Vous êtes sur la page 1sur 10

INTRODUCCIN

El presente trabajo busca ampliar el conocimiento acerca de los temas


sobre la aplicacion del modelo de regresion lineal y probabilidad en
estadistica en la presente unidad, tomando como referencia 3 libros
que son de los mas resaltantes para la elaboracion de nuestras citas
bibliograficas. Esperamos que sea de su aprobacion ya que fue hecho
con el mayor de los esmeros.

NDICE
1 Coeficiente de correlacin _________________________________ 3
1.1 Analisis de correlacion, 1.2 Diagrama de dispersion _____________________ 3

2. Coeficiente de correlacion y determinacion ____________________3


2.1 Coeficiente de correlacion, 2.2 Coeficiente de determinacion ______________3

3. Regresion _______________________________________________4
3.1 Metodo de los minimos cuadrados ____________________________________4

4. Regresion minimo cuadratica ________________________________5


4.1 Recta de regresion, 4.2 Regresion minimo-cuadratica _____________________5
4.3 Ecuacion de la recta de regresion minimo-cuadratica ______________________5

5. Probabilidades ____________________________________________7
5.1Tipos de probabilidad
______________________________________________________________7

5.2 Experimentos, reglas de conteo , asignacin de valores y


suceso________7
5.2.1.1
Combinaciones___________________________________________7
5.2.1.2
Permutaciones___________________________________________ 8
5.2.1.3 Conteo para experimentos de pasos
mltiples____________________________ 8
5.3 Asignacion del valor de la
probabilidad__________________________________________ 8

APRECIACION CRITICA ____________________________________6


Conclusiones _______________________________________________

Bibliografia ________________________________________________

1 COEFICIENTE DE CORRELACIN
Para datos muestrales el coeficiente de correlacin del productomomento de Pearson
esta defi- nido como sigue. (Anderson, 2008, p. 114)

1.1 ANLISIS DE CORRELACIN


El analisis de correlacin consiste en determinar qu tan intensa es la relacin entre dos
variables para lo que normalmente el primer paso es mostrar los datos en un diagrama de
dispersin que es una representacin grafica de la relacin entre dos variables casi
siempre es sobre una misma poblacin y los valores de dos variables estadsticas distintas
para as despus poder ver si existe alguna relacin entre ellas, es decir ver si los
cambios que haya en una de ellas influyen los valores de la otra.
Si ocurre esto decimos que las variables estan correlacionadas o que hay correlacin entre
ellas. (Anderson, 2008, p. 89)

1.2 DIAGRAMA DE DISPERSIN


Es una representacin grafica de la relacin entre dos variables tambin nos sirve para
resaltar las observaciones individuales que se desvan de la relacin general.
Variable Dependiente: Es la variable que se predice o calcula. Se representa con la letra
"Y".
Variable Independiente: Es la variable que nos da las bases para el calculo. Se representa
con la letra X. (Anderson, 2008, p. 100)

2 COEFICIENTE DE CORRELACIN Y DETERMINACIN


2.1 Coeficiente de correlacin (r):
Es una medida de la intensidad de la relacin entre dos variables, puede tomar valores
desde menos uno hasta uno, mientras mas cercano a uno sea el valor de (r) mas fuerte

4
sera la asociacin lineal entre las dos variables, mas cercano a cero sera mas dbil la
asociacin entre ambas variables y si es igual a cero no existe relacin lineal entre ambas
variables. (Levin I Richard, 2004, p. 117)
2.2 Coeficiente de determinacin (r2)
Es el cuadrado del coeficiente, cuando la recta es creciente la correlacin es positiva o
directa: al aumentar una variable, la otra tiene tambin tendencia a aumentar, la recta es
decreciente la correlacin es negativa o inversa: al aumentar una variable, la otra tiene
tendencia a disminuir. (Levin I Richard, 2004, p. 117)

3 .REGRESIN

3.1 ANLISIS DE REGRESIN


En el analisis de regresin desarrollaremos una ecuacin de estimacin, esto es,
una frmula matematica que relaciona las variables conocidas con la variable
desconocida. Entonces podemos aplicar el analisis de correlacin para determinar
el grado de en el que estan relacionadas las variable, tambin nos dice que tan bien
la ecuacin de estimacin realmente describe la relacin. (Moore, 2000,1995, p.
125)
La ecuacin de regresin:
Y= a + bX, donde:
Y es el valor promedio pronosticado de Y para cualquier valor de X.
A es la intercepcin en Y, o el valor estimado de Y cuando X = 0
B es la pendiente de la recta, o cambio promedio en Y por cada cambio de una
unidad en X

