Академический Документы
Профессиональный Документы
Культура Документы
Grupo: 204040_3
Tutora:
HELEY ESTEFANIA CEPEDA
PSICOLOGÍA
Aguachica - Cesar
2017
INTRODUCCIÓN
La estadística como disciplina puede ser aplicada en muchos campos de nuestra actividad,
puntualmente para nuestra profesión de psicólogos es útil pues nos ayuda a llegar a conclusiones
en donde la población es objeto de estudio y queremos tomar una muestra de esta. Gracias a la
estadística descriptiva podemos organizar datos y variables para que a su vez podamos tener una
lectura e interpretación correcta y más clara de resultados y a partir de esto poder plantear la
El presente trabajo, es una muestra de que los métodos estadísticos se utilizan para propósitos
descriptivos, para organizar y resumir datos numéricos, y que poniendo en práctica dicho estudio
de esos diferentes tipos de representación estadística, lograremos gran parte de la utilidad que tiene
la Estadística Descriptiva; es decir, nos va a proporcionar un medio para informar basado en los
datos recopilados, y a su vez se verá reflejada la eficacia con que se pueda realizar tal proceso de
gráfica una de las formas más rápidas y eficientes de analizar unos resultados.
Esta investigación fue realizada con las víctimas del conflicto armado en Colombia. Identificando
situación. De igual manera y con el ánimo de implementar nuevas técnicas estadísticas para lograr
una mejor visión de los cambios y alteración que arrojan algunos datos, se plantean diferentes
problemáticas. Todo esto se realiza con el fin de mejorar el aprendizaje y las técnicas constructivas
Objetivos Generales
regresión y correlación lineal entre datos, así como su importancia al momento de modelar
las víctimas del conflicto armado en Colombia entendiendo la finalidad de las medidas de
Estructurar un modelo estadístico con base en los datos de una población específica
(resultado).
Y predecir valores de una variable es decir a partir de unas características predecir de forma
correlación.
Clasificar, ordena, describir, analizar y graficar los datos relativos a una o más
uno de ellos.
DIAGRAMA DE DISPERSIÓN
500000
NÚMERO DE EFECTIVOS
400000
300000
200000
y = 13012x - 3E+07
100000 R² = 0.983
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
AÑO
El modelo matemático que mejor se ajusta a los datos presentados es una recta con pendiente
1.5 Análisis.
Como bien se puede ver en lo datos recolectado cada año, se incrementa anualmente el número
R² = 1
0.1 Pronóstico para Y
0
0 100000 200000 300000 400000 500000 Linear (Pronóstico para
Variable X 1 Y)
Estas variables tienen una relación lineal con pendiente positiva dado por la ecuación
puede deducir que al existir un mayor número de efectivos en la fuerza pública disponibles, será
0
0 2E+12 4E+12 Linear (Pronóstico para
Y)
Variable X 2
La relación entre el número de efectivos por km cuadrado y el gasto en defensa y seguridad, está
definido por una recta de pendiente positiva, que obedece a la ecuación Y= (4.05*10^(-
14))X+0.12354 , teniendo una coeficiente de correlación del 0.88 es decir que están relacionadas
en un 88%, por lo cual se puede concluir que evidentemente al aumentar el gasto o inversión en
𝑌 = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2
Modelo de recta
Estadísticas de la regresión
Coeficiente de correlación múltiple 1
Coeficiente de determinación R^2 1
R^2 ajustado 1
Error típico 2,758E-17
Observaciones 96
Intercepción 1,49E-16
Variable X 1 4,70E-07
Variable X 2 -2,59495E-29
RECTA
el cual se ajusta de manera extraordinaria teniendo una relación del 100% es decir R^2=1, se puede
Punto 1.
Sal Tensión
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5 120
DISPERSIÓN DE DATOS
140
120
100
TENSIÓN
80
60
40
20 y = 6.1062x + 88.128
0
R² = 0.987
0 1 2 3 4 5 6
SAL
b) Al ser de forma lineal, la ecuación matemática que se ajusta a este es una resta dada así Y=
6.106x+88,128. Si es confiable.
122,323 aproximadamente.
PUNTO 2
TIEMPO
DIAS PROMEDIO
12 45
23 30
35 27
42 25
53 23
65 21
70 20
DISPERSIÓN DE DATOS
50
45
y = -0.3566x + 42.569
40 R² = 0.7963
TIEMPO PROMEDIO (min)
35
30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
DIAS TRANSCURRIDOS
a) La variable independiente, son los días transcurridos, y la dependiente corresponde al
0,356x+42,569.
c) El grado de correlación lineal entre estas dos variables está dado por un 79,63%.
d) El tiempo promedio que debería tardarse un empleado tras el paso de 90 días es de 10,48
minutos
PUNTO 3
Estatura
Peso ( kg)
(cm)
120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
116 23
Peso vs estatura
30
25
20
PESO (KG)
15
10
y = 0.386x - 22.751
5
R² = 0.8329
0
100 105 110 115 120 125
ESTATURA (CM)
Si es confiable
c) Estas variables tienen como un coeficiente de correlación de 0.8329, es decir cuentan con
un 83,23% de relación.
A través de las situaciones planteadas, se logra obtener una práctica elaborada, empleando
las aplicaciones sobre cómo obtener una ecuación que de regresión describa el
Concluimos que esta temática está basada en los cambios en una variable, no aleatoria,
afectan a una variable aleatoria, en el caso de existir una relación funcional entre ambas
variables que puede ser establecida por una expresión lineal, es decir, su representación
Con este trabajo se busca que el estudiante emplee diferentes métodos prácticos, que
Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage
http://go.galegroup.com/ps/i.do?id=GALE%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL
&sw=w&asid=e558184ed89e57d11ede116134cfce41
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 130 – 172.
Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL
&sw=w&asid=b82c81e98fcc1361e1929abe203c8219