Equipo Probabilidad Estadistica 202 Mapas y Investigaciones U5.

INVESTIGACIÓN POR ESCRITO UNIDAD 5
PROBABILIDAD Y ESTADISTICA
DOCENTE: M. en E. y D. ANA MARÍA HERNÁNDEZ CORTES
ALUMNO/ INTEGRANTES DEL EQUIPO:
Aguilar Olay Jose Eduardo

Carvajal Salinas Lizandro
Garcia Victoria Brayan
Loza Gómez Marcos
FECHA DE ENTREGA:
13/06/2023
SEMESTRE MARZO - AGOSTO 2023

PROBABILIDAD Y ESTADÍSTICA
5.1 Regresión lineal simple, curvilínea y múltiple.
Regresión Lineal Simple
La regresión es una técnica estadística utilizada para encontrar una relación numérica entre dos
variables. Entonces, se trata de hallar el parámetro que explique tal relación. Aquí, se desarrollan
modelos de regresión lineal simple y múltiple. Posteriormente se explicarán las consideraciones
de significancia y bondad de ajuste. Este tipo de regresión solo maneja una variable
independiente, a causa de esto el modelo por estimar únicamente tendrá dos parámetros:
Y=Bo+B1X+e...(1)
Donde:
X:es la variable independiente.
Y: es la variable dependiente.
E: es el error de estimación.
Bo: es el intercepto u ordenada en el origen.
B1:es la pendiente de la regresión.
Regresión Lineal Curvilínea
La regresión curvilínea es el nombre que se le da a cualquier modelo de regresión que

intente ajustar una curva en lugar de una línea recta.
La regresión curvilínea es el nombre que se le da a cualquier modelo de regresión que intente
ajustar una curva en lugar de una línea recta.
Regresión cuadrática: Se utiliza cuando existe una relación cuadrática entre una variable
predictora y una variable de respuesta . Cuando se gráfica, este tipo de relación se ve como una
«U» o una «U» invertida en un diagrama de dispersión:
Regresión cúbica: se utiliza cuando existe una relación cúbica entre una variable predictora y una
variable de respuesta. Cuando se gráfica, este tipo de relación tiene dos curvas distintas en un
diagrama de dispersión:
Ambos contrastan con la regresión lineal simple en la que la relación entre la variable predictora
y la variable de respuesta es lineal
Regresión Lineal Múltiple
Un modelo de regresión lineal múltiple es un modelo estadístico versátil para evaluar las
relaciones entre un destino continuo y los predictores. Los predictores pueden ser campos
continuos, categóricos o derivados, de modo que las relaciones no lineales también estén
soportadas. El modelo es lineal porque consiste en términos de aditivos en los que cada término
es un predictor que se multiplica por un coeficiente estimado. El término de constante
(intercepción) también se añade normalmente al modelo.
M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.
2
La regresión lineal se utiliza para generar conocimientos para los gráficos que contienen al menos
dos campos continuos con uno identificado como el destino y el otro como un predictor.
5.2 Correlación.
La correlación es una medida estadística que expresa hasta qué punto dos variables están
relacionadas linealmente (esto es, cambian conjuntamente a una tasa constante). Es una
herramienta común para describir relaciones simples sin hacer afirmaciones sobre causa y efecto.
¿Cómo se mide la correlación?

El coeficiente de correlación de la muestra, r, cuantifica la intensidad de la relación. Las
correlaciones también se someten a pruebas para establecer su significancia estadística.
¿Cuáles son algunas limitaciones del análisis de correlación?

