CORRELACION Y REGRESIÓN LINEAL
|
|
- Javier Cabrera Ávila
- hace 7 años
- Vistas:
Transcripción
1 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 de frecuencias de datos agrupados y no agrupados. Establecer diferencias entre coeficiente de regresión positivo, negativo y nulo. Hallar el valor del coeficiente de regresión. 1. CORRELACION Y REGRESION LINEAL 1. CORRELACION LINEAL Concepto. Es una parte de la Estadística Descriptiva que tiene por objetivo, investigar la relación que hay entre dos o más variables estadísticas, determinar el sentido de relación y cuantificar el grado de nivel de correlación entre las variables con respecto a sus coeficientes Coeficiente de correlación Es el valor numérico que da a conocer el grado de relación que existe entre dos o más variables. Se le representa por la letra r. El índice o coeficiente de correlación tiene un valor numérico que oscila entre menos uno (-1) Y más uno (+1). Este valor numérico no puede ser menor que menos uno (-1) ni mayor que más uno (+1). Por ejemplo, analicemos el siguiente esquema: Como se puede apreciar, el límite del índice o coeficiente de correlación se encuentra, entre los valores menos uno (-1) Y más uno (+1) Clases de correlación Teniendo en cuenta el signo y el valor o grado que posee la correlación se clasifica de la siguiente manera: 87
2 Correlación positiva. Es cuando las dos variables (X e Y) están correlacionadas positivamente o su variación está en razón directa. Es decir, el aumento de la medida de la variable X (independiente) implica, el aumento de la medida de la variable Y (dependiente) o la disminución de la variable X implica, la disminución de la variable Y. Por ejemplo, observemos la siguiente correlación: Como se puede observar, cuando aumenta el valor de la variable X también aumenta el valor de la variable Y. La representación gráfica de esta correlación es: 88
3 Correlación negativa. Se dice que la correlación entre dos variables (X e Y) es inversa o negativa, cuando si la medida de una de las variables aumenta, la otra disminuye. Por ejemplo, analicemos la siguiente correlación: Como se puede apreciar, frente al aumento de la medida de la variable (X) disminuye la medida de la variable, (Y); entonces la correlación es negativa o inversa. La representación gráfica de esta correlación negativa es: Correlación nula. La correlación es nula, cuando las variables no están correlacionadas entre sí: Por ejemplo, observemos: Como se puede apreciar, no existe correlación entre las variables X e Y; por tanto la correlación es nula. Su representación gráfica es: 89
4 La correlación de acuerdo a su valor o grado se rige por la siguiente escala: El presente cuadro, sirve para interpretar el valor o grado de correlación que existe entre las variables (X e Y) Cálculo del índice o coeficiente de correlación en una distribución de frecuencias de datos no agrupados. Se utilizan los siguientes métodos o procedimientos: A base de la fórmula de Pearson Donde: Σ XY = Suma del producto de los valores de las variables X e Y. N = Número de sujetos. Mx = Media aritmética de la variable X. My = Media aritmética de la variable Y. Σ X 2 = Suma de los valores de la variable X al cuadrado. Σ Y 2 = Suma de los valores de la variable Y al cuadrado. 90
5 Para calcular el valor del índice o coeficiente de correlación a través de esta fórmula, se constituye previamente una tabla en la que se consignan los valores de las variables X e Y. Por ejemplo, la siguiente tabla presenta los puntajes de quince sujetos, correspondientes a una prueba de evaluación de las líneas de acción educativa de formación laboral (variable X) y Educación Psicomotriz (variable Y). En seguida, se calculan los valores de la media aritmética de las variables X e Y veamos: De X = 195 = De Y = 225 = Luego, se aplica la fórmula: Reemplazando los valores se tiene: 91
6 Luego, el valor de la correlación de esta distribución es , que de acuerdo a la escala de valores, la correlación es baja y negativa. Por los desvíos o métodos de Pearson Para lo cual se utiliza la siguiente fórmula: Donde: N = Número de sujetos. Σ dx. dy = Suma del producto de los desvíos reales de las variables X e Y. DSx = Desviación estándar de la variable X. DSy = Desviación estándar de la variable Y. Por ejemplo, tomemos los datos de la tabla del cuadro No. 26 y calculemos las desviaciones (d) de las variables X e Y como aparece en el siguiente cuadro: 92
