ESTADISTICA DESCRIPTIVA

100105A_611

UNIDAD 1, 2 – PASO 4
ANÁLISIS DE LA INFORMACIÓN

Presentado a:
MARIA JOSE CHARFUELAN

Tutor (a)

Entregado por:
Wilmar Antonio Sanchez Gomez
Código: 1073704434

Grupo: 100105_611

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

MAYO 2019
BOGOTÁ D.C.
 INTRODUCCION

Aplicar las medidas bivariantes, en función de la problemática de estudio.

Dando la solución de la actividad propuesta en la guía de actividades Paso 4.

Profundizar en el conocimiento y utilización de los conceptos de: Regresión lineal, coeficiente de

determinación lineal, coeficiente de correlación, Análisis
de correlación, Regresión simple, Diagramas de dispersión.
 JUSTIFICACION

La estadística es una disciplina aplicada en todos los campos de la actividad humana.

De ahí que se tenga como una asignatura indispensable en todas las áreas y carreras del
conocimiento de nivel intermedio y profesional.
 OBJETIVOS

Definir claramente todos los conceptos abarcados, Regresión lineal, coeficiente de determinación
lineal, coeficiente de correlación, Análisis
de correlación, Regresión simple, Diagramas de dispersión.

Dar solución a los ejercicios planteados en la actividad.

 Actividad 1. Mapa Mental
Resumir mediante un mapa mental las medidas estadísticas Bivariantes de regresión y
correlación.

Directa

Inversa

Correlación
Nula

MEDIDAS ESTADISTICAS

Regresión

Simple

Múltiple
 Actividad 2. Definición de Conceptos.

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

a) Diagrama de dispersión: Es un tipo de diagrama que se usa en la estadística que
muestra mediante las coordenadas cartesianas los valores de 2 variables para un
conjunto de datos.
b) Correlación lineal simple: La raíz cuadrada del coeficiente de determinación lineal
se conoce como coeficiente de correlación lineal simple, es una medida de regresión
que pretende cuantificar el grado de variación conjunta entre dos variables.
c) Coeficiente de determinación R2: Término usado en el análisis de regresión para
denotar la proporción relativa de la variación total en la variable de criterio que puede
explicarse mediante la ecuación de regresión ajustada.
d) Correlación positiva y correlación negativa: Correlación positiva es cuando ambas
variables aumentan o disminuyen simultáneamente.
Correlación negativa es cuando las variables son inversamente proporcionales es decir si
una variable aumenta la otra disminuye.
e) ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir? : Es una
medida que permite conoces el grado de asociación lineal entre dos variables
cuantitativas (x, y). Nos ayuda a medir la fuerza y el sentido de la relación lineal entre
2 variables cuantitativas.
 Actividad 3 Laboratorio Regresión y correlación Lineal.

CH-Pureza. El rendimiento del producto de un proceso químico está relacionado con la

temperatura de operación del proceso. Se desea establecer la relación que existe entre la pureza (y)
del oxígeno producido y el porcentaje de hidrocarburo (x) que está presente en el condensador
principal en un proceso de destilación, de acuerdo con los siguientes datos:

X
Y
(% de Hidro
(Pureza)
carburos)

0,99 90,01
1,02 89,05
1,15 91,43
1,29 93,74
1,46 96,73
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54
1,15 92,52
0,98 90,56
1,01 89,54
1,11 89,85
1,2 90,39
1,26 93,25
1,32 93,41
1,43 94,98
0,95 87,33
a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables.

Diagrama de dispersión
Y (Pureza) Linear (Y (Pureza))

102
100
y = 14.947x + 74.283
98
R² = 0.8774
96
AXIS TITLE

94
92
90
88
86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
AXIS TITLE

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

El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente
y = 14.947x + 74.283
El modelo es confiable porque el coeficiente de determinación R2 es cercano a 1.

c. Determine el porcentaje de explicación del modelo y el grado de relación de las dos

variables.

