Unidad 3 - Paso 4 – descripción de la Información

Presentado por:
Lauren Jesell Gallardo González

Grupo
202107095_6

Tutor
Milton Eduardo Salgado

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de Ciencias Sociales Artes y Humanidades
Programa de Psicología
2022
 Introducción

Cuando se realiza un análisis de información, es importante luego saber

interpretarla y describirla, más cuando hablamos de relaciones entre dos o más

variables que será sobre lo que trataremos en este trabajo.

 Justificación

El siguiente trabajo se realiza con el fin de realizar análisis sobre variables

cuantitativas a manera de relacionar dos o más de estas, así dar descripciones e

interpretaciones sobre estas.

 Objetivos

- Aprender a interpretar y describir información de un análisis previamente

realizado.

- Relacionar variables mirando el grado de relación que estas presentan.

- Realizar gráficos de dispersión que nos ayuden a identificar mejor la

relación que presentan dichas variables estudiadas.

- Sacar conclusiones de todo lo aprendido en cada actividad propuesta.

 Mapa mental

para una mejor lectura:

Conceptos:

 Diagrama de dispersión.

Es una herramienta que nos muestra y ayuda a comprender la relación que

existen entre 2 variables, en este podemos ver qué tan uniforme puede ser la

dispersión de los elementos en relación a las variables estudiadas.

 Correlación lineal simple.

La podemos definir como la fuerza de asociación que puede existir en dos

variables en estudio, aclarando que esta debe ser una relación lineal.

 Coeficiente de determinación R2

Este se define como el coeficiente de correlación al cuadrado, esto de una forma

numérica. Pero, este es el que nos define si un modelo matemático es fiable para

su uso futuro en estudios de relaciones de dos variables aleatorias; si el modelo

matemático ayudaría a realizar predicciones futuras.

 Correlación positiva y correlación negativa

La correlación positiva la podemos definir como “directa”, si una variable aumenta,

la otra igual; en cambio, la negativa se define de manera “inversa”, si una variable

aumenta, la otra disminuye. Análogamente en ambas cuando la primera

disminuye.

 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

Lo podemos definir como la medida que mide la intensidad de relación de una

variable cuantitativa dependiente y otra dependiente en un análisis.

 Azúcar-glicemia

Diagrama de dispersión

a) Tipo de relación

Presentan una relación lineal positiva

b) Coeficientes R y R2

Coeficiente de determinación: R2 = 0,6793

Coeficiente de correlación: R=0,824

c) Modelo matemático

y = 14,643x + 54,218
por nuestro R, estas variables presentan una correlación aceptable, ya que vemos

que es un número que se aproxima a 1, por lo tanto, podemos decir que el modelo

matemático si es confiable.

d) Grado de relación

Como mencioné anteriormente, por su coeficiente de correlación, la relación que

presentan es de un grado aceptable, es bastante cercana a 1.

Casos violencia intento de suicidio (x)/tasas por 100mil habitantes intento de

suicidio (y)

Variable cuantitativa independiente: casos

Variable cuantitativa dependiente: tasas

Diagrama de dispersión

- Según el gráfico, presentan una relación lineal positiva (aunque no hay

relación ya que el coeficiente de correlación es muy bajo, muy cercano a

cero).

- Coeficientes R y R2

R=0,069

R2=0,0048
Lo que nos dicen estos coeficientes, es que nuestras dos variables estudiadas, no

presentan correlación, y, por ende, no presentan relación, ya que el coeficiente es

realmente bajo, tendiendo más a ser 0, y en estos casos, no hay relación entre las

2 variables estudiadas.

- Modelo matemático

y = 0,0177x + 61,047

este modelo matemático no es confiable por lo dicho en los ítems anteriores, ya

que estas variables no presentan relación.

- El tipo de correlación es nula, no hay correlación

- Interpretación

Colocando en contexto la situación, encontramos que los casos de intento de

suicidio y las tasas por 100mil habitantes, por su R=0,069, no presentan relación,

por lo tanto, el modelo matemático que este nos arrojó, no es confiable para

realizar predicciones futuras.

 Casos violencia intento de suicidio (x1) /casos de violencia intrafamiliar (x2)

/tasas por 100mil habitantes intento de suicidio (y)

Variables independientes: casos de violencia

Variable dependiente: tasa por 100mil habitantes

Diagrama de dispersión

casos y tasas
300

250

200

150
Y

100

50

0
0 20 40 60 80 100 120
Muestra percentil

c) recta de regresión y coeficiente de correlación múltiple

- y=-0,1157*X1+0,263*X2+63,07

- R=0,16

d) interpretación

para el análisis de estas 3 variables, las dos independientes que son casos de

intento de suicidio y casos de violencia familiar, con su variable dependiente, tasas

de intentos de suicidios por 100mil habitantes, tenemos que estas no presentan

alguna relación o correlación múltiple entre sí, por su bajo coeficiente de

correlación, por lo que, el modelo matemático propuesto no permitirá realizar

predicciones sobre esta muestra en relación a las variables en un futuro.

Conclusión

Para este trabajo, se introdujeron diversos conceptos y se realizaron diversos

análisis con el fin de poder mirar si existe relación entre las variables que se

decidieron estudiar, además, sacar modelos matemáticos que sirvieran para hacer

predicciones a futuro sobre estas, y mirar si este realmente nos daría unas

predicciones que fueran fiables, vimos en varios ejemplos que esto no se cumplía,

pero en algunos otros sí. Además de interpretar resultados para poder darle

sentido los análisis realizados.

Bibliografía:

https://www.jmp.com/es_co/statistics-knowledge-portal/what-is-

correlation/correlation-coefficient.html

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

151 – 158.

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