Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NACIONAL DE
CAJAMARCA
FACULTAD DE CIENCIAS
AGRARIAS
ESCUELA ACADÉMICO
PROFESIONAL DE AGRONOMÍA
DOCENTE :
Alumna :.
CICLO : vI
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADÉMICO PROFESIONAL DE AGRONOMÍA
I. INTRODUCCION
Un diagrama de dispersión se emplea cuando existe una variable que está bajo
el control del experimentador.
El primer paso para analizar una serie de tiempo es graficarla, esto permite:
identificar la tendencia, la estacionalidad, las variaciones irregulares.
II. OBJETIVOS
Aprender a calcular la correlación entre dos variables.
Representar la recta que define la relación lineal entre dos variables.
Realizar inferencia sobre los parámetros de la recta de regresión.
Construir e interpretar intervalos de confianza e intervalos de predicción
para la variable dependiente
III. MARCO TEORICO
DIAGRMA DE DISPERCION
Un diagrama de dispersión se emplea cuando existe una variable que está bajo
el control de experimentador. Si existe un parámetro que se incrementa o
disminuye de forma sistemática por el experimentados, se le denomina
parámetro de control o variable independiente= eje de x y habitualmente se
representa a lo largo del eje horizontal. La variable medida o dependiente = eje
y usualmente se representa a lo largo del eje vertical. Si no existe una variable
dependiente, cualquier variable se puede representar en cada eje y el diagrama
de dispersión mostrara el grado de correlación entre las dos variables.
Ejemplo
matemática física
2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
Diagrama de dispersión
1. Correlación directa
2. Correlación inversa
3. Correlación nula
Grado de correlación
1. Correlación fuerte
La correlación será fuerte cuanto más cerca esté los puntos de la recta.
2. Correlación débil
La correlación será débil cuanto más separados estén los puntos de la recta
VENTAJAS Y DESVENTAJAS
VENTAJAS
REGRESIÓN LINEAL
Representación Matemática
estatur peso Regresión Lineal I.C. para la I. C.
a s media individual
1 152 50 2310 2500 7600 56.4 -6.43 53.0 59.7 47.3 65.5
4 3 7 9 0 6
2 155 61.5 2402 3782. 9532. 59.0 2.47 56.0 61.9 50.0 68.0
5 3 5 3 9 7 5 2
3 152 54.5 2310 2970. 8284 56.4 -1.93 53.0 59.7 47.3 65.5
4 3 3 7 9 0 6
4 155 57.5 2402 3306. 8912. 59.0 -1.53 56.0 61.9 50.0 68.0
5 3 5 3 9 7 5 2
5 157 63.5 2464 4032. 9969. 60.7 2.73 58.0 63.4 51.8 69.6
9 3 5 7 5 8 5 8
6 152 59 2310 3481 8968 56.4 2.57 53.0 59.7 47.3 65.5
4 3 7 9 0 6
7 157 61 2464 3721 9577 60.7 0.23 58.0 63.4 51.8 69.6
9 7 5 8 5 8
8 165 72 2722 5184 11880 67.7 4.29 65.1 70.2 58.8 76.5
5 1 7 4 5 7
9 162 66 2624 4356 10692 65.1 0.89 62.6 67.5 56.2 73.9
4 1 5 6 7 4
10 178 72 3168 5184 12816 78.9 -6.99 74.6 83.3 69.4 88.5
4 9 5 3 5 2
11 183 84 3348 7056 15372 83.3 0.68 78.0 88.6 73.3 93.3
9 2 1 4 1 4
12 178 82 3168 6724 14596 78.9 3.01 74.6 83.3 69.4 88.5
4 9 5 3 5 2
Representación Gráfica
4. HIPÓTESIS
HO: No hay relación entre la variable peso y la variable estatura.
HA: Hay relación entre la variable peso y la variable estatura.
Tabla de análisis de
varianza
Fuente
de Grados de Suma de Cuadrados
estadístico
Variación libertad cuadrados medios F
Debido a
la
regresión 1 1061.1 1061.1 73.08
total 11 1206.3
Se obtiene un valor F = 73.08 > 4.96, con lo cual se rechaza la hipótesis nula y
aceptamos que la variable estatura está relacionada con la variable peso con
un 95% de confianza.
De acuerdo al desarrollo matemático hemos obtenido los siguientes
cálculos:
Se obtiene:
IV. CONCLUSIONES
Como conclusión nos gustaría decir que esta práctica nos dejó muy en
claro que el minitab sirve para hacer grandes cosas y además de ahorrar
mucho trabajo es muy fácil utilizarlo para la obtención de diferentes
conceptos de estadística como la correlación y algunos diagramas.
Un diagrama de dispersión puede sugerir varios tipos de correlaciones
entre las variables con un intervalo de confianza determinado. La
correlación puede ser positiva (aumento), negativo (descenso), o nula
(las variables no están correlacionadas).
V. REFERENCIAS BIBLIOGRAFICAS
http://www.monografias.com/trabajos27/regresion-simple/regresion-
simple.shtml#ixzz5Hf16zrdn.
D.A. Lind, R.D. Mason, W.G. Marchal (2001): “Estadística para
Administración y Economía”. Ed.
Irwin McGraw-Hill.F. [2] Kvanli, A. “Introducción to Business Statistics”
South-Western [3] R. Johnson (1996): “Elementar Statistics”. Ed.
Duxbury [4] Richard I.
Levan & David S. Rubin (1996): “Estadística para Administradores”. Ed.
Prentice Hall.