INTRODUCCION

El presente informe se refiere al contexto para aplicar los

puntos ms importantes del mtodo de pendiente, mnimos
cuadrados y coeficiente de correlacin y sus representaciones
grficas. As pues, para representar la relacin entre dos o
ms variables desarrollaremos una ecuacin que permitir
estimar una variable en funcin de la otra. estudiaremos
dicho grado de relacin entre dos variables en lo que
llamaremos anlisis de correlacin. Para representar esta
relacin utilizaremos una representacin grfica llamada
diagrama de dispersin y, finalmente, estudiaremos un
modelo matemtico para estimar el valor de una variable
basndonos en el valor de otra, en lo que llamaremos anlisis
de regresin. Estos modelos lineales se definen como.

Pendiente
La pendiente de una grfica desde el punto de vista de
Matemtica y Fsica podemos calcular la pendiente usando
grficas experimentales. Veamos cmo esta seccin puede
ayudarte a entender el concepto de pendiente. Para calcular
la pendiente de la lnea recta, tenemos que escoger dos
puntos en la grfica, digamos los puntos: A y C. Estos puntos
tienen coordenadas (X1,Y1) = (0s,0m) y (X2,Y2) = (20s,
100m).

Mnimos cuadrados
Mnimos cuadrados es una tcnica de anlisis numrico
encuadrada dentro de la optimizacin matemtica, en la que,
dados un conjunto de pares (o ternas, etc), se intenta
encontrar la funcin 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 ordenadas (llamadas
residuos) entre los puntos generados por la funcin y los
correspondientes 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.
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.
Coeficiente de correlacin
es una herramienta estadstica elemental e importante para el
estudio economtrico de relaciones lineales bivariadas que
involucran el uso de datos de corte transversal o series de
tiempo. Sin embargo, este instrumento puede fallar en
algunas ocasiones al sugerir la presencia de una relacin
estadsticamente significativa entre dos variables que en
verdad no tienen sentido o no poseen relacin lineal alguna,
es decir, que presentan una correlacin esprea.
Es importante notar que el uso del coeficiente de correlacin
slo tiene sentido si la relacin bivariada a analizar es del tipo
lineal. Si sta no fuera no lineal, el coeficiente de correlacin
slo indicara la ausencia de una relacin lineal ms no la
ausencia de relacin alguna. Debido a esto, muchas veces el
coeficiente de correlacin se define - de manera ms general como un instrumento estadstico que mide el grado de
asociacin lineal entre dos variables.
Bibliografa
Casuso, Rafael L. "Clculo de probabilidades e inferencia
estadstica", UCAB. Caracas. 1996.

Mendelhall, William y Sincich. "Probabilidad y estadstica para

ingeniera y ciencias", Edit. Prentice may. Mxico. 1997.

Miller, Irwin y otros. "Probabilidad y estadsticas para ingenieros",

Edit. Prentice may. 4ta edicin. Mxico. 1992.

Universidad Simn Bolvar , Por: Hernando Snchez Santibez

 Kvanli, A. Introduction to Business Statistics

South-Western
R. Johnson (1996): Elementary Statistics. Ed.
Duxbury
Richard I. Levin & David S. Rubin (1996):
Estadstica para Administradores. Ed. Prentice
Hall.

E. Farber (1995): A Guide to Minitab. Ed.

McGraw-Hill.

http://www.usb.edu.co/facultades/administracion/publicaciones/regresion
_correlacion.pdf

http://www.fisicaenlinea.com