Documente Academic
Documente Profesional
Documente Cultură
PRESENTADO POR
GERSON MARTINEZ GONZALEZ
GRUPO 205
PRESENTADO A LA
ING.
JHANNA BRIEVA
las actividades planteadas. La investigación estadística es una actividad que apela a diversas
técnicas con el propósito de llegar a la esencia de la realidad. La regresión lineal simple son
técnicas de análisis de las variables de una investigación estadística, en este caso desde la
encuesta realizada. Si bien es cierto estas técnicas mencionadas se pueden utilizar para
economía y en general se utiliza con mayor frecuencia en las ciencias económicas, también
es cierto que en muchos casos se requiere conocer más que el comportamiento de una sola
variable para entender una investigación cualquiera sea su especia. Entonces, sin importar la
situación presentada se hace necesario que practiquemos estas técnicas de regresión por
de dicha práctica.
El desempleo es un flagelo que ha afectado nuestro país drásticamente, esto debido a fallas
JUSTIFICACION
Se realiza este trabajo para aplicar ecuaciones de estimaciones que nos permitirá realizar
una interpretación de correlación de la investigación realizada. construir diagramas de
dispersión e interpretar datos calculados.
OBJETIVOS ESPECÍFICOS
-Potencializar en el estudiante habilidades y destrezas para caracterizar una situación
mediante el análisis de las medidas estadísticas bivariantes.
Actividades a desarrollar
Actividad 1. Mapa Mental
Resumir mediante un mapa mental las medidas estadísticas Bivariantes
de regresión y correlación.
Actividad 1. Mapa Mental
Medidas estadísticas
bivariantes de regresión
regresión correlación
-Diagrama de dispersión.
Un diagrama de dispersión o gráfica de dispersión o gráfico de burbujas es un tipo de
diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de
dos variables para un conjunto de datos.
Se emplea cuando una o varias variables está bajo el control del experimentador. Si existe
un parámetro que se incrementa o disminuye de forma sistemática por el experimentador,
se le denomina parámetro de control o variable independiente y habitualmente se representa
a lo largo del eje horizontal (eje de las abscisas).
Correlación lineal simple.
Si entre dos variables cuantitativas existe una relación lineal, el análisis de correlación
lineal simple se usa para determinar la dirección y la magnitud de dicha relación. ... La
magnitud de la relación o grado de relación entre las variables se refiere a la fuerza de
la relación que existe entre las variables
Coeficiente de determinación R2
el coeficiente de determinación, denominado R² y pronunciado R cuadrado, es
un estadístico usado en el contexto de un modelo estadístico cuyo principal propósito es
predecir futuros resultados o probar una hipótesis. El coeficiente determina la calidad del
modelo para replicar los resultados, y la proporción de variación de los resultados que
puede explicarse por el modelo.
Correlación positiva y correlación negativa
Para poder contar con un indicador que nos permita, por un lado establecer la covariación
conjunta de dos variables, y por otro, que tenga la universalidad suficiente para poder
establecer comparaciones entre distintos casos, se utiliza el coeficiente de correlación
(lineal, de Pearson).La correlación es, pues una medida de covariación conjunta que nos
informa del sentido de esta y de su relevancia, que está acotada y permite la comparación
entre distintos casos.
1.2. CH-Pureza. El rendimiento del producto de un proceso químico está relacionado con
la temperatura de operación del proceso. Se desea establecer la relación que existe
entre la pureza (y) del oxígeno producido y el porcentaje de hidrocarburo (x) que está
presente en el condensador principal en un proceso de destilación, de acuerdo con los
siguientes datos:
X
Y
(% de Hidro
(Pureza)
carburos)
0,99 90,01
1,02 89,05
1,15 91,43
1,29 93,74
1,46 96,73
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54
1,15 92,52
0,98 90,56
1,01 89,54
1,11 89,85
1,2 90,39
1,26 93,25
1,32 93,41
1,43 94,98
0,95 87,33
Diagrama de dispersión
Y (Pureza) Linear (Y (Pureza))
102
100
y = 14.947x + 74.283
98
R² = 0.8774
96
AXIS TITLE
94
92
90
88
86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
AXIS TITLE
El modelo lineal que predice el efecto de una variable sobre la otra es el siguiente
y = 14.947x + 74.283
Esta ecuación hace una buena estimación entre las variables debido a que el coeficiente de
determinación R2 explica el 87.74% de la información y el valor del coeficiente de correlación
R confirma el grado de relación de las variables, que es el 93.67%.
y = 14.947x + 74.283
x=(y-74.283)/14.947
x=(91.3-74.283)/14.947
x=1.14
1.4. X-Y. En un nuevo proceso artesanal de fabricación de cierto artículo que está
implantado, se ha considerado que era importante ir anotando periódicamente el
tiempo medio (medido en minutos) que se utiliza para realizar una pieza y el número
de días desde que empezó dicho proceso de fabricación. Con ello, se pretende analizar
como los operarios van adaptándose al nuevo proceso mejorando paulatinamente su
proceso de producción.
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
50
40
30
Y
20
10 y = -0.3566x + 42.569
R² = 0.7963
0
0 10 20 30 40 50 60 70 80
X
y = -0,3566x + 42,569
R² = 0,7963
La correlación es aceptable, Se identifica que a medida que pasan los días los minutos
utilizados en el proceso de producción disminuyen.
X Y
12 45
23 30
35 27
42 25
53 23
65 21
70 20
90 10,45
a = n∑XiYi-∑Xi*∑Yi/n∑Xi² - (∑Xi)²
a = 1,15
Parámetro b:
b= μy-aμy
b = 349,7-1,15*3,98
b = 345,12
Ecuación de regresión:
Y = 1,15+ 345,12X
ρ = Covarianza/σx*σxy
Covarianza = ∑X1*Yi /n
σx = √∑(Xi-ux)²/n
σx = 49329,77
σy = √∑(Yi-uy)²/n
σy = 80653,13
ρ = 1395,86/49329,77*80653,13
ρ = 3,5 *10⁻⁷
c. ¿Cuál podría ser la proyección de ventas para el año 2018 si se espera que el PIB
nacional sea del 3,1?
Y = 1,15 +345,12*3,1
Y =1071
CONCLUSIONES
Se pudo evidenciar que para manejar cualquier tipo de variables se necesita realizar un
diagrama de dispersión y aplicar conceptos, fórmulas de relación y correlación que
permita el despeje de las ecuaciones y datos para obtener un resultado.
Los ejemplos nos muestran que son acordes a un tipo de forma lineal y la correlación es
confiable para los tipos de datos.
Las medidas de posición permiten desglosar por segmentos los datos cuando son
REFERENCIAS BIBLIOGRÁFICAS