La correlación no puede medir la presencia o el efecto de otras variables aparte de las dos que se
están explorando. Es importante saber que la correlación no nos informa sobre causas y efectos.
Además, la correlación no puede describir con precisión las relaciones curvilíneas.
La correlación describe datos que varían conjuntamente
La correlación es útil para describir relaciones simples entre datos. Por ejemplo, imaginemos que
está consultando un conjunto de datos sobre campings en un parque de montaña. Se quiere
averiguar si hay una relación entre la altura del camping (qué tan alto está en la montaña) y la
temperatura máxima promedio durante el verano.
Para cada camping se tienen dos mediciones: la elevación y la temperatura. Si usa la correlación
para comparar estas dos variables en toda la muestra, se puede ver que hay una relación lineal:
cuanto más sube la altura, más baja la temperatura. Estas variables tienen una correlación
negativa.
3
5.3 Regresión y correlación para datos agrupados.
La regresión estadística o regresión a la media es la tendencia de una medición extrema a

presentarse más cercana a la media en una segunda medición. La regresión se utiliza para
predecir una medida basándonos en el conocimiento de otra.
En estadística la regresión lineal o ajuste lineal es un método matemático que modeliza la relación

entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε. Este modelo
puede ser expresado como:
: variable dependiente, explicada o regresando.

: variables explicativas, independientes o regresores.
: parámetros, miden la influencia que las variables explicativas tienen sobre
el regresando.
donde es la intersección o término "constante", las son los parámetros
respectivos a cada variable independiente, y es el número de parámetros independientes a tener
en cuenta en la regresión. La regresión lineal puede ser contrastada con la regresión no lineal.
El modelo lineal relaciona la variable dependiente Y con K variables explicativas (k = 1,...K),
o cualquier transformación de éstas, que generan un hiperplano de parámetros desconocidos:
donde es la perturbación aleatoria que recoge todos aquellos factores de la realidad no

controlables u observables y que por tanto se asocian con el azar, y es la que confiere al modelo
su carácter estocástico. En el caso más sencillo, con una sola variable explicativa,
el hiperplano es una recta:
CORRELACIÓN.
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación

lineal y proporcionalidad entre dos variables estadísticas. Se considera que dos variables
cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente
con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe
4
correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación

entre dos variables no implica, por sí misma, ninguna relación de causalidad
Fuerza, sentido y forma de la correlación
La relación entre dos super variables cuantitativas queda representada mediante la línea de mejor
ajuste, trazada a partir de la nube de puntos. Los principales componentes elementales de una
línea de ajuste y, por lo tanto, de una correlación, son la fuerza, el sentido y la forma:
 La fuerza extrema según el caso, mide el grado en que la línea representa a la nube de
puntos: si la nube es estrecha y alargada, se representa por una línea recta, lo que indica
que la relación es fuerte; si la nube de puntos tiene una tendencia elíptica o circular, la
relación es débil.
 El sentido mide la variación de los valores de B con respecto a A: si al crecer los valores
de A lo hacen los de B, la relación es positiva; si al crecer los valores de A disminuyen los
de B, la relación es negativa.
 La forma establece el tipo de línea que define el mejor ajuste: la línea recta, la curva
monotónica o la curva no monotónica.
5
5.4 Correlación por rangos.
El coeficiente de correlación de Spearman es una medida no paramétrica de la correlación de

rango (dependencia estadística del ranking entre dos variables). Se utiliza principalmente para el
análisis de datos.
Mide la fuerza y la dirección de la asociación entre dos variables clasificadas. Pero antes de
hablar de la correlación de Spearman, es importante entender la correlación de Pearson, la cual es
una medida estadística de la fuerza de una relación lineal entre datos emparejados.
Te recomiendo leer este artículo sobre las diferencias entre las pruebas no paramétricas y las
pruebas paramétricas.
Para el cálculo y la prueba de significación de la variable de ranking, se requiere que las
siguientes suposiciones de datos sean ciertas:
 Nivel de intervalo o ratio

