UNIVERSID

AD
NACIONAL
FACULTAD:
Ciencias
ESCUELA: Ingeniería De
Sistemas e Informática
CURSO: Estadística
TRABAJO: Probabilidades

HUARAZ-ANCASH-PERÚ
2017
 CORRELACIÓN Y REGRESSION LINEAL

La correlación, también conocida de correlación lineal (de perarson) es

una medida de regresión que pretende cuantificar el grado de variación
conjunta entre dos variables. Se denota por “r”. Los valores que puede
tomar el coeficiente de correlación son.
-1≤ r ≤ 1
 Representación gráfica de la correlación

Formula Correlación positiva

No existe correlación
Correlación positiva

Interpretación

MAGNITUD DE CORRELACIÓN SIGNIFICADO

-1,00 Correlación negativa perfecta
-0,90 Correlación negativa fuerte
-0,75 Correlación negativa considerable
-0,50 Correlación negativa media
-0,10 Correlación negativa débil
0,00 Correlación nula
+0,10 Correlación positiva débil
+0,50 Correlación positiva media
+0,75 Correlación positiva considerable
+0,90 Correlación positiva muy fuerte
+1,00 Correlación positiva perfecta

CORRELACIÓN LINEAL: Es el grado de relación de dos variables.

COv ( x , y)
r=
Q X∗¿Q ¿
Cov(x,y)= 1n ΣΣxy− x́ ý
y

1 1
Q 2x = Σ x 2− x́ 2 Q 2y = Σ y 2− ý 2
n n
COEFICIENTE DE DETERMINACIÓN

R=r 2

REGRESIÓN LINEAL

Abordaremos en esta página las distribuciones bidimensionales. Las

observaciones se dispondrán en dos columnas, de modo que en cada fila
figuren la abscisa x y su correspondiente ordenada y

Si utilizamos un sistema de coordenadas cartesianas para representar la

distribución bidimensional, obtendremos un conjunto de puntos
conocido con el diagrama de dispersión, cuyo análisis permite estudiar
cualitativamente, la relación entre ambas variables tal como se ve en la
figura. El siguiente paso, es la determinación de la dependencia
funcional entre las dos variables x e y que mejor ajusta a la distribución
bidimensional. Se denomina regresión lineal cuando la función es lineal,
es decir, requiere la determinación de dos parámetros: la pendiente y la
ordenada en el origen de la recta de regresión.

y=a+bx.

La regresión nos permite, además, determinar el grado de dependencia

de las series de valores X e Y, prediciendo el valor y estimado que se
obtendría para un valor x que no esté en la distribución.

Donde:

Y’: Es el valor pronosticado de la variable y para un valor seleccionado

de x.
a: Es la pendiente de la intersección del eje y para un valor seleccionado
de x
x=0
b: Es la pendiente de la recta, o sea el cambio del promedio en y’ por
unidad de cambio en la variable independiente x.
x: Es cualquier valor seleccionado de las variables independientes
pendiente de la línea de regresión
 PROBABILIDAD
INTRODUCCIÓN

La teoría de probabilidades es muy importante en muchos problemas

de Ingeniería, Administración, Economía, Educación, etc. Por
ejemplo, para un ingeniero posiblemente tenga sentido en
preguntarse: ¿Cuál es la probabilidad de que se termine un proyecto
en el plazo convenido?, Para un fabricante a gran escala tendrá
sentido en preguntarse ¿Cuál es la probabilidad de aceptación de su
nuevo producto que ha lanzado al mercado a nivel regional? A un
 empresario le interesará saber el porcentaje de boletos que se venden
de un determinado concierto.
TIPOS EXPERIMENTO.
Se utiliza para describir un proceso que genera un conjunto de datos
cualitativos o cuantitativos. Los experimentos reales o hipotéticos
pueden dividirse en dos clases:
a. EXPERIMENTO DETERMINÍSTICO. Si los resultados del
experimento están completamente determinados y puede describirse
por una fórmula matemática llamado también modelo determinístico.

Ejemplo:
- Soltar una piedra en el aire
- Lanzar una pelota en un tanque de agua y ver si flota o se hunde.

b. EXPERIMENTO NO DETERMINÍSTICO. Llamado también

experimento aleatorio. Es todo proceso que consiste de la ejecución
de un acto (o prueba) una o más veces, cuyo resultado en cada
prueba depende del azar y en consecuencia no se puede predecir con
certeza antes de realizar el experimento. Se denota por( ε)
Ejemplo:
 Lanzar tres monedas al aire y observar la cara superior.
 Lanzar dos dados y observar los números que aparecen en la cara
superior.

ESPACIO MUESTRAL.
Se denomina espacio muestral al conjunto que consiste de todos los
resultados posibles de un experimento aleatorio. Este conjunto se
denota por (Ω ¿. Cada resultado posible de un experimento aleatorio
es un elemento del espacio muestral.
Ejemplo:
Hallar los espacios muéstrales asociados a los experimentos
aleatorios anteriores.
Solución.
Para obtener el espacio muestral del experimento N° 01 utilizaremos
DIAGRAMA DEL ÁRBOL.

