Este documento presenta los resultados de varios ejercicios sobre la correlación entre diferentes variables estadísticas. En el primer ejercicio, se encuentra una correlación moderada entre el peso y las horas dedicadas al deporte. En el segundo ejercicio, se encuentra una fuerte correlación negativa entre el número de cigarrillos fumados y la nota de acceso. En el tercer ejercicio, con una muestra limitada a 10 casos, se encuentra una correlación positiva entre el peso y la altura.
CORRELACIÓN
Concepto:
Una correlación es una medida o grado de relación entre dos variables. Un conjunto de datos puede ser positivamente correlacionado, negativamente correlacionado o no correlacionado del todo.
Correlación positiva o directamente proporcional r = (+).
Nos indica que al modificarse en promedio una variable en un sentido, la otra lo hace en la misma dirección.
Correlación negativa o inversamente proporcional r = (-).
Nos muestra que al cambiar una variable en una determinada dirección (en promedio), la otra lo hace en sentido contrario u opuesto.
CORRELACIÓN
Concepto:
Una correlación es una medida o grado de relación entre dos variables. Un conjunto de datos puede ser positivamente correlacionado, negativamente correlacionado o no correlacionado del todo.
Correlación positiva o directamente proporcional r = (+).
Nos indica que al modificarse en promedio una variable en un sentido, la otra lo hace en la misma dirección.
Correlación negativa o inversamente proporcional r = (-).
Nos muestra que al cambiar una variable en una determinada dirección (en promedio), la otra lo hace en sentido contrario u opuesto.
Presentación realizada en la VIII Reunión del Grupo de Trabajo 2025 de la Iniciativa América Latina y Caribe sin Hambre, que tuvo lugar entre el 30 y 31 de julio en México.
http://www.rlc.fao.org/es/iniciativa/seguimiento/gt2025/viii-reunion-del-gt2025/
Es un diagrama para La asistencia técnica o apoyo técnico es brindada por las compañías para que sus clientes puedan hacer uso de sus productos o servicios de la manera en que fueron puestos a la venta.
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...Telefónica
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0xWord escrito por Ibón Reinoso ( https://mypublicinbox.com/IBhone ) con Prólogo de Chema Alonso ( https://mypublicinbox.com/ChemaAlonso ). Puedes comprarlo aquí: https://0xword.com/es/libros/233-big-data-tecnologias-para-arquitecturas-data-centric.html
2. 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 si al aumentar los valores de A lo hacen también
los de B y viceversa.
3. En este caso, vamos a estudiar la relación que existe entre
la variable peso y la variable horas dedicadas al deporte,
ambas cuantitativas.
A continuación pasamos a resolver los ejercicios propuestos;
4. 1. Utilizando nuestra base de datos comprueba la
correlación entre la variable peso y la variable horas
de dedicación al deporte. Comenta los resultados.
En primer lugar realizamos una gráfica para averiguar si existe
correlación entre las variables peso y horas dedicadas al deporte
con el programa spss en el que previamente hemos introducido
los datos
5. Para realizar la gráfica de correlación elegimos la de tipo simple y
obtenemos lo siguiente:
Observamos en la gráfica que existe relación entre ambas variables,
pero para comprobarlo realizamos el coeficiente de correlación de
Pearson.
6. Con el coeficiente de correlación de Pearson lo que hacemos es
averiguar qué grado de relación existe entre ambas variables y
como la población es de 30 personas sí se puede realizar este
coeficiente porque sería una curva normal.
Para realizar esta operación lo hacemos con el ayuda del programa
Spss:
7. Obtenemos que el coeficiente de correlación es 0,41 y por tanto se
deduce que tiene una correlación moderada.
8. Para comprobar si existe en la realidad tenemos que hacer un
contraste de hipótesis:
Ho: No existe correlación entre la variable peso y horas dedicadas al
deporte.
HI: Existe correlación entre la variable peso y horas dedicadas al
deporte.
Para ello debemos fijarnos en el grado de significación (0,05) y el
punto crítico (0,091). Como el grado de significación es menor se
acepta la Hipótesis nula, por tanto NO hay correlación entre
ambas variables.
9. 1.2 Calcula el Coeficiente de Correlación de Pearson para
las variables nº de cigarrillos fumados al día y nota de
acceso. Comenta los resultados.
En este caso queremos comprobar la relación que existe entre estas
dos variables.
Para ello realizamos un gráfico que muestre esta relación como en el
ej anterior con el programa Spss:
10. Se observan como los datos están alineados en torno a la línea
central, aunque también observamos que hay un dato aislado.
Para comprobar si esta correlación es real tenemos que realizar el
coeficiente de Pearson, cuyas variables deben ser cuantitativas y
seguir una distribución normal.
Para ello le damos a analizar, correlaciones y bivariadas y elegimos
las variables:
11. Obtenemos que el coeficiente de Pearson Rxy es distinto de 0, por
tanto decimos que si hay correlación.