 Relación lineal
 Bivariante distribuido
Si tus datos no cumplen con las suposiciones anteriores, necesitarás el coeficiente de correlación
de Spearman. Para esto, es necesario saber qué función monótona es para entenderlo.
Una función monótona es aquella que nunca disminuye o nunca aumenta, ya que es un
incremento variable independiente. Puede ser explicada usando la imagen de abajo:
La imagen explica tres conceptos de la función monótona:
1. Monotónicamente en aumento: Cuando la variable “x” aumenta y la variable “y” nunca

disminuye.
6
2. Disminuye monótonamente: Cuando la variable “x” aumenta pero la variable “y” nunca
aumenta.
3. No monótono: Cuando la variable “x” aumenta y la variable “y” a veces aumenta y a
veces disminuye.
5.5 Coeficiente de correlación para datos nominales.
El coeficiente de correlación es la medida específica que cuantifica la intensidad de la relación

lineal entre dos variables en un análisis de correlación. En los informes de correlación, este
coeficiente se simboliza con la r.
¿Cómo se utiliza el coeficiente de correlación?

Para dos variables, la fórmula compara la distancia de cada dato puntual respecto a la media de la
variable y utiliza esta comparación para decirnos hasta qué punto la relación entre las variables se
ajusta a una línea imaginaria trazada entre los datos. A esto nos referimos cuando decimos que la
correlación examina las relaciones lineales.
¿Qué limitaciones hay que tener en cuenta?

La correlación sólo se refiere a las dos variables dadas y no aporta información sobre las
relaciones más allá de los datos bivariados. Esta prueba no puede detectar valores atípicos en los
datos (y por tanto estos sesgan los resultados) y tampoco puede detectar correctamente las
relaciones curvilíneas.
¿Qué significan los valores del coeficiente de correlación?
El coeficiente de correlación r es un valor sin unidades entre -1 y 1. La significancia estadística se

indica con un valor p. Por lo tanto, usualmente las correlaciones se escriben con dos números
clave: r = y p = .
 Cuanto más se aproxima r a cero, más débil es la relación lineal.

 Los valores de r positivos indican una correlación positiva, en la que los valores de ambas
variables tienden a incrementarse juntos.
 Los valores de r negativos indican una correlación negativa, en la que los valores de una
variable tienden a incrementarse mientras que los valores de la otra variable descienden.
 Los valores 1 y -1 representan una correlación "perfecta" positiva y negativa,
respectivamente. Dos variables perfectamente correlacionadas cambian conjuntamente a
una tasa fija. Decimos que tienen una relación linear; cuando representados en un gráfico
de dispersión, todos los puntos correspondientes a los datos pueden conectarse con una
misma línea recta.
7
 El valor p nos ayuda a determinar si podemos o no concluir de manera significativa que el

coeficiente de correlación de la población es diferente a cero, basándonos en lo que
observamos en la muestra.
Bibliografías.
https://rpubs.com/revite19/717614
https://www.jmp.com/es_mx/statistics-knowledge-portal/what-is-correlation.html
http://probabilidadyestadisticaitsav.blogspot.com/2012/06/53-regresion-y-correlacion.html
https://www.questionpro.com/blog/es/coeficiente-de-correlacion-de-spearman/
https://www.jmp.com/es_mx/statistics-knowledge-portal/what-is-correlation/correlation-
coefficient.html#:~:text=El%20coeficiente%20de%20correlaci%C3%B3n%20es,se
%20simboliza%20con%20la%20r.
8
Rúbrica para Investigación por escrito

MATERIA: PROBABILIDAD Y ESTADÍSTICA _ GRUPO: _202 _
PROFESOR: M. en E. y D. Ana María Hernández Cortes. UNIDAD: 5

INTEGRANTES DEL EQUIPO:

