UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE HUMANIDADES
PROFESORADO EN EDUCACION PRIMARIA.

LIC. WALTER GALINDO BLANCO

ESTADISTICA

V UNIDAD.

JAIDALY VERALY ZÁRATE PINZÓN 201707722

LEIDY SULEMA MARQUIN HERNANDEZ 201707716
LESLY GABRIELA SOLORZANO GARCIA 201707717
MARIA FERNANDA PEREZ GODOY 201714939
GADY GUIDALTY MAZARIEGOS LIMA 201714925
WILMER JACOBO CAPRIEL HERNANDEZ 201706776

NUEVA CONCEPCIÓN, 21/04/2018

 Índice
Instrucción ........................................................................................................................................... 1
Justificación ......................................................................................................................................... 2
Objetivos ............................................................................................................................................. 3
Estadística inferencial.......................................................................................................................... 4
Regresión............................................................................................................................................. 4
Correlación simple............................................................................................................................... 6
Tipos de regresión y correlación simple.............................................................................................. 7
Diagrama de dispersión....................................................................................................................... 7
Error de estándar de estimación ......................................................................................................... 9
Coeficiente de correlación y determinación ..................................................................................... 10
APLICACIONES ................................................................................................................................... 11
REGRESION Y CORRELACION SIMPLE NO LINEAL .............................................................................. 13
ECUACION Y LINEA DE REGRECION ................................................................................................... 14
Recomendación ................................................................................................................................. 15
Conclusión ......................................................................................................................................... 16
E-grafía .............................................................................................................................................. 17
 Instrucción

La Estadística es una disciplina que utiliza recursos matemáticos para organizar y

resumir una gran cantidad de datos obtenidos de la realidad, e inferir conclusiones
respecto de ellos. Por ejemplo, la estadística interviene cuando se quiere conocer
el estado sanitario de un país, a través de ciertos parámetros como la tasa de
morbilidad o mortalidad de la población.

1
 Justificación

Los conceptos antes mencionados han sido analizados e investigados de tal manera
de hacer más fácil su comprensión y entendimientos ya que la estadística es la
ciencia que trata de entender, organizar y tomar decisiones que estén de acuerdo
con los análisis efectuados. La estadística juega un papel muy importante en
nuestras vidas, ya que actualmente ésta se ha convertido en un método muy
efectivo para describir con mucha precisión los valores de datos económicos.

Es de vital importancia para nuestra vida profesional venidera, que manejemos

estos conceptos con facilidad, así mismo el que los usemos de la manera apropiada,
siempre en pro de buscar soluciones a los problemas que se nos puedan presentar.

2
 Objetivos

• Explicar la resolución de diagramas de dispersión usando gráficas para mostrar

los valores de dos variables.
• Implementar e interpretar las ecuaciones lineales de regresión para un conjunto
de datos.

• Garantizar pronósticos que nos ayuden a facilitar los datos de regresión.

• Utilizar gráficas para comprender la correlación de dos variables.

3
 Estadística inferencial
La estadística inferencial es una parte de la estadística que comprende los métodos
y procedimientos que por medio de la inducción determina propiedades de una
población estadística, a partir de una parte de esta. Su objetivo es obtener
conclusiones útiles para hacer deducciones sobre una totalidad, basándose en la
información numérica de la muestra.

Se dedica a la generación de los modelos, inferencias y predicciones asociadas a

los fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones.
Se usa para modelar patrones en los datos y extraer inferencias acerca de la
población bajo estudio. Estas inferencias pueden tomar la forma de respuestas a
preguntas sí/no (prueba de hipótesis), estimaciones de unas características
numéricas (estimación), pronósticos de futuras observaciones, descripciones de
asociación (correlación) o modelamiento de relaciones entre variables de Sam
(análisis de regresión). Otras técnicas de modelamiento incluyen análisis de
varianza, series de tiempo y minería de datos.

Regresión
La regresión estadística o regresión a la media es la tendencia de una medición
extrema a presentarse más cercana a la media en una segunda medición.