Pxy= -0,97 por tanto obtenemos que esta relación es muy fuerte, nos
sale negativo porque la correlación es descendente.
Para saber si esto ocurre también en la población realizamos el
contraste de hipótesis:
Hipótesis Nula Ho: p = 0 No hay correlación entre las
variables de la población
Hipótesis Alternativa H1: p ≠ 0 Si hay correlación entre
variables “numero de cigarrillos y nota de acceso” en la
población.
Ahora atendiendo a la tabla de antes, decimos que el grado de
significación es 0,05.
Por tanto como el valor p(0,001) < que 0,05, aceptamos la hipótesis
alterna, SÍ hay correlación entre la nota de acceso y el nº de
cigarrillos.
12. 1.3 Calcula el Coeficiente de Correlación de Pearson
para las variables peso y altura (limitando la muestra a
10 casos).Comenta los resultados.
Para comprobar la relación entre ambas variables procederemos a la
obtención del gráfico como en los casos anteriores:
13. Parece que hay correlación entre ambas variables pero para
comprobarlo recurrimos a calcular el coeficiente de Pearson, pero
para ello estas variables deben ser cuantitativas y seguir una
distribución normal .
Pero en este caso n=10 por lo tanto es menor de 30 con lo cual no
cumple una de las premisas.
Para ello recurrimos a la prueba de Kolmogorov para saber si sigue
una distribución normal. Lo hacemos con el programa de Spss;
Analizar, Estadísticos descriptivos, Explorar, Opciones, Pruebas
de normalidad y le damos a aceptar.
Como Punto Crítico obtenemos 0,2 y como nivel de significación
0,05, al ser mayor el Punto Crítico aceptamos que sigue una
distribución normal.
Aplicamos ahora entonces la prueba de correlación de Pearson:
14. Como en los ejercicios anteriores, en primer lugar obtenemos la
gráfica:
Observando la gráfica deducimos que sí hay correlación entre ambas
variables.
15. Para averiguarlo con exactitud calcularemos el coeficiente de
correlación de Pearson:
Obtenemos que este valor es p= 0,757. Como este valor es distinto
de 0 decimos que sí hay correlación y además positiva.
16. A continuación estableceremos el contraste de hipótesis:
H0: NO hay correlación entre ambas variables.
HI: SÍ hay correlación entre ambas variables.
Como el valor del Punto Crítico es 0,011 y es menor que el grado de
significación que es 0,05, rechazamos la hipótesis nula y
aceptamos la alternativa.
Por tanto, SÍ hay correlación entre las variables Peso y Altura en la
población.
17. 10.2 De una muestra de niños conocemos su edad (X) medida
en días y su peso (Y) en kg., según los resultados de la tabla.
Si ambas variables se distribuyen normalmente, averiguar si
existe correlación entre ambas variables en la población de
donde proviene la muestra?
19. 1.Calcular el coeficiente de correlación de Pearson.
Como bien afirma el enunciado estas variables se distribuyen
normalmente y como nos encontramos ante dos variables
cuantitativas realizamos la prueba de correlación de Pearson.
Para ello emplearemos la siguiente fórmula
Para resolverlo construimos la siguiente tabla donde tendremos los
valores para resolver la fórmula:
21. Aplicando la fórmula obtenemos que :
Rxy= 0,91
Como la correlación está cerca de 1 podemos decir que se trata de
una correlación fuerte.
2.Averiguar si el coeficiente de correlación es significativo.
Para ello realizaremos el contraste de hipótesis aplicando el
estadístico T-student:
Ho: p = 0, no existe relación entre la edad y el peso, los resultados
se deben únicamente al azar.
H1: p ≠ 0, si existe correlación entre las variables y ocurre en la
población.
22. Tn-2= rxy*[n-2)/1-rxy^2]= 0.91*√a9/1719=9,57
A continuación, buscamos el punto crítico en la tabla de T-student
con 19 grados de libertad y nivel de significación de 0,05.
Obtenemos como Punto Crítico=2,093.
Como el Tn-2 (9,57) es mayor que el Pcrítico (2,093), se rechaza la
hipótesis nula y se acepta la alternativa, por lo que SÍ existe
correlación en la población .
23. 10.3 De una muestra de alumnos conocemos las
notas de Matemáticas (X) y de Lengua (Y), según los
resultados de la tabla. Si ambas variables se
distribuyen normalmente, averiguar ¿existe
correlación entre ambas variables en la población de
donde proviene la muestra?
1. Calcular el coeficiente de correlación de Pearson:
En este caso tenemos dos variables cuantitativas “nota de
matemáticas” y “nota de lengua” que se distribuyen normalmente .
27. Obtenemos entonces que:
Rxy= 7*145-28*35/ (7*140-784)*(7*203-1225)= 0
Como el resultado da 0, NO hay correlación.
Por tanto, no podemos aplicar el ejercicio 1.2
Y hasta aquí este seminario