Justificación

La estadística descriptiva es una rama de la ciencia que permite analiza una

serie de datos para obtener información detallada de cada suceso.
A continuación se identifican factores importantes que tiene que ver con el
análisis y solución de un problema como veremos en los siguientes casos.

Objetivos
Realizar el análisis del diagrama de dispersión
Identificar variable dependiente y dependiente
Realizar mapa de dispersión
Actividad 1. Mapa Mental.
Actividad 2. Definición de Conceptos.

Descripción de la Actividad:

Definir brevemente los conceptos básicos asociados a Regresión y Correlación como:

-Diagrama de dispersión: También conocido como grafico de dispersión o grafico de

correlación consiste en la representación gráfica de dos variables para un conjunto de datos.
En pocas palabras analizamos la relación entre dos variables, conociendo que tanto se
afectan entre sí o que tan independientes son una de la otra.
-Correlación lineal simple: Es un método de la estadística que que analiza si dos
variables están relacionadas o no. Es decir que si hay un cambio en una de las variables se
produce el cambio en la otra se dice que las variables están correlacionadas.

También es usada para saber si la relación entre las variables es positiva o negativa y su
fuerza de relación.

-Coeficiente de determinación R2: Se define como la proporción de la varianza total de la

variable explicada por la regresión el cual su resultado va a variar entre 0 y 1 cuanto más
cerca su valor se acerque a 1 mayor será el ajuste del modelo a la variable que estamos
intentando explicar. De forma inversa, cuanto más cerca de 0, menos ajustado estará el
modelo y por tanto menos fiable será.

-Correlación positiva y correlación negativa

Se define como correlación positiva cuando una relación entre una variable y otra es lineal
directa de manera que un cambio en una variable predice el cambio en la otra variable en
este caso se dice que la correlación es positiva es decir ambas variable varían al mismo
tiempo. Por otro lado la correlación negativa sucede 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 valores altos, la otra posee valores bajos y mientras
este valor esté más cerca de -1 se evidenciara mas esta variación.

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

1.3 Es una medida lineal entre dos variables cuantitativas la cual es independiente de la
escala de medida de las variables; el cual es un índice que se utiliza para medir el
grado de relación de dos variables siempre y cuando ambas sean cuantitativas
continuas. 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.

1.2

0.8
PESO

0.6
Series1
0.4 Linear (Series1)

0.2

0
0 0.2 0.4 0.6 0.8 1 1.2
ALTURA

Es una variable cuantitativa

b. Encuentre el modelo matemático que permite predecir el efecto de
una variable sobre la otra. ¿Es confiable?

y=0.7483x+100.34

y=0.7483(172)+100.34

y=229.04

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?

172=0.7483x+100.34

x=(172-100.34)/0.7483

x=95.76 peso esperado

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
 1.2

0.8
Peso()kg)

0.6

0.4 Linear ()

0.2

0
0 0.2 0.4 0.6 0.8 1 1.2
Estatura(cm)

Diagrama de distribución entre las variables peso y estatura

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?
y = 0.386x - 22.75
R² = 0.832
Se puede asegurar que la ecuación de la recta es aceptable porque el R² se aleja un poco de
1 y tiene un grado de confiabilidad aceptable.

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

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?
Identifique la variable dependiente (y) y la variable independiente (x), realice el diagrama de
dispersión y determine el tipo de asociación entre las variables.y = 0.386(128) - 22.75=24.354

1.8. Tem-Vapor. El número de libras de vapor (y) consumidas

mensualmente por una planta química, se relaciona con la
temperatura ambiental promedio (en o F). Para el año 2014, se
registraron los siguientes valores de temperatura y consumo
anual.
 2014 Registros de temperatura y
consumos de vapor.

Temperatura Consumo de
Mes
(F) vapor (Lb)
Ene. 21 185,79
Feb. 24 214,47
Mar. 32 288,03
Abr. 47 424,84
May. 50 455
Jun. 59 539
Jul. 68 621,55
Ago. 74 675,06
Sep. 62 562,03
Oct. 50 452,93
Nov. 41 369,95
Dic. 30 273,98

a. Realice el diagrama de dispersión y determine el tipo de

asociación entre las variables.

b. Ajuste un modelo matemático que permita predecir el efecto de

una variable sobre la otra. ¿Es confiable?
Y=9.2087X-6.3184
 𝑅 2 =0.9999→ según el coeficiente de determinación es cercano a 1
por lo tanto es confiable.
c. Determine el porcentaje de explicación del modelo y el grado de
relación de las dos variables.
𝑅 2 =0.9999x100=99,99%→ porcentaje de explicación
r=√0,9999
r=0,9999 → grado de relación entre las 2 variables
La correlación entre las variables temperatura F° y consumo de
vapor en Lb es excelente.

d. ¿Cuál es el de consumo de vapor cuando la temperatura es de 70

oF?

Y=9.2087 (70)-6.3184
Y=644.609-6.3184

Y=638.29
Cuando la temperatura es 70 F° el consumo de vapor esperado es
6.3829.

Conclusiones

Se obtubvo el modelo matemático y los cambios que tomaron la variable

dependiente al variar la variable independiente.

En esta unidad se estudio la correlación entre una variable x y una Y.