El análisis de la regresión es un proceso estadístico para estimar las relaciones

entre variables. Incluye muchas técnicas para el modelado y análisis de diversas
variables, cuando la atención se centra en la relación entre una variable dependiente
y una o más variables independientes (o predictoras). Más específicamente, el
análisis de regresión ayuda a entender cómo el valor de la variable dependiente
varía al cambiar el valor de una de las variables independientes, manteniendo el
valor de las otras variables independientes fijas. Más comúnmente, el análisis de
regresión estima la esperanza condicional de la variable dependiente dadas las
variables independientes - es decir, el valor promedio de la variable dependiente

4
cuando se fijan las variables independientes. Con menor frecuencia, la atención se
centra en un cuantil, u otro parámetro de localización de la distribución condicional
de la variable dependiente dadas las variables independientes. En todos los casos,
el objetivo de la estimación es una función de las variables independientes llamada
la función de regresión. En el análisis de regresión, también es de interés
caracterizar la variación de la variable dependiente en torno a la función de
regresión, la cual puede ser descrita por una distribución de probabilidad.

5
 Correlación simple
la correlación indica la fuerza y la dirección de una relación lineal y proporcionalidad
entre dos variables estadísticas. Se considera que dos variables cuantitativas están
correlacionadas cuando los valores de una de ellas varían sistemáticamente con
respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe
correlación entre ellas si al disminuir los valores de A lo hacen también los de B y
viceversa. La correlación entre dos variables no implica, por sí misma, ninguna
relación de causalidad (Véase cum hoc ergo propter hoc).

6
 Tipos de regresión y correlación simple

Podemos clasificar los tipos de regresión según diversos criterios.

En primer lugar, en función del número de variables independientes:
 Regresión simple: Cuando la variable Y depende únicamente de una única
variable X.
 Regresión múltiple: Cuando la variable Y depende de varias variables
(X1, X2, ..., Xr)
En segundo lugar, en función del tipo de función f(X):
 Regresión lineal: Cuando f(X) es una función lineal.
 Regresión no lineal: Cuando f(X) no es una función lineal.
En tercer lugar, en función de la naturaleza de la relación que exista entre las dos
variables:
 La variable X puede ser la causa del valor de la variable Y.
Por ejemplo, en toxicología, si X = Dosis de la droga e Y = Mortalidad, la
mortalidad se atribuye a la dosis administrada y no a otras causas.
 Puede haber simplemente relación entre las dos variables.
Por ejemplo, en un estudio de medicina en que se estudian las variables X = Peso
e Y = Altura de un grupo de individuos, puede haber relación entre las dos,
aunque difícilmente una pueda considerarse causa de la otra.
En este tema se tratará únicamente de la Regresión lineal simple.

Diagrama de dispersión
Un diagrama de dispersión o gráfica de dispersión o gráfico de dispersión es un tipo
de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los
valores de dos variables para un conjunto de datos.

Se emplea cuando una variable está bajo el control del experimentador. Si existe un
parámetro que se incrementa o disminuye de forma sistemática por el
experimentador, se le denomina parámetro de control o variable independiente y
habitualmente se representa a lo largo del eje horizontal (eje de las abscisas).

7
La variable medida o dependiente usualmente se representa a lo largo del eje
vertical (eje de las ordenadas). Si no existe una variable dependiente, cualquier
variable se puede representar en cada eje y el diagrama de dispersión mostrará el
grado de correlación (no causalidad) entre las dos variables.

Los diagramas de dispersión son una forma fenomenal de expresar datos de

dos variables, y hacer predicciones basadas en los datos. Al contrario de los
histogramas y los diagramas de caja, los de dispersión muestran valores de datos
individuales.

Este es el diagrama de dispersión que expresa la cantidad de dinero que se ganó

Mateo cada semana trabajando en la tienda de su padre.

Las semanas están diagramadas en el eje x, y la cantidad de dinero que se ganó

en esa semana en el eje y. En general, la variable independiente (la variable que
no está influenciada por nada) está en el eje x y la variable dependiente (la que
es modificada por la variable independiente) está en el eje y.

En este diagrama podemos ver que en la semana 2 Mateo se ganó alrededor de

$125, y en la semana 18 estuvo cerca de los $165. Pero más importante aún es la
tendencia. Por ejemplo, con estos datos podemos ver que Mateo gana cada vez
más según pasan las semanas. Quizá su padre le da más horas a la semana o
más responsabilidades.

8
 Error de estándar de estimación
La determinante primaria de la exactitud es el grado de dispersión de la población:
cuanto más dispersa esté, menor será la exactitud de las estimaciones.

La formula anterior no se utiliza por lo general en cálculos reales, debido a que es

mas fácil trabajar con la formula simplificada( que se obtuvo al sustituir 𝒀 ̂ por la
ecuación de regresión y al completar al cuadrado) es decir:

Se desea calcular el error estándar de estimación de los montos de importación y

exportación, expresados en millones, de un país en los últimos 7 años.