Loza Gómez Marcos
CARRERA: ING. CIVIL
TEMA: INVESTIGACIONES POR ESCRITO UNIDAD 5
TITULO: INVESTIGACIONES POR ESCRITO
FECHA: 13/06/2023
OBJETIVO GENERAL: Analizar y sintetizar la información recabada por los integrantes del equipo, con la finalidad de presentar
en forma ordenada, detallada y clara la comprensión del trabajo de investigación realizado.
OBJETIVO ESPECIFICO: investigar los temas de la unidad que cumpla con los puntos que se indican en la rúbrica, donde se
explique detallada y claramente la información que se obtuvo.
Indicadores Desempeño
Excelente
Deficiente (5 o Satisfactori Bueno
menos) o (6-7) (8-9) (10)
Incluye portada (oficial de la carrera) con todos los datos de
los integrantes en equipo (en orden y completos, indicando
materia, unidad, etc.)
La investigación incluye todos los temas de la unidad
Las ideas y argumentos presentados están bien fundamentados y
referenciados en los recursos consultados
Incluye un apartado que resume y/o concluye en forma clara y
precisa sobre los puntos principales abordados en la
investigación
Presenta la bibliografía y recursos consultados (3 libros,
máximo, 5 páginas de internet, 3 publicaciones o artículos) en
formato APA
Se utiliza un lenguaje apropiado con corrección sintáctica y
gramatical, párrafos bien construidos que facilitan su lectura y
comprensión
9
incluye citas en el trabajo en formato APA

Escrito bien editado y presentado (margen 2.5 cm Times New
Roman 12, títulos 14 negrita, subtítulos cursiva, formato de
trabajos indicado, justificado)
CALIFICACIÓN:
10
MAPAS DE LA UNIDAD 5
PROBABILIDAD Y ESTADISTICA
DOCENTE: M. en E. y D. ANA MARÍA HERNÁNDEZ CORTES
ALUMNO/ INTEGRANTES DEL EQUIPO:

Loza Gómez Marcos
FECHA DE ENTREGA:
13/06/2023
SEMESTRE MARZO - AGOSTO 2023
11
4.1 Estimación puntual y por intervalo de confianza
Una estimación es puntual cuando se usa

El intervalo de confianza representa
un solo valor extraído de la muestra para
una técnica de estimación que se
estimar el parámetro desconocido de la
utiliza en el campo de la inferencia
población. Al valor usado se le llama
estadística.
estimador.
En él se permite acotar uno o

Método de los momentos: Método de máxima diversos pares de valores,
consiste en igualar verosimilitud: consiste en entre los cuales está la
momentos poblacionales a tomar como valor del estimación puntual indagada.
momentos muéstrales. parámetro aquel que Esto dentro de una
maximice la probabilidad de determinada probabilidad.
que ocurra la muestra
observada.
12
4.2 Estimación de la
media, de la diferencia
de medidas de
proporción de la
diferencia proporcional
La media muestral X es un estimador

insesgado de la media poblacional La media muestral es una variable
(μ). El error típico de la media es un aleatoria que toma un valor según la
indicador de la precisión de la muestra concreta que se obtenga. Se
estimación de la media; cuanto denomina distribución muestral de la
menor es el error típico, mayor es la media a su función de probabilidad.
precisión.
Media, varianza y desviación típica

de la variable cuantitativa X en la
población y en la muestra, y de la La media de la distribución
distribución muestral de la media muestral de la media (μx) es
(X). igual a la media de la
población (μ).
La forma de la distribución
original de la media se parece
a una distribución normal,
aunque la distribución original
de la variable en la población
no es normal.
13
4.3 Determinación del tamaño

de la muestra
El tamaño de la muestra es la cantidad de

respuestas completas que recibe tu encuesta.
Se le llama muestra porque solo representa
parte del grupo de personas (o población
objetivo) cuyas opiniones o comportamiento te
interesan.
El cálculo del tamaño de la muestra no

es una simple operación aritmética que
nos proporcione un valor. Es una
función matemática, por lo tanto, el
cambio de una variable,
necesariamente se acompaña del
cambio de la otra considerada en la
ecuación.
El tamaño mínimo de la muestra

depende del nivel de la precisión
deseado. El nivel comúnmente usado
de precisión para el conteo de
volumen es 95 – 5.
En el cálculo del tamaño de la

muestra, es el número de
participantes que se necesitan). x=
variable idependiente
14
4.4 Prueba de hipótesis
Una prueba de hipótesis es una

