UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:
|
|
- Cristóbal Navarro Rivas
- hace 7 años
- Vistas:
Transcripción
1 UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores de la variable dependiente (Y) correspondiente a los valores dados de la variable independiente (X), por lo que si se estima el valor de "Y" a partir de "X" decimos que se trata de una curva de regresión de "Y" sobre "X". Ejemplo.- El peso depende de la estatura, el consumo del ingreso etc. 1.2 Diagrama de Dispersión.- Es una gráfica en el eje cartesiano en la que cada punto trazado representa los valores de las variables (X,Y) y el cual nos permite encontrar la curva de mejor ajuste por los distintos métodos de aproximación como ser: Método de mano alzada, método libre, método semipromedio y el método de los mínimos cuadrados. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos: PUB. VTAS ,4 15 2,1 20 2,2 21 2,8 30 4,5 50 5,5 60 "X" "Y" a) Método de Mano alzada (Método Gráfico).- Consiste en utilizar como referencia el diagrama de dispersión e identificar la función de acuerdo a la tendencia de los puntos de la grafica. Observación.- En la gráfica podemos identificar las desviaciones de los puntos con respecto a la recta. La desventaja de este método consiste en la dependencia existente entre ambas variables ya que si aumentan los valores de X, también lo harán los valores de Y.
2 b) Método Libre.- Consiste en ajustar una recta a una curva de tendencia mediante la observación del gráfico. Los puntos que servirán de base para establecer la función deseada serán escogidos por el observador. Mediante el diagrama de dispersión observamos que se trata de una función lineal (Por la forma de los puntos de "X,Y"). X1= 1 Y1= 10 X2= 5.5 Y2= 60 Y = ax+b (1)Y 1 = ax1+b Reemplaz. en ec.(1) (2)Y 2 = ax2+b 10= a+b(-1) 10= 11,11 + b 60=5,5a+b b= 10-11,11 50=4,5a b= -1,11 a= 50 4,5 a= 11,11 C)Método Semipromedio.- Consiste en agrupar los datos en dos estratos preferiblemente iguales y lograr dos puntos en el gráfico par trazar una recta de tendencia. Este método nos permite trazar funciones lineales para cada semipromedio y luego resolver mediante el sistema lineal deseado. 1 2 PUB. VTAS ,4 15 2,1 20 2,2 21 2,8 30 4,5 50 5,5 60 "X" "Y" Y = ax+b (1)Y 1 = ax1+b Reemplaz. en ec.(1) (2)Y 2 = ax2+b 16,5 =1,67a+b(-1) 16,5=1,67a + b 46,67=4,27a+b 16,5= 1,67(11,60)+b 30,17=2,6 a a= 30,17 b= 16,5-19,37 2,6 b= -2,87 a= 11,60 d) Método de los Mínimos Cuadrados.- Al realizar un análisis lógico entre las variables es necesario determinar el tipo de función matemática que representa la relación entre ellas, para lo cual se debe ajustar la recta o curva de regresión en base a la forma que representa la gráfica. La curva de mejor ajuste se la puede realizar por el método de los mínimos cuadrados aplicando a diferentes tipos de funciones tal como ser: Función Lineal, Parabólica, Potencial, Exponencial, etc.
