Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE PSICOLOGÍA
MATERIA:
Estadística I
SECCION:
“2”
PROFESORA: ALUMNA:
C.I. 20.695.728
1
INDICE
Pág.
INTRODUCCION………………………………………………………………………………..3
DESARROLLO:……………………………………………………………………………........4
CONCLUSION…………………………………………………………………………………22
BIBLIOGRAFÍA……………………………………………………………………………..…23
2
INTRODUCCIÓN
3
DESARROLLO
4
experimento depende en gran medida de que se controlen esas variables
intervinientes. Ésa es la razón principal por la que los experimentos en
Ciencias se hagan en la medida de lo posible en condiciones de vacío, para
poder eliminar todas las explicaciones alternativas derivadas de las
condiciones materiales del experimento. Una variable dependiente es aquella
cuyos valores dependen de los que tomen otra variable.
3. Una variable dependiente como su nombre lo dice depende del valor de otra,
por ejemplo y = x+2 en esta expresión "y" se considera la variable
dependiente ya que dependiendo el valor de "x" es el resultado de "y", ahora
con el mismo ejemplo "x" seria la variable independiente ya q no requiere de
una variable adicional para obtener su valor, si quisiéramos graficar esta
expresión nosotros decidiríamos los valores de "x". Si es en métodos de
investigación las variables dependientes son las que "dependen" de ciertos
factores para que puedan desarrollarse o puedan existir, mientras que las
variables independientes son las q ya existen por si solas y no requieren de
influencias externas para estar.
5
Representación gráfica de la relación entre la variable independiente y
dependiente
- Una gráfica es la representación en unos ejes de coordenadas de los pares
ordenados de una tabla.
- Las gráficas describen relaciones entre dos variables.
- La variable que se representa en el eje horizontal se llama variable
independiente o variable x.
- La que se representa en el eje vertical se llama variable dependiente o
variable y.
- La variable y está en función de la variable x.
- Una vez realizada la gráfica podemos estudiarla, analizarla y extraer
conclusiones.
- Para interpretar una gráfica, hemos de observarla de izquierda a derecha,
analizando cómo varía la variable dependiente, y, al aumentar la variable
independiente, x.
Kg de patatas 1 2 3 4 5
Precio en € 2 4 6 8 10
6
En esa gráfica podemos observar que a medida que compramos más kilos de
patatas el precio se va incrementando.
Nota 0 1 2 3 4 5 6 7 8 9 10
Nº de alumnos 1 1 2 3 6 11 12 7 4 2 1
En esta gráfica observamos que la mayor parte de los alumnos obtienen una nota
comprendida entre 4 y 7.
7
Diagramas de dispersión
El diagrama de dispersión permite analizar si existe algún tipo de relación
entre dos variables. Por ejemplo, puede ocurrir que dos variables estén relacionadas
de manera que al aumentar el valor de una, se incremente el de la otra. En este
caso hablaríamos de la existencia de una correlación positiva. También podría
ocurrir que al producirse una en un sentido, la otra derive en el sentido contrario;
por ejemplo, al aumentar el valor de la variable x, se reduzca el de la variable y.
Entonces, se estaría ante una correlación negativa. Si los valores de ambas variable
se revelan independientes entre sí, se afirmaría que no existe correlación.
8
Este es el diagrama de dispersión que expresa la cantidad de dinero que se ganó
Mateo cada semana trabajando en la tienda de su padre.
9
Coeficiente de Pearson
Dado dos variables, la correlación permite hacer estimaciones del valor de una de
ellas conociendo el valor de la otra variable.
Los coeficientes de correlación son medidas que indican la situación relativa de los
mismos sucesos respecto a las dos variables, es decir, son la expresión numérica
que nos indica el grado de relación existente entre las 2 variables y en qué medida
se relacionan. Son números que varían entre los límites +1 y -1. Su magnitud indica
el grado de asociación entre las variables; el valor r = 0 indica que no existe relación
entre las variables; los valores 1 son indicadores de una correlación perfecta
positiva al crecer o decrecer X, crece o decrece Y o negativa. Al crecer o decrecer
X, decrece o crece Y
10
Para interpretar el coeficiente de correlación utilizamos la siguiente escala:
Valor Significado
0 Correlación nula
11
a) Para datos no agrupados se calcula aplicando la siguiente ecuación:
Ejemplo ilustrativo:
Con los datos sobre las temperaturas en dos días diferentes en una ciudad,
determinar el tipo de correlación que existe entre ellas mediante el coeficiente de
PEARSON.
