Introducción:

En el siguiente trabajo se realizó una investigación sobre los diagramas de

dispersión en el cual se explican varios puntos acerca de este tema para su mejor
comprensión los cuales fueron:

• Generalidades
• Conceptos
• Características
• Tipos de correlación
• Ejemplo

La Probabilidad y la Estadística se encargan del estudio del azar desde el punto de

vista de las matemáticas:

• La Probabilidad propone modelos para los fenómenos aleatorios, es

decir, los que se pueden predecir con certeza, y estudia sus
consecuencias lógicas.

• La Estadística ofrece métodos y técnicas que permiten entender los

datos a partir de modelos.

De esta manera, el Cálculo de las Probabilidades es una teoría matemática y la

Estadística es una ciencia aplicada donde hay que dar un contenido concreto a la
noción de probabilidad.

PROBABILIDAD: En este sentido, el cálculo científico de probabilidades puede

ayudarnos a comprender lo que en ocasiones la intuición nos indica de manera
errónea.

ESTADÍSTICA: Cuando hablamos de estadística, se suele pensar en un conjunto

de datos numéricos presentada de forma ordenada y sistemática. Esta idea es
debida a la influencia de nuestro entorno, ya que hoy
día es casi imposible que cualquier medio de
comunicación, periódico, radio, televisión, etc., no nos
aborde diariamente con cualquier tipo de información estadística.

Desarrollo:
¿Qué es un diagrama de dispersión?

También se le conoce como gráfico de puntos o diagrama de XY. Son diagramas

que utilizan un grupo de puntos, ubicados usando
las coordenadas cartesianas (X, Y) para expresar
valores de 2 variables, ya que, al seguir una
variable en cada eje, se detecta la relación o
correlación entre las dos variables.

Entendiendo que la dispersión en la matemática, se conoce como el valor de

distanciamiento de un vinculado de valores, con respecto a un valor medio.

A partir de aquí se derivan algunas medidas de dispersión en el mundo de las

estadísticas, como el rango, la varianza, la desviación, el coeficiente de correlación,
etc.

Ahora bien, el diagrama de dispersión, es la representación gráfica de una serie de

datos para dos variables, se analiza la relación entre las 2 variables, conociendo en
qué forma se afectan la una a la otra o en caso contrario qué tan independientes
pueden ser una de la otra.

El Diagrama de Dispersión tiene el propósito de controlar mejor el proceso y

mejorarlo, resulta indispensable conocer cómo se comportan algunas variables o
características de calidad entre sí, esto es, descubrir si el comportamiento de unas
depende del comportamiento de otras, o no, y en qué grado.

El Diagrama de dispersión es una herramienta utilizada cuando se desea realizar un

análisis gráfico de datos bivariados, es decir, los que se refieren a dos conjuntos de
datos. El resultado del análisis puede mostrar que existe una relación entre una El
estudio puede ampliarse para incluir una medida cuantitativa de tal relación.

Las dos variables pueden estar relacionadas de la siguiente manera:

• Una característica de calidad y un factor que incide sobre ella.

• Dos características de calidad relacionadas.
• Dos factores relacionados con una misma característica de calidad.

Características

• Impacto visual: Un diagrama de dispersión muestra la posibilidad de la

existencia de correlación entre dos variables de un vistazo.

• Comunicación. Simplifica el análisis de situaciones numéricas complejas

• Guía en la investigación. El análisis de datos mediante esta herramienta
proporciona mayor información que el simple análisis matemático de
correlación, sugiriendo posibilidades y alternativas de estudio, basadas en la
necesidad de conjugar datos y procesos en su utilización.

• Estratificación. Separar un conjunto de datos en diferentes grupos o

categorías, de forma que los datos pertenecientes a cada grupo comparten
características comunes que definen la categoría.

Tipos de correlación en el diagrama de dispersión

A través de los patrones del diagrama de dispersión se pueden

interpretar los siguientes tipos de correlación:

• Correlación positiva: Se da cuando una variable disminuye o

aumenta y a la vez la otra variable también lo hace, existiendo una
relación proporcional, por ejemplo, en el caso de las ventas,
cuando un vendedor vende mayor cantidad de artículos, (variable
1), se experimenta una mayor ganancia, gana más dinero
(variable 2).
variable y la otra.
 • Correlación negativa: Se da cuando el comportamiento de una variable, es
contrario al comportamiento de la otra variable, es decir aquellos casos en
que una variable aumenta, la otra variable disminuye. Existiendo una relación
proporcionalmente inversa, por ejemplo, en la construcción, un mayor número
de trabajadores en una obra (variable 1), disminuyen el tiempo de entrega de
la obra (variable 2).

• Correlación nula: Es el caso en que no se consigue un comportamiento entre

las variables, estos representan los tipos de correlación más evidentes. Al
observarlos desde una perspectiva de la fuerza de la correlación, se
encuentra otra clasificación.

