Академический Документы
Профессиональный Документы
Культура Документы
JUSTIFICACIÓN
Para usar mas herramientas de la estadística descriptiva como lo son los diagramas de dispersión es necesario este
tipo de actividades las cuales impulsan el aprendizaje por medio de actividades muy didácticas para su correcta
comprensión y de este modo, tener datos en los cuales se puedan sacar análisis respectivos.
OBJETIVOS
ü Calcular la recta de regresión y el coeficiente de correlación para probar estadísticamente su relación.
ü En los ejercicios propuestos de laboratorio y de regresión y correlación lineal simple crear modelos matem
ü Aplicar los conceptos aprendidos de correlación y regresión para el desarrollo del paso 4.
ü Analizar y concluir sobre los resultados de los diagramas y la información presentada.
de las competencias
n necesaria de estas
adísticamente su relación.
l simple crear modelos matemáticos que permita predecir el efecto de una variable sobre la otra para determinar su fiabilidad.
lo del paso 4.
erminar su fiabilidad.
Es una medida lineal entre dos Variables
aleatorias cuantitativas A diferencia de
la covarianza, la correlación de pearson es
independiente de la escala de medida de las
variables.
COEFICIENTE DE
CORRELACION LINEAL
MEDIDAS BIVARIANTE
DE REGRESION Y
CORRELACION
COEFICIENTE DE
DETERMINACION R2
POSITIVA NEGATIVA
EDIDAS BIVARIANTES
DE REGRESION Y
CORRELACION
NTE DE
ACION R2
CORRELACION
LINEAL SIMPLE
NEGATIVA
dice que hay correlación negativa perfecta cuando r =
-1. Este tipo de correlación es inversamente
oporcional. Entonces, hay correlación negativa cuando
as dos variables se correlacionan en sentido inverso.
nza, que indica el grado
ación conjunta de dos
riables aleatorias.
1’DIAGRAMA DE DISPERSIÓN:
Un diagrama de dispersión es una forma fenomenal de expresar datos de dos variables, y hacer predicciones basadas en l
histogramas y los diagramas de caja, los de dispersión muestran valores de datos individuales
Técnica que permite medir la fuerza o intensidad de la relación entre dos variables linealmente relacionadas, su grado de re
El coeficiente de determinación, denominado R², se define como la proporción de la varianza total de la variable explicada
determina la calidad del modelo para replicar los resultados, y la proporción de variación de los resultados que puede explic
CORRELACIÓN POSITVIVA: ocurre cuando una variable incrementa y la otra también. Por ejemplo, la altura de una pers
CORRELACIÓN NEGATIVA: es cuando una variable incrementa y la otra disminuye. El tiempo de estudio y el tiempo qu
Conocida como coeficiente de correlación lineal (de Pearson), es una medida de regresión que pretende cuantificar el grado
El coeficiente de correlación de Pearson es la covarianza estandarizada, y su ecuación difiere dependiendo de si se aplica a
es, y hacer predicciones basadas en los datos. Al contrario de los
uestran valores de datos individuales.
én. Por ejemplo, la altura de una persona y el tamaño de su pie; mientras aumenta la altura, el pie también.
. El tiempo de estudio y el tiempo que pasas jugando videojuegos, tienen una correlación negativa, ya que cuando tu tiempo de jugar vi
A MEDIR? :
ión que pretende cuantificar el grado de variación conjunta entre dos variables.
difiere dependiendo de si se aplica a una muestra, Coeficiente de Pearson muestral (r), o si se aplica la población Coeficiente de Pearson
ya que cuando tu tiempo de jugar videojuegos aumenta, no te queda tanto tiempo para estudiar.
PESO - ALTURA
170
165
160
f(x) = 0.7482925755x + 100.3409341265
155 R² = 0.5582506688
altura (cm)
150
145
140
135
130
55 60 65 70 75 80 85
peso (kG)
b) Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es
confiable?
c) Determine el porcentaje de explicación del modelo y el grado de relación de las dos variables.
a. Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama de dispersión y
determine el tipo de asociación entre las variables
Diagrama de dispersión
30
25
f(x) = 0.3860164512x - 22.7514688602
R² = 0.8328827864
20
peso (kg)
15
10
0
100 105 110 115 120 125 130
Estatura (cm)
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra. ¿Es
confiable?
