Paso 4. Descripción de la Información.

Estadística Descriptiva

Daniela Ortiz Giraldo (codigo1143854953)

Grupo: 100105_89

Tutora

Milena Diaz

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería

Programa de Ingeniería de sistemas

CCAV Pitalito-Huila

Julio 2019
 INTRODUCCION

Las medidas estadísticas bivariantes son extensiones de precisión correctiva e inductiva

en un proceso de investigación estadística, por tal motivo en este trabajo pretendo

mostrar su importancia, exponiendo cada componente y su utilidad en nuestra

formación académica.

También al aplicarla ala encuesta citada expongo mi capacidad cognitiva adquirida en

relación al tema en mención.

 JUSTIFICACION

Nuestra formación académica exige conocer en detalle cada uno de los componentes

útiles para afrontar retos que nos brinde el día a día de ella.

Un tema relevante de nuestra formación es la estadística descriptiva y conocer cada

componente de ella es un reto personal que asumire de manera responsable para

garantizar un máximo de aprendizaje.

Las medidas estadísticas bivariante de correlación regresiva y lineal son componentes

de la investigación estadística que nos brinda precisiones básicas en una encuesta

expuesta. Conocer en detalle cada descripción facilitará su aplicación.

Actividad 1. Mapa Mental

https://mm.tt/1285170633?t=X7IBLAq1eJ
Actividad 2. Definición de Conceptos.

Diagrama de dispersión

El diagrama de dispersión consiste en la representación grafica de dos variables para un

conjunto de datos. En sí, se analiza la relación entre dos variables, conociendo que tanto
se afectan entre si o que tan independientes son una de la otra.
En este sentido, ambas variables se representan como un punto en el plano cartesiano y
de acuerdo con la relación que exista entre ellas, definimos su tipo de correlación.
El diagrama de dispersión tiene una distribución bidimensional que puede representarse
gráficamente en un plano cartesiano, ubicando en el eje horizontal los valores de la
primera variable denominada X y en el eje vertical los valores de la segunda variable,
Y. de manera que se grafican tantas parejas ordenadas como observaciones hayan de las
variables.
Este diagrama puede sugerir varios tipos de correlaciones entre las variables con un
intervalo de confianza determinado. La correlación puede ser positiva (aumento),
negativa (descenso), o nula (las variables no están correlacionadas). Se puede dibujar
una línea de ajuste con el fin de estudiar la correlación entre las variables. Una ecuación
para la correlación entre las variables puede ser determinada por procedimientos de
ajuste. Para una correlación lineal, el procedimiento de ajuste es conocido como
regresión lineal y garantiza una solución correcta en un tiempo finito.
Correlación positiva y correlación negativa

Correlación positiva es la relación entre dos variables que muestra que ambas aumentan
o disminuyen simultáneamente, este tipo de correlación es directamente proporcional.
Hay correlación positiva cuando las dos variables se correlacionan en sentido directo.
La correlación negativa es una relación entre dos variables en las que una variable
aumenta a medida que la otra disminuye, y viceversa. Una correlación negativa perfecta
significa que la relación que existe entre dos variables es negativa el 100% del tiempo.

Coeficiente de determinación R2:

define como la proporción de la varianza total de la variable explicada por la regresión.

El coeficiente de determinación, también llamado R cuadrado, refleja la bondad del ajuste
de un modelo a la variable que pretender explicar.

Correlación lineal simple

Se refiere al grado de variación conjunta existente entre dos o más variables

¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

El Coeficiente de correlación es una medida que permite conocer el grado de asociación

lineal entre dos variables cuantitativas (X, Y)
Actividad 3. Realizar el laboratorio de regresión y correlación lineal

Opción Ejercicio 1 Ejercicio 2 Ejercicio 3 Estudiante

1 1.1. Sal- 1.4. X - Y 1.9. Daniela Ortiz
Tensión Sobrepeso-R Giraldo
2 1.2. CH- 1.4. X - Y 1.7. PIB-
Pureza. Ventas
3 1.1. Sal- 1.5. Tem- 1.7. PIB-
Tensión Vapor Ventas
4 1.3. Peso- 1.6. Estatura- 1.8. %-Umbral
Altura. Peso
5 1.2. CH- 1.5. Tem- 1.8. %-Umbral
Pureza. Vapor

Sal-Tensión. Se quiere estudiar la asociación entre consumo de sal y tensión arterial. A

una serie de voluntarios se les administra distintas dosis de sal en su dieta y se mide su
tensión arterial un tiempo después.

