Captulo 1

Estadstica Descriptiva
Dipl.-Math. Natalia Hernandez Vargas
Universidad del Norte

Segundo Semestre 2014

1 / 29

Clase de hoy

Regresi
on lineal simple
Diagramas de dispersi
on
Analisis de correlacion
Analisis de regresion

2 / 29

Medidas estadsticas

Contenido

Medidas estadsticas
Medidas de tendencia central o de centralizaci
on
Medidas de dispersi
on o de variabilidad
Medidas de colocacion o de posici
on relativa

Diagrama de caja y bigotes

3 / 29

Medidas estadsticas

Medidas de tendencia central o de centralizaci

on

Contenido

Medidas estadsticas
Medidas de tendencia central o de centralizaci
on
Medidas de dispersi
on o de variabilidad
Medidas de colocacion o de posici
on relativa

Diagrama de caja y bigotes

4 / 29

Medidas estadsticas

Medidas de dispersi
on o de variabilidad

Contenido

Medidas estadsticas
Medidas de tendencia central o de centralizaci
on
Medidas de dispersi
on o de variabilidad
Medidas de colocacion o de posici
on relativa

Diagrama de caja y bigotes

5 / 29

Medidas estadsticas

Medidas de colocaci
on o de posici
on relativa

Contenido

Medidas estadsticas
Medidas de tendencia central o de centralizaci
on
Medidas de dispersi
on o de variabilidad
Medidas de colocacion o de posici
on relativa

Diagrama de caja y bigotes

6 / 29

Diagrama de caja y bigotes

Contenido

Medidas estadsticas
Medidas de tendencia central o de centralizaci
on
Medidas de dispersi
on o de variabilidad
Medidas de colocacion o de posici
on relativa

Diagrama de caja y bigotes

7 / 29

Regresi
on lineal simple

Contenido

Regresi
on lineal simple
Diagramas de dispersi
on
Analisis de correlacion
Analisis de regresion

8 / 29

Regresi
on lineal simple

Regresi
on lineal simple
Estudio de la correspondencia de dos variables cuantitativas.

9 / 29

Regresi
on lineal simple

Regresi
on lineal simple
Estudio de la correspondencia de dos variables cuantitativas.
Objetivo: Determinar si existe una relaci
on lineal entre dos variables.

9 / 29

Regresi
on lineal simple

Regresi
on lineal simple
Estudio de la correspondencia de dos variables cuantitativas.
Objetivo: Determinar si existe una relaci
on lineal entre dos variables.
Metodos

9 / 29

Regresi
on lineal simple

Regresi
on lineal simple
Estudio de la correspondencia de dos variables cuantitativas.
Objetivo: Determinar si existe una relaci
on lineal entre dos variables.
Metodos
Construcci
on de graficos (diagramas de dispersi
on)

9 / 29

Regresi
on lineal simple

Regresi
on lineal simple
Estudio de la correspondencia de dos variables cuantitativas.
Objetivo: Determinar si existe una relaci
on lineal entre dos variables.
Metodos
Construcci
on de graficos (diagramas de dispersi
on)
Medici
on de la fuerza de la relaci
on lineal entre las variables (Analisis
de correlaci
on)

9 / 29

Regresi
on lineal simple

Regresi
on lineal simple
Estudio de la correspondencia de dos variables cuantitativas.
Objetivo: Determinar si existe una relaci
on lineal entre dos variables.
Metodos
Construcci
on de graficos (diagramas de dispersi
on)
Medici
on de la fuerza de la relaci
on lineal entre las variables (Analisis
de correlaci
on)
Descripci
on de relaciones lineales (Analisis de regresion)

9 / 29

Regresi
on lineal simple

Diagramas de dispersi
on

Contenido

Regresi
on lineal simple
Diagramas de dispersi
on
Analisis de correlacion
Analisis de regresion

10 / 29

Regresi
on lineal simple

Diagramas de dispersi
on

Diagramas de dispersi
on
Llamemos a nuestras dos variables cuantitativas X y Y , respectivamente.

11 / 29

Regresi
on lineal simple

Diagramas de dispersi
on

Diagramas de dispersi
on
Llamemos a nuestras dos variables cuantitativas X y Y , respectivamente.
Los diagramas de dispersion son planos cartesianos en los que se marcan
los puntos (x, y ), siendo x y y datos de las variables X y Y ,
respectivamente.