3 d.1)función Lineal o Recta de Regresión de los Mínimos Cuadrados.- Si al observar el diagrama de dispersión notamos un comportamiento rectilíneo, el ajuste de la recta de regresión de los mínimos cuadrados se lo realiza de la forma siguiente: "X" "Y" y*x x ,0 1,00 1, ,0 1,96 2, ,0 4,41 2, ,2 4,84 2, ,0 7,84 4, ,0 20,25 5, ,0 30,25 758,2 70,55 Y = ax + b (1) y=a x+b(n) Reemplaz. en ec.(1) (2) yx=a x 2 +b x 206=19,5(11,36)+7b 206=19,5a+7b 206=221,52+7b 758,2=70,55a+19,5b -29,43= -2,79a-b b= ,52 38,88= 3,62a+b b= -2,22 a= 9,45/0,83 = d.2) Función Parabólica de Regresión de los Mínimos Cuadrados Las relaciones lineales se la pueden adaptar a diferentes tipos de curva. El ajuste correspondiente se lo realiza de la siguiente forma: x 3 y*x 2 x 4 1,00 10,00 1,00 2,74 29,40 3,84 9,26 88,20 19,45 10,65 101,64 23,43 21,95 235,20 61,47 91, ,50 410,06 166, ,00 915,06 303, , ,28 Y = ax 2 + bx + c (1) y =a x 2 +b x+c(n) (2) yx=a x 3 +b x 2 +c x (3) yx 2 =a x 4 +b x 3 +c x 2 (1) 206=70,55a+19,5b+7c (4) (2) 758,2=303,08a+70,55b+19,5c (5) (3)3291,94=1434,28a+303,08b+70,55c (4) 9,4534=5,464a+0,8322b (5) 7,789 =4,7874a+0,678b 0,1138=0,4954a a=0,1138/0,4954 = 0,23 Reemplaz. en ec.(4) 9,4534=5,464(0,23)+0,8322b b=9,4534-1,2567 = 9,85 0,8322 Reemplaz. en ec.(1) 206=70,55(0,23)+19,5(9,85)+7c C=206-16, ,075= -0,33 7
4 b) Función Potencial.- Es muy utilizada en proyecciones, por su flexibilidad se la conoce como función de elasticidad por lo que es muy sensible al comportamiento en el diagrama de dispersión. Su expresión matemática es la siguiente: log y log x logy*logx log x 2 1,0000 0,0000 0,0000 0,0000 1,1761 0,1461 0,1719 0,0214 1,3010 0,3222 0,4192 0,1038 1,3222 0,3424 0,4528 0,1173 1,4771 0,4472 0,6605 0,2000 1,6990 0,6532 1,1098 0,4267 1,7782 0,7404 1,3165 0,5481 9,7534 2,6513 4,1301 1,4169 Y = ax b (1)Σlogy=nloga+bΣlogx (2)Σlogylogx=loga Σlogx+bΣlogx 2 (1) 9,7534 =7loga+2,6513logb (2) 4,1301 =2,6513a+1,4169b 0,7638 =0,769loga Loga=0,7639 =0,9932antilog = 9,84 0,769 Reemplaz. En ec. (1) 9,7534=7(0,9932)+2,6513b b=9,7534-6,9524 = 1,06 2,6513 d.4) Función Exponencial.- Cuando se desea calcular tasas de crecimiento, tomando en cuenta los puntos observados en el período histórico, se recurre a la siguiente función: x*log y 1,0000 1,6465 2,7322 2,9089 4,1359 7,6454 9, ,8484 Y = ab x (1)Σlogy=nloga+Σxlogb (2)Σxlogy=Σxloga+Σx 2 logb (1) 9,7534 =7loga+19,5logb (2) 29,8484 =19,5loga+70,55logb 0,0771 =0,0826loga Loga=0,771 =0,9334antilog = 8,58 0,0826 Reemplaz. En ec. (1) 9,7534=7(0,9334)+19,5logb logb=9,7534-6,5339 = 1,06 19,5 2.- Correlación.- Una de las principales dificultades que nos presenta la regresión es la confiabilidad en la función utilizada, para lo cual recurrimos a otro tipo de análisis denominado método de Correlación el cual determina el grado de relación existente entre las variables y el efecto producido por el cambio de una variable con respecto de la otra.
5 Tipos de Correlación.-El tipo de Correlación debe ser analizado en el diagrama de dispersión en base a la forma que toma la curva de la función y a la relación entre las variables. Cuando el análisis se basa en el estudio de dos variables se denomina Correlación simple, cuando se analizan mas variables se las denomina Correlación múltiple. LINEAL LINEAL NO LINEAL NO LINEAL LINEAL POSITIVA NEGATIVA POSITIVA NEGATIVA PERFECTA SIN CORRELACION Medidas de Correlación.- Se utiliza para determinar el grado de Correlación existente entre las variables observadas, mediante los siguientes indicadores. a) Varianza General.- Es utilizada para la determinación del coeficiente de Correlación y se obtiene sumando la varianza no explicada con la varianza explicada. (Yi-y) 2 = (Yi-y*) 2 + (Y*-y) 2 VAR.TOTAL = VAR. NO EXPLIC.+ VAR. EXPLIC. 2103,71 = 9, ,38 Ejemplo.-En base a la función lineal Y= 11.36X 2,22 establecer si dicha función puede ser confiable. "X" "Y" y* (yi-y) 2 (yi-y*) 2 (y*-y) ,14 377,52 0,74 411,68 1, ,68 208,22 1,74 248,06 2, ,64 88,92 2,69 60,68 2, ,77 71,06 3,13 44,36 2, ,59 0,32 0,17 0,03 4, ,90 423,12 1,21 379,08 5, ,26 934,52 0,07 950, ,71 9, ,38 b) Coeficiente de Determinación.- Es el cociente de la variación explicada y la variación general y es de gran utilidad para la determinación del coeficiente de Correlación. Su expresión matemática esta dada por: r 2 = VARIACION EXPLICADA = (Y*-y) 2 = 2094,38 = 0,9956 VARIACION TOTAL (Yi-y) ,71