Ejemplo 1

Ω1= { ccc ; ccs ; csc ; scc ; ssc ; scs ; css ; sss }

Ejemplo 2

1 2 3 4 5 6
1 1 1 1 1 1
, , , , , ,
1 1 2 3 4 5 6
2 2 2 2 2 2
, , , , , ,
2 1 2 3 4 5 6
3 3 3 3 3 3 3
 , , , , , ,
1 2 3 4 5 6
4 4 4 4 4 4
, , , , , ,
4 1 2 3 4 5 6
5 5 5 5 5 5
, , , , , ,
5 1 2 3 4 5 6
6 6 6 6 6 6
, , , , , ,
6 1 2 3 4 5 6

Ω2= {1,1 ; 1,2 ; 1,3; 1,4 ; 1,5 ; 1,6 2,1; 2,2 ; 2,3 ; 2,4 ; 2,5 ; 2,6 ; 3,1; 3,2 ; 3,3 ; 3,4 ; 3,5 ;
3,6 ; 4,1 ; 4,2 ; 4,3 ; 4,4 ; 4,5 ; 4,6 ; 5,1 ; 5,2; 5,3 ; 5,4 ; 5,5 ; 5,6 ; 6,1; 6,2 ; 6,3 ; 6,4 ; 6,5 ; 6,6 }

Ejemplo 3

TIPOS DE ESPACIO MUESTRAL

a. ESPACIO MUESTRAL DISCRETO. Si tienen un número finito o

infinito numerable de elementos.

 Espacio muestral discreto finito: Si el espacio muestral tiene

número finito.
Ejemplo:
 Extraer un artículo de un lote que contiene artículos defectuosos y
no defectuosos.
Ω 3= { D; ND }

 ε 4 : Designar un delegado de un grupo de 50 personas.

Ω 4={ A1 ; A2 ; A 3 ; …; A 50 }

 Espacio muestral discreto infinito: Cuando puede establecerse una

correspondencia uno a uno con el conjunto de los enteros positivos
de modo que pueda ser enumerado como 1, 2, 3, …
Ejemplo
 Contar el número de automóviles que cruzan la intersección de
dos calles, hasta antes de que ocurra un accidente.
Ω5= { 0 ; 1 ; 2; 3 ; 4 ; … }

 Fabricar artículos, hasta producir cinco defectuosos y contar el

número total de artículos fabricados
Ω6 ={ 5 ; 6 ;7 ; 8 ; 9 ; 10 ; … }

 Contar el número de vehículos que llegan a una estación de

servicio en un día.
Ω 7 ={ 0 ; 1 ; 2; 3 ; … }

b. ESPACIO MUESTRAL CONTINUO. Se dice que es continuo, si

tiene un número no numerable de elementos. Es decir, cuyos
elementos son todos los puntos de algún intervalo.

Ejemplo:
 Elegir un punto del intervalo cerrado [0, 1]
Ω8 =¿

 Se examina la vida útil de una computadora.

Ω 9 =¿
 EJERCICIO

Distribución de peso en kilogramos según la edad de 13 personas

encuestadas, en la ciudad de Huaraz, barrio de Shancayan.

Representación de los datos en la siguiente tabla.

Tabla n° 01

  x2
Edad(años) Peso kg x.y
  10 40 100 1600 400
  20 70 400 4900 1400
  10 45 100 2025 450
  40 65 1600 4225 2600
  10 40 100 1600 400
   10 45 100 2025 450
  20 70 400 4900 1400
  40 60 1600 3600 2400
  30 75 900 5625 2250
  20 70 400 4900 1400
  40 70 1600 4900 2800
  10 30 100 900 300
  20 60 400 3600 1200
Total 280 560 7800 44800 17450

X: Variable independiente (Edad)

Y: Variable dependiente (Peso)

a) Hallar e interpretar el coeficiente de correlación

Sol:

1
Cov(x,y) = 13 *17450−( 21,539)*(43,077)
Cov (x, y) = 414,472

1
σ 2X = ∗7800−(21,539)2
13
2
σ X =136,072
σ X =√ 136,072
σ X =11,665

1
σ Y2 = ∗44800−(43,077)2
13
σ Y2 =1590,526
σ Y = √ 1590 , 526
σ Y =39,881
 414,472
r=
11,665∗39,881

r =0,891

Interpretación:

 Existe una correlación positiva considerable.

b) Hallar e interpretar el coeficiente de determinación

R=¿

R=0,794
REGRESIÓN LINEAL

^y =a+bx

Cov ( x , y )
b= a=^y −b x́
σ 2x

414,472
b=
136,072
b= 3,046

a=43,077−¿3,046*21,539)
a=¿-22,531

^y =¿-22,531+3,046*x

1. ¿Si la edad seria 35 cuál sería su peso respectivo?

X=35
^y =¿-22,531+3,046*35
^y =¿84,079
 Peso kg
80
70
60
50
peso kg

40
30
20
10
0
5 10 15 20 25 30 35 40 45

edades