1. Calcula los totales de (x), (y), x2, (x)(y), y2

2. Obtén los coeficientes de intercepción y tamaño utilizando el método mínimo de

cuadrados.

Entonces la ecuación estará representada de la siguiente forma.

3. Reemplaza los datos en la ecuación de error estándar de estimación.

El error estándar de estimación es 53.1403394, que representa la variabilidad

alrededor de la recta de regresión.

9
 Coeficiente de correlación y determinación
En estadística, el coeficiente de determinación, denominado R² y pronunciado R
cuadrado, es un estadístico usado en el contexto de un modelo estadístico cuyo
principal propósito es predecir futuros resultados o probar una hipótesis. El
coeficiente determina la calidad del modelo para replicar los resultados, y la
proporción de variación de los resultados que puede explicarse por el modelo.1

Hay varias definiciones diferentes para R² que son algunas veces equivalentes. Las
más comunes se refieren a la regresión lineal. En este caso, el R² es simplemente
el cuadrado del coeficiente de correlación de Pearson, lo cual es sólo cierto para
la regresión lineal simple. Si existen varios resultados para una única variable, es
decir, para una X existe una Y, Z... el coeficiente de determinación resulta del
cuadrado del coeficiente de determinación múltiple. En ambos casos el R² adquiere
valores entre 0 y 1. Existen casos dentro de la definición computacional de R² donde
este valor puede tomar valores negativos.

10
 APLICACIONES
Aunque comúnmente se asocie a estudios demográficos, económicos y
sociológicos, gran parte de los logros de la estadística se derivan del interés de los
científicos por desarrollar modelos que expliquen el comportamiento de las
propiedades de la materia y de los caracteres biológicos. La medicina, la biología,
la física y, en definitiva, casi todos los campos de las ciencias emplean
instrumentos estadísticos de importancia fundamental para el desarrollo de sus
modelos de trabajo.

Campos de aplicación
La estadística es una ciencia de aplicación práctica casi universal en todos los
campos científicos:

 En las ciencias naturales: se emplea con profusión en la descripción de

modelos termodinámicos complejos (mecánica estadística), en física cuántica,
en mecánica de fluidos o en la teoría cinética de los gases, entre otros muchos
campos.
 En las ciencias sociales y económicas: es un pilar básico del desarrollo de la
demografía y la sociología aplicada.

11
 En economía: suministra los valores que ayudan a descubrir interrelaciones
entre múltiples parámetros macro y microeconómicos.
 En las ciencias médicas: permite establecer pautas sobre la evolución de las
enfermedades y los enfermos, los índices de mortalidad asociados a procesos
morbosos, el grado de eficacia de un medicamento, etcétera.
Presentación de datos
Los datos estadísticos se presentan generalmente expresando el valor de
la frecuencia absoluta que toman las variables significativas de un estudio, ya
correspondan a una población o a una muestra. La frecuencia absoluta de un valor
o de una modalidad de una variable estadística es el número de datos observados
que presentan ese valor o modalidad. El cociente entre la frecuencia absoluta de un
valor o modalidad y el número total de datos es llamado frecuencia relativa.
También suelen presentarse los datos en forma de porcentaje (es decir, en forma
de razón de denominador 100).

Una razón se obtiene como el cociente entre dos cantidades numéricas

comparables. Si el cociente se refiere a dos cantidades que se indican en unidades
distintas, la razón recibe el nombre de tasa. Un ejemplo de tasa es la densidad de
población, que se define como el número de habitantes por kilómetro cuadrado y
que se aplica habitualmente en los estudios demográficos.

Dada una suma de varios sumandos, si el cociente hace referencia a la división

numérica entre uno de los sumandos y la suma total, la cantidad expresada se
denomina proporción.

12
 REGRESION Y CORRELACION SIMPLE NO LINEAL
Regresión no lineal: Cuando f(X) no es una función lineal.
En tercer lugar, en función de la naturaleza de la relación que exista entre las dos
variables:

Si deseamos estudiar la relación entre dos variables cuantitativas y además una

de ellas puede considerarse como variable dependiente o “respuesta” podemos
considerar el uso de la regresión lineal simple. Con la regresión, aparte de medir el
grado de asociación entre las dos variables, podremos realizar predicciones de la
variable dependiente.

