UNIVERSIDAD NACIONAL DE SAN ANTONIO

ABAD DEL CUSCO

Facultad de Ingeniería Geológica, de Minas y Metalúrgica

Escuela Profesional de Ingeniería Metalúrgica

DIAGRAMA DE DISPERSION

DOCENTE: ING. EDUARDO ORTIZ ZARABIA

ALUMNOS:
- ASTETE SONCCO GLORIA
- AYTE ALVAREZ FRANSZUA
- MARCAÑAUPA PACORI LUZ
- MEDINA HOYOS DAN ALY
- SANDI MENDOZA CRISTHIAN
- PERALTA POBLETE LUIS
- MEZA SICLLA JOSE HUMBERTO
- VARGAS FUENTES BRANIER
CUSCO-PERU
2019
DIAGRAMA DE DISPERSIÓN
1. HISTORIA

Francis Galton (1822-1911) Explorador, antropólogo y estadístico británico, es conocido

para introducir la idea de las curvas de regresión, que pueden utilizarse para predecir
el valor de una variable aleatoria en función de otra, y la noción de correlación. Hizo
varios estudios sobre herencia genética y publico los resultados de sus trabajos en su
obra NATURAL INHERITANCE.

Gracias a sus estudios y novedosas técnicas de análisis de datos y representaciones

graficas incluidas, y a los trabajos de astronomía de John F.W. Herschel (científico
británico nacido en 1792, fallecido en 1871) se ideo y extendió el uso de grafico de
dispersión, utilizando para estudiar las relaciones que pueden haber entre dos variables
referidas al mismo conjunto de individuos.

2. CONCEPTO

También conocido como gráfico de dispersión, gráfico de puntos, diagrama de XY,

diagrama de dispersión o Scattergram.

El diagrama de dispersión es una herramienta gráfica que permite estudiar las

relaciones entre dos conjuntos asociados de datos que aparecen en pares (por ejemplo,
(x, y), uno de cada conjunto). El diagrama muestra estos pares como una nube de
puntos.

3. CORRELACIÓN

Los diagramas de dispersión usan una colección de puntos colocados usando

coordenadas cartesianas para mostrar valores de dos variables. Al mostrar una variable
en cada eje, se puede detectar si existe una relación o correlación entre las dos
variables. Con los diagramas de dispersión podemos ver cómo se relacionan ambas
variables entre sí. Esto es lo que se conoce como correlación.

3.1. Tipos de correlación

Se pueden interpretar varios tipos de correlación a través de los patrones mostrados en

los diagramas de dispersión. Estos son: positivo (los valores aumentan juntos),
negativo (un valor disminuye a medida que el otro aumenta), nulo (sin correlación),
lineal, exponencial y en forma de U.
La fuerza de la correlación puede determinarse por la proximidad de los puntos entre sí
en el gráfico. Los puntos que terminan muy lejos del conjunto general de puntos se
conocen como valores atípicos.

Los diagramas de dispersión son ideales cuando se tienen datos numéricos

emparejados y se desea ver si una variable afecta a la otra. Sin embargo, recuerde que
la correlación no es causal y otra variable inadvertida puede estar influyendo en los
resultados.
 4. COEFICIENTE DE CORRELACIÓN DE PEARSON

El coeficiente de correlación de Pearson es un índice de fácil ejecución e, igualmente,

de fácil interpretación. Digamos, en primera instancia, que sus valores absolutos oscilan
entre 0 y 1. Esto es, si tenemos dos variables X e Y, y definimos el coeficiente de
correlación de Pearson entre estas dos variables como XY r entonces:

0≤ r≤1

Hemos especificado los términos "valores absolutos" ya que en realidad si se contempla

el signo el coeficiente de correlación de Pearson oscila entre –1 y +1. No obstante ha
de indicarse que la magnitud de la relación viene especificada por el valor numérico del
coeficiente, reflejando el signo la dirección de tal valor. En este sentido, tan fuerte es
una relación de +1 como de -1. En el primer caso la relación es perfecta positiva y en el
segundo perfecta negativa. Pasamos a continuación a desarrollar algo más estos
conceptos.

4.1. FÓRMULA UTILIZADA:

El coeficiente de correlación de Pearson viene definido por la siguiente expresión: Esto

es, el coeficiente de correlación de Pearson hace referencia a la media de los productos
cruzados de las puntuaciones estandarizadas de X y de Y. Esta formula reúne algunas
propiedades que la hacen preferible a otras. A operar con puntuaciones estandarizadas
es un índice libre de escala de medida. Por otro lado, su valor oscila, como ya se ha
indicado, en términos absolutos, entre 0 y 1.
Donde:

∂xy: covarianza

∂x∂y: desviación típica.

4.2. INTERPRETACIÓN:

El valor del índice de correlación varía en el intervalo [-1,1], indicando el signo el sentido
de la relación:

Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total
entre las dos variables denominada relación directa: cuando una de ellas aumenta, la
otra también lo hace en proporción constante.

Si 0 < r < 1, existe una correlación positiva.

Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables
son independientes: pueden existir todavía relaciones no lineales entre las dos variables.

Si -1 < r < 0, existe una correlación negativa.

Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total
entre las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra
disminuye en proporción constante.

4.3. EJEMPLO
En un centro de salud hacen el seguimiento de la tensión arterial a 10
pacientes, y los resultados constatan que tienen sobrepeso, tienen una
tensión arterial superior a la media. Hallar el coeficiente de correlación de
pearson. Se tiene el siguiente cuadro:
DATOS:
n=10
Para hallar la covarianza necesitamos:
Las medias marginales de X e Y.
El producto de cada X, por cada Y.
Para las desviaciones típicas marginales necesitamos:
El cuadrado de X y de Y.
Para poder realizar los cálculos con mayor comodidad, usaremos el siguiente cuadro:
 5. LÍNEA DE AJUSTE O DE PENDIENTE

La línea de ajuste se usa para hacer predicciones basándonos en datos pasados.

Cuando se dibuja la recta, debemos asegurarnos de que encaje con la mayor parte de
los datos. Si hay un punto que está muy por encima o muy por debajo con respecto al
resto (puntos atípicos) debemos dejarlo fuera de la recta.
EJEMPLO:

COMPRA DE GASOLINA
Dólares Gastados Galones Comprados
10 2.5
11 3
9 2.8
10 2.5
12 3.1
5 1.2
8 1.5
4 1.1
(5,1.2) (12,3.1)
(x1 , y1 ) (x2 , y2 )

hallamos la pendiente
(1.2−3.1)
m= (5−12) = 0.27
punto de intersección
y=mx ∗ b………………… (5,1.2)
1.2=0.27*5+b
b= -0.15

PROGRAMAS QUE FACILITAN EL CALCULO DE DIAGRAMAS DE DISPERSION

Microsoft Excel

Excel es un programa desarrollado y soportado por Microsoft y está catalogado como

un software de hoja de cálculo. Este programa se distribuye tanto para la plataforma
Windows como para la plataforma Mac OS.

Las hojas de cálculo han sido ampliamente utilizadas porque facilitan los cálculos
numéricos a través del uso de fórmulas. De una manera muy sencilla y rápida se pueden
hacer operaciones aritméticas sobre cientos de miles de datos numéricos.
Ejemplo
Minitab

Partes de la interfaz

 Ventana de sesión
 La ventana de sesión muestra los resultados de los análisis en formato de texto.
 En esta ventana también puede introducir comandos de sesión en lugar de usar
los menús de Minitab.

Hoja de trabajo

 La hoja de trabajo, que es similar a una hoja de cálculo, es donde introduce y

organiza los datos.
 Puede abrir múltiples hojas de trabajo.

Project Manager

 La tercera ventana, Project Manager, están minimizada bajo la hoja de trabajo

Ejemplo
En el ejemplo usado en Excel y minitab nos dio casi los mismos datos en los 2
programas y cuna coeficiente R cuadrado con una aceptación dentro de límites de
confiabilidad

Comparación entre minitab y Microsoft Excel

Aplicación de diagramas de dispersión lineal para diferenciar y comparar el uso de

NaCN y Sandioss
En la actualidad se están buscando nuevos reactivos lixiviantes para minerales auríferos
que sustituyan al cianuro de sodio, con la finalidad de disminuir los problemas generados
por la contaminación ambiental y el manejo que conlleva el uso de cianuro que es el más
utilizado en la minería para la extracción de oro.
Se planteó hacer un trabajo comparativo para la extracción de oro usando el reactivo
Sandioss versus el cianuro de sodio para tres tipos de minerales siendoestos: sulfuros,
óxidos y carbonáceos;a similares condiciones operativas como granulometría 80%-m200,
33% de sólidos, 500 ppm de concentración de reactivo lixiviante, pH 11, cal como
regulador de pH, con tiempo de agitación 72 horas rolado en botella ya condiciones
normales de temperatura y presión.
De los resultados obtenidos con el reactivo lixiviante Sandioss y el cianuro de sodio a 72
horas de lixiviación, se obtuvo para el mineral sulfuro 83.36% y 85.91% respectivamente,
para el mineral tipo óxidos se obtuvo 93.46% y 95.01% respectivamentey para el mineral
carbonáceo se obtuvo 40.86% y 38.01% respectivamente.Se concluye que la recuperación
de oro utilizando SANDIOSS es similar al obtenidoconCIANURO DE SODIO y se
presenta como una alternativa en la lixiviación alcalina por agitación de minerales tipo
óxido, sulfuro y carbonáceo.

EJEMPLO APLICATIVO
CONCLUSION
Con nuestro tema pudimos fortalecer los conocimientos impartidos en clases, los diagramas de
dispersión son datos que correlacionan, nos permiten optimizar los procesos, recuperaciones
en metalurgia, ver y controlar las etapas y procesos en una empresa.

BIBLIOGRAFÍA

Achen, C. H. (1982). Interpreting and using regression. London: Sage.

Amon, J. (1990). Estadística para psicólogos (1). Estadística Descriptiva. Madrid:

Pirámide. (*) Amon, J. (1990).

Estadística para psicólogos (2). Probabilidad. Estadística Inferencial. Madrid: Pirámide.

Berry, W. D., & Feldman, S. (1985).

Multiple Regression in Practice. Sage University Paper Series on Quantitative

Applications in the Social Sciences, series no. 07-050). Newbury Park, CA: Sage.