INSTITUTO TECNOLOGICO MILPA ALTA II

INGENIERA EN SISTEMAS COMPUTACIONALES PROBABILIDAD Y ESTADSTICA INTEGRANTES: Marisol Villegas Abad Xchitl Meza Vzquez Marco Antonio Reynoso Diego Mozqueda Meza Aldo Cid Mario Argenis CATEDRTICO: Ing. Gabriel Domnguez Amacende

PROBABILIDAD Y ESTADSTICA

UNIDAD 5 ESTADSTICA APLICADA

5.3 REGRESIN Y CORRELACIN

PROBABILIDAD Y ESTADSTICA

REGRESIN
El diagrama de dispersin es una tcnica estadstica utilizada para estudiar la relacin entre dos variables. Por ejemplo, entre una caracterstica de calidad y un factor que le afecta. CURVA DE AJUSTE Frecuentemente encontramos que existe una relacin entre dos o ms variables, y la expresamos por medio de una ecuacin matemtica.

PROBABILIDAD Y ESTADSTICA

REGRESIN
Uno de los propsitos principales de la curva de ajuste es estimar una de las variables (la variable dependiente) de la otra (la variable independiente). El proceso de estimacin se conoce como regresin. Si y se va estimar a partir de x por medio de alguna ecuacin la llamamos ecuacin de regresin de y sobre x y a la curva correspondiente curva de regresin de y sobre x.

PROBABILIDAD Y ESTADSTICA

REGRESIN
La relacin entre dos variables se representa mediante una grfica de dos dimensiones en la que cada relacin est dada por un par de puntos (uno para cada variable). La variable del eje horizontal x normalmente es la variable causa, y la variable del eje vertical y es la variable efecto.
PROBABILIDAD Y ESTADSTICA

REGRESIN
MTODO DE MNIMOS CUADRADOS Ms de una curva parece ajustar a un conjunto de datos, por lo que se hace necesario obtener la mejor recta o curva de ajuste.

De todas las curvas de aproximacin de un conjunto de puntos de datos dados, la curva que tenga la propiedad de que

Es la mejor curva de ajuste.

PROBABILIDAD Y ESTADSTICA

REGRESIN
Las frmulas para aplicar la regresin lineal son:

Pendiente

Ordenada al origen

PROBABILIDAD Y ESTADSTICA

En un experimento para probar las caractersticas de porosidad (y) relacionadas con el peso unitario de varias muestras de concreto, arrojo los siguientes resultados:
Obs 1 2 3 4 5 6 7 8 9 10 11 x 99 101.1 102.7 103 105.4 107 108.7 110.8 112.1 112.4 113.6 y 28.8 27.9 27 25.2 22.8 21.5 20.9 19.6 17.1 18.9 16 x2 9801 10221.21 10547.29 10609 11109.16 11449 xy 2851.2 2820.69 2772.9 2595.6 2403.12 2300.5 y2 829.44 778.41 729 635.04 519.84 462.25

11815.69
12276.64 12566.41 12633.76 12904.96

2271.83
2171.68 1916.91 2124.36 1817.6

436.81
384.16 292.41 357.21 256

12
13 14 15 suma

113.8
115.1 115.4 120 1640.1

16.7
13 13.6 10.8 299.8

12950.44
13248.01 13317.16 14400 179849.73

1900.46
1496.3 1569.44 1296 32308.59

278.89
169 184.96 116.64 6430.06

PROBABILIDAD Y ESTADSTICA

Se estima que el cambio de porosidad relacionado con el incremento de 1 lb/ft3 en el peso unitario es -0.905% (una disminucin). La ecuacin de la recta de regresin (recta de mnimos cuadrados) es y = 118.91 0.905x

PROBABILIDAD Y ESTADSTICA

Se estima que el cambio de porosidad relacionado con el incremento de 1 lb/ft3 en el peso unitario es -0.905% (una disminucin). La ecuacin de la recta de regresin (recta de mnimos cuadrados) es y = 118.91 0.905x
Variacion de la porosidad del concreto en funcin de su densidad
35

30

25
porosidad

20

y = -0.9047x + 118.91 R = 0.9739

Series1 Linear (Series1)

15

10 99 104 109 densidad 114 119 124

PROBABILIDAD Y ESTADSTICA

COEFICIENTE DE CORRELACIN
Se denota con r y mide qu tan bien la recta de regresin de mnimos cuadrados se ajusta a los datos mustrales.

Si la variacin total se explica totalmente por la recta de regresin, es decir si r2 = 1 o r = 1, decimos que hay una correlacin lineal perfecta (y en tal caso tambin regresin lineal perfecta).
El coeficiente de correlacin r es una medida de cun fuerte es la relacin entre x y y en la muestra observada.

PROBABILIDAD Y ESTADSTICA

Determinar la relacin entre dos contaminantes, segn la siguiente tabla, se describen los datos acerca de la concentracin de ozono x (ppm) y la concentracin secundaria de carbono y (g/m3)

x
0.066 0.088 0.12 0.05 0.162 0.186 0.057 0.1 0.112 0.055 0.154 0.074 0.111 0.14 0.071 0.11

y
4.6 11.6 9.5 6.3 13.8 15.4 2.5 11.8 8 7 20.6 16.6 9.2 17.9 2.8 13
1.656

0.3036 1.0208 1.14 0.315 2.2356 2.8644 0.1425 1.18 0.896 0.385 3.1724 1.2284 1.0212 2.506 0.1988 1.43
170.6 20.0397

Como las variables tienen un coeficiente diferente de cero, sabemos que son dependientes en el sentido de probabilidad. Adems podemos utilizar una ecuacin para predecir el valor de Y a partir del valor de X.

suma

PROBABILIDAD Y ESTADSTICA