ESTADISTICA DESCRIPTIVA

José Daniel Ricardo Hernández

Código: 1004279504

Tutor:
LUIS ROBINSON CAMELO

Grupo:
100105_242

Universidad Nacional Abierta y a Distancia UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
Noviembre 28 2019
 INTRODUCCION
En el presente trabajo se abarcarán temas asociados a la descripción de la
información. El estudiante aplica las medidas bivariantes, en función de la
problemática de estudio.

Se desarrollarán un mapa mental para las medidas estadísticas Bivariantes de

regresión y correlación, Definir brevemente los conceptos básicos asociados a
Regresión y Correlación, Desarrollar el Laboratorio denominado Regresión y
Correlación lineal, el cual se encuentra en el Entorno de aprendizaje práctico, en la
carpeta Guía para el uso de recursos educativos. El laboratorio lo puede desarrollar
con el programa Infostat o Excel.
 JUSTIFICACIÓN.
Cabe destacar que la estadística descriptiva es una ciencia que analiza series de
datos los cuales dependiendo de la herramienta utilizada podemos graficar dicha
información calculada e interpretada. Esta basada en fortalecer el conocimiento de
cada uno de los individuos e integrantes del grupo, esto con el fin de identificar
factores claves en la investigación de un determinado problema.

Aplicando la temática vista en esta unidad se lograrán determinar la relación entre

una variable dependiente y variable independiente, calcular una recta de regresión
y el coeficiente de correlación para probar estadísticamente su relación.
 OBJETIVOS
 Realizar el diagrama de dispersión de cada una de las variables. Asimismo,
abarcar los conocimientos previos para el desarrollo de la misma.

 Identificar una variable dependiente y variables independiente del estudio de

investigación.

 Determinar la relación entre dos variables cuantitativas del problema

estudiado en la unidad.
 Ventajas

 No está afectada por los cambios en las unidades de medida.

 Al ser una técnica no parámetro, es libre de distribución
probabilística.

Mapa mental Desventajas

 Es recomendable usarlo cuando los datos presenten valores

Obtener dos indicadores.
extremos, ya que dichos valores afectan mucho el coeficiente de
- Coef. Correlación (r) correlación de Pearson, o ante distribuciones no normales.
 R no debe ser utilizado para decir algo sobre la relación entre causa
- Coef. Determinación (r2) y efecto.

Existen tres tipos de correlación: Técnica estadística usada para

medir la cercanía de la relación
lineal entre dos o más variables en
una escala de intervalo.
Inversa

Directa Nula Correlación

Permiten el análisis conjunto de dos
características de los individuos de una
Existen tres tipos de población con el propósito de detectar
grados Las medidas posibles relaciones entre ellas. La
estadísticas naturaleza (nominal, ordinal o
Débil Bivariantes. numérica) de las características objeto
de estudio determinará las
herramientas más adecuadas para su
Fuerte Nulo
análisis.

Regresión

Técnica estadística usada para derivar una ecuación

que relaciona una variable de criterio con una o más
variables de predicción; cuando se usa sólo una
variable de predicción, es el análisis de regresión
simple, y si se utilizan dos o más, es el análisis de
regresión múltiple.

Simple
Obtener Ecuación de Estimación por
el método de mínimos cuadrados

y = A + BX

Múltiple
 Definición de Conceptos.

Regresión y Correlación
Las técnicas de correlación y las de regresión están estrechamente relacionadas,
aunque obedecen a estrategias de análisis un tanto diferentes.
La finalidad de la correlación es examinar la dirección y la fuerza de la asociación
entre dos variables cuantitativas. Así conoceremos la intensidad de la relación entre
ellas y si, al aumentar el valor de una variable, aumenta o disminuye el valor de la
otra variable.
La regresión está dirigida a describir cómo es la relación entre dos variables X e Y,
de tal manera que incluso se pueden hacer predicciones sobre los valores de la
variable Y, a partir de los de X. Cuando la asociación entre ambas variables es
fuerte, la regresión nos ofrece un modelo estadístico que puede alcanzar finalidades
predictivas.
La regresión supone que hay una variable fija, controlada por el investigador (es la
variable independiente o predictora), y otra que no está controlada (variable
respuesta o dependiente). La correlación supone que ninguna es fija: las dos
variables están fuera del control de investigador.
La regresión es su forma más sencilla se llama regresión lineal simple. Se trata de
una técnica estadística que analiza la relación entre dos variables cuantitativas,
tratando de verificar si dicha relación es lineal.
Si tenemos dos variables hablamos de regresión simple, si hay más de dos variables
regresión múltiple.

