ESTADÍSTICA DESCRIPTIVA

Unidad 3: Paso 4 - Descripción de la información

Grupo

Tutor

Universidad Nacional Abierta y a Distancia (UNAD)

Escuela de Ciencias Sociales Artes y Humanidades (ECSAH)
Psicología
La Unión – Nariño
2020

INTRODUCCIÓN
La estadística es una ciencia que nos permite centrarnos en el trabajo
de estudio de datos, siendo de gran importancia saber interpretar los
diferentes datos estadísticos, volviéndose la estadística cada vez más
utilizada ya que en cualquier caso de nuestra vida cotidiana, por ende,
este curso es de gran relevancia y en esta actividad pretende construir
diferentes conocimientos como la socialización de conceptos básicos,
sobre la regresión o correlación entre variables de tipo cuantitativo.

Además ayuda a entender los procesos estadísticos, y su representación

matemática, y el conocimiento de las formulas estadísticas.

De igual manera identificar las variables cuantitativas y trabajar con

ellas identificando diferentes datos para determinar conclusiones.
 JUSTIFICACIÓN

Este trabajo tiene como propósito tomar como referencia buscar

colaborativamente ciertas soluciones a la problemática planteada para
organizar sus datos. De esta forma mediante la realización de este
trabajo podemos poner en práctica el conocimiento adquirido sobre los
diagramas de dispersión y su regresión y correlación.
 OBJETIVOS OBJETIVO GENERAL

 Aprender a desarrollar y aplicar el análisis de regresión y

correlación lineal, en una situación real.

OBJETIVOS ESPECÍFICOS

 Comprender y analizar el comportamiento de los datos y que tan

fuerte es la relación (si existe) entre las variables.

 Identificar los principales términos e indicadores que nos permitan

tener claridad para un buen análisis.

 Conocer los principios básicos para organizar un conjunto de datos

de dos o más variables

 Poder determinar qué tipo de modelo es el más apropiado para

hacer inferencia sobre todos los elementos de un problema.
 Mapa Mental

Regresión y Correlación lineal Simple

Definir brevemente los conceptos básicos asociados a Regresión y
Correlación como:
Diagrama de Dispersión:
Es un tipo de diagrama matemático que utiliza las coordenadas
cartesianas para mostrar los valores de dos variables para un conjunto
de datos, los datos se muestran como un conjunto d puntos cada uno
con el valor de una variable, que determina la posición en el eje
horizontal (x) y el valor de la otra variable determinado por la posición
en el eje vertical (y). (Tomado de la enciclopedia Wikipedia).
Los dos conjuntos asociados de puntos aparecen en pares Ejemplo (x,
y) mostrándolos como una nube de puntos. Se relacionan por la forma
de la nube de puntos puede ser una relación negativa, cuando los
valores crecientes de x están asociados con los valores decrecientes de
y, o una relación positiva (x, y) es cuando los valores crecientes de x
están asociados con los vales crecientes de (Y)
 -Correlación negativa

Cuando el aumento de x provocará una tendencia a la disminución de

y

-Correlación positiva

Aumento de y depende de un aumento de x o un aumento de x

provocara una tendencia a un aumento de y.

- Correlación lineal simple

Se refiere al grado de variación conjunta existente entre dos o más

variables

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

medir?
La teoría de la regresión trata de «explicar»1 el comportamiento de una
variable, denominada explicada (dependiente o endógena), en función
de otra u otras, denominadas explicativas (independientes o exógenas).
Se puede establecer una primera clasificación en función del número de
variables explicativas: la regresión (y correlación) será simple si
únicamente hay una variable explicativa; por el contrario,
será múltiple si el número de variables explicativas son varias. Así, si se
quiere explicar el salario de los trabajadores en función de su
antigüedad en la empresa la regresión será simple. Si, además de la
antigüedad en la empresa, se considera también el grado de formación
de los trabajadores a la hora de explicar su salario, la regresión será
múltiple.

En cualquiera de las dos situaciones anteriores (regresión simple o

múltiple), la cuestión que se plantea es qué valor de la variable
explicada le corresponde a cada uno de los valores de la variable o
variables explicativas.

A partir de la base de datos suministrada “Indicadores de

accidentalidad -220 municipios 2020 (16-1)”, deberá:
a. Identificar dos variables cuantitativas de la situación
estudiada que puedan estar relacionadas.

R/ Población 2019 y Fallecimientos entre Enero – Febrero del

2019.

b. Realizar el diagrama de dispersión de dichas variables y

determinar el tipo de asociación entre las variables.

