Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Con frecuencia se desea estimar el valor de la variable Y que corresponde a un valor dado de
la variable X, basndose en los datos muestrales.
A la ecuacin con que se describe cmo se relaciona y con x y en la que se da un trmino para
el error, se le llama modelo de regresin. El siguiente es el modelo que se emplea en la
regresin lineal simple.
En el caso de una regresin lineal simple donde hay una sola variable de regresin
independiente x y una sola variable aleatoria dependiente Y, los datos pueden representarse
por los pares de observaciones.
Esto se hace estimando el valor de Ya partir de la curva de mnimos cuadrados ajustada a los
datos muestrales. A la curva de mnimos cuadrados se le llama curva de regresin de Y en X,
debido a que Y se estima a partir de X.
CORRELACIN
Si todos los valores de las variables satisfacen con exactitud una ecuacin, se dice que las
variables estn en perfecta correlacin o que hay una correlacin perfecta entre ellas.
Si X y Y son las dos variables en consideracin, un diagrama de dispersin sirve para mostrar
la localizacin de los puntos (X, Y) en un sistema de coordenadas rectangulares. Si en este
diagrama de dispersin todos los puntos parecen encontrarse cerca de una lnea recta, la
correlacin se le llama lineal.
En pocas palabras:
La correlacin estadstica determina la relacin o dependencia que existe entre las dos
variables que intervienen en una distribucin bidimensional. Es decir, determinar si los
cambios en una de las variables influyen en los cambios de la otra. En caso de que suceda,
diremos que las variables estn correlacionadas o que hay correlacin entre ellas.
Solucin:
Grafique los puntos en un plano coordenado.
Calcule las medias de los valores de x y los valores de y, la suma de los cuadrados de los
valores de x, y la suma de cada valor de x multiplicado por su valor correspondiente y.
Calcule la pendiente.
Calcule la intercepcin en y.
Primero, calcule la media de los valores de x y la media de los valores de y.
Ejemplo 2:
Use el mtodo de mnimos cuadrados para determinar la ecuacin de la recta que mejor se
Curva Parablica.
En muchos casos, es una funcin de segundo grado la que se ajusta lo suficiente a la situacin
real dada. La expresin general de un polinomio de segundo grado es:
Para encontrar los valores de a, b y c que hacen mnima la expresin anterior, se igualarn las
derivadas parciales de D con respecto a dichos parmetros a cero y se resolver el sistema
resultante. Las ecuaciones que forman dicho sistema se conocen, igual que en el caso de la
regresin lineal simple, como ecuaciones normales de Gauss.
Curva Hiperblica
Cuando la dependencia entre las variables X e Y es de forma hiperblica, interesa ajustar a la
nube de puntos una funcin del tipo:
Para minimizar la expresin, se calculan las derivadas parciales respecto a los parmetros a y
b, igualando a cero:
Y llamando a:
Se obtiene:
Para simplificar, descartando multiplicidades y suponiendo que cada par se repite una sola
vez, las ecuaciones normales sern:
El primer paso obligado antes de tratar de ajustar una serie de datos a una frmula consiste en
poner los datos sobre una grfica para intentar descubrir la tendencia mostrada por los datos.
En este caso, la grfica resulta ser:
Aunque a primera vista nuestro primer impulso sea el tratar de llevar a cabo un ajuste
utilizando una recta de mnimos cuadrados, el punto que aparece en la grfica para X0=0 si
realmente representa no una equivocacin en la toma de una lectura sino un dato
genuinamente vlido nos debe llevar a pensar en la posibilidad de que los datos en vez de
estar modelados por una lnea recta tal vez estn modelados por una curva. Y la curva ms
sencilla de todas es la proporcionada por un polinomio de segundo grado, un polinomio
cuadrtico. Utilizando las ecuaciones normales derivadas arriba, la parbola de mnimos
cuadrados resulta ser:
Y = 2.51 - 1.20X + .733X
El graficado de esta curva, sobrepuesta sobre los datos experimentales, presenta el siguiente
aspecto:
Podemos ver que el ajuste de los datos a una frmula cuadrtica es bastante bueno. Y no slo
eso, sino que nos permite detectar la presencia de lo que parece ser un mnimo. Este mnimo
muy bien podra ser un punto ptimo para minimizar las prdidas en un proceso industrial,
obtener el mayor grado de pureza en un proceso qumico, o lograr la mejor calidad en una
aleacin.
Coeficiente De Correlacin