3. Diagramas de dispersión

Esta entrada sobre diagramas de dispersión se puede complementar con los siguientes enlaces en este mismo blog:

https://doestatistics.blogspot.com/2017/02/introduccion-al-analisis-de-regresion.html
https://doestatistics.blogspot.com/2017/02/modelo-de-regresion-lineal-simple.html
https://doestatistics.blogspot.com/2017/02/metodo-de-los-minimos-cuadrados-el.html
https://doestatistics.blogspot.com/2017/02/coeficiente-de-correlacion-lineal.html

Diagrama de dispersión: es usado para estudiar la posible relación entre dos variables (causa y efecto).

Casos típicos de diagramas de dispersión

1. Correlación positiva

• Un incremento en “y” depende de un incremento en “x”.
• Si se controla “x” se controla “y”.
• entrenamiento vs. desempeño.

2. Posible correlación positiva

• Si “x” aumenta, “y” incrementa un poco.
• “y” parece tener otras causas diferentes a “x”.

3. No correlación

• No hay correlación, “y” puede depender de otra variable.
• Rendimiento vs lugar de nacimiento.

4. Posible correlación negativa

• Un aumento en “x” causará  una tendencia negativa en “y”.
• calidad vs. quejas.

5. Correlación negativa

• Un aumento en “x” causará una disminución en “y”.
• Si se controla “x” se controla “y”

Para saber como elaborar un gráfico sencillo en Excel para estudiar la relación entre variables, puedes ver el siguiente vídeo:

Utiliza la herramienta de análisis de datos en Excel para ver las estadísticas y el análisis de regresión en el siguiente vídeo:




______________________________________________________________________

Dispersion diagram: it is used to study the possible relationship between two variables (cause and effect).

Typical cases of scatter diagrams

1. Positive correlation

• An increase in "y" depends on an increase in "x".
• If "x" is controlled, "y" is controlled.
• training vs. performance.

2. Possible positive correlation

• If "x" increases, "y" increases slightly.
• "Y" seems to have causes other than "x".

3. No correlation

• There is no correlation, "y" may depend on another variable.
• Performance vs. place of birth.

4. Possible negative correlation

• An increase in "x" will cause a negative trend in "y".
• quality vs. complaints

5. Negative correlation

• An increase in "x" will cause a decrease in "y".
• If "x" is controlled, "y" is controlled