6 c) Coeficiente de Correlación.- Es la raíz cuadrada del cociente de los valores calculados y los valores estimados. Su valor esta comprendido entre (-1) y (+1) determinando la correlación positiva o negativa; el valor cero significa que existe una gran correlación entre la variables. r = r 2 = x 100% = 99,78% d) Error típico de la Estima.- Es la sumatoria de los desvíos cuadráticos de las variables observadas y estimadas. El error típico tiene propiedades análogas a las de la desviación típica ya que poseen similar expresión matemática. ƒyt=variación NO EXPLICADA = Ʃ(yi-y*) 2 = 9,75 = 1,18 N 7 7 e) Margen de Seguridad (Intervalos de Confianza).- Nos ayuda a determinar el grado de confianza en la utilización de una función determinada y se calcula sumando y restando a los valores máximos y mínimos de (Y*), el valor del error típico de la estima, con lo cual se obtienen dos líneas paralelas. Y* = 9,14 ± 1,18 = 10,32 y 7,86 Y* = 60,26 ± 1,18 = 61,44 y 59, Y X
7 f) Margen de Error y Margen de Confianza.- Se denomina margen de error al cociente de dividir los valores del número de observaciones que han quedando fuera del margen de seguridad entre el numero total de observaciones. Margen de confianza es el cociente entre las observaciones que han quedando dentro del margen de seguridad y el número total de observaciones. El margen de confianza debe ser superior al 60% para que tengamos la seguridad que utilizamos una curva de mejor ajuste de regresión. Si el margen de seguridad no fuese superior al 60% la curva de regresión debe ser ajustada a otro tipo de función. Ambos márgenes deben ser expresados en términos porcentuales y la suma de ambos debe dar como resultado el 100% Me = No.Observac.fuera del MS.X 100% = 2 x 100 = 28,57% N 7 Mc = No.Observac.dentro del MS.X 100% = 5 x 100 = 71,43% N 7 Interpretación.- Existe un 71,43% de confianza que la función lineal de regresión de los mínimos cuadrados Y= 11,36X-2,22 es la más confiable, al cumplir con la siguiente condición: MC > 60% FIN
TEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesAnálisis de Regresión y Correlación Lineal
Análisis de Regresión y Correlación Lineal Análisis de dos ó más variables aleatorias Veamos que en los siguientes estudios hay situaciones donde intervienen más de una variable aleatoria Ejemplos: La
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
Más detallesPart I. Descripción estadística de dos variables. Estadística I. Mario Francisco. Variable. bidimensional. Distribuciones de frecuencias
Part I Descripción de dos variables Introducción Si para un mismo individuo observamos simultáneamente k obtendremos como resultado una variable k-dimensional. Nos ocuparemos del estudio de las variables
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesESTADÍSTICA DE LA OBSERVACIÓN
OBJETIVOS DE APREDIZAJE ESTADÍSTICA DE LA OBSERVACIÓ Declarar lo que es la muestra de una población Reconocer una distribución normal Calcular la mediana, la media y la moda Calcular la varianza Utilizar
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesy = 2, entonces: a) x es más dispersa que y. b) son igual de dispersas. 9.- Sean dos variables estadísticas x e y con los siguientes valores x = 5, σ
VARIABLES ESTADÍSTICAS 1.- Sea X una variable estadística de media 2 metros y desviación típica 5 metros. Sea Y una variable estadística de media 24 cm y desviación típica 60 centímetros. a) Y es más dispersa
