Actividad 1.
Mapa Mental
Actividad 2. Definición de Conceptos.
CONCEPTO DEFINICIÓN
Dispersión se define como el grado de
distanciamiento de un conjunto de valores respecto a
su valor medio. A partir de esta definición, se
derivan las medidas de dispersión que aprendimos en
la clase de estadística del colegio: Rango, varianza,
desviación, covarianza, coeficiente de correlación,
etc. El diagrama de dispersión, también conocido
como gráfico de dispersión o gráfico de correlación
Diagrama de dispersión consiste en la representación gráfica de dos variables
para un conjunto de datos. En otras palabras,
analizamos la relación entre dos variables,
conociendo qué tanto se afectan entre sí o qué tan
independientes son una de la otra. En este sentido,
ambas variables se representan como un punto en el
plano cartesiano y de acuerdo a la relación que exista
entre ellas, definimos su tipo de correlación
Correlación lineal simple
El concepto de relación o correlación se refiere al
grado de variación conjunto existente entre dos o
más variables. En este apartado nos vamos a centrar
en el estudio de un tipo particular de relación
llamada lineal y nos vamos limitar a considerar
únicamente dos variables (simple). Coeficiente de
determinación
Nos indica cuanto de la variación total en Y se debe
a la variación en X, Su principal propósito es
predecir futuros resultados o probar una hipótesis, es
importante tener en cuenta que el resultado del
coeficiente de terminación R2 oscila entre O y 1.
Coeficiente de determinación Cuanto más cerca de 1 se sitúe su valor, mayor será
R2 el ajuste del modelo a la variable que estamos
intentando explicar. Por el contrario, si su resultado
se encuentra más cerca de cero, menos ajustado
estará al modelo y menos confiable será.
Se habla de una correlación positiva cuando una
relación entre una variable y otra es lineal y directa,
de manera que un cambio en una variable predice el
cambio en la otra variable. En ese caso, se dice que
Correlación positiva la correlación es positiva perfecta, es decir, ambas
variables varían al mismo tiempo. Este tipo de
correlación es directamente proporcional. Hay
correlación positiva cuando las dos variables se
correlacionan en sentido directo. Por lo que, a
valores altos de una le corresponden valores altos de
la otra e igualmente con los valores bajos.
Correlación negativa
Se habla de una correlación negativa cuando la
relación entre una variable y otra es opuesta o
inversa, es decir, cuando una variable cambia, la otra
se modifica hacia lo contrario. Entonces, cuando una
posee variable valores altos, la otra posee valores
bajos y mientras este valor esté más cerca de -1, más
evidente será esta covariación. Se dice que hay
correlación negativa perfecta cuando r = -1. Este tipo
de correlación es inversamente proporcional.
Entonces, hay correlación negativa cuando las dos
variables se correlacionan en sentido inverso.
En estadística, el coeficiente de correlación 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. De manera menos formal,
Coeficiente de correlación podemos definir el coeficiente de correlación de
lineal Pearson como un índice que puede utilizarse para
medir el grado de relación de dos variables siempre y
cuando ambas sean cuantitativas y continuas.
Actividad 3. Ejercicio práctico.
Peso-Altura. Un colegio del distrito de Bogotá desea realizar un estudio de crecimiento dentro de
su población femenina, para lo que se ha construido desde una muestra la siguiente de
información del peso (en kg.) y la altura (en cm.) de 15 jóvenes:
Peso (kg) Altura (cm)
48 150
53 143
48 146
66 160
48 143
53 145
54 149
65 158
65 150
55 150
54 153
52 151
55 151
58 147
56 142
a) Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.
b) Encuentre el coeficiente de determinación y correlación.
Y= m (x + b)
Y= 0,55 X + 118,70
Y= 0,55 (55)+118,70 =148,95
c) Determine el modelo matemático que permite predecir el efecto de una variable sobre la
otra. ¿Es confiable?
Podemos observar que el modelo solo cuento con un 40% de confiabilidad lo que infiere
que es poco confiable
d) Determine el grado de relación de las dos variables
Actividad 4. Regresión y correlación Lineal Simple.
Identificar dos variables cuantitativas de la situación estudiada que puedan estar relacionadas e
identificar la variable dependiente e independiente.
Número de personas fallecidas en enero a febrero de 2019 y los usuarios de moto fallecidos
- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de relación entre las
variables.
- Determine el coeficiente de determinación y de correlación de las dos variables. Interprete los
resultados
Lo presentado en la anterior grafica quiere decir que debido a la cantidad de personas fallecidas
así mismo aumenta el número de personas fallecidas en moto ya que es el medio de transporte
que tiene más muertes
- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.
¿Es confiable?
El modelo lineal matemático que predice el efecto de una variable sobre la otra es:
y=0.4385 x−9.0092 El modelo es confiable porque el coeficiente de determinación es de 82.29%
- Determine el tipo de correlación de las dos variables.
Comprendiendo que, de acuerdo al R² se encontró que existe una máxima relación de 82.29%.
Determinando que este modelo es confiable. De tal manera encontrando que el grado de
correlación es de 0,907% encontramos que la correlación es muy alta
- Relacionar la información obtenida con el problema.
Con la relación obtenida de las variables se puede analizar que tienen mucha relación ya que los
usuarios fallecidos en moto son los que están con la mayor cantidad con base a los demás
usuarios, de acuerdo al grado de correlación se puede decir que muy alto ya que es un valor
cercano a 1 siendo un valor máximo para correlacionar estas dos variable
Actividad 5. Regresión y Correlación Múltiple
a. Identificar una variable cuantitativa dependiente y varias variables cuantitativas
independientes del estudio de investigación.
Y= Población_2019
X1= Fallecidos ene-feb 2019
X2= lesionados ene-feb 2019
b. Realizar el diagrama de dispersión de dichas variables.
c. Calcular la recta de regresión y el coeficiente de correlación para probar
estadísticamente su relación
Coeficientes
1002,20115
Intercepción 1
502,767739
Variable X 1 8
11266,5629
Variable X 2 9
y=1002.20+502.77 x1+11266.56 x2
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0,96821844
Coeficiente de determinación 0,93744694
R^2 7
R^2 ajustado 0,93681189
R 2=0.937∗100=93.7%, Siendo Este Modelo Matemático Confiable ya que es cercano a 1.
R=0.968∗100=96.8 %, indica que la correlación entre las variables es excelente ya que ofrece el
96.8 %
Lo anterior comprueba la relación entre las tres variables que son población_2019, fallecidos ene-
feb 2019, lesionados ene-feb 2019
d. Relacionar la información obtenida con el problema
De acuerdo a la información anterior indican que las variables población_2019, fallecidos ene-feb
2019, lesionados ene-feb 2019; se encuentran relacionadas a través del modelo matemático
y=1002.20+502.77 x1+11266.56 x2. De tal manera este modelo presenta un 93.7 % de
confiabilidad. Debido a que las variables ya dichas se encuentran en una correlación excelente de
96.8%