Ley de Correlacin.

Tambin conocido como diagrama de correlacin-dispersin o correlacin lineal, la ley de correlacin no es ms que una herramienta que permite tener una idea de la relacin que puede existir entre dos datos diferentes. Para poder ver qu relacin existe entre dos datos diferentes se utiliza una grfica cartesiana donde se permita introducir la intercepcin de los datos, de esta manera ver la relacin entre ellos, debido a la variedad que existen en los datos, existen variedades de correlaciones, entre ellas se pueden mencionar: Correlacin Positiva:

Correlacin Positiva Dbil:

Correlacin Negativa:

Correlacin Negativa Dbil:

Correlacin Compleja:

Correlacin Inexistente.

Ejemplo: La Direccin de una mina est preocupada por el alto porcentaje de indisponibilidad de sus mquinas cargadoras. Encarga al Jefe de Mantenimiento que analice si est influyendo la antigedad de dichas maquinas en su porcentaje de indisponibilidad. Para ello, recoge la informacin de la fecha de compra y del porcentaje de indisponibilidad de cada mquina y la traslada a la siguiente tabla: Maquina C-0037 Fecha de Compra 1994 % de Indisponibilidad 29

C-0038 C-0039 C-0040 C-0041 C-0042 C-0043 C-0044 C-0045 C-0046 C-0047 C-0048 C-0049 C-0050 C-0051 C-0052 Respuesta:

1994 1995 1995 1995 1996 1996 1996 1997 1997 1998 1998 1999 1999 2000 2000

39 24 32 43 20 41 30 20 25 12 19 10 30 9 14

Correlacin negativa: Esto quiere decir que a medida que las maquinas son ms nuevas menor ser la probabilidad de que este indispuesta en el momento en que se le requiera su uso.

Mtodo de mnimos cuadrados. Mnimos cuadrados es una tcnica de anlisis numrico enmarcada dentro de la optimizacin matemtica, en la que, dados un conjunto de pares ordenados: variable independiente, variable dependiente, y una familia de funciones, se intenta encontrar la funcin continua, dentro de dicha familia, que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mnimo error cuadrtico. En su forma ms simple, intenta minimizar la suma de cuadrados de las diferencias en las ordenadas (llamadas residuos) entre los puntos generados por la funcin elegida y los correspondientes valores en los datos. Especficamente, se llama mnimos cuadrados promedio (LMS) cuando el nmero de datos medidos es 1 y se usa el mtodo de descenso por gradiente para minimizar el residuo cuadrado. Se puede demostrar que LMS minimiza el residuo cuadrado esperado, con el mnimo de operaciones (por iteracin), pero requiere un gran nmero de iteraciones para converger. Desde un punto de vista estadstico, un requisito implcito para que funcione el mtodo de mnimos cuadrados es que los errores de cada medida estn distribuidos de forma aleatoria. El teorema de Gauss-Mrkov prueba que los estimadores mnimos cuadrticos carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una distribucin normal. Tambin es importante que los datos a procesar estn bien escogidos, para que permitan visibilidad en las variables que han de ser resueltas (para dar ms peso a un dato en particular, vase mnimos cuadrados ponderados). La tcnica de mnimos cuadrados se usa comnmente en el ajuste de curvas. Muchos otros problemas de optimizacin pueden expresarse tambin en forma de mnimos cuadrados, minimizando la energa o maximizando la entropa. Pasos para resolver por el mtodo de los mnimos cuadrados: Paso 1: Se calcula la media de los valores de x y la media de los valores de y. Paso 2: Se realiza la suma de los cuadrados de los valores de x. Paso 3: Se realiza la suma de cada valor de x multiplicado por su valor correspondiente y. Paso 4: Se calcula la pendiente de la recta usando la frmula:

Donde n es el nmero total de puntos de los datos.

Paso 5: Se calcula la intercepcin en y de la recta usando la frmula:

Donde son las medias de las coordenadas de x y y de los puntos de datos respectivamente. Paso 6: Se usa la pendiente y la intercepcin en y para formar la ecuacin de la recta. Ejemplo: Use el mtodo de mnimos cuadrados para determinar la ecuacin de la recta que mejor se ajusta para los datos. Luego grafique la recta.

Solucin: Se grafican los puntos en un plano coordenado.

Se calculan las medias de los valores de x y los valores de y, la suma de los cuadrados de los valores de x, y la suma de cada valor de x multiplicado por su valor correspondiente y.

Se calcula la pendiente.

Se calcula la intercepcin en y. Primero, calcule la media de los valores de x y la media de los valores de y.

Se usa la frmula para calcular la intercepcin en y.

Se usa la pendiente y la intercepcin en y para formar la ecuacin de la recta que mejor se ajusta. La pendiente de la recta es -1.1 y la intercepcin en y es 14.0. Por lo tanto, la ecuacin es y = -1.1 x + 14.0. Se dibuja la recta en la grfica de dispersin.