada durante el mes de diciembre de 2019 en un hospital
pediátrico respecto a la relación de la temperatura ambiente media y los casos de
enfermedad registrados se obtuvieron los siguientes datos:
Temperatura Casos de
Media (°C) Enfermedad
respiratoria
7 30
9 28
12 26
14 24
16 21
19 18
21 15
23 11
24 3
35
30
25
20
15
10
0
6 8 10 12 14 16 18 20 22 24 26
Coeficiente de correlación
r= -0,95439264
Coeficiente de Determinación
R2= 0,91086532
c) Determine el modelo matemático que permite predecir el efecto de una variable sobre la
otra. ¿Es confiable?
40
30
20
10
0
6 8 10 12 14 16 18 20 22 24 26
-10
-20
-30
-40
-50
-60
900.000
800.000
700.000
600.000
500.000
400.000
300.000
200.000
100.000
0.000
20 25 30 35 40 45 50
R2:0,4413
Regression
Multiple R o,66432903 Teniendo en cuanta que la correlación entre variable es un
R Square 0,44133306 44 % que es un porcentaje débil, no es posible determinar
Adjusted 0,44021124 el peso de los nacidos vivos según su tiempo de gestación.
Estándar 0,3831686
Observation 500
Rango Relacion
Lineal
0,96 1,0 Perfecta
0,85 0,95 Furte
0,70 0,84 Significativa
0,50 0,69 Moderada
0,20 0,49 Debil
0,10 0,19 Muy Debil
0,09 0 Nula
Conclusiones.
Dentro de los ejercicios realizados se pueden evidenciar variables que tienen y no relación.
planteados, se obtiene un cálculo de información sobre la relación de las variantes. Con esto
importancia definir conceptos relacionados con regresión y correlación para identificar los
problemas planteados. Y confirmar las variables que tienen relación y son dependientes e
https://www.cienciadedatos.net/documentos/pystats05-correlacion-lineal-
python.html