Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Redactar un ejemplo:
Existen dos formas distintas pero relacionadas con el estudio de la asociación entre
variables a partir de una muestra aleatoria
La primera, es determinar una relación funcional de la variable dependiente Y con
respecto a una o más variables independientes con el fin de predecir estos valores
de Y, este método es el análisis de regresión.
Por el tipo de función matemática que se puede ajustar a los datos, la asociación de
las variables puede ser lineal o no lineal (como: parabólica, exponencial,
logarítmica, etc.)
LINEAL
(Recta)
SIMPLE
ANÁLISIS DE
NO LINEAL
REGRESIÓN (Exponencial,
Busca determinar una logarítmica,
relación funcional entre las …etc.)
variables, con el objetivo de
estimarlas o predecirlas.
(Modelo matemático) MULTIPLE
ASOCIACIÓN
ENTRE
VARIABLES
SIMPLE
ANÁLISIS DE
CORRELACIÓN
Busca un índice de
correlación, con el objetivo
de medir el grado de relación MULTIPLE
entre las variables
(Coeficiente o índice)
Diagrama de dispersión
Existe una Existe una relación Existe una relación no No existe ninguna
relación lineal lineal negativa lineal entre las dos relación entre las dos
positiva entre las entre las dos variables variables estudiadas
dos variables variables
también se le También se le
conoce como conoce como
relación directa o relación inversa
tendencia o tendencia
creciente decreciente
El problema de ajustar una curva a una serie de datos consiste en primer término
determinar la familia de curvas que mejor escribe el fenómeno (diagrama de
dispersión) Posteriormente realizada esta decisión se procederá a encontrar los
parámetros de la curva correspondiente
Consideremos una variable dependiente (o respuesta) con una sola variable
independiente(o variable independiente)
La regresión lineal simple es la función lineal por medio del cual se desea saber el
grado de dependencia de dos variables, es decir en qué grado las variaciones de una
característica provocan variaciones en la magnitud de la otra variable
El modelo matemático es:
Una vez hallada la línea recta de regresión, nos interesa saber su utilidad, la utilidad
principal es predecir valores de para determinados valores de Si se hace una
predicción nos interesa saber, que tan buena o confiable es esa predicción. La
respuesta a esta pregunta depende de la variabilidad de los valores de con respecto a
la recta de regresión.
Una medida que indica el grado de variabilidad o dispersión en torno a la línea de
regresión es la varianza de la regresión, para su cálculo se utiliza:
ANÁLISIS DE CORRELACIÓN
Coeficiente de determinación
VARIBLE
DEPENDIENTE
Y
Practica 1
Los siguientes datos muestran la relación entre la producción de un determinado
artículo y su correspondiente costo unitario.
: Producción (miles)
: Costo Unitario (soles)
Producción Costo Unitario
2 15 30 4 225
4 12
8 9
12 6
14 5
18 2
16 5
10 8
X: PRODUCCIÓN (miles)
Promedio:
Varianza:
Desviación estándar:
Coeficiente de variación:
Varianza:
Desviación estándar:
Coeficiente de variación:
12
costo unitario
10
0 5 10 15 20
produccion
Dónde
Luego
Este modelo nos permite estimar (predecir) el costo unitario para una
determinada producción.
Si entonces
Si entonces
Hipótesis nula
Hipótesis alterna
Análisis de Varianza
Fuente GL SC MC F P
Regresión 1 119.680 119.680 187.99 0.000
Error 6 3.820 0.637
Total 7 123.500
Practica 2
Producción(miles) 2 4 8 12 14 18 16 10
Costo Unitario (soles) 15 12 9 6 5 2 5 8
Media Aritmética
Desviación
Estándar
Varianza
Coeficiente de
Variación
________________________
________________________
12
10
0 5 10 15 20
Producción (miles)
____________________________________
__________________________________________________________________
_______________________________________________________________
________________________________________________________________
Entonces
Entonces
Desviación estándar
____________________________________________
Practica 3
Media Aritmética
Desviación Estándar
Varianza
Coeficiente de
Variación
________________________
________________________
135
130
IPC
125
120
115
110
2005 2006 2007 2008 2009 2010 2011
Tiempo
________________________________________________________________
________________________________________________________________
Suponiendo que 2004 es el año base, entonces al 2015 el IPC aumenta en un _______
Análisis de Varianza
Fuente GL SC MC F P
Regresión 1 632.700 632.700 203.09 0.000
Error 5 15.577 3.115
Total 6 648.277
Conclusión:
________________________________________________________________
Practica 4
Para estudiar la relación entre la cantidad producida (unidades) y el tiempo (horas) que
se emplea en la producción de un determinado artículo se tomaron los siguientes datos
Producción 312 286 324 325 299 250 340 352 279 330 310 262
Tiempo 79 71 82 84 78 65 86 90 73 84 80 67
325
Producción
300
275
250
65 70 75 80 85 90
Tiempo
Análisis:_________________________________________________________
________________________________________________________________
____________________