UNIDAD 3- PASO 4– DESCRIPCIÓN DE LA INFORMACIÓN.

ESTADISTICA DESCRIPTIVA

ELABORADO POR:
LUIS FERNANDO RODRIGUEZ
CODIGO: 1193510271

PRESENTADO A:
ANGELICA CABRA.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

CEAD TUNJA

NOVIEMBRE 2018
2. Participar activamente en el foro Unidad 3- Paso 4– Descripción de la
Información. (Entorno de aprendizaje colaborativo) Y Definir brevemente
socializando dentro de este espacio los conceptos básicos asociados a
Regresión y Correlación como:

Diagrama de dispersión.
Los diagramas de dispersión son una forma fenomenal de expresar datos de
dos variables, y hacer predicciones basadas en los datos. Al contrario de los
histogramas y los diagramas de caja, los de dispersión muestran valores de
datos individuales.

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. Las
relaciones entre los conjuntos asociados de datos se infieren a partir de la
forma de las nubes.

Correlación lineal simple.

Bajo el concepto de correlación se recogen varios procedimientos e
indicadores estadísticos utilizados para determinar el grado de asociación entre
dos variables; 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.

En estadística, el coeficiente de determinación, denominado R² y

pronunciado R cuadrado, es un estadístico usado en el contexto de un modelo
estadístico cuyo principal propósito es predecir futuros resultados o probar una
hipótesis. El coeficiente determina la calidad del modelo para replicar los
resultados, y la proporción de variación de los resultados que puede explicarse
por el modelo.
Hay varias definiciones diferentes para R² que son algunas veces equivalentes.
Las más comunes se refieren a la regresión lineal. En este caso, el R² es
simplemente el cuadrado del coeficiente de correlación de Pearson, lo cual
es sólo cierto para la regresión lineal simple.

Correlación positiva y correlación negativa.

Correlación Positiva
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 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.
Como se puede observar en las definiciones presentadas, existen diferencias
importantes entre correlación positiva y correlación negativa. A continuación, se
muestran algunas diferencias entre los tipos de correlación existentes:

Correlación Positiva Correlación Negativa

En la correlación positiva la relación entre
variables es lineal y recta.
En la correlación positiva el cambio de una
variable predice el cambio de la otra.
La correlación positiva es directamente
proporcional.
En la correlación negativa la relación entre
variables es opuesta.
En la correlación negativa cuando una variable
cambia, la otra lo hace de forma contraria.
La correlación negativa es inversamente
proporcional.
¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

Coeficiente de correlación lineal

En una distribución bidimensional puede ocurrir que las dos variables guarden
algún tipo de relación entre sí.

Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es

muy posible que exista relación entre ambas variables: mientras más alto sea
el alumno, mayor será su peso.

El coeficiente de correlación lineal mide el grado de intensidad de esta

posible relación entre las variables. Este coeficiente se aplica cuando la
relación que puede existir entre las variables es lineal (es decir, si
representáramos en un gráfico los pares de valores de las dos variables la
nube de puntos se aproximaría a una recta). No obstante, puede que exista
una relación que no sea lineal, sino exponencial, parabólica, etc. En estos
casos, el coeficiente de correlación lineal mediría mal la intensidad de la
relación las variables, por lo que convendría utilizar otro tipo de coeficiente más
apropiado.

Para ver, por tanto, si se puede utilizar el coeficiente de correlación lineal, lo

mejor es representar los pares de valores en un gráfico y ver qué forma
describen.

El coeficiente de correlación lineal se calcula aplicando la siguiente fórmula:

 REFERENCIAS BIBLIOGRÁFICAS

https://aprendiendocalidadyadr.com/diagrama-de-dispersion/

https://www.ecured.cu/Correlaci%C3%B3n_lineal

https://es.wikipedia.org/wiki/Coeficiente_de_determinaci%C3%B3n

https://diferencias.eu/entre-correlacion-positiva-y-correlacion-negativa/

https://www.aulafacil.com