UNIDAD 5

REGRESIN Y CORRELACIN

ALUMNO: ALFONSO ALVARADO TLAPALAMATL

10 jun. 12 INDICE:

REGRESIN: 1 CORRRELACIN: 1 CONTROL DE CALIDAD: 2 DIAGRAMA DE DISPERCION: 2 REGRESIN LINEAL SIMPLE: 3 SUPOSICIONES DE LA REGRESIN LINEAL 4 CORRELACION: 4 TIPOS DE CORRELACION: 4 Correlacin directa 4 Correlacin inversa 5 Correlacin nula 5 Correlacin fuerte 6 Correlacin dbil 6 DETERMINACION Y ANALISIS DE COEFICIENTE DE CORRELACION: 7 Anlisis de Correlacin: 7 Coeficiente de Correlacin 7

DISTRIBUCION NORMAL BIDIMENCIONAL O BI-VARIANTE: 8 INTERVALO DE CONFIANZA: 9 ERRORES DE MEDICIN: 10 Error aleatorio: 10 Error sistemtico: 10 CIBERGRAFIA: 11 CONCLUSIN: 12

INTRODUCCIN:

REGRESIN: Se suele usar el concepto es en la estadstica cuando se quiere predecir una medida basndose en el conocimiento de otra medida. Se la denomina como regresin estadstica y se la define como la tendencia de una medicin extrema que se presentar ms cercana a la media en una segunda medicin.

CORRRELACIN: En probabilidad y estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal y proporcionalidad entre dos variables estadsticas. Se considera que dos variables cuantitativas estn correlacionadas cuando los valores de una de ellas varan sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna relacin de causalidad.

CONTROL DE CALIDAD: El control de calidad son todos los mecanismos, acciones, herramientas que

realizamos para detectar la presencia de errores. La funcin del control de calidad existe primordialmente como una organizacin de servicio, para conocer las especificaciones establecidas por la ingeniera del producto y proporcionar asistencia al departamento de fabricacin, para que la produccin alcance estas especificaciones. Como tal, la funcin consiste en la recoleccin y anlisis de grandes cantidades de datos que despus se presentan a diferentes departamentos para iniciar una accin correctiva adecuada.

DIAGRAMA DE DISPERCION: Un diagrama de dispersin es un tipo de diagrama matemtico que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posicin en el eje horizontal y el valor de la otra variable determinado por la posicin en el eje vertical.[] Un diagrama de dispersin se llama tambin grfico de dispersin.

Se emplea cuando una variable 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.

REGRESIN LINEAL SIMPLE:

En el estudio de la relacin funcional entre dos variables poblacionales, una variable X, llamada independiente, explicativa o de prediccin y una variable Y, llamada dependiente o variable respuesta, presenta la siguiente notacin: Y=a+bX+e Donde: a., es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y. b., es el coeficiente de regresin poblacional (pendiente de la lnea recta) e., es el error

SUPOSICIONES DE LA REGRESIN LINEAL 1. Los valores de la variable independiente X son fijos, medidos sin error. 2. La variable Y es aleatoria 3. Para cada valor de X, existe una distribucin normal de valores de Y (subpoblaciones Y) 4. Las variancias de las subpoblaciones Y son todas iguales. 5. Todas las medias de las subpoblaciones de Y estn sobre la recta. 6. Los valores de Y estn normalmente distribuidos y son estadsticamente

independientes

CORRELACION: La correlacin trata de establecer la relacin o dependencia que existe entre las dos variables que intervienen en una distribucin bidimensional. Es decir, determinar si los cambios en una de las variables influyen en los cambios de la otra. En caso de que suceda, diremos que las variables estn correlacionadas o que hay correlacin entre ellas.

TIPOS DE CORRELACION: 1 Correlacin directa La correlacin directa se da cuando al aumentar una de las variables la otra aumenta.La recta correspondiente a la nube de puntos de la distribucin es una recta creciente.

2 Correlacin inversa La correlacin inversa se da cuando al aumentar una de las variables la otra disminuye. La recta correspondiente a la nube de puntos de la distribucin es una recta decreciente.

3 Correlacin nula La correlacin nula se da cuando no hay dependencia de ningn tipo entre las variables. En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma redondeada.

Correlacin fuerte

La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. Correlacin dbil La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

DETERMINACION Y ANALISIS DE COEFICIENTE DE CORRELACION: Anlisis de Correlacin: Es el conjunto de tcnicas estadsticas empleado para medir la intensidad de la asociacin entre dos variables. El principal objetivo del anlisis de correlacin consiste en determinar que tan intensa es la relacin entre dos variables. Normalmente, el primer paso es mostrar los datos en un diagrama de dispersin.

Coeficiente de Correlacin: Describe la intensidad de la relacin entre dos conjuntos de variables de nivel de intervalo. Es la medida de la intensidad de la relacin lineal entre dos variables. El valor del coeficiente de correlacin puede tomar valores desde menos uno hasta uno, indicando que mientras ms cercano a uno sea el valor del coeficiente de correlacin, en cualquier direccin, ms fuerte ser la asociacin lineal entre las dos variables. Mientras ms cercano a cero sea el coeficiente de correlacin indicar que ms dbil es la asociacin entre ambas variables. Si es igual a cero se concluir que no existe relacin lineal alguna entre ambas variables.