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 016-1 Hermosillo, Sonora. Febrero 3 de 016. Introducción
Más detallesUnidad 3. Separacion de costos fijos y costos variables. Objetivos especificos de aprendizaje
Unidad 3 Separacion de costos fijos y costos variables Objetivos especificos de aprendizaje Alterminar de estudiar este capitulo, el estudiante sera capaz de: Explicar el concepto de costos fijos. Explicar
Más detallesEscuela Pública Experimental Desconcentrada Nº3 Dr. Carlos Juan Rodríguez Matemática 3º Año Ciclo Básico de Secundaria Teoría Nº 2 Segundo Trimestre
Potenciación de polinomios Para resolver la potencia de un monomio se deben aplicar las propiedades de la potenciación. n n n ab a b a) 6 x x 9x b) x x 8x c) Cuadrado de un binomio El cuadrado de un binomio
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesCORRELACION Y REGRESIÓN LINEAL
LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesDISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIONES BIDIMENSIONALES
DISTRIBUCIOES BIDIMESIOALES DISTRIBUCIOES BIDIMESIOALES Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detallesEstadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada
Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesAJUSTE PLANTEAMIENTO DEL PROBLEMA
AJUSTE PLANTEAMIENTO DEL PROBLEMA DIFERENCIA ENTRE INTERPOLACIÓN Y AJUSTE METODOLOGÍA DEL AJUSTE MÉTODO DE MÍNIMOS CUADRADOS MODELO LINEAL MODELO EXPONENCIAL EJEMPLO PLANTEAMIENTO DEL PROBLEMA Cuando los
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesEcuaciones, inecuaciones y sistemas
Ecuaciones, inecuaciones y sistemas. Matemáticas Aplicadas a las Ciencias Sociales I 1 Ecuaciones, inecuaciones y sistemas Ecuaciones con una incógnita. Ecuación.- Una ecuación es una igualdad de expresiones
Más detallesUnidad IV Introducción a la Regresión y Correlación
Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística
Más detalles2. ESTADÍSTICAS BIDIMENSIONALES
TEMA. ESTADÍSTICAS BIDIMENSIONALES.... Definición. Objetivos.... Coeficiente de Correlación. Lineal... 4 3. Rectas de regresión.... 7 . Definición. Objetivos En el tema anterior hemos estudiado las distribuciones
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detalles1. DEFINICIONES BÁSICAS
1. DEFINICIONES BÁSICAS La estadística tiene dos ramas: La Estadística Descriptiva, que se ocupa de agrupar, resumir y presentar los datos incluidos en una determinada muestra. La Estadística Inferencial
Más detallesMatemáticas. Bioestadística. Correlación y Regresión Lineales
Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesMaterial 3 TÉCNICAS DE PRONÓSTICO DE VENTAS
Material 3 TÉCNICAS DE PRONÓSTICO DE VENTAS A. MÉTODO DE REGRESIÓN SIMPLE: Este método relaciona 2 variables, una variable dependiente, la cual es objeto de estimación y la segunda variable independiente,
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesDistribuciones bidimensionales
Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,
Más detallesEstadística de dos variables
Versión: Estadística de dos variables 19 de septiembre de 013 1 Introducción En el Tema 1 se consideran las variables estadísticas unidimensionales, es decir, cada individuo de la muestra se describe de
Más detallesDISTRIBUCIONES BIDIMENSIONALES
RESUMEN DISTRIBUCIONES BIDIMENSIONALES J. Vega RELACIONES LABORALES ESTADÍSTICA 15 de noviembre de 2008 RESUMEN 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES
Más detallesDos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda.
Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Si se deja caer una piedra, existe una fórmula que nos permite
Más detallesPor qué unos cerezos tienen mayor volumen que otros?
En la siguiente tabla se muestra el volumen (en pies cúbicos) de 31 cerezos. Observamos que no todos los cerezos tienen el mismo volumen, es decir, constatamos variabilidad en el volumen de los cerezos.