-Diagrama de dispersión.
El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos
asociados de datos que aparecen en pares (por ejemplo, (x, y), uno de cada
conjunto). El diagrama muestra estos pares como una nube de puntos.
Entre sus usos está descubrir y mostrar las relaciones entre dos conjuntos
asociados de datos y confirmar relaciones anticipadas entre dos conjuntos
asociados de datos.
El diagrama de dispersión puede estudiar la relación entre:
 Dos factores o causas relacionadas con la calidad.
 Dos problemas de calidad.
 Un problema de calidad y su posible causa.
-Correlación lineal simple.
Si entre dos variables cuantitativas existen una relación, el análisis de correlación
lineal simple se utiliza para determinar la dirección y la magnitud de dicha relación.
La dirección de la relación se refiere a si ésta es positiva o negativa.
La magnitud de la relación o grado de relación entre las variables se refiere a la
fuerza de la relación que existe entre las variables.

-Coeficiente de determinación R2
El coeficiente de determinación que se conoce también como r2, es un término
utilizado en estadística, que tiene como función principal predecir el resultado de
hipótesis. Esto es fundamental en cualquier estudio con fundamentos científicos y
sus aplicaciones pueden tener un amplio, rango como en la economía, el estudio de
los mercados o para determinar el éxito de algún producto.
Existen varias definiciones acerca de esta conocida herramienta, las cuales no
todas coinciden, por lo que es importante conocer cada una de ellas, como por
ejemplo aquellas que están relacionadas con la regresión lineal.
El coeficiente de determinación, se define como la proporción de la varianza total
de la variable explicada por la regresión. El coeficiente de determinación, también
llamado R cuadrado, refleja la bondad del ajuste de un modelo a la variable que
pretender explicar.

-Correlación positiva y correlación negativa

Positiva: Los valores de una variable tienden a ser altos cuando los valores de la
otra variable también son altos. Los valores de una variable tienden a ser bajos
cuando los valores de la otra variable también son bajos.
Negativa: Los valores de una variante tienden a ser altos cuando los valores de la
otra variable son bajas. Los valores de una variante tienden a ser bajos cuando los
valores de la otra variable son altos.

- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a

medir?
La correlación, también conocida como coeficiente de correlación lineal (de
Pearson), es una medida de regresión que pretende cuantificar el grado de variación
conjunta entre dos variables.
Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos
variables, es decir, si se representan en un diagrama de dispersión los valores que
toman dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal
que el conjunto de puntos representados se aproxima a una recta.
Actividad 3. Realizar el laboratorio de regresión y correlación lineal
1.3. Peso-Altura. Un colegio del distrito de Bogotá desea realizar un estudio
de crecimiento dentro de su población estudiantil, para lo que se ha construido
desde una muestra la siguiente de información del peso (en kg.) y la altura (en
cm.) de 20 jóvenes:

Nº Peso Altura
(Kg) (cm)
1 61 150
2 63 143
3 60 146
4 74 160
5 58 143
6 63 145
7 64 149
8 74 158
9 74 150
10 66 150
11 63 153
12 61 151
13 64 151
14 69 147
15 64 142
16 77 164

a) Realice el diagrama de dispersión y determine el tipo de

asociación entre las variables.

ESTUDIO DE CRECIMIENTO COLEGIO

DISTRITAL EN BOGOTAy = 0.7938x -
90
80
70
60
PESO (Kg)

50
40
30
20
10
0
140 145 150 155 160 165 170
Altura (cm)
 b) Encuentre el modelo matemático que permite predecir el
efecto de una variable sobre la otra. ¿Es confiable?

