Anda di halaman 1dari 15

UNIDAD 3 - PASO 4 ANALIZAR INFORMACIN A TRAVS DE LAS

MEDIDAS BIVARIANTES

PRESENTADO POR:

YELITZA CAROLINA GUERRERO MARQUEZ COD. 1.090.484.146


EDINSON YESID CARVAJAL AMAYA COD. 1.090.466.395

TUTOR: MILTON FERNANDO ORTEGON PAVA

GRUPO: 204040_261

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


ESTADISTICA DESCRIPTIVA
CUCUTA
2017
INTRODUCCION

En la industria con mucha frecuencia es necesario resolver problemas que implican


conjuntos de variables, cuando se sabe que existe alguna relacin inherente entre ellas. A
partir de lo anterior, es necesario establecer modelos que expliquen dicha relacin. Cuando,
simultneamente, contemplamos dos variables continuas, aunque por extensin se pueden
emplear para variables discretas cuantitativas, surgen preguntas y problemas especficos.
Esencialmente, se emplearn estadsticos descriptivos y tcnicas de estimacin para
contestar esas preguntas, y tcnicas de contraste de hiptesis especficos para resolver
dichos problemas. La mayora de estos mtodos estn encuadrados en las tcnicas
regresin y correlacin. En forma ms especifica el anlisis de correlacin y regresin
comprende el anlisis de los datos mustrales para saber qu es y cmo se relacionan entre
si dos o ms variables en una poblacin. El anlisis de correlacin produce un nmero que
resume el grado de la fuerza de relacin entre dos variables; y el anlisis de regresin da
lugar a una ecuacin matemtica que describe dicha relacin. La tcnica de egresin lineal
simple est indicada cuando se pretende explicar una variable respuesta cuantitativa en
funcin de una variable explicativa cuantitativa tambin llamada variable independiente,
variable regresora o variable predictora. Por ejemplo, se podra intentar explicar el peso en
funcin de la altura. El modelo intentara aproximar la variable respuesta mediante una
funcin lineal de la variable explicativa. A partir de la presente investigacin, se pretende
mostrar la aplicacin prctica de la regresin y correlacin lineal simple y mltiple en la
industria. Ya que la aplicacin de las tcnicas estadsticas contribuyen a la optimizacin de
los procesos.
JUSTIFICACION

Con los siguientes anlisis vamos a corroborar que los mtodos estadsticos
tradicionalmente son de gran utilidad para casos de la vida real, como es el caso en ejemplo
que hemos venido desarrollando vctimas del conflicto armado en Colombia y que
poniendo en prctica dicho estudio de esos diferentes tipos de representacin
estadstica, lograremos gran parte de la utilidad que tiene la Estadstica Descriptiva; es
decir, nos va a proporcionar un medio para informar basado en los datos recopilados, y a su
vez se ver reflejada la eficacia con que se pueda realizar tal proceso de informacin
dependiendo de la presentacin de dichos datos, especficamente siendo la forma grfica
una de las formas ms rpidas y eficientes de analizar unos resultados.
OBJETIVOS

Determinar la relacin entre dos o ms variables a partir de la regresin lineal


simple y la regresin mltiple.
Aprender a calcular la correlacin entre dos variables.
Saber dibujar un diagrama de dispersin.
Representar la recta que define la relacin lineal entre dos variables.
Saber estimar la recta de regresin por el mtodo de mnimos cuadrados e
interpretar su ajuste.
Realizar inferencia sobre los parmetros de la recta de regresin.
Construir e interpretar intervalos de confianza e intervalos de prediccin para la
variable dependiente.
Realizar una prueba de hiptesis para determinar si el coeficiente de correlacin es
distinto.
- Realizar el diagrama de dispersin de dichas variables y determinar el tipo de asociacin
entre las variables.
Para la realizacin del diagrama de dispersin se utilizaran las funciones de Excel:
Lo primero es ordenar las variables:
Luego se selecciona el grafico de dispersin:

Y se limitan los valores del eje x:


Para obtener claridad en la grfica:

- Encuentre el modelo matemtico que permite predecir el efecto de una variable sobre la
otra. Es confiable?
Realizando una modificacin en la proporcionalidad de los valores, tomando la variable de

gasto en defensa y dividindola por 109 , y realizando el mismo procedimiento con la

variable de efectivos de fuerza pblica pero dividindola en 103 , se tiene la siguiente

grafica:
Regresin y Correlacin Lineal Mltiple:
- Identificar una variable cuantitativa dependiente y varias variables independientes del
estudio de investigacin.

