Documentos de Académico
Documentos de Profesional
Documentos de Cultura
descriptivos
La independencia de la recta
La localizacin de la recta en algn punto. Una ecuacin lineal tiene la forma:
Y= a + Bx
Donde:
Y se lee Y prima, es el valor pronosticado de la variable Y para un valor seleccionado
de X.
a es la ordenada de la interseccin con el eje Y, es decir, el valor estimado de Y
cuando X = 0. Dicho de otra forma, corresponde al valor estimado de Y, donde la recta
de regresin cruza el eje Y, cuando X = 0.
B es la pendiente de la recta, o el cambio promedio en Y por unidad de cambio
(incremento o decremento) en la variable independiente X.
x es cualquier valor seleccionado de la variable independiente.
Con esta expresin se hace referencia al proceso matemtico que sirve para
ajustar una lnea recta a travs de un conjunto de datos bivariables asentados en una
grfica de dispersin. Dicha lnea se conoce como lnea de regresin simple.
El primer paso es recoger datos experimentales correspondientes a n individuos
con informacin de dos variables cuantitativas: una de ellas se considera variable
explicativa (Variable x) y la otra se considera variable respuesta (Variable y). El modelo
que se asume es:
y = o + x 1 +
Los coeficientes o y 1 se estiman por b0 y por b1 a travs del mtodo de
mnimos cuadrados.
Mtodo de mnimos cuadrados
Es el procedimiento mas utilizado por adaptar una recta aun conjunto de punto
se le que conoce como mtodo de mnimos cuadrados. La recta resultante presenta 2
caracterstica importantes:
Para un valor dado de X, por ejemplo, X1, habr una diferencia entre el valor Y1
y el correspondiente valor de la curva C. Esta diferencia se denota por D 1, que se
conoce como desviacin, error o residuo.
Estadstica Aplicada
Estadstica Aplicada
De todas las curvas de aproximacin a una serie de datos puntuales la curva que
tiene la propiedad de que: D21 + D22 + . . . + D2N Se conoce como Mejor curva de
ajuste
X1
X2
XN
6
Estadstica Aplicada
2. Una aproximacin
de Y, se define a partir de dos cantidades a y b. Se va
a calcular aquellas que minimizan la funcin
Ordenada al origen
n
i1
yi
i1
xi
n
n
Pendiente de la recta
xi)
n i 1
(i1
xi
DIAGRAMA DE DISPERSIN
La correlacin, mtodo por el cual se relacionan dos variables se pude graficar
con un diagrama de dispersin de puntos, a la cual muchos autores le llaman nubes de
puntos, encuadrado dentro de un grfico de coordenadas X Y en la cual se pude trazar
una recta y cuyos puntos mas cercanos de una recta hablaran de una correlacin mas
fuerte, a esta recta se le denomina recta de regresin, que puede ser positiva o
negativa, la primera contundencia a aumentar y la segunda en descenso o decreciente.
Tambin se puede describir un diagrama de dispersin en coordenadas
cartesianas valores, en donde la nube de puntos representa los pares de valores.
Grficos de recta de regresin
Regresin Negativa
Regresin Positiva
Grfico de dispersin
CORRELACION
La correlacin, o el grado de relacin entre las variables, se estudia para
determinar en que medida una ecuacin lineal o de otro tipo describe o explica de una
forma adecuada la relacin entre variables.
El anlisis de correlacin intenta medir la fuerza de las relaciones entre dos
variables por medio de un solo nmero llamado coeficiente de correlacin.
Si todos lo valores de las variables satisfacen exactamente una ecuacin, se dice
que las variables estn correlacionadas perfectamente o que hay una correlacin
perfecta entre ellas.
Cuando se trata de dos variables solamente, se habla de correlacin simple y de
regresin simple. Cuando se trata de ms de dos variables se habla de correlacin
mltiple y de regresin mltiple.
X
(a) Correlacin lineal positiva
Figura 1
Medidas de correlacin
Una forma de determinar de una manera cualitativa, lo bien que una recta o
curva dada describe la relacin entre variables es la observacin directa del diagrama de
dispersin. Por ejemplo se ve que para los datos de la fig.-1(a) la recta representada
describe mucho mejor la relacin entre X y Y que la de la fig.-1(b) lo hace para los
suyos, debido al hecho de que hay menos dispersin alrededor de la recta de la fig.1(a).
(XN,YN)
DN
s Y.X =
Y - Y )
(Y - Y
N
B
2
Y - Y ) = (Y - Y est.) + (Y est. - Y )
r =
est.)2
y vara entre -1 y +1, los signos se utilizan para la correlacin lineal positiva y la
correlacin lineal negativa, respectivamente. Ntese que r es una cantidad sin
dimensiones, es decir, no depende de las unidades empleadas. De esta manera un
valor de r igual a +1 implica una relacin lineal perfecta con una pendiente positiva,
mientras que un valor de r igual a -1 resulta de una relacin lineal perfecta con
pendiente negativa. Se puede decir entonces que las estimaciones muestrales de r
cercanas a la unidad en magnitud implican una buena correlacin o una asociacin
lineal entre X y Y, mientras que valores cercanos a cero indican poca o ninguna
correlacin.
Otra forma de medir el coeficiente de correlacin muestral es:
r=
S 2Y.X
S2Y
Estadstica Aplicada
CONCLUSIONES
El anlisis de regresin y correlacin lineal constituyen mtodos que se emplean
para conocer las relaciones y significacin entre series de datos. Lo anterior, es de
suma importancia para la industria ya que es aqu en donde se presentan variables de
respuesta e independientes las cuales interactan para originar las caractersticas de
un proceso en particular y por ende; analizar, predecir valores de la
variable
Por otro lado, Al ajustar un modelo de regresin simple o mltiple a una nube de
observaciones es importante disponer de alguna medida que permita medir la bondad
del ajuste. Esto se consigue con los coeficientes de correlacin. Si el modelo que se
ajusta es un modelo de regresin lineal, a R se le
denomina
coeficiente
de
relacionadas.
22
variacin
(Yest. explicada
- Y)2
variacin total
(Y - Y)2
Estadstica Aplicada