X (sal) Y (Tensión)
1,6 98
2,3 102
3,3 109
4,2 113
4,6 115
5,0 120

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las variables

b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
c. Determine el grado de relación de las dos variables.
d. Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión arterial
esperada?
A. Diagrama de dispersión

Asociación entre consumo de sal y tensión

arterial
140
120
100
TíENSION

80 y = 6.1062x + 88.128
R² = 0.987
60
40
20
0
0 1 2 3 4 5 6
SAL

Tipo de asociación entre las variables: Es directa porque cada vez que aumenta el
consumo de sal, aumenta la tensión.

B. Modelo Matemático: y = 6,1062x + 88,128 Y= Tensión

X= Sal
R² = 0,987
0,98*100=98% Confiabilidad del modelo matemático
C. Grado de correlación entre dos variables: coeficiente de correlación

R² = 0,987
raíz cuadrada de 0,987 =
R=0,99
El grado de correlación entre la sal y tensión es excelente

D. Si a un paciente se le administra una dosis de sal de 5,6. ¿Cuál es la tensión arterial

esperada?
X: Sal =
5,6 Y: Tensión =?

y = 6,1062x + 88,128
y = 6,1062(5,6) +
88,128
y= 122

1.4. 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
b. Encuentre el modelo matemático que permite predecir el efecto de una variable sobre
la otra. ¿Es confiable?
c. Determine el grado de correlación de las dos variables.
d. ¿Qué tiempo deberá tardarse un empleado cuando lleven 90 días?

A. Diagrama de dispersión

Minutos vs Dias
50
45
40
35
y = -0,3566x + 42,569
R² = 0,7963
X Minutos

30
25
20
15
10
5
0
0 10 20 30 40 50 60 70 80
Y Dias

Tipo de asociación: es inversa o negativa fuerte ya que una variable aumenta y la otra
disminuye.

B. Modelo matemático: y = -0,3566x + 42,569

R² = 0,7963
0,796*100%= 79,6 Confiabilidad del modelo matemático

C. Grado de correlación:
R² = 0,7963
Raíz cuadrada de 0,7963= 0,89

El grado de correlación es aceptable

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

X= 90
y = -0,3566x + 42,569
y = -0,3566(90) + 42,569
Y= 74
Según el resultado los empleados deberían tardar 74 minutos en elaborar el producto.
Me es muy raro el resultado ya que debería dar más o menos 10 min pero el grado de
confiabilidad es de 79,6

1.9. Sobrepeso-R. Los investigadores están estudiando la correlación entre la obesidad y

la respuesta individual al dolor. La obesidad se mide como porcentaje sobre el peso ideal
(x). La respuesta al dolor se mide utilizando el umbral de reflejo de reflexión nociceptiva
(y) que es una medida de sensación de punzada. Obsérvese que ambas, X e Y, son
variables aleatorias

%
Sobrepeso Umbral de Reflejo.
.
99 2,0
90 3,0
 20 4,0
75 9,5
30 11,5
62 9,0
75 9,0
90 12,5
45 8,0
50 19,0

a. Realice el diagrama de dispersión y determine el tipo de asociación entre las

variables.
b. Ajuste un modelo matemático que permita predecir el efecto de una variable
sobre la otra. ¿Es confiable?
c. Determine el porcentaje de explicación del modelo y el grado de relación de las
dos variables.
d. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje
de sobrepeso, de 34?

