Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
En la industria con mucha frecuencia es necesario resolver problemas que implican conjuntos de
variables, cuando se sabe que existe alguna relación inherente entre ellas. A partir de lo anterior,
contemplamos dos variables continuas, aunque por extensión se pueden emplear para variables
contraste de hipótesis específicos para resolver dichos problemas. La mayoría de estos métodos
están encuadrados en las técnicas regresión y correlación. En forma más especifica el análisis de
correlación y regresión comprende el análisis de los datos muéstrales para saber qué es y cómo
se relacionan entre si dos o más variables en una población. El análisis de correlación produce un
número que resume el grado de la fuerza de relación entre dos variables; y el análisis de
regresión da lugar a una ecuación matemática que describe dicha relación. La técnica de egresión
lineal simple está indicada cuando se pretende explicar una variable respuesta cuantitativa en
función de una variable explicativa cuantitativa también llamada variable independiente, variable
regresará o variable predictora. Por ejemplo, se podría intentar explicar el peso en función de la
altura. El modelo intentaría aproximar la variable respuesta mediante una función lineal de la
Con los siguientes análisis vamos a corroborar que los métodos estadísticos tradicionalmente son
de gran utilidad para casos de la visa real, como es el caso en ejemplo que hemos venido
parte de la utilidad que tiene la Estadística Descriptiva; es decir, nos va a proporcionar un medio
para informar basado en los datos recopilados, y a su vez se verá reflejada la eficacia con que se
datos, específicamente siendo la forma gráfica una de las formas más rápidas y eficientes de
interpretar su ajuste.
correlación es distinto
Actividad 1. Mapa Mental
-Diagrama de dispersión.
valor medio.
A partir de esta definición, se derivan las medidas de dispersión que aprendimos en la clase de
estadística del colegio: rango, varianza, desviación, covarianza, coeficiente de correlación, etc.
otras palabras, analizamos la relación entre dos variables, conociendo que tanto se afectan entre
sí o que tan independientes son una de la otra. En este sentido, ambas variables se representan
como un punto en el plano cartesiano y de acuerdo con la relación que exista entre ellas,
dos o más variables. En este apartado nos vamos a centrar en el estudio de un tipo particular de
relación llamada lineal y nos vamos a limitar a considerar únicamente dos variables (simple).
-Coeficiente de determinación R2
es predecir futuros resultados o probar una hipótesis, es importante tener en cuenta que el
resultado del coeficiente de terminación R2 oscila entre 0 y 1. Cuanto más cerca de 1 se situé
su valor, mayor será el ajuste del modelo a la variable que estamos intentando explicar. Por el
contrario, si su resultado se encuentra más cerca de cero, menos ajustado estará al modelo y
Correlación positiva.
se habla de una correlación positiva cuando una relación entre una variable y otra es lineal y
directa, de manera que un cambio en una variable predice el cambio en la otra variable. En ese
caso, se dice que la correlación es positiva perfecta, es decir, amabas variables varían al mismo
Hay correlación positiva cuando las dos variables se correlaciona en sentido directo. Por lo que
a valores altos de una corresponden valores altos de la otra e igualmente con los valores bajos.
Correlación negativa.
se habla de una correlación negativa cuando la relación entre una variable y otra es opuesta o
inversa, es decir, cuando una variable cambia, la otra se modifica hacia lo contrario. entonces
cuando una posee variable valores altos, la otra posee valores bajos y mientras este valor esté
Se dice que hay correlación negativa perfecta cuando r=-1. este tipo de correlación es
inversamente proporcional. Entonces hay correlación negativa cuando las dos variables se
En estadística, el coeficiente de correlación es una medida lineal entre dos variables aleatorias
escala de medida de las variables. De manera menos formal, podemos definir el coeficiente de
correlación de Pearson como un índice que puede utilizarse para medir el grado de relación de
Descripción de la actividad:
relacionadas.
2. peatón
R/ y=0,0695x + 0,5404
R²= 0,4777
✓ 0, 4777= 0,69
R/ correlación es regular ya que hay más fallecidos en el rango de esos meses que de
- Edad
Variable cuantitativa independiente
- Número de fallecidos
- Velocidad promedio
Y= a + bx
Y= 0,1818x + 31,102
R² = 0,0051
El modelo matemático que encontramos no es confiable ya que el valor que nos arrojó R² es muy
cercano al valor de 0, esto quiere decir que la correlación entre la edad y el número de los
fallecidos es demasiado baja.
El análisis de regresión y correlación lineal constituyen métodos que se emplean para conocer las
industria ya que es aquí en donde se presentan variables de respuesta e independientes las cuales
interactúan para originar las características de un proceso en particular y por ende; analizar,
predecir valores de la variable dependiente y examinar el grado de fuerza con que se relacionan
dichas variables. La regresión lineal simple y la regresión múltiple, analiza la relación de dos o
más variables continuas, cuando analiza dos variables a esta se le conoce como variables
regresión es la de estimar los valores de una variable con base en los valores conocidos de la
otra. Del mismo modo, una ecuación de regresión explica los valores de una variable en términos
de otra. Es decir, se puede intuir una relación de causa y efecto entre dos o más variables. El
análisis de regresión únicamente indica qué relación matemática podría haber, de existir una. Por
otro lado, Al ajustar un modelo de regresión simple o múltiple a una nube de observaciones es
importante disponer de alguna medida que permita medir la bondad del ajuste. Esto se consigue
con los coeficientes de correlación. Si el modelo que se ajusta es un modelo de regresión lineal, a
que explica el modelo de regresión. Estas técnicas estadísticas constituyen una herramienta útil
posible conocer el modelo que siguen y la fuerza con que se encuentran relacionadas. Asimismo,
es posible explicar la relación que guardan dos o más causas de un posible defecto.
REFERENCIAS BIBLIOGRAFICAS
Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. Paginas. 151 – 158
Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage