Actividades a desarrollar

Actividad 1. Mapa Mental

Descripción de la Actividad Individual:

Resumir mediante un mapa mental las medidas estadísticas Bivariantes

de regresión y correlación.

Cabe aclarar que un mapa mental es una herramienta empleada para

facilitar el aprendizaje mediante la visualización de ideas de forma
esquematizada, todas ellas relacionadas entre sí, las cuales en conjunto
ayudan a explicar un tema específico.
Para su diseño inicie colocando la idea central en el centro utilizando
palabras o imágenes, posteriormente desarrolle a su alrededor el resto
de las ideas relacionadas con el tema, para establecer el orden
jerárquico entre las ideas, desarrolle las mismas en el sentido de las
manecillas del reloj. Además, utilice líneas para establecer la relación
entre el concepto principal y las demás ideas; recuerde, que puede
utilizar colores, imágenes, símbolos, figuras o elementos que permitan
diferenciar las ideas, utilice su creatividad.

Ejemplo:

Figura 1 Esquema mapa mental, Recuperado de: http://mapamental.net/que-es-un-mapa-mental/

Socializar el mapa mental en el foro paso 4. Descripción de la

Información.

Actividad 2. Definición de Conceptos.

Descripción de la Actividad Individual:

Definir brevemente los conceptos básicos asociados a Regresión y

Correlación como:
 Diagrama de dispersión.
Dispersión se define como el grado de distancia de un conjunto de
valores respecto a su valor medio.
A partir de esta definición, se derivan las medidas de dispersión
que aprendimos en la clase de estadística del colegio: Rango,
Varianza, desviación, covarianza, coeficiente de correlación, etc.
El diagrama de dispersión, también conocido como grafico de
dispersión o grafico de correlación, consiste en la representación
grafica de dos variables para un conjunto de datos. En otras
palabras, analizamos la relación entre dos variables, conociendo
que tanto se afectan entre si o que tan independiente son una de
la otra. En este sentido, ambas variables se representan como un
punto en el plano cartesiano y de acuerdo a la relación que existe
entre ellas, definimos su tipo de correlación

 Correlación lineal simple.

El concepto de relación o correlación se refiere al grado de
variación conjunto existente entre dos o mas variables. En este
apartado nos vamos a centrar en el estudio de un tipo particular
de relación llamada lineal y nos vamos a limitar a considerar
únicamente dos variables (simples).

 Coeficiente de determinación R2
Nos indica cuanto de la variación total en Y se debe a la variación
en X, su principal propósito es predecir futuros resultados o probar
una hipótesis, es importante tener en cuenta que el resultado del
coeficiente de terminación R2 oscila entre 0 y 1.
Cuanto mas cerca de 1 se situé su valor, mayor será el ajuste del
modelo a la variable que estamos intentando explicar.
Por el contrario, si su resultado se encuentra más cerca de cero,
menos ajusta estará al modelo y menos confiable será.
 Correlación positiva y correlación negativa
 Correlación positiva
Se habla de una correlación positiva cuando una relación
entre una variable y otra es lineal y directa, de manera que
un cambio en una variable predice el cambio en la otra
variable. En ese caso, se dice que la correlación es positiva
perfectamente, es decir, ambas variables varían al mismo
tiempo. Este tipo de correlación es directamente
proporcional.
Hay correlación positiva cuando las dos variables se
correlaciona en valores altos de la otra e igualmente con los
valores bajos.
  correlación negativa
se habla de una correlación negativa cuando la relación
entre una variable y otra es opuesta o inversa, es decir,
cuando una variable cambia, la otra se modifica hacia lo
contrario. Entonces, cuando una posee variable valores
altos, la otra posee valores bajos y mientras este valor este
mas cerca de -1, mas evidente será esta covariación.
Se dice que hay correlación negativa perfecta cuando r=-1.
Este tipo de correlación es inversamente proporcional.
Entonces, hay correlación negativa cuando las dos variables
se correlacionan en sentido inverso.

 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda

a medir?
En estadística, el coeficiente de correlación es una medida lineal
entre dos variables aleatorias cuantitativas. A diferencia de la
covarianza, la correlación de Pearson es independiente de las
escala de medida de las variables.
De manera menos formal, podemos definir el coeficiente de
correlación de Pearson como un índice que puede utilizarse para
medir el grado de relación de dos variables siempre y cuando sean
cuantitativas.

Socializar las respuestas en el foro paso 4. Descripción de la

Información.

Actividad 3. Realizar el laboratorio de regresión y correlación

lineal

1.2 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 (% de Hidro Y
 carburos) (Pureza)

0,95 90,04
1,03 89,06
1,16 91,39
1,27 93,73
1,44 96,71
1,3 94,44
0,82 87,57
1,21 91,78
1,56 99,39
1,42 93,55
1,17 93,43
1,13 92,5
0,97 90,4
1 89,3
1,12 89,83
1,18 90,35
1,23 93,19
1,33 93,31
1,42 94,77
0,93 87,32

a. Realice el diagrama de dispersión y determine el tipo de

asociación entre las variables.
 Rendimiento del producto
105

100

f(x) = 14.25 x + 75.26

95 R² = 0.85

90

85

80
0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7

La asociación entre estas variables es positiva ya que la línea de

tendencia tiene una dirección ascendente.
Encuentre el modelo matemático que permite predecir el efecto
de una variable sobre la otra. ¿Es confiable?

El modelo matemático que permite predecir el efecto de una variable

sobre la otra es y=14,247x + 75,263
R² = 0,8532
Se puede asegurar que la ecuación de la recta es confiable porque el R²
está cercano al 1 y tiene un alto grado de confiabilidad.

Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.

El porcentaje de explicación del modelo según lo afirma el R² es dé

0,85% y el valor de R coeficiente del valor lineal es bueno, porque el
0,8532 se encuentra cerca al extremo 1 positivo, que es la correlación
perfecta positiva.

b. ¿Cuál es el porcentaje de hidrocarburo cuando la pureza

del oxígeno es igual a 92,3?
Para hallar el porcentaje de hidrocarburo cuando la pureza del oxígeno
es igual a 92,3 debemos reemplazar este valor en la formula y=14,247x
+ 75,263 donde x sería representado por la pureza del oxígeno.
y= (14,247*92,3) + 75,263= 1390
Según lo anterior el porcentaje de hidrocarburo, cuando la pureza del
oxígeno es igual a 92,3, sería de 1390,3%

1.4 X-Y Montaje – Horas de trabajo.

En una empresa se desea verificar si la calidad de los computadores con

defectos de montaje tiene relación con las horas trabajadas por día. Los
siguientes datos representan dicha situación:

Computad
ores con
10 9 8 5 9 8 6 7 9 10
defectos
(Y)
Horas de
15 13 11 7 12 11 8 10 13 13
trabajo (X)

Identifique la variable dependiente (y) y la variable independiente (x),

realice el diagrama de dispersión y determine el tipo de asociación entre
las variables
12

10 f(x) = 0.66 x + 0.64

R² = 0.95
Computadores dañados (y)

0
6 7 8 9 10 11 12 13 14 15 16
Horas trabajadas (x)
La relación entre las variables es directamente proporcional y hay una
fuerte correlación lineal positiva.

Encuentre el modelo matemático que permite predecir el efecto

de una variable sobre la otra. ¿Es confiable?

Modelo matemático y = 0,6599x + 0,6433

R² = 0,9461

Se puede asegurar que la ecuación de la recta tiene un grado de

confianza alto porque el R² está bastante cerca de 1. Por lo tanto, es
bastante confiable.

Determine el grado de correlación de las dos variables.

El R² afirma además que el modelo explica el 94.6% de la información y

el valor de r coeficiente de correlación lineal es sobresaliente porque el
0.9461 está bastante cerca al extremo 1 positivo que es la correlación
perfecta positiva.

d. ¿Cuál será la cantidad de computadores con defectos

producidas si un trabajador labora 6 horas?

y = 0,6599x + 0,6433

y = 0,6599*6 + 0,6433

y= 4

En base a los resultados del modelo matemático y teniendo en cuneta

su confiabilidad, este arroja como resultado que si un trabajador labora
6 horas la cantidad de computadores con defectos que se producirá será
de 4 unidades.
 1.7 PIB-Energía.
En un estudio realizado por la UNAD se desea analizar si el crecimiento
económico medido por el PIB es influenciado por el consumo de energía
a partir de los siguientes datos:

Consumo de
PIB de la
electricidad
Nación
Año en MWh
2008 2,057 428,2
2009 2,054 426,0
2010 2,209 464,7
2011 2,297 481,0
2012 2,341 498,4
2013 2,412 516,2
2014 2,424 532,6
2015 2,338 524,6
2016 2,257 520,0

Ajuste un modelo matemático que permita predecir el efecto de

una variable sobre la otra. ¿Es confiable?
Modelo matemático
y = 273,62x - 131,92
R² = 0,8465
Se puede asegurar que la ecuación de la recta tiene un grado de
confianza alta porque el R² está cerca al 1, teniendo entonces un grado
alto de confiabilidad.

Determine el porcentaje de explicación del modelo y el grado de

relación de las dos variables.
El R² afirma que el modelo explica el 0,84% de la información y el valor
de r coeficiente de correlación lineal es moderadamente alto porque el
0.8465 se acerca al extremo 1 positivo que es la correlación perfecta
positiva.

¿Cuál podría ser la proyección de PIB para el año 2021 si se

espera que el PIB nacional sea del 3,2?
Utilizando el modelo matemático y reemplazando el valor X por el valor
del PIB nacional mencionado en el ejercicio (3,2) obtendremos el
siguiente resultado.
y = 273,62*(3,2) - 131,92= 743,664
Por lo tanto, la proyección del PIB para el año 2021 según el PIB
nacional planteado sería de 743,6

Actividad 4. Regresión y correlación Lineal.

Para el desarrollo de esta actividad, es necesario que el estudiante

revise en el Entorno de conocimiento (Unidad 2), las siguientes
referencias:

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:

Paraninfo. Paginas. 151 – 158.

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.

México City: Cengage Learning. Páginas 675 – 686

Descripción de la Actividad Individual:

A partir de la base de datos suministrada: Pruebas SABER 11 - 220

estudiantes 2020 (16-1), cada estudiante, deberá:

-Identificar dos variables cuantitativas de la situación estudiada que

puedan estar relacionadas e identificar la variable dependiente e
independiente.
- Realizar el diagrama de dispersión de dichas variables y determinar el
tipo de relación entre las variables.
- Encuentre el modelo matemático que permite predecir el efecto de una
variable sobre la otra. ¿Es confiable?
- Determine el grado de correlación de las dos variables.
- Relacionar la información obtenida con el problema.

Cada estudiante desarrollará el laboratorio; posteriormente, deberá

subirlo al foro paso 4. Descripción de la Información, en un archivo
denominado: Nombre Apellido_lab_Regresión y Correlación Lineal.