11 / 29

Regresi
on lineal simple

Diagramas de dispersi
on

Diagramas de dispersi
on
Llamemos a nuestras dos variables cuantitativas X y Y , respectivamente.
Los diagramas de dispersion son planos cartesianos en los que se marcan
los puntos (x, y ), siendo x y y datos de las variables X y Y ,
respectivamente.
Comentario
Es recomendable registrar:
Ttulo del diagrama
N
umero de pares de datos
Ttulo y unidades de cada eje

11 / 29

Regresi
on lineal simple

Diagramas de dispersi
on

Example

Cuadro : Resultados de
evaluaci
on a diferentes grados
de temperatura

Temperatura
18
20
25
28
37

Resultado
9
9,5
6,7
7,8
6

12 / 29

Regresi
on lineal simple

Diagramas de dispersi
on

Example

10
Resultado

Resultado
9
9,5
6,7
7,8
6

Temperatura
18
20
25
28
37

12

Cuadro : Resultados de
evaluaci
on a diferentes grados
de temperatura

10

20

30

40

Temperatura

Figura : Temperatura contra resultados de

evaluaci
on

12 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Contenido

Regresi
on lineal simple
Diagramas de dispersi
on
Analisis de correlacion
Analisis de regresion

13 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

An
alisis de correlaci
on
Para el analisis en terminos cuantitativos, existen dos medidas:

14 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

An
alisis de correlaci
on
Para el analisis en terminos cuantitativos, existen dos medidas:
El coeficiente de correlaci
on R
El coeficiente de determinaci
on R 2

14 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de correlaci
on R
El coeficiente de correlaci
on de dos variables X y Y es la medida que
describe que tan bien una variable es explicada por otra.

15 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de correlaci
on R
El coeficiente de correlaci
on de dos variables X y Y es la medida que
describe que tan bien una variable es explicada por otra. Se calcula con la
siguiente definicion:

15 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de correlaci
on R
El coeficiente de correlaci
on de dos variables X y Y es la medida que
describe que tan bien una variable es explicada por otra. Se calcula con la
siguiente definicion:
P
xy n x y
R=
,
(n 1) sx sy
donde n es el n
umero de pares de datos (x, y ),

15 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de correlaci
on R
El coeficiente de correlaci
on de dos variables X y Y es la medida que
describe que tan bien una variable es explicada por otra. Se calcula con la
siguiente definicion:
P
xy n x y
R=
,
(n 1) sx sy
donde n es el n
umero de pares de datos (x, y ),
x y y son las medias de X y Y ,

15 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de correlaci
on R
El coeficiente de correlaci
on de dos variables X y Y es la medida que
describe que tan bien una variable es explicada por otra. Se calcula con la
siguiente definicion:
P
xy n x y
R=
,
(n 1) sx sy
donde n es el n
umero de pares de datos (x, y ),
x y y son las medias de X y Y ,
y sx y sy son las desviaciones estandar de X y Y .

15 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Comentario
El coeficiente de correlaci
on se encuentra en el rango:
1 R 1.

16 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Comentario
El coeficiente de correlaci
on se encuentra en el rango:
1 R 1.

Correlaci
on positiva 0 < R 1

16 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Comentario
El coeficiente de correlaci
on se encuentra en el rango:
1 R 1.

Correlaci
on positiva 0 < R 1
Correlaci
on negativa 1 R < 0

16 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Comentario
El coeficiente de correlaci
on se encuentra en el rango:
1 R 1.

Correlaci
on positiva 0 < R 1
Correlaci
on negativa 1 R < 0
No hay correlaci
on R = 0

16 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Example
Figura : Ejemplos de diferentes casos de correlacion

17 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Example
Figura : Ejemplos de diferentes casos con misma correlacion (R = 0,816)

18 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de determinaci
on R 2
El coeficiente de determinaci
on R 2 es la principal forma en que se puede
medir la fuerza de la relaci
on lineal que existe entre dos variables X y Y .

19 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

El coeficiente de determinaci
on R 2
El coeficiente de determinaci
on R 2 es la principal forma en que se puede
medir la fuerza de la relaci
on lineal que existe entre dos variables X y Y .
Es el cuadrado del coeficiente de correlaci
on.

19 / 29

Regresi
on lineal simple

An
alisis de correlaci
on

Example

Cuadro : Tabla de coeficientes

de correlaci
on y determinaci
on

R
1.0
0.8
0.4
0
-0.4
-0.8
-1.0

R2
1.0
0.64
0.16
0
0.16
0.64
1.0

Figura : Ejemplos de diferentes casos de

correlaci
on

20 / 29

Regresi
on lineal simple

An
alisis de regresi
on

Contenido

Regresi
on lineal simple
Diagramas de dispersi
on
Analisis de correlacion
Analisis de regresion

21 / 29

Regresi
on lineal simple

An
alisis de regresi
on

An
alisis de regresi
on
Objetivo: Modelar los pares de datos (x, y ) de dos variables X y Y
con una lnea recta.