7 Ahora bien, con estos datos de la tabla calculemos las desviaciones estándar (DS) de las variables X e Y. Enseguida, reemplacemos con estos valores los datos de la fórmula: r = (3.48) ( 2.39) r = -0,25 Luego, el índice o coeficiente de correlación para las variables X e Y es De acuerdo a la escala de valores de la tabla, la correlación, es baja y negativa. Por el procedimiento de Spearman o método de las diferencias Para hallar el índice o coeficiente de correlación por este método se procede de la siguiente manera: Se determina el orden de mérito (OM) de los valores de cada una de las variables (X e Y). Para lo cual, se le asigna el primer lugar al mayor de la variable, el segundo lugar al valor inmediato inferior y, así sucesivamente hasta llegar al último valor de la variable. Cuando en una variable existen dos o más valores iguales, el orden de mérito (OM) de éstos, es el mismo para todos, teniendo en cuenta que al valor inmediato inferior le corresponde el orden que indique la presencia de los valores iguales. Por ejemplo, observemos el siguiente cuadro: Se observa que los valores más altos son 17 y 16, a estos valores, de acuerdo al orden de mérito, les corresponde el primer y segundo lugar respectivamente; 13 es el valor más bajo, entonces le corresponde el séptimo lugar, 15 es el valor que se repite tres veces, luego le corresponde a cada uno de ellos el tercer lugar, al valor 14 le corresponde el sexto lugar, y así sucesivamente. 93
8 Se halla el valor de la diferencia absoluta (/D/) del orden de mérito de las variables X e Y. Esta diferencia se determina restando al valor del orden de mérito de: la variable X el valor del orden de mérito de la variable Y. Es decir: /D/ = OMx - OMy Se determina la diferencia al cuadrado (D 2 ) del orden de mérito. Observemos el siguiente cuadro: Finalmente, se aplica la fórmula: Cuadro N 31 Reemplazando en la fórmula con los valores obtenidos se tiene: 94
9 Luego, el grado de correlación de las variables X e Y es -0.41, que de acuerdo a la escala de valores la correlación es moderada y negativa Cálculo del índice o coeficiente de correlación en una distribución de frecuencias de datos agrupados Para ello se utiliza el procedimiento: Producto-momento o Pearson-Brown a través de la siguiente fórmula: Por ejemplo, sean los siguientes puntajes correspondientes a la variable X (prueba de rendimiento) y a la variable Y (prueba de habilidad) de 50 alumnos. A partir de estos datos se procede de la siguiente manera: Se agrupan los puntajes de la variable X en once (11) intervalos de clase, en forma ascendente (de menor a mayor puntaje). Se elabora la tabla de distribución de frecuencias de la variable X, como aparece en el siguiente cuadro: 95
10 Cuadro Nº 32 Se agrupan los puntajes de la variable Y en doce (12) intervalos de clase. Se elabora la tabla de distribución de frecuencias de la variable Y, como aparece a continuación: Se elabora el diagrama rectangular con los datos de las tablas (cuadros Nos. 29 y 30) correspondientes a las variables X e Y. Observemos: 96
11 En la elaboración del diagrama rectangular se sigue el procedimiento siguiente: Se ubica en la parte superior del diagrama, los intervalos de clase de la variable X y, al lado izquierdo del mismo diagrama, los intervalos de clase de la variable Y. Se ubica en la parte inferior del diagrama, las frecuencias (f), las desviaciones (d) y el producto de las frecuencias por las desviaciones al cuadrado ( fd 2 ) de la variable XV, aliado derecho del mismo diagrama los de la variable Y. Se localiza en la última columna del lado derecho del diagrama, los productos de las desviaciones de las variables XV. Para determinar estos productos se multiplica la desviación de la variable V (dy) por cada una de las sumas de las marcas de conteo (mc) de ambas variables, y finalmente, este producto se multiplica por la desviación de la variable X (dx). Es decir: Por ejemplo: XY = (dy) (mc) (dx) Para el intervalo de clase se tiene: 8 x 2 x 0 = 0 8 x 1 x 1 = 8 8 x 1 x 5 = Entonces: XY = 48 Para el intervalo de clase se tiene: 7 x 0 x 0 = 0 97
12 Luego: XY = 0 Para el intervalo de clase x 1x (-3)= -18 Por tanto: XY = - 18 Siguiendo el mismo procedimiento se determinan los valores de la columna XY. Luego, se afectúa la suma algebraica de estos valores. Finalmente, se reemplaza en la fórmula con los valores hallados en el diagrama rectangular. Veamos: De acuerdo a la escala de valores es una correlación moderada y positiva 98
13 2. REGRESION LINEAL Concepto. Es un procedimiento mediante el cual se determina la dependencia de una variable con respecto a otra. Es decir, conociendo los valores de una variable independiente (Vi) llamada predictor, trata de estimar los valores de una variable dependiente (Vd) llamada predictante. La regresión en forma gráfica, trata de lograr que una dispersión de las marcas de conteo sea ajustada a una línea recta o curva Clases de regresión Se clasifica en: Lineal Curvilínea Simple Múltiple Simple Múltiple La regresión es simple, cuando una variable independiente (Vi) ejerce influencia sobre otra variable dependiente (Vd). La regresión es múltiple, cuando dos o más variables independientes influyen sobre una variable