La variable dependiente es efectivos por Km cuadrado Colombia y las variables


independientes son efectivos de fuerza pblica disponibles Colombia, gasto en defensa y
seguridad Colombia y gasto en defensa y seguridad Colombia percpita.

- Realizar el diagrama de dispersin de dichas variables.

efectivos de fuerza pblica disponibles Colombia vs efectivos por km cuadrado colombia


0.22
0.21
0.2
0.19
0.18
0.17
0.16
0.15
300000 320000 340000 360000 380000 400000 420000 440000 460000
- Relacionar la informacin obtenida con el problema.

De acuerdo con los valores obtenidos en cuanto a la regresin se dice que hay una relacin
mltiple muy estrecha de la variable efectivos por km cuadrado Colombia contra las
variables independientes efectivos de fuerza pblica disponibles Colombia, gasto en
defensa y seguridad Colombia y el gasto en defensa y seguridad Colombia percpita,
donde el grado de relacin entre las variables es de 100%.
CONCLUSIONES

El anlisis de regresin y correlacin lineal constituyen mtodos que se emplean para


conocer las relaciones y significacin entre series de datos. Lo anterior, es de suma
importancia para la industria ya que es aqu en donde se presentan variables de respuesta e
independientes las cuales interactan para originar las caractersticas de un proceso en
particular y por ende; analizar, predecir valores de la variable dependiente y examinar el
grado de fuerza con que se relacionan dichas variables. La regresin lineal simple y la
regresin mltiple, analiza la relacin de dos o ms variables continuas, cuando analiza dos
variables a esta se le conoce como variable bivariantes que pueden corresponder a
variables cualitativas. La finalidad de una ecuacin de regresin es la de estimar los valores
de una variable con base en los valores conocidos de la otra. Del mismo modo, una
ecuacin de regresin explica los valores de una variable en trminos de otra. Es decir, se
puede intuir una relacin de causa y efecto entre dos o ms variables. El anlisis de
regresin nicamente indica qu relacin matemtica podra haber, de existir una. Por otro
lado, Al ajustar un modelo de regresin simple o mltiple a una nube de observaciones es
importante disponer de alguna medida que permita medir la bondad del ajuste. Esto se
consigue con los coeficientes de correlacin. Si el modelo que se ajusta es un modelo de
regresin lineal, a R se le denomina coeficiente de correlacin y representa el porcentaje de
variabilidad de la Y que explica el modelo de regresin. Estas tcnicas estadsticas
constituyen una herramienta til para el anlisis de las variables de un proceso ya que a
travs de la aplicacin de stas, es posible conocer el modelo que siguen y la fuerza con
que se encuentran relacionadas. Asimismo, es posible explicar la relacin que guardan dos
o ms causas de un posible defecto.
REFERENCIAS BIBLIOGRAFICAS

Ronald E. Walpole y Raymond H Myers. Probabilidad y Estadstica, Sexta Edicin.


1998.
William Mendenhall y Dennos D. Wackerly. Estadstica Matemtica con:
http://www.vitutor.com/estadistica/bi/correlacion.html
Montero, J.M. (2007).Regresin y Correlacin Simple. Madrid: Paraninfo. Paginas.
130 172. Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b82c81e98fc
c1361e1929abe203c8219
Churchill, G.A. (2009).Anlisis de Correlacin y de Regresin Simple. Mxico
City: Cengage Learning. Pginas 675 686 Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e558184ed89
e57d11ede116134cfce41
Churchill, G.A.(2009). "Anlisis de Regresin Mltiple." Investigacin de
mercados. Mxico City: Cengage Learning. Pginas 686 695.Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=49575112db
86a0eb46dae86bbaf74cb9
Montero, J.M. (2007).Regresin y Correlacin Mltiple. Madrid: Paraninfo.
Pginas 191 225.Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100012&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=47eaa8f46c1
9ad13af26a0a74e510de2