Beruflich Dokumente
Kultur Dokumente
ACTIVIDAD INDIVIDUAL
C.C 1.105.672.632
GRUPO: 202107095_24
TUTOR:
MILTON EDUARDO SALGADO
• Justificación.
La importancia de las medidas estadísticas bivariantes radica en que su aplicación puede
ayudar a entender fenómenos de la vida cotidiana y la relación de diferentes variables que
se afectan en los contextos reales. Por ejemplo:
“El análisis de regresión lineal múltiple, a diferencia del simple, se aproxima más a
situaciones de análisis real puesto que los fenómenos, hechos y procesos sociales, por
definición, son complejos y, en consecuencia, deben ser explicados en la medida de lo
posible por la serie de variables que, directa e indirectamente, participan en su
concreción.” (Rodríguez Jaume, 2001)
• OBJETIVO:
OBJETIVO GENERAL
OBJETIVOS ESPECIFICOS
• Definición de conceptos
-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 variable y la otra.
-Correlación lineal simple.
son métodos estadísticos que estudian la relación lineal existente entre dos variables. A
nivel experimental, la correlación se suele emplear cuando ninguna de las variables se ha
controlado, simplemente se han medido ambas y se desea saber si están relacionadas.
-Coeficiente de determinación R2
Una vez elegido el modelo de función de regresión de tipo II y estimados los valores de sus
parámetros que hacen mínima SCE11 , la cuestión que se plantea es cómo medir el grado
de dependencia de Y respecto de X bajo la suposición de que se estima Y mediante dicha
función concreta de X. Tal grado de dependencia será denotado por R2Y/X, y se
denomina coeficiente de determinación de la regresión de Y sobre X (R2X/Y, cuando la
regresión sea de X sobre Y).
En consonancia con la definición de ηY/X, R2Y/X deberá ser definido como la reducción
proporcional en SCE que se consigue al estimar los valores de Y a través de los
de X mediante la función de regresión de tipo II elegida en vez de mediante
-Correlación positiva y correlación negativa
La correlación es una medida de la fuerza de la relación entre dos variables. El coeficiente
de correlación cuantifica el grado de cambio de una variable en función del cambio de la
otra variable. En estadística, la correlación está conectada con el concepto de
dependencia, que es la relación estadística entre dos variables.
• Cuando hay una correlación positiva (r> 0) entre dos variables aleatorias, una variable se
mueve proporcionalmente a la otra variable. Si una variable aumenta, la otra aumenta. Si
una variable disminuye, la otra también disminuye.
• Cuando hay una correlación negativa (r <0) entre las dos variables aleatorias, las
variables se mueven opuestas entre sí. Si una variable aumenta, la otra disminuye y
viceversa.
- ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
coeficiente de correlación lineal (de Pearson), es una medida de regresión que pretende
cuantificar el grado de variación conjunta entre dos variables, el número que mide el
grado de intensidad y el sentido de la relación entre dos variables. Es una medida de
regresión que pretende cuantificar el grado de variación conjunta entre dos variables.
• Ejercicio práctico
3.2 Edad – Masa Muscular. Una nutricionista desea estudiar la relación entre la edad y la
masa muscular de las personas, y para realizar el estudio seleccionó un grupo de mujeres
con características semejantes, con edades 5 diferentes y midió su masa muscular. La
nutricionista registró los datos de edad y masa muscular en las siguientes tablas:
1. EDAD 2. MASA
MUSCULAR
57 98
75 83
70 90
62 98
41 67
44 90
66 80
55 69
72 74
67 79
53 100
57 60
75 84
64 110
Chart Title
120
100
60
40
20
0
35 40 45 50 55 60 65 70 75 80
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Título
Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
112,50
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
98,75
2. MASA MUSCULAR
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
85,00
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
71,25
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
57,50
Versión Estudiantil Versión Estudiantil
39,30 Versión Estudiantil
48,65 58,00Versión 67,35
Estudiantil 76,70
Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil
1. EDAD Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
85,00
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
71,25
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
57,50
Versión Estudiantil Versión Estudiantil
39,30 Versión Estudiantil
48,65 58,00Versión 67,35
Estudiantil 76,70
Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
1. EDAD
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
R² = 0, 0113
Podemos observar que la relación es nula, y No hay ningún tipo de relación entre las dos
variables que una no depende de la otra.
NUMERO
DE CUARTOS
PERSONA EN EL
S EN EL HOGAR
HOGAR
2 1
3 1
5 4
1 2
4 2
6 3
10 6
6 4
2 2
3 4
3 3
5 4
3 1
7 4
3 2
5 4
4 2
4 2
4 3
4 3
2 2
4 2
4 3
4 3
4 3
4 2
4 3
4 3
4 3
4 4
4 4
4 8
7 9
3 7
3 7
5 7
7 7
3 6
3 6
2 4
3 4
2 4
3 3
3 3
3 1
2 1
10 6
6 4
4 2
2 2
2 2
4 2
6 2
6 2
4 2
6 3
11 2
2 2
4 5
6 2
2 1
6 2
4 3
5 6
5 4
5 1
6 2
6 4
2 1
2 1
4 3
5 3
4 2
6 5
6 5
2 2
4 3
4 3
4 3
4 2
4 3
4 3
4 3
4 3
4 3
4 3
4 2
2 3
4 3
4 3
4 4
4 3
4 3
12 3
4 2
4 2
4 3
4 2
4 3
4 3
4 4
4 3
4 5
6 3
4 3
6 5
4 4
4 2
4 4
6 4
4 3
2 2
4 3
6 4
4 3
4 3
6 4
4 2
4 2
4 3
11 6
4 2
4 3
4 3
6 4
4 3
4 3
4 4
4 3
6 4
4 3
4 3
6 4
4 3
4 3
6 3
4 2
4 3
6 5
6 4
4 3
6 3
6 3
4 2
4 3
4 3
6 4
4 3
4 3
4 3
6 4
4 3
8 5
6 4
6 4
4 3
4 5
4 3
4 3
4 3
Chart Title
10
9
8
7
6
5 f(x) = 0.31 x + 1.86
R² = 0.15
4
3
2
1
0
0 2 4 6 8 10 12 14
Podemos observar que la relación es nula, y solo exite una pequeña relación lineal entre
las dos variables que una no depende de la otra.
Chart Title
60
50
40
30
20
f(x) = 0.31 x − 6.77
10 R² = 0.15
0
20 30 40 50 60 70 80 90
• Conclusiones.
1. Regresión Lineal
A partir de los resultados podemos concluir que el método de regresión lineal simple sirve
para formular modelos que ayuden a explicar una variable a partir de la otra, es decir, que
a partir del valor de una variable podamos calcular el valor de otra. Lo anterior tendrá
validez en la medida en que el coeficiente de correlación sea lo suficientemente confiable,
es decir, tenga un valor cercano a 1.
• Referencias Bibliográficas.
Regresión y correlación lineal. (s. f.). Recuperado de.
http://www.unadzsurlab.com/ovas_ibague/regresion/pagina6.htm