dependiente. Por ejemplo, si el ingreso económico es la variable independiente (Vi) y los gastos en alimentación es la variable dependiente (Vd), se dice que la regresión es simple. Por otro lado, si se consideran como variables independientes (Vi) a la edad, a la alimentación y al cociente intelectual, que influyen en forma diferente sobre la variable dependiente (Vd), rendimiento académico; entonces se puede afirmar que la variable rendimiento académico es una función lineal múltiple de las variables independientes. Luego, se dice que la regresión es múltiple Funciones de la regresión lineal simple Las principales funciones que ejerce la regresión lineal simple son: Determinar la dependencia que tiene una variable respecto de otra, Ajustar la dispersión de las marcas de conteo de una línea, es decir determinar la forma de la línea de regresión. Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra variable. 99
14 2.3. El coeficiente de regresión (b) Indica el número de unidades en que se modifica, la variable dependiente Y por efecto del cambio de la variable independiente X o viceversa, en una unidad de medida. EI coeficiente de regresión positivo. Cuando las variaciones de la variable independiente X son directamente proporcionales a las variaciones de la variable dependiente Y, sé dice que el valor del coeficiente de regresión (b) es positivo. Es decir, la relación es directa y su recta es creciente, donde al aumentar o disminuir la variable X, aumenta o disminuye la variable Y. Por ejemplo, sean los siguientes puntajes en atención y habilidad de 24 alumnos de un determinado centro educativo. Con estos datos se construye el siguiente gráfico, teniendo en cuenta que: EI menor valor de las dos variables (X, Y) coincidan con el punto de origen de las coordenadas. En el eje de las X se escriben los puntajes de atención y en el eje de las Y los de habilidad. La dependencia de la variable y respecto a la variable X, se determina de la siguiente manera: Para el primer valor (50) de la variable X, se marca el número de frecuencias (1) del primer valor (10) de la variable Y. Para el segundo valor (55) de la variable X, se marca el número de frecuencias (3) del segundo valor (11) de la variable Y, así, sucesivamente hasta concluir con los valores de ambas variables. Veamos: 100
15 Como se puede apreciar la relación es directa y ascendente. Luego, el coeficiente de regresión es positivo. El coeficiente de regresión negativo. Cuando las variaciones de la variable independiente X son inversamente proporcionales a las variaciones de la variable dependiente Y, decimos que el valor del coeficiente de regresión es negativo. Es decir, la relación es inversa y su recta es decreciente o descendente, porque al aumentar el valor de la variable X disminuye el valor de la variable Y o viceversa. Por ejemplo, en el siguiente gráfico la variable Y representa la facilidad con que recuerda una persona sobre los hechos de un determinado acontecimiento y la variable X el tiempo transcurrido en meses de dicho acontecimiento. Observemos: Como se podrá apreciar la relación es inversa y descendiente. Luego, el coeficiente de regresión es negativo. EI coeficiente de regresión nulo. Es nula o cero el coeficiente de regresión cuando las variables dependientes (Y) e independiente (X) no existe relación. Por ejemplo, en el siguiente gráfico la recta que origina su relación puede ser (A) horizontal o (B) vertical. 101
16 Procedimiento para hallar el coeficiente de regresión (b) EI método que permite encontrar el valor del coeficiente de regresión con mayor facilidad y exactitud es el de los mínimos cuadrados en sus dos formas: directa e indirecta. Método de los mínimos cuadrados: forma directa o ecuación de la recta Utiliza Ias ecuaciones: Y = bx + c o X = ky + p Para hallar el valor del coeficiente de regresión de la variable dependiente Y sobre la variable independiente X se aplica la siguiente ecuación de la recta: Y = bx + c Donde: Y = Valor estimado de un punto cualquiera de la variable Y. b = Coeficiente de regresión a encontrarse. c = Valor desconocido. A esta ecuación de la recta corresponden las siguientes ecuaciones normales. ΣY = bσx + Nc ΣXY = bσx 2 + cσx Donde: ΣY = Suma de los valores de la variable dependiente Y. b = Coeficiente de regresión a encontrar. Σx = Suma de los valores de la variable independiente X. N = Número del par de valores. c = Valor desconocido a encontrarse. ΣXY = Suma del producto de todos los pares de valores de las variables tratadas. ΣX 2 = Suma del cuadrado de los valores de la variable X. Por ejemplo, los siguientes puntajes son los resultados de evaluación de 10 alumnos, correspondientes a las pruebas de atención (variable X) y de rendimiento (variable Y). 102
17 Con estos datos, se elabora la siguiente tabla de los mínimos cuadrados: Ahora bien, con estos valores reemplacemos los datos de las ecuaciones normales: Σ Y = bσx + Nc Σ XY = bσx 2 + cσx Ordenando datos se tiene: -132b =10c b = 132c Para eliminar e en ambas ecuaciones, se multiplica por 132 la primera, y por 10, la segunda ecuación. Veamos: b = 1320c b = 1320c ( + ) ( - ) ( + ) b = b = 512 b = b = Luego, el valor del coeficiente de regresión es lo cual indica que la relación existente entre la variable dependiente Y y la variable independiente X es directa y positiva. Asimismo, la pendiente de la línea de regresión es moderada y la dependencia entre las variables es relativa. Para calcular el valor del coeficiente de regresión de regresión de la variable independiente X sobre la variable dependiente Y, se utiliza la siguiente ecuación: X = ky + p 103
18 Donde: X = Valor estimado en un punto cualquiera de la variable X. K = Coeficiente de regresión a encontrarse. p = Valor desconocido a encontrarse. Las ecuaciones norma les que corresponden a esta ecuación de la recta son: Σx = kσy + Np Σxy = kσy 2 + Py Reemplazando con los valores del cuadro No. 33 se tiene: 132 = 134k = 1825k + 134p Ordenando estos datos se obtiene: -134k = 10p k = 134p Ahora bien, para eliminar el valor p se multiplica la primera ecuación por 134 y la segunda por 10. Es decir: k = 1340p k = 1340p (+) (-) ( +) 294k = k = 512 k = Entonces, el valor del coeficiente de: regresión es lo cual indica que: la relación existente entre las variables X e Y es directa y positiva, y la dependencia entre dichas variables es relativa. Método de los mínimos cuadrados: forma indirecta o de las desviaciones Para calcular el valor del coeficiente de regresión mediante esta según la forma, tomemos como ejemplo los datos del cuadro N 32. A partir de estos datos, elaboremos la siguiente tabla de los mínimos cuadrados con los desvíos correspondientes a cada variable (X, Yi) 104
19 Donde: dx = Desvíos de la variable X o (X - Mx) dy = Desvíos de la variable Y o (Y - My) dx 2 = Cuadrado de los desvíos de la variable X. dy 2 = Cuadrado de los desvíos de la variable Y. dx.dy = Producto de los desvíos de las variables X e Y. Para encontrar el coeficiente de regresión (b) de la variable dependiente Y sobre la variable independiente X, se utiliza la siguiente igualdad. d = Σdx. Σdy Σdx 2 Reemplazando se tiene: b = 52 b = Luego es el valor del coeficiente de regresión, lo cual indica que la relación existente entre las variables X e Y es directa y positiva. Para hallar el valor del coeficiente de regresión de la variable independiente X sobre la variable dependiente Y, se utiliza la igualdad: k = Σdx. dy Σdy 2 Reemplazando valores se tiene: k = k = 0,896 Luego es el valor del coeficiente de regresión, indica que la relación existente entre las variables X e Y es directa y positiva Ajustamiento de la curva de regresión Para realizar el ajuste de la curva de regresión se utiliza el método de los mínimos cuadrados, cuyo procedimiento es el siguiente: Por ejemplo, tomemos los datos del cuadro No
20 Se determine en el eje de las coordenadas la disposición de las marcas de conteo de las variables X e Y. Observemos: Se determina la ecuación correspondiente. En este caso se calcula el coeficiente de regresión de la variable dependiente Y sobre la variable independiente X. para lo cual se utiliza la ecuación de la recta: Y = bx + c y sus correspondientes ecuaciones normales ΣY = bσx + Nc ΣXY = bσx 2 + cσx Se elabora la tabla de los mínimos cuadrados tal como figura en el cuadro No, 33: 106
21 Se reemplaza los datos de las ecuaciones normales con los valores de la tabla: 134 = 132b + 10c 1820 = 1854b + 132c Ordenando tenemos: 132b = 10c b =132c Para despejar c en ambas ecuaciones, se multiplica por 132 la primera y, por 10 la segunda ecuación. Veamos: b = 1320c b = 1320c (+) (-) (+) 1116b = b = 512 b = Se determina el valor del término independiente (c) de la ecuación de la recta; para lo cual se reemplaza el valor de b (0.459) en la primera ecuación. Es decir: 134 = (132)b + 10c Ordenando se tiene: -10c = (132)b Reemplazando el valor de b se tiene: - 10c = (132) (0.459) c = Luego, se multiplica por (-1) 10c = c = c = 7.34 c = Se estiman los valores extremos dé la línea de regresión. En el caso de nuestro ejemplo, los valores extremos de la variable independiente X son 8 y 9. Para encontrar los estimados de la variable dependiente y se reemplaza sus valores en la ecuación de la recta: 107
22 Y = bx + c Donde para: b = c = 7.34 Reemplazando valores en la ecuación se tiene: Para el menor valor: X = 8 Y = (0,459) (8) t Y = r 7.34 Y = 11 Para el mayor valor: X = 19 Y = (0.459) (19) Y = 16 Luego, los valores estimados son: Cuando X es igual a 8; entonces Y es igual a 11. Cuando X es igual a 19, entonces Y es' igual a 16 Se determinan la intersección de la media aritmética de ambas variables (X, Y). La intersección de la media aritmética de la variable independiente X (13.2) y de la variable dependiente Y (13,4) se produce en el punto P(13.2, 13.4), como aparece en el siguiente gráfico: 108
