Guía de actividades y rúbrica de evaluación

Paso 4. Descripción de la Información.

Tutora: Vanessa Juliett Linares

Estudiante:
Brayan Emilio Arenas Ballena
Código: 1003246313
Grupo: 204040_181

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Ingeniería de Telecomunicaciones
Estadística Descriptiva
Aguachica - Cesar
10/11/2019
 Diagrama de dispersión.

¿Qué es?

El diagrama de dispersión 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.

Las relaciones entre los conjuntos asociados de datos se infieren a partir de la forma de las nubes.

 Una relación positiva entre x y y significa que los valores crecientes de x están
asociados con los valores crecientes de y.
 Una relación negativa significa que los valores crecientes de x están asociados con los
valores decrecientes de y.

¿Para qué se usa un diagrama de dispersión?

Entre sus usos está descubrir y mostrar las relaciones entre dos conjuntos asociados de datos y
confirmar relaciones anticipadas entre dos conjuntos asociados de datos.

El diagrama de dispersión puede estudiar la relación entre:

 Dos factores o causas relacionadas con la calidad.

 Dos problemas de calidad.
 Un problema de calidad y su posible causa.

Correlación lineal simple.

La correlación, también conocida como coeficiente de correlación lineal (de Pearson), es una
medida de regresión que pretende cuantificar el grado de variación conjunta entre dos variables.

Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos variables, es
decir, si se representan en un diagrama de dispersión los valores que toman dos variables, el
coeficiente de correlación lineal señalará lo bien o lo mal que el conjunto de puntos representados
se aproxima a una recta.

De una forma menos coloquial, la podemos definir como el número que mide el grado de
intensidad y el sentido de la relación entre dos variables.

𝑐𝑜𝑣𝑥𝑦
𝑝𝑥𝑦 =
𝜎𝑥 𝜎𝑦

Siendo
Cov (x; y): la covarianza entre el valor «x» e «y».

σ(x): desviación típica de «x».

σ(y): desviación típica de «y».

Valores que puede tomar la correlación

ρ = -1 Correlación perfecta negativa

Imagen 1

ρ=0 No existe correlación

 Imagen 2
ρ = +1 Correlación perfecta positiva

Imagen 3

Coeficiente de determinación R2

El coeficiente de determinación, se 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.

Es importante saber que el resultado del coeficiente de determinación oscila entre 0 y 1. Cuanto
más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable que estamos
intentando explicar. De forma inversa, cuanto más cerca de cero, menos ajustado estará el
modelo y, por tanto, menos fiable será.
 Imagen 4

Correlación positiva y correlación negativa

Hay correlación negativa cuando las dos variables se correlacionan en sentido inverso. A
valores altos de una de ellas le suelen corresponder valor bajo de la otra y viceversa. Cuánto
más próximo a -1 esté el coeficiente de correlación más patente será esta variación extrema. Si
r= -1 hablaremos de correlación negativa perfecta lo que supone una determinación absoluta
entre las dos variables (en sentido inverso): Existe una relación funcional perfecta entre ambas
(una relación lineal de pendiente negativa).

Hay correlación positiva cuando las dos variables se correlacionan en sentido directo. A
valores altos de una le corresponden valores altos de la otra e igualmente con los valores bajos.
Cuánto más próximo a +1 esté el coeficiente de correlación más patente será esta covariación.
Si r = 1 hablaremos de correlación positiva perfecta lo que supone una determinación absoluta
entre las dos variables (en sentido directo): Existe una relación lineal perfecta (con pendiente
positiva).

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

El coeficiente de relación lineal, mide la fuerza y el sentido de la relación lineal entre 2 variables
cuantitativas. Entre más cercano es a 1 es más fuerte, entre más cercano a 0 es débil hasta llegar
hacerse nula, si los valores del coeficiente de relación son -1 es una Asociación lineal perfecta
Negativa, si es 0 no existe relación y si es 1 es una Asociación Lineal perfecta Positiva. Además,
nos permite conocer el grado de asociación lineal entre dos variables cuantitativas (X, Y).
 Referencias Bibliográficas

Gehisy Hernández. (2017). Diagrama de dispersión. paginas (1-10). España: Tomado de:
https://aprendiendocalidadyadr.com/diagrama-de-dispersion/

Alfonso Peiro Ucha. (2016). Correlación lineal simple. Paginas (2-8).Madrid Tomado de:
https://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html

José Francisco López. (2017). Coeficiente de determinación R2. Paginas (2-10). Madrid. Tomado
de: https://economipedia.com/definiciones/r-cuadrado-coeficiente-determinacion.html

Miguel Ángel Ramos. (2018). ¿Coeficiente de correlación, que es y para qué sirve? Paginas (1-
11). Chile. Tomado de: https://platzi.com/tutoriales/1269-probabilidad-estadistica/2308-
coeficiente-de-correlacion-que-es-y-para-que-sirve/