TRABAJO DE ESTADISTICA

REGRESION LINEAL SIMPLE

OLGA SOFIA ACEVEDO RINCÓN

Código: 1065870532

ERIKA JOHANNA GUTIÉRREZ MEJÍA.

Código: 1087991438

KELLY JHOANA CHONA ROZO

Código: 1.065.891.825

Grupo: 204040_3

Tutora:
HELEY ESTEFANIA CEPEDA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS SOCIALES ARTES Y HUMANIDADES

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

solución más adecuada a una problemática.

 JUSTIFICACIÓN

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

información dependiendo de la presentación de dichos datos, específicamente siendo la forma

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

variables cuantitativas, diagrama de dispersión de dicha variable, calculando la recta de regresión

y el coeficiente de correlación y por último el laboratorio de regresión y correlación lineal de la

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

de un estudio y análisis estadístico.

 OBJETIVOS

Objetivos Generales

 Estudiar los fundamentos de la estadística descriptiva las medidas univariantes, la

regresión y correlación lineal entre datos, así como su importancia al momento de modelar

la información de la muestra y la realización de su correspondiente análisis, conclusiones

y deducciones. Realizando un análisis completo a la información o datos recopilados de

las víctimas del conflicto armado en Colombia entendiendo la finalidad de las medidas de

regresión y correlación lineal.

Objetivos Específicos

 Estructurar un modelo estadístico con base en los datos de una población específica

identificando que variables independientes (Causas) explican una variable dependiente

(resultado).

 Reconocer los conceptos básicos de la estadística, la utilidad y sentido en la elaboración

de modelos que permitan entender y proyectar acciones en busca de un objetivo particular.

Y predecir valores de una variable es decir a partir de unas características predecir de forma

aproximada un comportamiento o estado.

 Interpretar adecuadamente las medidas estadísticas univariantes de dispersión a través de

datos agrupados y no agrupados.

 A partir de datos entregados de dos características de individuos o de una población

calcular las medidas estadísticas bivariantes permitiendo de detectar posibles relaciones

entre ellas a través de la correlación lineal, coeficientes de determinación, y coeficiente de

correlación.

 Clasificar, ordena, describir, analizar y graficar los datos relativos a una o más

características de los individuos de una población, a partir de la información sobre cada

uno de ellos.

 Reconocer las diferentes variables que se pueden presentar en un ejercicio práctico.

 Desarrollar capacidad de análisis de resultados estadísticos específicos.

 Análisis de correlación lineal simple.

1.1 Identificar variables.

VARIABLES CUANTITATIVAS CON POSIBLE RELACIÓN

DEPENDIENTE Efectivos de la fuerza pública Colombia (anual al mes de diciembre)
INDEPENDIENTE Año

1.2 Diagrama de dispersión

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

1.3 Modelo matemático.

El modelo matemático que mejor se ajusta a los datos presentados es una recta con pendiente

positiva, dada por la ecuación Y= 13224x-3*(10^7), si es confiable.

1.4 Relación entre variables.

El grado de relación entre las variables mencionadas está dada por un porcentaje del 98,3%.

1.5 Análisis.

Como bien se puede ver en lo datos recolectado cada año, se incrementa anualmente el número

de efectivos en el territorio colombiano, lo cual implica un fondo mayor destinado para el

conflicto bélico, siendo estas variables relacionadas en un 88%.

 Análisis y conclusiones correlación lineal múltiple

2.1 Identificar variables

Dependiente Efectivos por km cuadrado Colombia

Independiente Gasto en defensa y seguridad Colombia

Independiente Efectivos de fuerza pública disponibles Colombia

2.2 Diagrama de dispersión de variables

Diagrama 1 y 2: Corresponde a las variables Efectivos por km cuadrado en el eje y, efectivos de

fuerza pública disponibles en el eje x.

 Relación Efectivos km-Efectivos Disponibles

Relación Efectivos km-Efectivos

Disponibles
0.3
Y
0.2 y = 5E-07x - 1E-14
Y

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

Y=(4.69*10^(-7))X-(8,32*10^(-17)), teniendo un porcentaje de correlación del 98%, del cual se

puede deducir que al existir un mayor número de efectivos en la fuerza pública disponibles, será

directamente proporcional el crecimiento de efectivos disponibles por km cuadrado.

Diagrama 3 y 4 : Corresponde a las variables Efectivos por km cuadrado en el eje y , gasto en

defensa y seguridad en el eje x.

 Relación Efectivos km- Gasto defensa
0.3
Y
0.2
y = 4E-14x + 0.1235
Y

0.1 R² = 0.8827 Pronóstico para Y

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

defensa y seguridad se tiene un mayor número de efectivos por km cuadrado en el país.

2.3 Recta de regresión y coeficiente de correlación.

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

Y= (1,49 E-16)x1+(4,70 E-07)x2

2.4 Relación información:

Al analizar la relación de las presentes variables, basándose en el coeficiente de correlación R^2,

el cual se ajusta de manera extraordinaria teniendo una relación del 100% es decir R^2=1, se puede

concluir que, al tener un aumento en el gasto en defensa y seguridad, y a su vez en el número de

efectivos disponibles en la fuerza pública, el crecimiento de los efectivos por km cuadrado en el

país será directamente proporcional.

 Laboratorio Regresión y Correlación Lineal.

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

a) La relación entre las variables es lineal con pendiente positiva.

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.

c) El grado de relación entre estas variables es del 98,7%

d) Si a un paciente se le administra una dosis de sal de 5,6, la tensión que tendría sería de

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

tiempo promedio, y la asociación es lineal con pendiente negativa.

b) El modelo matemático correspondiente, es una recta determinada por la ecuación y= -

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)

a) La variable independiente es la estatura, y la dependiente es el peso. La asociación entre las

variables es lineal con pendiente positiva

b) Al ser lineal la relación, este es determinado por la ecuación de la recta y= 0.386x-22,751.

Si es confiable

c) Estas variables tienen como un coeficiente de correlación de 0.8329, es decir cuentan con

un 83,23% de relación.

d) Un estudiante que mida 128cm debería tener un peso de 26,66 Kg.

 CONCLUSIONES

 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

comportamiento lineal entre dos variables y permita pronosticar valores futuros de la

variable bajo análisis con cierto grado de certeza.

 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

gráfica es una línea recta.

 Con este trabajo se busca que el estudiante emplee diferentes métodos prácticos, que

permite la solución de situaciones empleadas y la información de datos estadísticos.

 REFERENCIAS BIBLIOGRAFICAS

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage

Learning. Páginas 675 – 686 Recuperado de:

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