23 Finalmente, se grafica la línea de regresión con los tres puntos de referencia: Si X es 8, entonces Y es 11 Si X es 19, entonces Y es 16. La intersección de la media aritmética de ambas variables se efectúa en el punto P (13.2, 13.4). Observemos el siguiente gráfico: 109
24 EJERCICIOS En base a la siguiente distribución de frecuencias de datos no agrupa dos: 1. Determina el índice o coeficiente de correlación: a) Por los desvíos o método de Pearson: b) Por el procedimiento de Spearman o método de las frecuencias: 2. Hallar el coeficiente de regresión por el método de los mínimos cuadrados en sus dos formas. a) Directa o ecuación de la recta: b) Indirecta o de las desviaciones: 3. Utilizando la distribución de frecuencias de datos agrupados del ejerci. cio No. 2 de la tercera unidad, calcula el valor del índice o coeficiente de correlación, aplicando el procedimiento de: Producto - Momento o Pearson - Brown; 110
25 4. En bases a los resultados que obtienes interpreta dichos valores. 111
Distribuciones 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 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 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 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 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 detallesRelación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se
Distr ibuciones bidim ensionales Relación funcional 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
Más detallesMÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 9
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 9 La regresión lineal Tema 9: La regresión lineal Objetivos Conocer
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 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 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 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 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 detalles1 JESTADIS\REGRES.DOC
CONTENIDOS 1. Introducción 2. Diagrama de dispersión 3. El coeficiente de correlación de Pearson 4. Regresión 1. Introducción Una de las metas frecuentes en la investigación consiste en determinar si existe
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 detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
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 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 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 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 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 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 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 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 detallesAlgunos apuntes de Estadística de 4º (nivel avanzado)
Algunos apuntes de Estadística de 4º (nivel avanzado) Coeficiente de correlación lineal El coeficiente de correlación lineal es el cociente entre la covarianzay el producto de las desviaciones típicas
Más detallesTEMA 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 detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesCORRELACIÓN LINEAL SIMPLE
CORRELACIÓN LINEAL SIMPLE ANÁLISIS DE CORRELACIÓN Cuando se trabaja con dos variables, pueden surgir diferentes preguntas como: Existe relación entre lo que una empresa gasta en publicidad y el importe
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 detallesANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH
ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH Cuando se estudian en forma conjunta dos características (variables estadísticas) de una población o muestra, se dice que estamos analizando una variable
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 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 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 detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
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 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 detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
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 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 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 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 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 detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
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 detallesUNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:
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
Más detalles001. Identifica, en un conjunto de números, los que son enteros.