Más detallesPráctica 5. Modelos empíricos a partir de datos experimentales
Grado en Ciencia y Tecnología de los Alimentos Fundamentos de Ingeniería de los Alimentos Práctica 5 Modelos empíricos a partir de datos experimentales 1 1.- Regresión lineal La regresión consiste en deducir,
Más detallesTALLER DE INTRODUCCIÓN A LOS NEGOCIOS
REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesDiplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detallesLa recta de regresión
La recta de regresión (x 1, y 1 ), (x 2, y 2 ),...,(x N, y N ) : N pares de puntos observados Hemos de encontrar una recta: y = α + β x que se ajuste lo mejor posible a nuestros puntos: Queremos predecir
Más detallesCoeficiente de Correlación
Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las
Más detallesEjercicios de Clase. 1. Defina los siguientes términos y explique su significado
Ejercicios de Clase. 1. Defina los siguientes términos y explique su significado a. Coeficiente de elasticidad precio b. Coeficiente de elasticidad ingreso c. Coeficiente de elasticidad cruzado 2. Un estudio
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL
ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL CONCEPTOS PREVIOS RELACIÓN ESTADÍSTICA Dos variables x e y están relacionadas estadísticamente cuando conocida la primera se puede estimar aproximadamente el valor
Más detallesPrueba de Evaluación Continua
Prueba de Evaluación Continua 5-X-6.- En el aeropuerto de Madrid-Barajas se ha recogido una muestra del peso en kilogramos del equipaje de 0 viajeros: 40 0 3 3 6 5 30 3 4 3 4 9 7 39 Construir un diagrama
Más detalles06/02/2013. Curso: Introducción a la Ing. Automotriz PROYECCIONES DE LA DEMANDA. Consideraciones previas
UTP FIMAAS Curso: Introducción a la Ing. Automotriz Sesión Nº 0 : Regresión lineal Profesor: Carlos Alvarado de la Portilla PROYECCIONES DE LA DEMANDA MÍNIMOS CUADRADOS METODOS TASA MEDIA TASA ACUMULATIVA
Más detallesLa línea recta: Serie1
La línea recta: En una línea recta tenemos una relación entre dos variables, la independiente (x) y la dependiente (y). La forma en que se relacionan dependerá de la función que describa dicha relación.
Más detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesMODELOS NO LINEALES. Alejandro Vera Trejo
MODELOS NO LINEALES Alejandro Vera Trejo Objetivo Se representará una situación determinada a través de la construcción de una o varias ecuaciones no lineales. Se solucionarán situaciones reales a través
Más detallesCORPORACION UNIFICADA NACIONA DE EDUCACION SUPERIOR DEPARTAMENTO DE CIENCIAS BASICAS FUNCIÓN Y RELACIÓN
CORPORACION UNIFICADA NACIONA DE EDUCACION SUPERIOR DEPARTAMENTO DE CIENCIAS BASICAS AREA / COMPONENTE: FORMACIÓN BÁSICA CICLO DE FORMACIÓN: TECNICA FUNCIÓN Y RELACIÓN RELACION Dados los conjuntos A =
Más detallesMEDIDAS. Error accidental. Error Sistemático. Cantidad de la magnitud A. Número, MEDIDA. Cantidad de la magnitud A tomada como referencia.
MEDIDAS Cantidad de la magnitud A Número, MEDIDA Cantidad de la magnitud A tomada como referencia. UNIDAD Las mediciones no son perfectas. Llevan asociadas un determinado error, una incertidumbre. Los
Más detallesCuando Existen VARIOS Grandes Oferentes, de un Producto, que cubren la Demanda Y Compiten con Calidad y Precio.
EL MERCADO PRONOSTICO DE VENTAS Prof: Jairo Orozco T. Está Conformado por la Totalidad de los COMPRADORES y los VENDEDORES Potenciales de un Producto, Interactuando en un Tipo Determinado de Ambiente COMPETITIVO,
Más detallesORIENTACIONES DE MATEMÁTICAS CONTENIDOS MÍNIMOS DE MATEMÁTICAS
IES SAN BENITO ORIENTACIONES DE MATEMÁTICAS MATEMÁTICAS 1º ESO MATERIALES Cuaderno de clase Actividades de Matemáticas (actividades realizadas durante el curso). Libro de texto. Otros materiales que sirvan
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesTema 9. Regresión y correlación
Tema 9. Regresión y correlación Dada una muestra de n pares de observaciones ( 1, y 1 ),..., ( n, y n ) de la variable bidimensional (X, Y ), el objetivo va a ser encontrar una curva, lo más sencilla posible,
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE
PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detalles, x es la variable independiente e y es la variable dependiente.
INSTITUCIÓN EDUCATIVA COLEGIO ARTÍSTICO RAFAEL CONTRERAS NAVARRO OCAÑA N.S. ASIGANTURA: MATEMÁTICAS OCTAVO GRADO DOCENTE: Esp. HENRY CARRASCAL C. III PERÍODO FUNCIÓN Y ECUACIÓN CUADRÁTICA 1. DEFINICIÓN
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
Más detallesECUACIONES POLINÓMICAS CON UNA INCÓGNITA
Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Las ecuaciones polinómicas son aquellas equivalentes a una ecuación cuyo primer
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesTema 11. ESTADÍSTICA BIDIMENSIONAL
Tema 11. ESTADÍSTICA BIDIMENSIONAL Introducción Cálculos estadísticos. Representación gráfica de datos estadísticos de dos variables. Actividades propuestas INTRODUCCIÓN La aplicación Estadística permite
Más detalles