Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística Aplicada
Practica VIII
Parte II
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
• Métodos de Dependencia:
Un estudio de la regresión nos permite averiguar hasta que punto una variable puede
ser prevista conociendo otra. Se utiliza para intentar predecir el comportamiento de
ciertas variables a partir de otras, como por ejemplo los beneficios de una película a
partir del gasto en márketing y del gasto en producción.
El análisis de la correlación canónica intenta analizar la posible existencia de relación
entre dos grupos de variables.
Un análisis discriminante nos puede dar una función discriminante que puede ser
utilizada para distinguir entre dos o más grupos, y de este modo tomar decisiones.
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
• Métodos de Interdependencia:
El análisis de los componentes principales procura determinar un sistema más pequeño
de variables que sinteticen el sistema original.
• Métodos Estructurales:
Los modelos de ecuaciones estructurales analizan las relaciones existentes entre un
grupo de variables representadas por sistemas de ecuaciones simultáneas en las que
se suponen que algunas de ellas (denominadas constructos) se miden con error a partir
de otras variables observables denominadas indicadores. Los modelos utilizados
constan, por lo tanto, de dos partes: un modelo estructural que especifica las
relaciones de dependencia existente entre los constructos latentes (Componente
Estructural) y un modelo de medida que especifica como los indicadores se relacionan
con sus correspondientes constructos
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
¿Qué es covarianza?
La covarianza es el valor que refleja en qué cuantía dos variables aleatorias varían de
forma conjunta respecto a sus medias.
Nos permite saber cómo se comporta una variable en función de lo que hace otra
variable. Es decir, cuando X sube ¿Cómo se comporta Y? Así pues, la covarianza puede
tomar los siguientes valores:
Covarianza (X,Y) es menor que cero cuando “X” sube e “Y” baja. Hay una relación
negativa.
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
Covarianza (X,Y) es mayor que cero cuando “X” sube e “Y” sube. Hay una relación
positiva.
Una medida utilizada para indicar la medida en que dos variables aleatorias cambian
en tándem se conoce como covarianza. Una medida utilizada para representar la
fuerza con la que se relacionan dos variables aleatorias conocida como correlación.
Laura covarianza no es más que una medida de correlación. Por el contrario, la
correlación se refiere a la forma escalada de covarianza. El valor de la correlación
tiene lugar entre -1 y +1. Por el contrario, el valor de la covarianza se encuentra entre
-∞ y + ∞.
La covarianza se ve afectada por el cambio en la escala, es decir, si todo el valor de
una variable se multiplica por una constante y todo el valor de otra variable se
multiplica, por una constante similar o diferente, entonces se cambia la covarianza.
En contra de esto, la correlación no está influenciada por el cambio en la escala.
La correlación no tiene dimensiones, es decir, es una medida sin unidades de la
relación entre las variables. A diferencia de la covarianza, donde el valor se obtiene
por el producto de las unidades de las dos variables.
¿Qué es correlación?
La correlación se describe como una medida en las estadísticas, que determina el
grado en que dos o más variables aleatorias se mueven en tándem. Durante el estudio
de dos variables, si se ha observado que el movimiento en una variable es
correspondido por un movimiento equivalente a otra variable, de una u otra forma, se
dice que las variables están correlacionadas.
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
¿Cuál son las propiedades que debe de cumplir el coeficiente de correlación lineal
de Pearson?
¿Qué mide r?
Es un número sin dimensiones entre -1 y 1. Si las variables son independientes r=0. La
inversa no es necesariamente cierta, aunque si las variables son normales bivariantes
sí. Si las variables estuvieran relacionadas linealmente r=1
¿Qué no mide r?
No mide la magnitud de la pendiente ("fuerza de la asociación")
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
El grado de correlación indica la proximidad que hay entre los puntos de la nube de
puntos.
Se pueden dar tres tipos:
• Correlación fuerte: La correlación será fuerte cuanto más cerca estén los
puntos.
• Correlación débil: La correlación será débil cuanto más separados estén los
puntos de la recta
Tipos de correlación
Correlación directa
La correlación directa se da cuando al aumentar una de las variables la otra
aumenta.
La recta correspondiente a la nube de puntos de la distribución es una recta
creciente.
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
Correlación inversa
La correlación inversa se da cuando al aumentar una de las variables la otra disminuye.
La recta correspondiente a la nube de puntos de la distribución es una recta
decreciente.
Correlación nula
La correlación nula se da cuando no hay dependencia de ningún tipo entre las
variables.
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
Ejemplo: Y = f(x)
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
Es decir, el objetivo del análisis de regresión es construir una función que permita
estimar el valor futuro de la variable de estudio.
Desde otro punto de vista, la regresión permite calcular una esperanza (promedio)
condicional. Para ese fin, se toman como dados los valores de las variables
independientes.
Cabe precisar que cuando se tiene en cuenta solo una variable independiente hablamos
de regresión lineal simple. En cambio, si se incluyen más factores, se trataría de una
regresión lineal múltiple. El análisis de regresión tiene aplicaciones para la vida
cotidiana. Esto, desde el estudio de accidentes de tráfico en una determinada zona
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
En tercer lugar, en función de la naturaleza de la relación que exista entre las dos
variables:
La variable X puede ser la causa del valor de la variable Y. Por ejemplo, en toxicología,
si X = Dosis de la droga e Y = Mortalidad, la mortalidad se atribuye a la dosis
administrada y no a otras causas. Puede haber simplemente relación entre las dos
variables. Por ejemplo, en un estudio de medicina en que se estudian las variables X
= Peso e Y = Altura de un grupo de individuos, puede haber relación entre las dos,
aunque difícilmente una pueda considerarse causa de la otra.
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
Matricula: 2016-3101923
Sustentante: Katherin Cesarina González Melo
Matricula: 2016-3101923