3.2 MTODOS DE LOS MNIMOS CUADRADOS:


Es una tcnica de analisis numrico cuadrada en la que dados un conjunto de pares
nos ayuda a encontrar los valores de a y b con los que se intenta encontrar la
funcin que mejor se aproxime a los datos de acuerdo con el criterio de mnimo
error. (Moore, 2000,1995, p. 125)

Para determinar si existe o no una relacin entre dos variables es observar la


grafica de datos observados. Esta grafica se llama diagrama de dispersin.

Un diagrama nos puede dar dos tipos de informacin, visualmente podemos buscar
patrones que nos indiquen que las variables estan relacionadas. Entonces si esto
sucede, podemos ver qu tipo de lnea, o ecuacin de estimacin, (Anderson,
2008, p. 128)

4.REGRESION MINIMO-CUADRATICA
LA Correlacion mide la fuerza y la direccion de la relacion lineal entre dos variables
cuantitativas.Si un diagram de dispersion muestra una relacion lineal, nos gustaria
resumirla dibujando una recta a travez de la nube de puntos.La regresion minimocuadratica es un metodo para hallar una recta que resume la relacion entre dos variables,
aunque solo en una situacion muy concreta: una de las variable ayuda a explicar o a
predecir la otra.Es decir, la regression describe una relacion entre una variable explicative
y una variable respuesta. (Moore, 2000,1995, p. 130)
4.1 RECTA DE REGRESION
La recta de regression es una recta que describe como cambia una variable respuesta y
medida que cambia una variable explicatica x.
A menudo utilizamos una recta de regression para predecir el valor de y a partir de un
valor dado de x. (Moore, 2000,1995, p. 132)

4.2RECTADEREGRESIONMINIMOCUADRATICA
Larectaderegressionminimocuadraticadeyconlarelacionaxeslarectaquehaceque
lasumadeloscuadradosdelasdistanciasverticalsdelospuntosobservadosalarecta
sealomaspequ;aposible.
Unadelasrazonesdelapopularidaddelarectaderegresionminimacuadraticaesquees
procedimientoparaencontrardicharectaessencillo;secalculaapartirdelasmedias,las
desviacionestipicasdelasdosvariablesysucorrelacion.(Moore,2000,1995,p.132)

4.3ECUACIONDELARECTADEREGRESIONMINIMOCUADRATICA
Tenemosdatosdelavariableexplicativaxydelavariablerespuestayparanindividuos.
A partir de los datos calcula X2 e Y, las desviaciones tipicas SX y SY de las dos
variablesysucorrelacion.Larectaderegresiobnminimocuadraticaes

6
Y=a+bx(Moore,2000,1995,p.133)

APRECIACION CRITICA:
Si somos capaces de encontrar una forma de medir adecuadamente la
relacin entre dos variables se dice que se esta buscando medir la correlacin entre esas
dos variables.
Por tanto, averiguar la correlacin entre dos variables se refiere siempre a hallar una
medida de la relacin entre esas dos variables.
El analisis de regresin es ampliamente utilizado para la prediccin y previsin asi que en
el desempeo de los mtodos de analisis de regresin en la practica depende de la forma
del proceso de generacin de datos, y cmo se relaciona con el mtodo de regresin que
se utiliza ya que la forma verdadera del proceso de generacin de datos generalmente no
se conoce por lo que depende a menudo hasta cierto punto de hacer suposiciones acerca
de este proceso que pueden ser comprobadas si hay una cantidad suficiente de datos.

