Documente Academic
Documente Profesional
Documente Cultură
PRESENTADO POR:
PRESENTADO A:
100105_152
herramienta muy útil cuando se trata de relacionar 2 o más variables, relacionadas entre sí.
JUSTIFICACIÓN
cada uno de los integrantes del grupo, esto con el fin de identificar factores claves en la
la capacidad de relacionar los temas con las ayudas estadísticas vistas en la presente unida,
lo anterior mediante la relación entre dos variables cuantitativas del problema estudiado.
1. Diagrama de dispersión.
afectan entre sí o qué tan independientes son una de la otra. En este sentido, ambas
Estos son pues, los tipos de correlación más visibles. Aunque si lo miramos desde
una perspectiva que evalúa qué tan fuerte o débil es la correlación, encontramos
otra clasificación.
relación.
variables en estudio.
3. Coeficiente de determinación R2
y 1. Cuanto más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la
variable que estamos intentando explicar. De forma inversa, cuanto más cerca de
cero, menos ajustado estará el modelo y, por tanto, menos fiable será.
4. Correlación positiva y correlación negativa
Correlación positiva
carros, si él vende más carros (variable 1), va a ganar más dinero (variable 2).
Correlación negativa
que, si una variable aumenta, la otra disminuye. Hay una relación inversa
una medida estandarizada de la asociación lineal que existe entre las variables X y
intervalo.
también.
las variables
Gráfica de Dispersión
9
El modelo matemático que permite predecir el efecto de una variable sobre la otra
Esto nos permite predecir el efecto de una variable sobre la otra, teniendo en cuenta
R=√ 0,905=0.9513
y=−0,4678 x +8,6233
−1=−0,4678 x +8,6233
−1−8,6233=−0,4678 x
−9,6233
=x
0,4678
x=−20,6
°C
1.5. Temperatura-consumo de gaseosa. El número de gaseosas (y) consumidas
promedio (en o F). Para el año 2018, se registraron los siguientes valores de temperatura y
°F ltrs.
Ene. 23 188,14
Feb. 26 216,82
Mar. 34 290,38
Abr. 49 427,19
May. 52 457,35
Jun. 61 541,35
Jul. 70 623,9
Ago. 76 677,41
Sep. 64 564,38
Oct. 52 455,28
Nov. 43 372,3
Dic. 32 276,33
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las
variables.
Diagrama de dispersión
800
700
f(x) = 9.21 x − 22.39
600 R² = 1
Consumo de gaseosa ltrss
500
400
300
200
100
0
20 30 40 50 60 70 80
Temperatura °F
R ²=0 , 9999
0 , 999∗100=99 %
dos variables.
R2= √ 0 , 9999=0,99
Resumen:
Correlación Excelente
por el PIB es influenciado por el consumo de energía a partir de los siguientes datos:
en MWh
2008 2,057 428,2
400
300
200
100
0
2 2.05 2.1 2.15 2.2 2.25 2.3 2.35 2.4 2.45
PIB de la Nación
y = 273,62x - 131,92
R² = 0,8465
El porcentaje de explicación de las variables es de 84,7 % por lo que se puede afirmar que
es confiable
dos variables.
R=√ 0,8465=0,92
c. ¿Cuál podría ser la proyección de PIB para el año 2021 si se espera que el PIB
las variables.
y=273,62( 3,2)−131,92
y=875,58−131,92
y=743,66
Diagrama de dispersión
14
Numero de personas en el hogar
12
10
0
0 1 2 3 4 5 6 7
Estrato
y = 0,0581x + 4,1925
R² = 0,0031
Es confiable en un
0,31%
R² = 0,0031 0,31
Lo que quiere decir que el grado de relación entre las dos variables es de 31% Por lo
cual se obtiene una interpretación de que hay correlación mínima - 0 < r < 0,60
(0.31%)
CONCLUSIÓN
Aplicamos las medidas bivariantes, en función de la problemática de estudio
REFERENCIAS BIBLIOGRÁFICAS
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo.
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVR
L&sw=w&asid=b82c81e98fcc1361e1929abe203c8219
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVR
L&sw=w&asid=e558184ed89e57d11ede116134cfce41
%7CCX4052100011&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=b82c81e98fcc1361e1929abe203c8219
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=G
VRL&sw=w&asid=e558184ed89e57d11ede116134cfce41