Veamos un ejemplo de regresión lineal simple y cómo se interpretarían sus

resultados. Dependiendo del programa estadístico utilizado, pueden variar la
cantidad de información y el formato de las salidas, aunque los resultados van a
ser los mismos así como su interpretación.

Supongamos que deseemos estudiar la asociación entre el volumen máximo

expirado en el primer segundo de una expiración forzada (FEV 1) y la talla medida
en centímetros de un grupo de 170 adolescentes de edades comprendidas entre
los 14 y los 18 años (Tabla I).

13
 ECUACION Y LINEA DE REGRECION
La ecuación de la recta de regresión permite pronosticar la puntuación que alcanzará cada
sujeto en una variable Y conociendo su puntuación en otra variable X. A la variable Y se le
denomina criterio y a la variable X predictor.

Sin embargo, raramente la nube de puntos que representa la relación entre dos variables X e Y
adopta la forma de una línea recta perfecta. En el caso en que exista una relación alta entre las
variables, la nube de puntos tiende a parecerse a una recta. Sólo en el caso de rxy=1 la nube de
puntos se ajusta perfectamente a la línea recta.

Teniendo esto en cuenta, la recta de regresión es la línea recta que mejor se ajusta a la nube
de puntos para dos variables X e Y, es decir, la que permitiría minimizar el error medio cometido
al hacer los pronósticos como si la nube de puntos tuviera una forma lineal.

Por ejemplo: Consideremos un grupo de 4 personas para las que conocemos sus puntuaciones
en determinadas variables X e Y, según se muestra en las dos primeras columnas de la
siguiente tabla:

X Y Y´ Y´-Y (Y´-Y)2

5 3 2 -1 1

6 2 4 2 4

7 4 6 2 4

8 5 8 3 9

A partir de estos valores, y suponiendo que existe una relación lineal entre X e Y, podemos
tratar de pronosticar el valor que alcanzará en la variable Y un sujeto, conociendo su
puntuación en la variable X.

La diferencia entre las puntuaciones pronosticadas y las observadas en los sujetos se aprecian
en la figura 3, que representa el diagrama de dispersión y la ecuación de la recta utilizada para
predecir los valores Y´.

[D]

Figura 3: Diagrama de dispersión y predicción de la recta Y=2X+8

14
 Recomendación

Como estudiantes debemos estar al tanto de lo que nos ofrece la resolución de

problemas sobre los temas de estadística inferencial, regresión simple, ecuación,
diagrama de dispersión entre otros. Ya que al conocer su formación, y resultados
es eficiente en casos de Comercio y casos simples.

Esto nos permite evaluar, resolver y conocer más acerca de estos datos, y también
podemos encontrar ayuda en la tecnología ya que hoy en día nos permite facilitar
los problemas estadísticos convirtiéndose en una herramienta de gran ayuda para
ser más eficiente en caso de nuestras tareas en clase, trabajos en las cuales
necesitemos resolver cálculos.

15
 Conclusión

Dentro de nuestra investigación que se llevó a cabo sobre los temas nos dimos
cuenta de las herramientas que posee acerca de la estadística inferencial,
ecuación lineal, regresión, y muchos más de ello aprendemos a resolver y analizar
los datos estadísticos con sus técnicas es más eficiente aprender y tener
conocimiento de cada paso que lleva cada ejercicio planteado.

La estadística es una red de gráficas, números, datos, que conlleva a una

determinación simple por eso es necesario estudiar y tener conocimiento de la
estadística y sus funciones.

16
 E-grafía

https://es.wikipedia.org/wiki/Estad%C3%ADstica_inferencial

https://es.wikipedia.org/wiki/An%C3%A1lisis_de_la_regresi%C3%B3n

http://www.eumed.net/libros-
gratis/2008b/414/ANALISIS%20DE%20CORRELACION%20SIMPLE.htm

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo13/B0C13m1t2.htm

https://es.wikipedia.org/wiki/Diagrama_de_dispersi%C3%B3n

https://es.wikipedia.org/wiki/Error_est%C3%A1ndar

http://dm.udc.es/asignaturas/estadistica2/sec6_8.html

http://www.hiru.eus/es/matematicas/aplicaciones-de-la-estadistica

http://www.fao.org/docrep/003/x6845s/x6845s02.htm

http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-educacion/analisis-de-datos-en-la-
investigacion-educativa/Bloque_I/page_85.htm

17