Una prueba de hipótesis examina
regla que especifica si se puede
dos hipótesis opuestas sobre una
aceptar o rechazar una
población: la hipótesis nula y la
afirmación acerca de una
hipótesis alternativa. La hipótesis
población dependiendo de la
nula es el enunciado que se
evidencia proporcionada por una
probará.
muestra de datos.
La hipótesis nula es La hipótesis alternativa Técnica estadística que se

el enunciado que se es el enunciado que se sigue para decidir si
probará. Por lo desea poder concluir rechazamos o no una
general, la hipótesis que es verdadero de hipótesis estadística en base
nula es un acuerdo con la a la información de la
enunciado de que evidencia muestra. Es una afirmación
"no hay efecto" o proporcionada por los de lo que creemos sobre una
"no hay diferencia". población.
datos de la muestra.
15
4.4.1 Pruebas unilaterales y

bilaterales
Prueba bilateral: Una prueba de dos

colas rechaza la hipótesis nula si la
media de la muestra es
significativamente mayor o menor
que la media hipotética de la
población. En una prueba de dos
colas existen dos regiones de
rechazo.
Una prueba de una
cola normalmente está Una prueba de dos colas se
asociada a una hipótesis asocia a una hipótesis
alternativa para la cual se alternativa para la cual se
Prueba unilateral: Se utiliza una desconoce el signo de la
prueba de una cola al probar si la conoce el signo de la
media de la población es mayor potencial diferencia antes de potencial diferencia.
(prueba de cola superior o ejecutar el experimento y la
también conocida como de “lado prueba.
derecho”) o menor (prueba de
cola inferior o también conocida
como de “lado izquierdo”) que un
valor hipotético.
16
La comparación de medias
en un sentido más general,
abarca la comparación de
los valores de una variable
continua según los valores
de una variable (o factor)
La comparación de los
La prueba de valores de una variable
hipótesis para
diferencia de medias,
es utilizada cuando se
4.4.2 Pruebas continua evaluada en dos
o más momentos en el
tiempo (por ejemplo
quiere determinar el
nivel de similitud o por media y para comparar
diferencias
si
entre
hay
la
la diferencia de
diferencia entre los
valores de la media medición de la presión
de una variable de arterial realizada por la
interés
poblaciones
estudio.
de dos
bajo medias mañana o por la noche) y
que englobaríamos
dentro de las pruebas
para datos apareados.
Existen varias pruebas estadísticas que

permiten comparar las medias de una
variable continua entre dos o más
grupos. Cada una de estas pruebas ha
sido diseñada para poder ser aplicada
cuando se cumplen una serie de
supuestos necesarios, bajo diferentes
condiciones de aplicación.
Prácticamente todas las hipótesis que
podamos plantear
17
4.4.3 Pruebas para la proporción y para la

diferencia de proporciones
La prueba de hipótesis para la diferencia

La prueba de hipótesis para la
de proporciones es un método que se usa
diferencia de proporciones sirve para
para rechazar o aceptar la hipótesis de
determinar si dos proporciones
que las proporciones de dos poblaciones
poblacionales son iguales o no.
son diferentes.
La prueba de hipótesis para la

diferencia de dos proporciones
consiste en calcular el
estadístico de la prueba y El objeto de estas pruebas
compararlo con el valor crítico es evaluar las afirmaciones con
para rechazar o no rechazar la respecto a una proporción (o
hipótesis nula. porcentaje) de población.
18
4.5 Muestreo
pequeño
El muestreo probabilístico analiza y