DISTRIBUCION NORMAL BIDIMENCIONAL O BI-VARIANTE: Un vector aleatorio ( ; ) sigue una distribucin normal bidimensional, o bivariante, si su funcin de densidad conjunta es igual a

Siendo el campo de variacin

de las variables aleatorias unidimensionales y el eje real, - < x < y - < y <.

La expresin

Es la forma cuadrtica del exponente de la funcin y es conveniente expresarla matricialmente

La matriz R de la forma cuadrtica Q(x;y) y, por tanto sta, es definida no negativa. Esto supone que puede ser definida positiva o semidefinida positiva. Establecer esta distincin es fundamental a la hora de analizar la distribucin normal bidimensional, pues, en el primer caso, conduce a una distribucin normal no singular y en el segundo s, ya que aqu, al poder ser Q(x;y) = 0, implica que una variable aleatoria es funcin lineal de la otra.

INTERVALO DE CONFIANZA: En el contexto de estimar un parmetro poblacional, un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada.

La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza, y se denota 1-. La probabilidad de equivocarnos se llama nivel de significancia y se simboliza . Generalmente se construyen intervalos con confianza 1-=95% (o significancia =5%). Menos frecuentes son los intervalos con =10% o =1%. Para construir un intervalo de confianza, se puede comprobar que la distribucin Normal Estndar cumple 1: P(-1.96 < z < 1.96) = 0.95

(lo anterior se puede comprobar con una tabla de probabilidades o un programa computacional que calcule probabilidades normales). Luego, si una variable X tiene distribucin N(,), entonces el 95% de las veces se cumple:

Despejando en la ecuacin se tiene:

El resultado es un intervalo que incluye al el 95% de las veces. Es decir, es un intervalo de confianza al 95% para la media cuando la variable X es normal y es conocido. Un intervalo de confianza aporta ms informacin que un estimador puntual cuando se quiere hacer inferencias sobre parmetros poblacionales. La amplitud de un intervalo de confianza est determinado por: el nivel de confianza establecido; la variabilidad de los datos; el tamao de la muestra.

ERRORES DE MEDICIN: Error aleatorio: No se conocen las leyes o mecanismos que lo causan por su excesiva complejidad o por su pequea influencia en el resultado final. Para conocer este tipo de errores primero debemos de realizar un muestreo de medidas. Con los datos de las sucesivas medidas podemos calcular su media y la desviacin tpica muestral. Con estos parmetros se puede obtener la distribucin normal caracterstica, N[, s], y la podemos acotar para un nivel de confianza dado. Las medidas entran dentro de la campana con unos mrgenes determinados para un nivel de confianza que suele establecerse entre el 95% y el 98%.

Error sistemtico:

Permanecen constantes en valor absoluto y en el signo al medir una magnitud en las mismas condiciones, y se conocen las leyes que lo causan. Para determinar un error sistemtico se deben de realizar una serie de medidas sobre una magnitud Xo, se debe de calcular la media aritmtica de estas medidas y despus hallar la diferencia entre la media y la magnitud X0. Error sistemtico = | media - X0 |

CIBERGRAFIA:

http://recursostic.educacion.es/descartes/web/materiales_didacticos/Correlacion_r egresion_recta_regresion/correlacion_y_regresion.htm http://es.wikipedia.org/wiki/Diagrama_de_dispersi%C3%B3n http://es.wikipedia.org/wiki/Regresi%C3%B3n_lineal http://e-stadistica.bio.ucm.es/mod_regresion/regresion_2.html http://es.wikipedia.org/wiki/Correlaci%C3%B3n http://www.vitutor.com/estadistica/bi/correlacion.html http://www.vitutor.com/estadistica.html http://es.wikipedia.org/wiki/Intervalo_de_confianza http://escuela.med.puc.cl/recursos/recepidem/EPIANAL9.HTM http://es.wikipedia.org/wiki/Error_de_medici%C3%B3n http://escuela.med.puc.cl/recursos/recepidem/EPIANAL9.HTM http://www.vitutor.com/estadistica/bi/distribuciones_bidimensionales.html http://www.monografias.com/trabajos30/regresion-correlacion/regresioncorrelacion.shtml

CONCLUSIN:

Bueno en esta unidad mi conclusin ser que, la regresin y correlacin nos

puede ayudar mucho en toma de decisiones por ejemplo en un negocio podemos observar mediante un diagrama de dispersin como va creciendo econmicamente. O en un alumno en las materias como se desenvuelve en cada una de sus materias. Pero esto solo funciona con dos variables que valla de la mano por ejemplo Utilidades Vs Costos * Costos Vs Cantidad Producida * Utilidades Vs Mes * Costos Vs Semanas * Ingresos Vs Ao