Y= 0,7938x – 52,382
R2 = 0,5946 * 100 = 59,46%
Confiablidad del modelo = 59,46%
No es confiable

c) Determine el porcentaje de explicación del modelo y el grado

de relación de las dos variables.

Si existe relación entre las variables, porque el peso depende de la altura.

Coeficiente de determinación = 0,5946 * 100 = 59,46% Mínima
Coeficiente de correlación = √0,5946 = 0,77 Regular

d) ¿Cuál es el peso esperado de un estudiante que mide 172

cm?
Y = 0,7938x – 52,382
X = 172
Y =?
Y = 0,7938x – 52,382
Y = 0,7938 x 172
Y = 136,5336 – 52,382
Y = 84,15
1.6. Estatura-Peso. Una Nutricionista de un hogar infantil desea encontrar un
modelo matemático que permita determinar la relación entre el peso y la estatura
de sus estudiantes. Para ello selecciona 10 niños y realiza las mediciones
respectivas.

A continuación, se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso 24 23 19 24 21 19 22 16 20 23
(kg)

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

LA RELACIÓN ENTRE EL PESO Y LA ESTATURA DE

SUS ESTUDIANTES
y = 0,386x - 22,751
R² = 0,8329
30

25

20
PESO

15

10

0
100 105 110 115 120 125
ESTATURA
B. Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?

Y = 0,386x – 22,751
R2 = 0,8329
Confiabilidad del 83,29% aceptable

Coeficiente de determinación = 0,8329 * 100 = 83,29% Aceptable

Coeficiente de correlación = √0,8329 = 0,91 Excelente

C. Determine el grado de correlación de las dos variables.

Coeficiente de correlación = √0,8329 = 0,91 Excelente

D. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?

X = 128
Y=?
Y = 0,386x – 22,751
Y = 0,386 * 128
Y = 49,408 – 22,751
Y = 26,657
 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

% y (umbral de
Sobrepeso. reflejo de flexión
nociceptiva)
89 2,00
90 3,00
75 4,00
30 4,50
51 5,50
75 7,00
62 9,00
45 13,00
90 15,00
20 14,00

1. Realice el diagrama de dispersión y determine el tipo de

asociación entre las variables.
REFLEJO DE FLEXIÓN NOCICEPTIVA
16
14
y = -0.0629x + 11.642
12
R² = 0.1115
10
Umbral

8
6
4
2
0
0 20 40 60 80 100
sobrepeso
2. Ajuste un modelo matemático que permita predecir el efecto de
una variable sobre la otra. ¿Es confiable?
Y=0.0629x+11.642
R2=0.1115

3. Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.
R2= 0.1115*100=11.15%
r= √0.1115= 33.39 grado de correlación mínima.

4. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay

un porcentaje de sobrepeso, de 40?
Y=0.0629*40+11.642=14.158
 CONCLUSIONES
Las técnicas de correlación y las de regresión están estrechamente relacionadas,
aunque obedecen a estrategias de análisis un tanto diferentes. Si tenemos dos
variables hablamos de regresión simple, si hay más de dos variables regresión
múltiple.
El coeficiente de determinación que se conoce también como r2, es un término
utilizado en estadística, que tiene como función principal predecir el resultado de
hipótesis. Esto es fundamental en cualquier estudio con fundamentos científicos y
sus aplicaciones pueden tener un amplio, rango como en la economía, el estudio de
los mercados o para determinar el éxito de algún producto.
 BIBLIOGRAFÍA
Cuervo, L. S. (2000). VARIABLES ESTADÍSTICAS BIDIMENSIONALES. Obtenido
de http://recursostic.educacion.es/:
http://recursostic.educacion.es/descartes/web/Descartes1/Bach_CNST_1/V
ariables_estadisticas_bidimensionales_regresion_correlacion/regresi2.htm

Euler, M. (11 de 11 de 2015). Introducción Análisis de Correlación y Regresión

Simple. Obtenido de https://www.youtube.com/:
https://www.youtube.com/watch?v=PlJR-Q9WVwI

Garcia, S. B. (Noviembre de 2005). Regresión y correlación. Obtenido de

https://www.monografias.com/:
https://www.monografias.com/trabajos30/regresion-correlacion/regresion-
correlacion.shtml