2.6 Criterios específicos de evaluación. 001. Identifica, en un conjunto de números, los que son enteros. 002. Coloca distintos números naturales y enteros en un diagrama que representa a los conjuntos
Más detallesAPUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS
APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un
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 detallesLa prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación.
La prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación. Los contenidos mínimos de la materia son los que aparecen con un * UNIDAD 1: LOS NÚMEROS NATURALES
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: La Correlación. https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56932&id_sala=605
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 detallesCASOS DE LA FUNCIÓN AFÍN
CASOS DE LA FUNCIÓN AFÍN Considera que el precio de un artículo es de Bs 80. Conocido el precio unitario (precio por unidad) es posible calcular fácilmente el precio de varios artículos con solo multiplicar
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 detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
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 detallesDpto. Biología-Geología IES Castillo de Cote
DOCUMENTO 5 ANÁLISIS DE CORRELACIÓN Cuando se estudian en forma conjunta dos características (variables estadísticas) de una muestra, se dice que estamos analizando una variables estadística bidimensional.
Más detallesTEMA 8: FUNCIONES. Segundo Curso de Educación Secundaria Obligatoria. I.E.S de Fuentesaúco. Manuel González de León.
TEMA 8: FUNCIONES Segundo Curso de Educación Secundaria Obligatoria. I.E.S de Fuentesaúco. Manuel González de León. Curso 2011-2012 1.- Correspondencia. 2.- Función. 3.- Representación Gráfica de Funciones.
Más detallesTema 9: Estadística descriptiva
Tema 9: Estadística descriptiva Matemáticas específicas para maestros Grado en Educación Primaria Matemáticas específicas para maestros Tema 9: Estadística descriptiva Grado en Educación Primaria 1 / 47
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detalles3 Regresión y correlación lineales
3 Regresión y correlación lineales 3.1 Introducción En esta unidad se analizará la relación entre dos o más variables y desarrollamos una ecuación que nos permite estimar una variable con base en otra.
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 detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
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 detallesUniversidad de Salamanca - Escuela de Educación y Turismo
Universidad de Salamanca - Escuela de Educación y Turismo ! " # $ % $ & ' ( ) * ( +(, + ' -. '. ' - % $ / %.! '. " # $ % & & $ % # # $( #. 0 # (/ $. # % 0 1 # % ( # 0 # 0 1 # 0. (, (! " # # #. $ ($ ' 0
Más detallesCorrelación Lineal. Dra. Noemí L. Ruiz Limardo 2008, Rev 2010
Correlación Lineal Dra. Noemí L. Ruiz Limardo 2008, Rev 2010 Objetivos de Lección Conocer el significado de los conceptos: correlación y coeficiente de correlación Calcular los coeficientes de correlación
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 detallesEl plano cartesiano y Gráficas de ecuaciones. Copyright 2013, 2009, 2006 Pearson Education, Inc. 1
El plano cartesiano y Gráficas de ecuaciones Copyright 2013, 2009, 2006 Pearson Education, Inc. 1 Sistema de coordenadas rectangulares En el cap 2 presentamos la recta numérica real que resulta al establecer
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 detallesTema 9: Estadística en dos variables (bidimensional)
Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un
Más detallesREGRESIÓN LINEAL SIMPLE
REGREIÓN LINEAL IMPLE ANÁLII DE REGREIÓN Al continuar con el estudio de la relación entre dos variables X y Y, ahora es pertinente considerar el caso en que es necesario pronosticar la variable dependiente
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 9 Nombre: Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes enviarlos a klasesdematematicasymas@gmail.com TRABAJO DE APLICACIÓN La siguiente base de datos se conformó por la información suministrada en la entidad financiera BankAmerica,
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 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 detallesRegla o correspondencia
Regla o correspondencia Una función es una regla, o una correspondencia, que relaciona dos conjuntos de tal manera que a cada elemento del primer conjunto corresponde uno y solo un elemento del segundo
Más detallesFunciones algebraicas.