Una muestra pequeña es aquella que estudia una población utilizando
tiene un tamaño relativamente la selección aleatoria, simplemente
reducido y, por tanto, puede no ser porque en un grupo de individuos todos
tan representativa de la población. tienen la misma oportunidad de ser
elegidos.
Simple: Todos los elementos de la Muestreo aleatorio simple: este tipo

población tienen la misma de muestreo elige al azar cada
probabilidad de ser seleccionados. individuo que hará parte de
Este método es muy sencillo y es el la muestra y todos tienen las
más utilizado, pero es el menos eficaz mismas oportunidades de ser
en poblaciones muy extensas seleccionados.
19
4.5.1 Distribución de t student
La distribución t de Student o
distribución t es un modelo teórico La distribución t de Student
utilizado para aproximar el momento queda definida con su número
de primer orden de de grados de libertad, que se
una población normalmente distribuida obtiene restando una unidad al
cuando el tamaño de la muestra es número total de observaciones.
pequeño y se desconoce la desviación
típica
La distribución t de Se utiliza la prueba de la t

Student es una distribución de Student para averiguar
de probabilidad muy si la recta obtenida de un
utilizada en estadística. De análisis de regresión lineal
hecho, incluso existe la tiene pendiente o no.
prueba de t de Student, la
cual sirve para hacer
contrastes de hipótesis e
intervalos de confianza.
20
La información
proporcionada por una tabla
bidimensional puede
expresarse en términos
diversos: frecuencias
absolutas conjuntas,
relativas conjuntas,
condicionadas de una
variable a valores de la otra.
4.5.2
Distribución
La tabla permite medir La tabla
la interacción entre dos bidimensional
variables para conocer recibe el nombre de
de licuadora,
una serie de tabla de
información “oculta” de contingencia
gran utilidad para cuando las
cuadros de
comprender con mayor características en
claridad los resultados estudio no son
de una investigación. cuantitativas.
contingencias
Una tabla de
contingencia es
una de las formas
más comunes de
resumir datos
categóricos.
21
Bibliografías
RÚBRICA DE MAPA CONCEPTUAL

MATERIA: PROBABILIDAD Y ESTADÍSTICA
PROFESOR: M. en E. y D. Ana María Hernández Cortes. _UNIDAD: 5
INTEGRANTES DEL EQUIPO: Aguilar Olay Jose Eduardo

Loza Gómez Marcos
CARRERA: ING. CIVIL _ GRUPO: 202
TEMA: MAPAS UNIDAD 5
TITULO: MAPAS CONCEPTUALES
FECHA: 13/06/2023
OBJETIVO GENERAL: Analizar, sintetizar y representar gráficamente el (los) tema(s) correspondiente a la unidad
indicada
OBJETIVO ESPECIFICO: Representar gráficamente el tema indicado de una forma clara, breve y concisa, donde se
incluyen los requerimientos indicados en la rúbrica.
MAPA Muy bien Bien Suficiente No suficiente TOTAL
CONCEPTUAL 10
Presenta A manera de gráfico presenta A manera de gráfico El grafico solo Los conceptos no
elementos y líneas que constituyen una presenta líneas que presenta algunos presentan enlaces,
características de serie de puntos, los términos constituyen una serie de conceptos clave y no solo líneas que unen
mapa conceptual conceptuales se sitúan en una puntos, los términos hay enlace entre cada palabra, esto
elipse o recuadro, los conceptuales se sitúan en conceptos, no no origina un mapa
conceptos relacionados se unen una elipse o recuadro, no presentan relación y conceptual propio,
por una línea y presenta por lo que no existen solo un esquema
hay proposiciones.
palabras enlace, hay
las proposiciones. gráfico.
proposiciones.
22
4 3 2 1
Los conceptos están dispuestos Los conceptos están Los conceptos están Los conceptos no
por orden de importancia, los dispuestos por orden están dispuestos
conceptos mas inclusivos dispuestos por orden de por orden
ocupan lugares superiores de importancia, los de importancia, los de
la estructura gráfica, contiene conceptos mas inclusivos importancia, los
lo más importante o conceptos mas conceptos más
ocupan lugares
inclusivos no ocupan inclusivos no
significativo del tema. superiores de la
Jerarquización lugares superiores de ocupan lugares
estructura gráfica. la estructura gráfica. superiores de la
estructura gráfica.
3 2 1 0.5
Es conciso y muestra las Es conciso y muestra las Es conciso y muestra las Es conciso y muestra
relaciones entre las principales relaciones entre las relaciones entre las las relaciones entre las
ideas de un modo simple y principales ideas de un principales ideas de un principales ideas de un
vistoso, presenta creatividad en
modo simple y vistoso. modo simple. modo complejo.
la realización.
3 2 1 0.5
Impacto visual
Calificación obtenida de la actividad
23
24