X 18 17 15 16 14 12 9 15 16 14 16 18 SX =180
Y 13 15 14 13 9 10 8 13 12 13 10 8 SY= 138
Solución:
12
Se aplica la fórmula:
13
Método de mínimos cuadrados
Una forma más precisa de encontrar la recta que mejor se ajusta es el método de
mínimos cuadrados.
14
Use los pasos siguientes para encontrar la ecuación de la recta que mejor se ajusta
para un conjunto de parejas ordenadas.
Ejemplo:
Solución:
15
Calcule las medias de los valores de x y los valores de y, la suma de los cuadrados
de los valores de x , y la suma de cada valor de x multiplicado por su valor
correspondiente y .
Calcule la pendiente.
16
Calcule la intersección en y.
17
18
Asimetría y Curtosis
Asimetría:
Esta medida nos permite identificar si los datos se distribuyen de forma uniforme
alrededor del punto central (Media aritmética). La asimetría presenta tres
estados diferentes [Fig.5-1], cada uno de los cuales define de forma concisa como
están distribuidos los datos respecto al eje de asimetría. Se dice que la asimetría es
positiva cuando la mayoría de los datos se encuentran por encima del valor de la
media aritmética, la curva es Simétrica cuando se distribuyen aproximadamente la
misma cantidad de valores en ambos lados de la media y se conoce como asimetría
negativa cuando la mayor cantidad de datos se aglomeran en los valores menores
que la media.
Figura 5-1
El Coeficiente de asimetría, se representa mediante la ecuación matemática,
Ecuación 5-9
Donde (g1) representa el coeficiente de asimetría de Fisher, (Xi) cada uno de los
valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados
de esta ecuación se interpretan:
19
(g1 = 0): Se acepta que la distribución es Simétrica, es decir,
existe aproximadamente la misma cantidad de valores a los dos lados de la media.
Este valor es difícil de conseguir por lo que se tiende a tomar los valores que son
cercanos ya sean positivos o negativos (± 0.5).
(g1 > 0): La curva es asimétricamente positiva por lo que los valores se tienden a
reunir más en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se tienden a
reunir más en la parte derecha de la media.
Desde luego entre mayor sea el número (Positivo o Negativo), mayor será la
distancia que separa la aglomeración de los valores con respecto a la media.
Curtosis:
Esta medida determina el grado de concentración que presentan los valores en la
región central de la distribución. Por medio del Coeficiente de Curtosis, podemos
identificar si existe una gran concentración de valores (Leptocúrtica), una
concentración normal (Mesocúrtica) ó una baja concentración (Platicúrtica).
Figura 5-2
Ecuación 5-10
20
Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los valores, ( )
la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta
fórmula se interpretan:
Figura 5-3
Desde luego, los conceptos descritos hasta aquí, son una pequeña introducción a
las principales medidas de Estadística Descriptiva.
21
CONCLUSIÓN
22
BIBLIOGRAFÍA
- http://www.e-torredebabel.com/Psicologia/Vocabulario/Variable.htm
- http://es.wikipedia.org/wiki/Variables_independientes_y_dependientes
- http://www.vitutor.com/fun/1/a_4.html
- https://www.aiteco.com/diagrama-de-dispersion/
- Amon, J. (1990). Estadística para psicólogos (1). Estadística Descriptiva. Madrid: Pirámide.
- https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados#M.C3.ADnimos_
cuadrados_y_an.C3.A1lisis_de_regresi.C3.B3n
- https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/line-of-
best-fit
- http://www.spssfree.com/curso-de-spss/analisis-descriptivo/medidas-de-
distribucion-curtosis-asimetria.html
23