UNIDAD 9: UTILICEMOS LAS FUNCIONES ALGEBRAICAS. Funciones algebraicas..1 Funciones polinomiales. Estudiaremos las funciones siguientes: constante, lineal, cuadrática y cúbica. Función constante. Las funciones
Más detallesFunciones y Función lineal
Profesorado de Nivel Medio Superior en Biología Funciones Función lineal Analicemos los siguientes ejemplos: 1) El gráfico que figura más abajo muestra la evolución de la presión arterial de un paciente
Más detallesFUNCIONES CUADRÁTICAS
FUNCIONES CUADRÁTICAS A la función polinómica de segundo grado f(x) = ax 2 + bx + c, siendo a, b, c, números reales y a 0 se la denomina función cuadrática. Dominio de una función cuadrática es el conjunto
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
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 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 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 detallesDivisión de polinomios
División de polinomios: Horner División de polinomios Es aquella operación algebraica que tiene como objetivo encontrar dos únicos polinomios llamados cociente entero q(x) y residuo R(x) a partir de otros
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 detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
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 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 detallesTema 8: Distribuciones Unidimensionales y Distribuciones Bidimensionales. Consideraciones iniciales:
Tema 8: Distribuciones Unidimensionales y Distribuciones Bidimensionales. Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.:
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesTEMA 10.- FUNCIONES ELEMENTALES
º Bachillerato Matemáticas I Dpto de Matemáticas- I.E.S. Montes Orientales (Iznalloz)-Curso 20/202 TEMA 0.- FUNCIONES ELEMENTALES.- CONCEPTO DE FUNCIÓN. CARACTERÍSTICAS (Pág. 28) Deinición de unción. Decimos
Más detallesGUIA DE EXCEL PARA ANÁLISIS ESTADÍSTICO BÁSICO DE DATOS EXPERIMENTALES
GUIA DE EXCEL PARA ANÁLISIS ESTADÍSTICO BÁSICO DE DATOS EXPERIMENTALES Material didáctico elaborado por: M.I. María Estela Audelo Vucovich M.E. Antonio García Osornio Abril de 2017 La hoja de cálculo es
Más detallesINSTITUCIÓN EDUCATIVA SANTA TERESA DE JESÚS IBAGUÉ - TOLIMA GUIA No.4 ALGEBRA DOCENTE: EDGARD RODRIGUEZ USECHE GRADO : NOVENO
TEMA: ECUACIÓN DE LA LÍNEA RECTA Las coordenadas cartesianas o coordenadas rectangulares son un ejemplo de coordenadas ortogonales usadas en espacios euclídeos caracterizadas por la existencia de dos ejes
Más detallesVariables estadísticas bidimensionales: problemas resueltos
Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO
Más detallesOtra herramienta indispensable cuando se analizan datos
10.4. Gráficas de datos económicos Otra herramienta indispensable cuando se analizan datos económicos, es el uso de gráficas. Una gráfica es una ilustración que muestra la relación que existe entre dos
Más detallesGuía de Matemática Segundo Medio
Guía de Matemática Segundo Medio Aprendizaje Esperado:. Analizan la ecuación de la recta; establecen la dependencia entre las variables y la expresan gráfica y algebraicamente.. Identifican e interpretan
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
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 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 detallesEstadística Administrativa Diplomatura en Gestión y Administración Pública Curso Segundo Facultad de Derecho Universidad de Sevilla
Estadística Administrativa Diplomatura en Gestión y Administración Pública Curso Segundo Facultad de Derecho Universidad de Sevilla Tema 8 Regresión y correlación de dos variables Versión 2006-2007α José
Más detalles