Equipo Probabilidad Estadistica 202 Mapas y Investigaciones U5.

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Equipo Probabilidad Estadistica 202 Mapas y Investigaciones U5.

Cargado por

Copyright:

Formatos disponibles

INVESTIGACIÓN POR ESCRITO UNIDAD 5

ALUMNO/ INTEGRANTES DEL EQUIPO:

Aguilar Olay Jose Eduardo

SEMESTRE MARZO - AGOSTO 2023

5.1 Regresión lineal simple, curvilínea y múltiple.

Regresión Lineal Simple

Regresión Lineal Curvilínea

La regresión curvilínea es el nombre que se le da a cualquier modelo de regresión que

Regresión Lineal Múltiple

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

¿Cómo se mide la correlación?

¿Cuáles son algunas limitaciones del análisis de correlación?

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

5.3 Regresión y correlación para datos agrupados.

La regresión estadística o regresión a la media es la tendencia de una medición extrema a

En estadística la regresión lineal o ajuste lineal es un método matemático que modeliza la relación

: variable dependiente, explicada o regresando.

donde es la perturbación aleatoria que recoge todos aquellos factores de la realidad no

En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

5.4 Correlación por rangos.

El coeficiente de correlación de Spearman es una medida no paramétrica de la correlación de

 Nivel de intervalo o ratio

La imagen explica tres conceptos de la función monótona:

1. Monotónicamente en aumento: Cuando la variable “x” aumenta y la variable “y” nunca

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

5.5 Coeficiente de correlación para datos nominales.

El coeficiente de correlación es la medida específica que cuantifica la intensidad de la relación

¿Cómo se utiliza el coeficiente de correlación?

¿Qué limitaciones hay que tener en cuenta?

¿Qué significan los valores del coeficiente de correlación?

El coeficiente de correlación r es un valor sin unidades entre -1 y 1. La significancia estadística se

 Cuanto más se aproxima r a cero, más débil es la relación lineal.

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

 El valor p nos ayuda a determinar si podemos o no concluir de manera significativa que el

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

Rúbrica para Investigación por escrito

PROFESOR: M. en E. y D. Ana María Hernández Cortes. UNIDAD: 5

Aguilar Olay Jose Eduardo

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

incluye citas en el trabajo en formato APA

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

ALUMNO/ INTEGRANTES DEL EQUIPO:

Aguilar Olay Jose Eduardo

SEMESTRE MARZO - AGOSTO 2023

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

4.1 Estimación puntual y por intervalo de confianza

Una estimación es puntual cuando se usa

En él se permite acotar uno o

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

La media muestral X es un estimador

Media, varianza y desviación típica

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

4.3 Determinación del tamaño

El tamaño de la muestra es la cantidad de

El cálculo del tamaño de la muestra no

El tamaño mínimo de la muestra

En el cálculo del tamaño de la

M. en E y D. ANA MARÍA HERNÁNDEZ CORTES.

4.4 Prueba de hipótesis

Una prueba de hipótesis es una

La hipótesis nula es La hipótesis alternativa Técnica estadística que se