Escuela de Ciencias Básicas Tecnología e Ingeniería-ECTBI

CEAD – José Acevedo y Gómez

Estadística Descriptiva 100105A_474

Unidades 1 y 2: Paso 3 - Análisis de la Información

James Bend Reinoso Diaz

Código: 93.206. 040

Grupo – 100105_128

Tutor del curso

Jose Rodrigo Gonzalez

Universidad Nacional Abierta y a Distancia – UNAD

Ingeniería Electrónica

Bogotá 27 de octubre 2018

2. Participar activamente en el foro Unidad 2- 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.
R/ 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.

 Correlación lineal simple.

R/ Coeficiente de correlación lineal. 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.

 Coeficiente de determinación R2.

R/ 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.

 Correlación positiva y correlación negativa.

R / 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.
R / 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.

 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

 R/ 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.

Laboratorio Regresión y Correlación Lineal: Desarrollar en el paso 4.

Actividades a desarrollar
1.3. Peso-Altura. Un colegio del distrito de Bogotá desea realizar un estudio de crecimiento
dentro de su población estudiantil, para lo que se ha construido desde una muestra la siguiente
de información del peso (en kg.) y la altura (en cm.) de 20 jóvenes:

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

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

b) Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
otra. ¿Es confiable?
c) Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.
d) ¿Cuál es el peso esperado de un estudiante que mide 172 cm?

1.6. 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.

A continuación, se presentan los resultados:

Estatura 120 124 107 118 112 110 115 104 110 116
(cm)
Peso (kg) 24 23 19 24 21 19 22 16 20 23

a. Identifique la variable dependiente (y) y la variable independiente (x), realice el

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

El tipo de asociación del diagrama de dispersión es LINEAL.

 b. Encuentre el modelo matemático que permite predecir el efecto de una variable
sobre la otra. ¿Es confiable?
R/
𝑦 = 0.386𝑥 − 22.75
𝑅² = 0.832
Se puede asegurar que la ecuación de la recta es aceptable porque el 𝑅 2 se aleja un
poco de 1 y tiene un grado de confiabilidad aceptable.

c. Determine el grado de correlación de las dos variables.

R/ La correlación lineal es aceptable porque el 0.832 está un poco retirado del 1
positivo.

d. ¿Cuál es el peso que debería tener un estudiante que mida 128 cm?
R/ 𝑦 = 0.386(128) − 22.75 = 24.354

1.8.%-Umbral. Los investigadores están estudiando la correlación entre la obesidad y la

respuesta individual al dolor. La obesidad se mide como porcentaje sobre el peso ideal
(x). La respuesta al dolor se mide utilizando el umbral de reflejo de reflexión nociceptiva
(y) que es una medida de sensación de punzada. Obsérvese que ambas, X e Y, son
variables aleatorias

y (umbral de reflejo
% Sobrepeso. de flexión
nociceptiva)

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

La asociación de las variables no existe, esto se puede observar con el coeficiente de

determinación 𝑅 2 que es 11.15%.

2. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre
la otra. ¿Es confiable?
R/ El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente:
𝑦 = −0.0629𝑥 + 11.642
El modelo no es muy confiable porque el coeficiente de determinación R2 está muy
lejos de 1.
3. Determine el porcentaje de explicación del modelo y el grado de relación de las dos
variables.
R/ Esta ecuación no hace una buena estimación entre las variables debido a que el
coeficiente de determinación R2 explica el 11.15% de la información y el valor del
coeficiente de correlación R confirma el grado de relación de las variables, que es el
33.39%.
4. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de
sobrepeso, de 40?
R/
𝑦 = −0.0629 ∗ 40 + 11.642
𝑦 = 9.13
Cuando el porcentaje de sobrepeso sea 40, el umbral de reflejo de flexión nociceptiva
será 9.13.
 CONCLUSIONES

Es evidente que los gráficos de dispersión son de gran ayuda para el buen análisis del
comportamiento de dos variables de las cuales se estima algún tipo de relación, y por ende
demostrar que tanto puede afectar una a otra. Las medidas de dispersión contribuyen a la
realización de una comparación entre las posibles variaciones que pueden tener algunos datos
que se están estudiando. Tanto las medidas de dispersión como los gráficos de dispersión
sirven para observar el comportamiento que tienen algunos datos que son objeto de estudio
y que pretenden mostrar la relación que existe entre los mismos o por el contrario una total
desconexión que impide brindar soluciones.