1

Paso 4 Descripciones de la Información

Presentado por:

Katiana María Aragón Cortina

Código 1.081.910.459

Grupo: 16

Tutor:

Camilo Andrés Rodríguez

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Sociales, Artes y Humanidades – ECSAH

Programa de Psicología

Estadística

2021
 2

A continuación tendremos un breve resumen que implica la introducción, justificación y los

objetivos de estas actividades:

La idea principal es que mediante cada actividad nosotros como estudiantes desarrollemos

habilidades competitivas que nos permitan identificar variables cualitativas o cuantitativas y con

ellas tener un buen manejo para la obtención de las medidas de tendencia central.
 3

Mapa mental.

Link: https://www.goconqr.com/es/mindmap/34529978/Medidas-estadisticas-Bivariantes
 4

 Diagrama de dispersión:

Es la representación gráfica de una serie de datos para dos variables, se analiza la relación

entre las 2 variables, conociendo en qué forma se afectan la una a la otra o en caso

contrario qué tan independientes pueden ser una de la otra.

Tipos de correlación en el diagrama de dispersión

A través de los patrones del diagrama de dispersión se pueden interpretar los siguientes

tipos de correlación:

Correlación positiva

Se da cuando una variable disminuye o aumenta y a la vez la otra variable también lo

hace, existiendo una relación proporcional, por ejemplo, en el caso de las ventas, cuando

un vendedor vende mayor cantidad de artículos, (variable 1), se experimenta una mayor

ganancia, gana más dinero (variable 2).

Correlación negativa

Se da cuando el comportamiento de una variable, es contrario al comportamiento de la

otra variable, es decir aquellos casos en que una variable aumenta, la otra variable

disminuye. Existiendo una relación proporcionalmente inversa, por ejemplo, en la

construcción, un mayor número de trabajadores en una obra (variable 1), disminuyen el

tiempo de entrega de la obra (variable 2).

Correlación nula

Es el caso en que no se consigue un comportamiento entre las variables, estos representan

los tipos de correlación más evidentes. (Pacheco, 2020).

 5

Correlación lineal simple:

Método utilizados para determinar el grado de asociación entre dos variable; el más

sencillo de ellos es el de correlación lineal que está basado en la comparación de la

varianza asociada de dos variables (covarianza) y las desviaciones estándar de cada uno a

través del cálculo del coeficiente r de Pearson.

 Coeficiente de determinación R2:

También llamado R cuadrado (ó R²), representa la proporción de varianza total de la

variable que explica la regresión. En otras palabras, dicho término trata de explicar la

bondad del ajuste de un modelo a la variable que pretende analizar.

Este coeficiente puede ofrecer valores entre 0 y 1. Si el resultado es 1 o cercano a 1,

podemos indicar que el modelo y la variable que queremos explicar se ajustan mucho.

Por el contrario, si se acerca más a 0, el modelo se ajustará menos (además de ser menos

fiable). (Méndez, 2019)

 Correlación positiva y correlación negativa:

Los valores de r positivos indican una correlación positiva, en la que los valores de ambas

variables tienden a incrementarse juntos.

Los valores de r negativos indican una correlación negativa, en la que los valores de una

variable tienden a incrementarse mientras que los valores de la otra variable descienden.
 6

 ¿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. (Ucha, 2021)

Nos ayuda a medir: • Asociación lineal positiva o directa

. • Asociación lineal negativa o inversa.

• Asociación lineal nula o no asociación

 7

Actividad 3. Ejercicio práctico.

En esta actividad cada estudiante deberá resolver un ejercicio de los que aparecen a

continuación; posterior a ello compartirá su elección en el foro del entorno de Aprendizaje Foro

de discusión Unidad 2- Paso 4 Descripción de la Información. En cada ejercicio deberá

responder los siguientes interrogantes:

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.

b. Encuentre el coeficiente de determinación y correlación.

c. Determine el modelo matemático que permite predecir el efecto de una variable sobre la otra.

¿Es confiable?

d. Determine el grado de relación de las dos variables.