A. Diagrama

20
18
16
Umbral del reflejo

14
y = -0.0451x + 11.615
12
R² = 0.0573
10
8
6
4
2
0
0 20 40 60 80 100 120
Sobrepeso

Tipo de asociación entre las variables: es inversa

B. Modelo matemático: y = -0,0451x + 11,615 Y= Umbral del reflejo
X=Sobrepeso

R² = 0,0573
0,05*100%= 5% Confiabilidad del modelo matemático

Según el resultado no es confiable

C. Grado de correlación entre las dos variables:

R² = 0,0573
Raíz cuadrada de 0,0573 = 0,23 NO HAY CORRELACION

D. ¿Cuál es el umbral de reflejo de flexión nociceptiva, cuando hay un porcentaje de

sobrepeso, de 34?

X=34

y = -0,0451x + 11,615

y = -0,0451(34) + 11,615
Y= 13 Umbral de reflejo
Actividad 4. Regresión y correlación Lineal

Estatura 1,32 30,2

Peso (kg)
(M)
1,37 35,1
1,32 33,2
1,32 31,0
1,22 25,0
1,36 34,2
1,26 26,2
1,30 29,5
1,39 34,1
1,38 35,0
1,25 23,2
1,25 26,0
1,43 39,5
1,24 23,5
1,45 47,9
1,24 24,5
1,34 30,2
1,25 25,8
1,20 23,1
1,38 37,0
1,40 36,2
1,27 26,3
1,26 26,4
1,37 35,2
1,25 24,0
1,39 36,8
1,42 39,4
1,40 38,3
1,27 25,6
1,26 26,1
1,35 34,1
1,35 33,6
1,35 36,5
1,36 32,1
1,42 33,5
1,26 27,2
1,20 22,6
1,32 30,5
1,41 39,2
1,33 30,1
1,26 25,0
1,35 34,0
1,25 24,9
1,27 25,8
1,40 39,2
1,45 39,5
1,31 30,2
1,26 26,1
1,32 30,4
1,20 23,5
1,32 30,6
1,30 30,1
1,39 34,9
1,21 25,0
1,24 23,9
 1,32 30,5
1,45 39,2
1,38 35,4
1,26 24,9
1,45 40,2
1,26 25,0
1,25 26,3
1,35 30,1
1,37 35,2
1,27 26,3
1,40 35,2
1,45 39,8
1,45 39,2
1,38 35,2
1,35 33,9
1,33 30,1
1,33 30,8
1,20 22,1
1,33 30,6
1,50 48,0
1,42 39,7
1,21 19,9
1,37 35,2
1,22 20,2
1,31 29,6
1,30 27,2
1,30 29,0
1,23 22,9
1,28 28,5
1,37 35,2
1,31 30,5
1,45 40,1
1,32 30,6
1,35 32,5
1,32 31,2
1,20 24,1
1,36 35,2
1,38 35,2
1,43 40,1
1,27 27,2
1,45 40,7
1,26 24,9
1,33 30,2
1,37 34,2
1,33 31,2

1,26 27,0

1,32 31,0

1,42 40,2

1,27 25,2

1,34 32,0
 Peso vs Estatura
60.0

50.0 y = 78.457x - 72.829

R² = 0.9331
40.0
PESO

30.0

20.0

10.0

0.0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60
ESTATURA

Tipo de asociación: Es directa porque a mayor estatura, mayor es su peso

y = 78,457x -
Modelo matemático: 72,829 X= ESTATURA
Y= PESO

R² = 0,9331
0,93*100%= 0,93 Confiabilidad del modelo matemático

Grado de correlación entre dos variables:

R² = 0,9331
Correlación entre el peso y la estatura es
Raíz cuadrada de 0,9331 = 0,96 excelente
 CONCLUSIONES

Una vez terminado este compilado pude con satisfacción afrontar el tema con actitud de
compromiso verificando mi capacidad para aplicarla cada componente en la encuesta de
referencia, asumiendo un rol responsable y conducente para exponer cada resultado.
También me documenté en el tema que para mi era desconocido, pero se tornó
interesante al punto de poderlo entender a satisfacción.