Esta ecuación hace una buena estimación entre las variables debido a que el coeficiente de
determinación R2 explica el 87.74% de la información y el valor del coeficiente de correlación R
confirma el grado de relación de las variables, que es el 93.67%.
d. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza del oxígeno es igual a 91,3?
y = 14.947x + 74.283
x=(y-74.283)/14.947
x=(91.3-74.283)/14.947
x=1.14

1.2. X-Y. En un nuevo proceso artesanal de fabricación de cierto artículo que está implantado,
se ha considerado que era importante ir anotando periódicamente el tiempo medio (medido
en minutos) que se utiliza para realizar una pieza y el número de días desde que empezó
dicho proceso de fabricación. Con ello, se pretende analizar como los operarios van
adaptándose al nuevo proceso mejorando paulatinamente su proceso de producción.

Los siguientes datos representan dicha situación:

X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20

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

Diagrama de dispersión
Y Linear (Y)

50
AXIS TITLE

0 y = -0.3566x + 42.569…
0 20 40 60 80
AXIS TITLE
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?

y = -0,3566x + 42,569
R² = 0,7963
Correlación aceptable 0,892356431

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

La correlación es aceptable, Se identifica que a medida que pasan los días los minutos utilizados
en el proceso de producción disminuyen.

d. ¿Qué tiempo deberá tardarse un empleado cuando lleven 90 días?

X Y
12 45
23 30
35 27
42 25
53 23
65 21
70 20
90 10,45
1.3. PIB-Ventas. Una compañía multinacional del servicio de telecomunicaciones en
Colombia, como medio de planeación estratégica para la toma de decisiones, solicita a su
departamento financiero, hacer predicciones económicas del valor anual de sus ventas
totales, versus el PIB nacional de las últimas dos décadas, para la toma de decisiones para
la apertura de nuevos mercados. Realice el diagrama de dispersión y determine el tipo de
asociación entre las variables.
 Ventas de la
Año PIB Nación
compañía
2001 1,70 339,43
2002 2,50 363,02
2003 3,90 359,75
2004 5,30 336,90
2005 4,70 339,38
2006 6,70 348,40
2007 6,90 372,00
2008 3,50 358,79
2009 1,70 337,94
2010 4,00 357,32
2011 6,60 342,14
2012 4,00 327,84
2013 4,90 362,06
2014 4,40 348,80
2015 3,10 353,52
2016 2,00 355,40
2017 1,80 342,00

a. Ajuste un modelo matemático que permita predecir el efecto de una variable sobre la otra.
¿Es confiable?

a = n∑XiYi-∑Xi*∑Yi/n∑Xi² - (∑Xi)²

a = 17*23729,65 - 67,7*5944,82/17*317,95 -(67.7)²

a = 1,15

Parámetro b:

b= μy-aμy
 b = 349,7-1,15*3,98

b = 345,12

Ecuación de regresión:

Y = 1,15+ 345,12X

b. Determine el porcentaje de explicación del modelo y el grado de relación de las dos variables.

ρ = Covarianza/σx*σxy

Covarianza = ∑X1*Yi /n

Covarianza = 23729,65/17 = 1395,86

σx = √∑(Xi-ux)²/n

σx = 49329,77

σy = √∑(Yi-uy)²/n

σy = 80653,13

ρ = 1395,86/49329,77*80653,13

ρ = 3,5 *10⁻⁷

Como el coeficiente de variación tiene un grado de asociación menor a 0,09 su asociación es

nula, esto quiere decir que las variables no están asociadas

c. ¿Cuál podría ser la proyección de ventas para el año 2018 si se espera que el PIB nacional sea
del 3,1?

Y = 1,15 +345,12*3,1
Y =1071
 Conclusiones

La Estadística es una ciencia matemática que se utiliza para describir, analizar e interpretar
ciertas características de un conjunto de individuos llamado población. De esta manera pudimos
desarrollar satisfactoriamente los ejercicios planteados anteriormente.