viernes, 22 de mayo de 2009

CORRELACION

Correlacion es la forma de cuantificar.

Correlacion: la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. 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 grados de correlacion
gggggdos variables (A y B) existe 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.

GRADOS DE CORRELACION
La correlacion puede presentar los siguientes grados:

1) PERFECTA: Que puede ser positiva o negativa.

2) IMPERFECTA: Que puede ser exelente, aceptable, regular o minima.

3) NULA:
Correlacion perfecta: Es cuando al crecer o descrecer una variable, crece o decrece la otra y es perfecta cuando los valores de una variable y la otra aumentan o disminuyen en la misma cantidad. Decimos que es negativa cuando al crecer una variable decrece la otra y viceversa.
Correlacion Imperfecta: Se determina cuando los puntos dados por par de valores de las variables, no caen sobreb la diagonal sino q se acercan a el.
Correlacion Nula: es cuando entre las dos variables no hay ninguna relacion y los puntos se distribuyen desordenadamenta sobre too el plano.

Algunos ejemplos:



La 1era grafica es positiva, la 2da es negativa, y las otras nulas.

jueves, 21 de mayo de 2009

REGRESION



El primer tema de clase en el 2do bimestre fue? '' REGRESION''
El análisis de regresión estudia de la relación entre dos grupos de datos desarrollando una ecuación matemática que la describe. La ecuación nos permitirá predecir el valor de la variable dependiente Y basándonos en el valor de la variable independiente X. La técnica usada para desarrollar la ecuación para la línea de tendencia y hacer esta predicción es llamada análisis de regresión.

formula punto pendiente:


Y2-Y1= m (X2-X1)


CLASES DE REGRESION

Ejemplo de una grafica de relacion lineal negativa y postiva:



La primera es lineal negativa.

La segunda lineal positiva





OTROS EJEMPLOS DE GRAFICAS:



Podemos ver que las 1eras dos son lineales positivas. La 3ra es cuadratica bueno a mi criterio conforme a lo que nos explico el prof en clase. Las 1era de abajo es lineal negativa, la 2da es cuadratica negativa, y la ultima es relacon nula.
DIAGRAMA DE DISPERSION:
Este nos ayuda a determinar si es lineal o cuadratica.

viernes, 8 de mayo de 2009

REGRESION

Origen del concepto

El término regresión fue introducido por Francis Galton en su libro Natural inheritance (1889) y fue confirmada por su amigo Karl Pearson. Su trabajo se centró en la descripción de los rasgos físicos de los descendientes (variable A) a partir de los de sus padres (variable B). Estudiando la altura de padres e hijos a partir de más de mil registros de grupos familiares, se llegó a la conclusión de que los padres muy altos tenían una tendencia a tener hijos que heredaban parte de esta altura, pero que revelaban también una tendencia a regresar a la media. Galton generalizó esta tendencia bajo la "ley de la regresión universal": «Cada peculiaridad en un hombre es compartida por sus descendientes, pero en media, en un grado menor.»

REGRESION: 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.

Modelos de regresión

Regresión lineal

Artículo principal: Regresión lineal
  • Regresión lineal simple

Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX

a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.

Así, en el ejemplo de Pearson: Ŷ = 85 cm + 0,5X

Donde Ŷ es la altura predicha del hijo y X la altura del padre: En media, el hijo gana 0,5 cm por cada cm del padre.
  • Regresión lineal múltiple

Regresión no lineal

Artículo principal: Regresión no lineal

Regresión Exponencial.

- CRECIENTE
- DECRECIENTE
- CUADRATICA




Segundo Bimestre






SEGUNDO BIMESTRE
ESTADISK