CORRELACIÓN POBLACIÓN Y FALLECIDOS

400
350
300
250
Fallecidos

f(x) = 0 x + 28.91
200 R² = 0.4 Linear ()
150
100
50
0
0 0 0 00 00 00 00
0 00 0 00 00 00 00 00
50 1 00 0
Población
15 20
0
25
0
30
0

c. Encuentre el modelo matemático que permite predecir el

efecto de una variable sobre la otra. ¿Es confiable?
De acuerdo a los resultados matemáticos obtenidos, se tiene
el siguiente modelo:
y=9 e−0.5x +28,915
R2=0,401
Cuyo coeficiente de confiabilidad es del 40% Confiable.

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

Teniendo en cuenta la siguiente tabla:

 Como R2=0,401
R=√ 0,401=0,633
El grado de correlación es regular, es decir término medio de
correlación.

e. Relacionar la información obtenida con el problema.

Es regularmente probable que de la población total hayan

muerto personas en enero-febrero por cauda de
accidentalidad.

f. Establezca al menos 3 nuevos valores independientes para

ser hallados a través del modelo matemático calculado.

Para x=0, tenemos

y=9 e−0.5(0) +28,915=9+28,915=37,915

Para x=1, tenemos

−0.5(1) −0,5
y=9 e +28,915=9 e +28,915=5,45+28,915=34,365

Para x=-1, tenemos

y=9 e−0.5(1) +28,915=9 e0,5 + 28,915=14,83+28,915=43.75

Actividad 4. Regresión y correlación múltiple

A partir de la base de datos suministrada “Indicadores de
accidentalidad -220 municipios 2020 (16-1)”, cada estudiante,
deberá:
a. Identificar una variable cuantitativa dependiente y varias variables
cuantitativas independientes del estudio de investigación.

Rango de edad de fallecidos con y objetos de choque.

b. Realizar el diagrama de dispersión de dichas variables.

Correlación Entre Edad y Choque con Bicicleta

100
90
80
70
60
Bicicleta

Bicicleta
50
40 Linear (Bicicleta)
30
20
10
0 f(x) = 0.12 x + 4.65
R² = 0.01
15 20 25 30 35 40 45 50
Edad
 Correlación Entre Edad y Choque con
Motocicleta
300
250
200 Motocicleta
Motocicleta

150 Linear (Motocicleta)

100
50
0 f(x) = 0.3 x + 12.1
15 20 R² =25
0.01 30 35 40 45 50
Edad

f(x) = 0
R² = 0
Correlación Entre Edad y Choque Peaton
12

10

8 PROMEDIO DE EDAD
Linear ( PROMEDIO DE
6 EDAD)
Edad

Peaton
4 Linear (Peaton)
2

0
0 2 4 6 8 10 12
Peaton

c. Calcular la recta de regresión y el coeficiente de correlación para

probar estadísticamente su relación.

X Y Coeficiente De Recta
Correlación
Choque con Promedio de y = 0,1172x +
Bicicleta edad R² = 0,0125 4,6523

Choque con Promedio de R² = 0,0125 y = 0,3047x +

Motocicleta edad 12,096

Choque con Promedio de R² = 0,0077 y = -0,0027x

 Peatón edad + 2,3106

d. Relacionar la información obtenida con el problema.

Esto nos muestra que no hay ninguna relación lineal entre la variable
Promedio de edad y Choque con Bicicleta, Choque con Motocicleta,
Choque con Peatón, lo cual nos dice que el Promedio de edad no
depende linealmente de las otras variables.
 CONCLUSIONES

Las técnicas de regresión y correlación cuantifican la asociación

estadística entre dos o más variables. La regresión lineal simple expresa
la relación entre una variable dependiente y una variable independiente
X, en términos de la pendiente y la intersección de la línea que mejor se
ajuste a las variables.

La correlación simple expresa el grado o la cercanía de la relación entre

las dos variables en términos de un coeficiente de correlación que
proporciona una medida indirecta de la variabilidad de los puntos
alrededor de la mejor línea de ajuste- Ni la regresión ni la correlación
dan pruebas de relaciones causa – efecto.
 BIBLIOGRAFÍA

o Montero, J.M. (2007).Regresión y Correlación Simple.

Madrid: Paraninfo. Paginas. 130 – 172. Recuperado
de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&
asid=b82c81e98fcc1361e1929abe203c8219

o Churchill, G.A. (2009).Análisis de Correlación y de Regresión

Simple. México City: Cengage Learning. Páginas 675 – 686
Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&
asid=e558184ed89e57d11ede116134cfce41

o Churchill, G.A. (2009). "Análisis de Regresión Múltiple."

Investigación de mercados. México City: Cengage Learning.
Páginas 686 – 695 Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&
asid=49575112db86a0eb46dae86bbaf74cb9

o Montero, J.M. (2007).Regresión y Correlación Múltiple.

Madrid: Paraninfo. Páginas 191 – 225. Recuperado
de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100012&v=2.1&u=unad&it=r&p=GVRL&sw=w&
asid=47eaa8f46c19ad13af26a0a74e510de2