Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Informe
Realizado Por :
Introduccin
Parte de la Estadstica corresponde a la Estadstica Inferencial y dentro de ella los
captulos de correlacin y regresin son muy usados en la Investigacin Cientfica,
una herramienta muy til cuando se trata de relacionar 2 o ms variables,
relacionadas entre si, como por ejemplo. nivel de hemoglobina y embarazo en el
mbito de las Ciencias de la Salud, la Correlacin implica el grado de dependencia
de una variable respecto a otra y la Regresin es otra tcnica que ayuda en la
investigacin de la salud Psicologa costos de una Empresa etc.
El primer paso para analizar una serie de tiempo es graficarla, esto permite:
identificar la tendencia, la estacionalidad, las variaciones irregulares (componente
aleatoria).
Un modelo clsico para una serie de tiempo, puede ser expresada como suma o
producto de tres componentes: tendencia, estacional y un trmino de error aleatorio.
En adelante se estudiar cmo construir un modelo para explicar la estructura y
prever la evolucin de una variable que observamos a lo largo del tiempo.
Desarrollo
Anlisis de correlacin
El anlisis de correlacin emplea mtodos para medir la significacin del grado o
intensidad de asociacin entre dos o ms variables. Normalmente, el primer paso es
mostrar los datos en un diagrama de dispersin. El concepto de correlacin est
estrechamente vinculado al concepto de regresin, pues, para que una ecuacin de
regresin sea razonable los puntos mustrales deben estar ceidos a la ecuacin de
regresin; adems el coeficiente de correlacin debe ser:
Diagrama de dispersin
Un diagrama de dispersin se emplea cuando existe una variable que est bajo el
control del experimentador. Si existe un parmetro que se incrementa o disminuye de
forma sistemtica por el experimentador, se le denomina parmetro de control o
variable independiente = eje de x y habitualmente se representa a lo largo del eje
horizontal. La variable medida o dependiente = eje de y usualmente se representa a
lo largo del eje vertical. Si no existe una variable dependiente, cualquier variable se
puede representar en cada eje y el diagrama de dispersin mostrar el grado de
correlacin (no causalidad) entre las dos variables.
Un diagrama de dispersin puede sugerir varios tipos de correlaciones entre las
variables con un intervalo de confianza determinado. La correlacin puede ser positiva
(aumento), negativa (descenso), o nula (las variables no estn correlacionadas). Se
puede dibujar una lnea de ajuste (llamada tambin "lnea de tendencia") con el fin de
estudiar la correlacin entre las variables. Una ecuacin para la correlacin entre las
variables puede ser determinada por procedimientos de ajuste. Para una correlacin
lineal, el procedimiento de ajuste es conocido como regresin lineal y garantiza una
solucin correcta en un tiempo finito.
Uno de los aspectos ms poderosos de un grfico de dispersin, sin embargo, es su
capacidad para mostrar las relaciones no lineales entre las variables. Adems, si los
datos son representados por un modelo de mezcla de relaciones simples, estas
relaciones son visualmente evidentes como patrones superpuestos.
Donde:
rs
=
coeficiente
de
correlacin
de
Spearman.
d2 = diferencias existentes entre los rangos de las dos variables, elevadas al cuadrado.
N = tamao de la muestra expresada en parejas de rangos de las variables.
S = sumatoria
+1 -1 = Correlacin perfecta.
0.95 = Correlacin fuerte.
80% = Correlacin significativa.
70% = Correlacin moderada.
50% = Existe una relacin parcial.
Pearson
Utiliza variables cuantitativas
Puede tomar valores entre 1 y 1
Spearman
Utiliza variables Cualitativas
No se ve afectado por unidades de
medida
La correlacin de una variable con ella Al ser una tcnica no paramera, es libre
misma siempre es igual a 1
de distribucin probabilstica
El valor 0 indica ausencia de
Se utiliza en series de datos con
valores extremos
Entre mas grande sea la muestra ms
Los supuestos son menos estrictos
preciso es.
Su valor de correlacin es
Distingue factores "F" y "G"
independiente
Xi
2
3
5
7
8
25
Yi
14
20
32
42
44
152
Xi2
4
9
25
49
64
151
Yi2
196
400
1024
1764
1936
5320
Xi-Yi
28
60
160
294
352
894
Bibliografa
Paginas Web :
https://www.fisterra.com/mbe/investiga/var_cuantitativas/var_cuantitativas2.pdf
http://rccp.udea.edu.co/index.php/ojs/article/viewFile/274/271
Conclusin
La serie de tiempo en estadstica es un procesamiento de seales, y econometra,
una serie temporal es una secuencia de puntos de datos, medidos tpicamente a
intervalos de tiempo sucesivos, y espaciados (con frecuencia) de forma uniforme.
El anlisis de series temporales comprende mtodos que ayudan a interpretar este
tipo de datos, extrayendo informacin representativa, tanto referente a los orgenes o
relaciones subyacentes como a la posibilidad de extrapolar y predecir su
comportamiento futuro.
De hecho uno de los usos ms habituales de las series de datos temporales es su
anlisis para prediccin y pronstico. Por ejemplo de los datos climticos, o de las
acciones de bolsa, o las series pluviomtricas.