22 / 29

Regresi
on lineal simple

An
alisis de regresi
on

An
alisis de regresi
on
Objetivo: Modelar los pares de datos (x, y ) de dos variables X y Y
con una lnea recta.
La lnea en cuestion se llama recta de mejor ajuste o recta de
regresi
on.

22 / 29

Regresi
on lineal simple

An
alisis de regresi
on

An
alisis de regresi
on
Objetivo: Modelar los pares de datos (x, y ) de dos variables X y Y
con una lnea recta.
La lnea en cuestion se llama recta de mejor ajuste o recta de
regresi
on.

22 / 29

Regresi
on lineal simple

An
alisis de regresi
on

An
alisis de regresi
on
Objetivo: Modelar los pares de datos (x, y ) de dos variables X y Y
con una lnea recta.
La lnea en cuestion se llama recta de mejor ajuste o recta de
regresi
on. Esta recta se representa con la ecuacion:

22 / 29

Regresi
on lineal simple

An
alisis de regresi
on

An
alisis de regresi
on
Objetivo: Modelar los pares de datos (x, y ) de dos variables X y Y
con una lnea recta.
La lnea en cuestion se llama recta de mejor ajuste o recta de
regresi
on. Esta recta se representa con la ecuacion:
y = b + m x,
donde m representa la pendiente de la recta
y b la interseccion con el eje Y .

22 / 29

Regresi
on lineal simple

An
alisis de regresi
on

An
alisis de regresi
on
Objetivo: Modelar los pares de datos (x, y ) de dos variables X y Y
con una lnea recta.
La lnea en cuestion se llama recta de mejor ajuste o recta de
regresi
on. Esta recta se representa con la ecuacion:
y = b + m x,
donde m representa la pendiente de la recta
y b la interseccion con el eje Y .
C
omo calcular m y b
Metodo de losP
mnimos cuadrados:
xy n x y
m= P 2
x n x2

b = y mx

22 / 29

Regresi
on lineal simple

An
alisis de regresi
on

Example

Cuadro : Resultados de
evaluaci
on a diferentes grados
de temperatura

Temperatura
18
20
25
28
37

Resultado
9
9,5
6,7
7,8
6

23 / 29

Regresi
on lineal simple

An
alisis de regresi
on

Example

Cuadro : Resultados de
evaluaci
on a diferentes grados
de temperatura

Temperatura
18
20
25
28
37

Resultado
9
9,5
6,7
7,8
6

m = 0,171
b = 12,177

23 / 29

Regresi
on lineal simple

An
alisis de regresi
on

Example

m = 0,171
b = 12,177

10
Resultado

Resultado
9
9,5
6,7
7,8
6

Temperatura
18
20
25
28
37

12

Cuadro : Resultados de
evaluaci
on a diferentes grados
de temperatura

10

20

30

40

Temperatura

Figura : Temperatura contra resultados de

evaluaci
on. La lnea roja es la recta de regresion.

23 / 29

Regresi
on lineal simple

An
alisis de regresi
on

Actividad: Adivinando la nota

24 / 29

An
alisis de regresi
on

3
2
0

Nota real

Regresi
on lineal simple

Nota estimada

Figura : Diagrama de dispersi

on de nota estimada contra nota real.
25 / 29

An
alisis de regresi
on

3
2
0

Nota real

Regresi
on lineal simple

Nota estimada

Figura : Nota estimada contra nota real. La recta gris son los casos de acierto.
26 / 29

An
alisis de regresi
on

3
2
0

Nota real

Regresi
on lineal simple

Nota estimada

Figura : Nota estimada contra nota real. La franja muestra los casos de acierto.
27 / 29

An
alisis de regresi
on

3
2
0

Nota real

Regresi
on lineal simple

Nota estimada

Figura : Nota estimada contra nota real. La franja muestra los casos de acierto,
los colores el sexo.

28 / 29

An
alisis de regresi
on

3
2
0

Nota real

Regresi
on lineal simple

Nota estimada

Figura : Nota estimada contra nota real. Los colores describen el sexo, la recta
morada es la recta de regresi
on.

29 / 29