 Positivo
 Negativo
 Nulo
 Lineal  Exponencial

 Forma de U.
La fuerza de correlación se puede determinar por el nivel de proximidad
de los puntos en el gráfico. Los puntos ubicados lejos del conjunto general
de puntos, son conocidos como valores atípicos.

Para ayudar al análisis se dibujan líneas o curvas, tan cerca como sea
posible, esto se conoce por línea de mejor ajuste y se utiliza para realizar
estimaciones mediante interpolación,
permitiendo mostrar cómo se condensan
los puntos en una línea.

El diagrama de dispersión, también llamado nube

de puntos, brinda dos tipos de información,
visualmente se pueden determinar los patrones que
indican como las variables están relacionadas
(lineal o mediante una curva) y por otro lado si existe
una relación entre ellas visualizando la clase de
línea o ecuación de estimación que describe a dicha
relación.
A continuación se ilustran algunas relaciones en los diagramas de dispersión:

¿Cuándo se utilizan los diagramas de dispersión?

Son ideales en los casos donde se tienen datos numéricos en pareja y se desea
observar si una variable puede afectar a la otra.

Sin embargo, se debe tener presente que la correlación no es causal y alguna variable
inadvertida puede influir en los resultados.

El diagrama de dispersión admite el estudio de las relaciones entre dos conjuntos de

datos asociados, que aparecen en pares, por ejemplo, para ubicarse en
coordenadas x, y, uno de cada conjunto. El grafico muestra dichos pares
en forma de una nube de puntos, las relaciones entre los datos asociados
se deducen de acuerdo a la forma de las nubes.

Es por ello que sus usos rondan entre eventos donde es necesario
descubrir y mostrar las relaciones existentes entre dos conjuntos de
datos asociados y confirmar relaciones anticipadas entre los mismos.

El diagrama de dispersión facilita el estudio de relación entre:

• Dos causas o factores relacionados con la calidad o proceso

productivo.
• Dos problemas en la calidad.
• Cualquier problema en la calidad y la posible causa.

¿Cómo hacer un diagrama de dispersión?

1. Lo primero que se debe hacer es determinar cuál es la situación que se

presenta, de esta manera es posible establecer las variables a estudiar.

2. Luego se debe llevar a cabo la recolecta de datos emparejados (x, y), a partir
de dos conjuntos asociados para hacer estudio de su relación. Es conveniente
por lo menos llegar a contar con 30 pares aproximadamente.
 3. Dibujar y rotular los ejes X y Y.
4. Hallar el valor mínimo y máximo, para ambas coordenadas y según estos
valores, elaborar la escala de valores en los ejes X (horizontal) y eje Y

(vertical).
5. Ambos ejes deben tener una longitud aproximadamente igual o similar.
6. Bajar los datos pareados, cuando dos pares de datos tengan valores iguales se
deben dibujar círculos concéntricos al punto marcado o marcar a corta distancia
el segundo punto.

7. Explorar la forma obtenida por la nube de puntos, de forma que se descubra los
tipos de correlación y la fuerza de las mismas.

Correlación y tipos de correlación derivadas de un diagrama de

dispersión

La correlación no es otra cosa, que la forma en cómo se relacionan ambas variables,

a continuación algunos ejemplos:

• Línea de ajuste: Se usa para facilitar el desarrollo de predicciones,

basándose en datos pasados, al dibujar la recta, se debe tener seguridad de
que encaje con el mayor número de datos. Si existe un punto o puntos
ubicados por encima o por debajo, en referencia al resto estamos hablando
de puntos atípicos, estos se deben dejar fuera de la recta.

• Coeficiente de correlación de Pearson: En estadística, este coeficiente de

Pearson, constituye una medida de la relación entre 2 variables cuantitativas
aleatorias, esta correlación es independiente de la escala de las variables. En
términos más sencillos, se puede decir que el coeficiente de correlación de
Pearson es un índice que se puede utilizar para medir el grado de relación de
2 variables siempre que estas sean cuantitativas.

¿Para qué sirve el Diagrama de Dispersión?

1. Indica si dos variables (o factores o características de calidad) están

relacionados.

2. Proporciona la posibilidad de reconocer fácilmente relaciones Causa / efecto.

Lectura y uso del Diagrama de Dispersión

La lectura se hace en base al tipo de relación entre los datos; lo fuerte o débil de la
relación, la forma de la relación y la posible presencia de punto anómalos.

La relación entre los datos se denomina “correlación positiva” cuando a un aumento

en el valor de la variable X le acompaña un aumento en la otra variable.

El caso inverso da lugar a la llamada “correlación negativa”.

El patrón de puntos puede asumir formas diversas, dependiendo de la

relación que exista entre las variables. Si el patrón de puntos asume la
forma (quizás aproximada) de una línea recta, se dice que existe una
relación lineal entre las variables.