5. PROBABILIDADES
La probabilidad es una medida numrica de la posibilidad de que ocurra un
evento. Por tanto,lasprobabilidadessonunamedidadelgradodeincertidumbre
asociadoconcadaunodeloseventospreviamenteenunciados.Sicuentaconlas
probabilidades,tienelacapacidaddedeterminarlaposibilidaddeocurrenciaque
tienecadaevento.(Anderson,2008,p.143)
5.1TIPOS DE PROBABILIDAD
Existen tres maneras bsicas de clasificar la probabilidad; stas
representan planteamientos conceptuales bastante diferentes para el
estudio de la teora de probabilidad. (Levin I Richard, 2004, p. 131)
1. El planteamiento clsico.
2. El planteamiento de frecuencia relativa.
3. El planteamiento subjetivo

5.2 EXPERIMENTOS, REGLAS DE CONTEO , ASIGNACIN DE


VALORES Y SUCESO
Enelcontextodelaprobabilidad,unexperimentoesdefinidocomounproceso
que genera resultados definidos. Y en cada una de las repeticiones del
experimento, habr uno y slo uno de los posibles resultados experimentales.
(Anderson,2008,p.143)
5.2.1
REGLAS
PERMUTACIONES

DE

CONTEO,

COMBINACIONES

Al asignar probabilidades es necesario saber identificar y contar los resultados


experimentales.
A continuacin tres reglas de conteo que son muy utilizadas.

5.2.1.1Combinaciones

8
Otra regla de conteo til le permite contar el nmero de resultados experimentales
cuando el experimento consiste en seleccionar n objetos de un conjunto (usualmente
mayor) de N objetos. sta es la regla de conteo para combinaciones. (Anderson, 2008, p.
148)

5.2.1.2Permutaciones
La tercera regla de conteo que suele ser til, es para permutaciones. Dicha regla permite calcular el nmero de resultados experimentales cuando se seleccionan n
objetos de un conjunto de N objetos y el orden de seleccin es relevante. Los mismos n
objetos seleccionados en orden diferente se consideran un resultado experimental
diferente. (Levin I Richard, 2004, p. 137)

5.2.1.3Conteo para experimentos de pasos mltiples


Un experimento se describe como una sucesin de k pasos en los que hay n1 resultados
posibles en el primer paso, n2 resultados posibles en el segundo paso y as en lo sucesivo,
entonces el nmero total de resultados experimentales es (n1) (n2)...(nk).La regla de
conteo para experimentos de pasos mltiples permite determinar el nmero de resultados
experimentales sin tener que enumerarlos. (Moore, 2000,1995, p. 156)

5.3ASIGNACION DEL VALOR DE LA PROBABILIDAD


Cuando el resultado de un experimento depende del azar, se le llama suceso,
fenmeno o experimento aleatorio, al nmero de resultados favorables que se
puedan obtener en un experimento se les llama eventos favorables posibles o
casos favorables. La probabilidad toma valores entre 0(corresponde al suceso
imposible) y 1(corresponde al suceso seguro) o expresados en tanto por ciento,
entre 0% y 100%) (Anderson, 2008, p. 151)
Suceso posible: es un resultado que se puede dar.
Suceso imposible: es un resultado que no se puede dar.
Suceso seguro: es un resultado que siempre se va a dar.

APRECIACION CRITICA
El clculo de probabilidades se puede aplicar a casi todo, pero en especial se
aplica da a da en el anlisis de riesgo que corren las compaas o las
decisiones que toma es difcil saber si vas a ganar o a perder en un juego de
azar pero se puede reducir el escogido por medio del clculo de probabilidades.

Ahora que tenemos un conocimiento mas amplio sobre los temas tratados podemos decir
que en general las matemticas buscan minimizar la problemtica de lo
desconocido y tiene una buena utilidad para calcular con mayor precisin. Ahora
podemos calcular hasta la lotera, que es una probabilidad muy amplia pero se
puede calcular o saber que tan relacionado esta un tema a otro .

10

BIBLIOGRAFIA
Anderson, D. R. (2008). ESTADISTICA PARA ADMINISTRACION Y
ECONOMIA (10ma ed.). (S. R. Gonzlez, Ed.) Mexico DF, Mexico:
Cengage Learning Editores, S.A. .
Levin I Richard, R. S. (2004). ESTADISTICA PARA ADMINISTRACION Y
ECONOMIA (7ma ed.). (G. T. MENDAZO, Ed.) Mexico: PEARSON
EDUCACION.
Moore, D. S. (2000,1995). ESTADISTICA APLICADA BASICA (2da ed.). (A.
B. S.A, Ed.) Espana: Antoni Bosch.