Este grado de correlación nos refleja una buena relación entre las variables del problema
d. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?
Dada la ecuación -> y = 0,386x - 22,751
1.8. %-Umbral. Los investigadores están estudiando la correlación entre la obesidad y la respuesta individual al
dolor. La obesidad se mide como porcentaje sobre el peso ideal (x). La respuesta al dolor se mide utilizando el
umbral de reflejo de reflexión nociceptiva (y) que es una medida de sensación de punzada. Obsérvese que
ambas, X e Y, son variables aleatorias
Diagrama de dispersión
umbra l de refejo de fexi ón nociceptiva
16
14
12
10
f(x) = - 0.06286783x + 11.6418129408
8 R² = 0.1114945446
6
4
2
0
10 20 30 40 50 60 70 80 90 100
% s obrepes o
2. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre la otra. ¿Es confiable?
Es un buen modelo, sin embargo no tanto como se esperaría debido a la dispersión de datos.
3. Determine el porcentaje de explicación del modelo y el grado de relación de las dos variables.
m?
matemático que permita
na 10 niños y realiza las
agrama de dispersión y
130
cm?
y (umbral de
reflejo de flexión
x % Sobrepeso. nociceptiva)
89 2
90 3
75 4
30 4.5
51 5.5
a respuesta individual al
75 7
or se mide utilizando el
nzada. Obsérvese que 62 9
45 13
90 15
20 14
0.8
7 1.20
0.6
11 1.41
0.4
8 1.26
8 1.25 0.2
11 1.40 0
6.5 7 7.5 8 8.5 9 9.5 10 10.5 11
9 1.31 EDAD
9 1.32
9 1.32
10 1.39
8 1.24 Encuentre el modelo matemático que permite predecir el efecto
11 1.45 la otra. ¿Es confiable?
8 1.26
8 1.26 Dada la ecuación que nos da excel: y = 0,0575x + 0,8004
9 1.35
8 1.27
11 1.45
10 1.38
Determine el grado de correlación de las dos va
9 1.33
8 1.20
11 1.50 Coeficiente de correlación 0.931074
8 1.21 r^2 93.11%
8 1.22
10 1.30
8 1.23
Relacionar la información obtenida con el prob
10 1.37
11 1.45
9 1.35 Podemos concluir que estas variables tienen mucha relación, con e
7 1.20 conclusiones cuando sea necesario en cuanto debe ser la altura de
10 1.38 según el estudio tenemos fuentes confiables
8 1.27
8 1.26
10 1.37
9 1.32
9 1.37
9 1.32
9 1.36
7 1.30
10 1.38
8 1.25
8 1.24
8 1.24
8 1.25
9 1.38
9 1.27
10 1.37
10 1.39
10 1.40
8 1.26
9 1.35
10 1.36
8 1.26
10 1.32
10 1.33
10 1.35
8 1.27
11 1.45
8 1.26
7 1.20
9 1.30
7 1.21
9 1.32
10 1.38
11 1.45
8 1.25
10 1.37
10 1.40
11 1.45
10 1.35
9 1.33
9 1.33
11 1.42
10 1.37
9 1.31
9 1.30
9 1.28
9 1.31
9 1.32
9 1.32
10 1.36
11 1.43
11 1.45
9 1.33
9 1.33
8 1.26
8 1.32
10 1.42
9 1.27
10 1.34
as de la situación estudiada que puedan estar
variable dependiente e independiente.
26498
y = 0,0575x + 0,8004 Podemos decir que es confiable dado que los datos no se alejan considerablemente de la
recta
ejan considerablemente de la
CONCLUSIONES
Fue evidente que la correcta utilización de las regresiones y los diagramas de dispersión
son de gran ayuda cuando queremos concluir algo sobre 2 o más variables que
posiblemente estemos estudiando que se relacionen, teniendo esto en cuenta pudimos ver
qué tipos de relación existía entre las variables y poder encontrar un modelo matemático
para poder predecir valores que no encontramos en los datos presentados.