Documente Academic
Documente Profesional
Documente Cultură
WHILMER FERNÁNDEZ
1061689638
TUTOR
JOSE RODRIGO GONZALEZ
CORRELACION
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.
Las relaciones entre los conjuntos asociados de datos se infieren a partir de la
forma de las nubes.
Una relación positiva entre x y y significa que los valores crecientes
de x están asociados con los valores crecientes de y.
Una relación negativa significa que los valores crecientes de x están
asociados con los valores decrecientes de y.
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.
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.
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.
¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
Peso Altura
Nº
(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
17 76 162
18 80 163
19 79 152
20 68 144
40
30
20
10
0
140 145 150 155 160 165 170
ALTURA
y=0,7938 x−52,382
R ²=0,5946∗100=59,46 %
X= 172
Y=?
Y =0,7938 x−52,382
Y =0,7938 x 172
Y =136,5336−52,382
Y =84,15
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.
Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso (kg) 24 23 19 24 21 19 22 16 20 23
X Estatura
Y Peso (kg)
(cm)
120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
116 23
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
d. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?
X =128
Y =?
Y =0,386 x −22,751
Y =0,386 X 128
Y =49,408−22,751
Y =26,657
y (umbral de reflejo de
% Sobrepeso. X
flexión nociceptiva) Y
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
X =40
Y?
Y =−0,0629 x +11,642
Y =−0,0629 x 40
Y =−2,516+11,642
Y =9,126