En ocasiones, algunos datos dan lugar a puntos anómalos, que se presentan

separados del patrón de puntos. El usuario debe dejar fuera del análisis esos puntos,
que quizás son debidos a lecturas equivocadas o a algún cambio en las condiciones
del proceso, etc.

Pero se ganará conocimiento de este último al estudiar las causas por las que se
presentaron los puntos.

Un Diagrama de Dispersión no dice nada de porqué existe la correlación, por lo que

es imprescindible examinar la aparente relación entre las variables desde el punto
de vista científico o técnico.

El Coeficiente de Relación Lineal.

El valor del Coeficiente de Correlación lineal de Pearson (r) proporciona una medida
del grado de relación entre dos variables y se calcula mediante la expresión:
r = S (xy) / S(xx) S(yy) Donde:

S(xx) = ƩXi² – (ƩXi)² / n

S(yy) = ƩYi² – (ƩYi)² / n

S(xy) = ƩXiYi – ((ƩXi) (ƩYi))/ n

N es el número de parejas de datos. El término S (xy) se llama covarianza.

El Coeficiente de Relación Lineal.

El valor del Coeficiente de Correlación es:

|r| = < 1

Si r = +1 ó r = -1 se tiene entonces una correlación perfecta, lo cual significa que todos

los puntos caen sobre una línea recta.

Un valor de r = 0 indicará la ausencia de relación entre las variables; entre más cercano
esté el valor absoluto de r a la unidad mayor será el grado de correlación.

Ejemplo

A continuación se presenta una tabla en la que la variable X corresponde

a la experiencia en semanas de cada uno de los empleados a los que se
aplicó la prueba, y la variable Y al tiempo en minutos que tarda el empleado en
capturar correctamente los datos de un reporte a la computadora.
El Coeficiente de Relación Lineal.

S(xx) = ƩXi² – (ƩXi)² / n = 90700 / 22 – (1270)² = 17386.36

S(yy) = ƩYi² – (ƩYi)² / n = 47.77 / 22 – (28.7) ² = 10.32

S(xy) = ƩXiYi – (ƩXi) (ƩYi) / n = 1481 – (1270)(28.7) / 22 = -175.77

El valor del Coeficiente de Correlación es:

r = S (xy) / √(S(xx) S(yy)) = -175.77 / √(17386.36)(10.32) r = – 0.415 La correlación es

negativa.

La ecuación de regresión lineal.

La regresión lineal es utilizada para determinar modelos matemáticos del
comportamiento y relación de dos o varias variables interrelacionadas.
El modelo que se busca corresponde a la ecuación de la “mejor” línea

recta que pasa a través de los puntos. Tal ecuación, denominada

Ecuación de Regresión de Mínimos Cuadrados, es, en términos de las

variables X y Y, la siguiente: Y = a + b X b = (nƩXiYi – (ƩXi)(ƩYi))/n ƩXi²

– (ƩXi)² a = (ƩYi – bƩXi)v/ n Para el ejemplo anterior:

b = (nƩXiYi – (ƩXi)(ƩYi))/ ƩXi² – (ƩXi)² = ((22)(1481) – (1270)(28.7)) /

90700 – (1270)
² = 0.0025 a = ƩYi – bƩXi/n = 28.7 – ((0.0025)(1270)) / 22 = 1.15

Y = a + b X Y = 1.15 + 0.0025 X

Conclusión:
Un Diagrama de dispersión es la forma más
sencilla de definir si existe o no una relación
causa efecto entre dos variables y que tan firme
es esta relación, como estatura y peso.

El Diagrama de Dispersión es de gran utilidad

para la solución de problemas de la calidad en
un proceso y producto, sirve para comprobar
que causas (factores) están influyendo o perturbando la dispersión de
una característica de calidad o variable del proceso a controlar.

Para concluir debemos tener claro que, al hablar de una relación entre
dos acciones, se hace referencia a una relación conocida como causa y
efecto, existiendo variables como, la relación entre una causa y otra
causa, la relación entre una causa y dos efectos o más causas. El
diagrama de dispersión puede relacionar estas condicionantes.
 Fuentes en formato APA:
Josefina Pacheco. (4 de julio del 2019). ¿Qué es el diagrama de dispersión y como se
hace? Obtenido de: https://www.webyempresas.com/diagrama-de-dispersion/

Admin. (17 de julio del 2015). Diagrama de dispersión. Obtenido de:

https://spcgroup.com.mx/diagrama-de-dispersion/

Carlos Castillo. (2019). 1.6.5. Diagramas de dispersión. Obtenido de:

https://controlestadisticocarloscastillo.weebly.com/165-diagrama-
dedispersioacuten.html

(2019) ¿QUÉ ES LA PROBABILIDAD Y LA ESTADÍSTICA? Obtenido de:

https://www.estadisticaparatodos.es/historia/historia.html