3.2 CH-Pureza. El rendimiento del producto de un proceso químico está relacionado con la

temperatura de operación del proceso. Se desea establecer la relación que existe entre la pureza

(y) del oxígeno producido y el porcentaje de hidrocarburo (x) que está presente en el

condensador principal en un proceso de destilación, de acuerdo con los siguientes datos:

 8

Desarrollo actividad 3.

3.2 CH-Pureza.

a. mediante el diagrama de dispersión podemos observar la correlación entre las variables, y

como se observa existe una tendencia hacia arriba con dirección ascendente, entonces la

correlación tiene dirección positiva.

 9

b.

Existe una alta correlación positiva entre las variables Hidro carburos y Pureza.

El 88% de pureza es explicado por la cantidad de Hidro carburos.

c. Y = 14,95X+74,28 Es confiable.
 10

d. tenemos una correlación alta, a mayor cantidad de Hidro carburos, mayor será la pureza.

Actividad 4. Regresión y correlación Lineal Simple.

 11

A partir de la base de datos suministrada “Anexo 1- Casos positivos COVID 19.

Departamento de Antioquia.” - , cada estudiante, deberá:

-Identificar dos variables cuantitativas de la situación estudiada que puedan estar relacionadas e

identificar la variable dependiente e independiente.

- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de relación entre las

variables.

_Determine al coeficiente de determinación y de correlación de las dos variables. Interprete los

resultados

- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la otra.

¿Es confiable?

- Determine el tipo de correlación de las dos variables.

- Relacionar la información obtenida con el problema.

Desarrollo actividad 4.
 12

Variables cuantitativas:

 Código DIVIPOLA municipio

 Edades

Gráfica:

Como podemos ver hay una correlación lineal entre los códigos DIVIPOLA de municipios y las

edades de los pacientes por lo que podríamos decir que no influye en gran cantidad el lugar de

procedencia o residencia con respecto a la edad del paciente.

 13

Coeficientes de determinación y correlación lineal:

 Como es positiva la correlación lineal tenemos una correlación directa, pero por lo visto

en el resultado la correlación es baja.

 Basado en el coeficiente de determinación el 0,13347631% de la variabilidad de las

edades es explicado por el código DIVIPOLA municipal.

Modelo matemático:

Tipo de correlación:

No hay una correlación aparentemente entre las variables

Relación entre lo obtenido y el problema:

Podemos evidenciar que mediante lo obtenido no hay mucha incidencia entre el código

DIVIPOLA municipal y la edad de los pacientes.

Actividad 5. Regresión y Correlación Múltiple.

 14

A partir de la base de datos suministrada “Anexo 1- Casos positivos COVID 19.

Departamento de Antioquia.” cada estudiante deberá:

a. Identificar una variable cuantitativa dependiente y varias variables cuantitativas

independientes del estudio de investigación.

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.

d. Relacionar la información obtenida con el problema.

Desarrollo actividad 5.

Variables cuantitativas:

 Dependiente: Fecha de recuperación (serie3).

 Independiente: Fecha de síntomas (serie1), Fecha de diagnóstico (serie2).

Diagrama de dispersión
 15

Rectas de regresión
 16

Con todo lo obtenido mediante los gráficos y coeficientes de correlación podemos ver que en

comparación con la fecha de diagnósticos, la fecha de los síntomas tiene una mayor influencia en

la fecha de recuperación de los pacientes.

Conclusiones
 17

Como conclusiones podemos resaltar el que el uso de las medidas de tendencia centras, el

manejo adecuado de variables y herramientas para el análisis de datos estadísticos como Excel e

Infostat nos facilita mucho a la hora de crear nuestras gráficas mediante la asociación entre

variables, el planteamiento de modelos matemáticos, obtención de datos como coeficiente de

correlación lineal y coeficiente de determinación.

Bibliografías
 18

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 130 – 158).
Recuperado de https://link.gale.com/apps/doc/CX4052100011/GVRL?
u=unad&sid=GVRL&xid=5e6c855d

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage
Learning. (pp-675–686). Recuperado de https://link.gale.com/apps/doc/CX4058900232/GVRL?
u=unad&sid=GVRL&xid=a2479593