Академический Документы
Профессиональный Документы
Культура Документы
CONSULTA
GRUPAL
ANALISIS DE REGRESION Y
CORRELACION
INTRODUCCION
La Recta de regresin y la distribucin bidimensional es una operacin muy conocida y
aplicada en las actividades de investigacin, pues es una via muy fiable de comprobar la
relacin entre 2 variables fundamental en el momento de demostrar alguna hiptesis o
experimento.
Se viene aplicando incluso en los teoremas ms bsicos del clculo y la fsica puesto que
los corolarios que componen los diferentes teoremas siempre necesitan una demostracin
y esta puede ser directamente por regresin lineal , uno de los ejemplos ms
representativos son las componentes cinemticas de un cuerpo en movimiento , donde la
posicin, velocidad y aceleracin proporcionan informacin similar sobre el movimiento
del cuerpo y el clculo de la correlacin ayuda a entender de qu manera se distribuyen
estos datos y poder analizarlos de una manera ms precisa.
Hay muchos factores que intervienen en el clculo de variables bidimensionales los cuales
se detallaran a continuacin.
DISTRIBUCIONES BIDIMENSIONALES
Se llama as debido a su estudio sobre 2 variables a la vez en cada
experimento.
Se Representa con un diagrama de puntos o nube de puntos.
Se utiliza el plano cartesiano para representar la relacin entre las 2
variables estudiadas
Ejemplos
Nota de Matemticas / Nota de Fsica. (2 variables)
Horas de estudio / Horas de televisin. (2 variables)
Estatura media de los padres / Estatura media de los hijos. (2 variables)
REPRESENTACION
Medida de la correlacin
Al estudiar distribuciones bidimensionales, el objetivo perseguido es determinar si existe relacin
estadstica entre las dos variables consideradas; es decir, ver si los cambios en una de las
variables influyen en los cambios de la otra. Cuando sucede esto, se dice que ambas variables
estn correlacionadas o que hay correlacin entre ellas.
Estudia la relacin o dependencia que existe entre dos variables que intervienen en una
distribucin bidimensional. Estudiamos la covarianza, el centro de gravedad de las dos variables y
el coeficiente de correlacin lineal de Pearson (R). (Garcia, 2010)
Si las variables crecen conjuntamente, la correlacin es directa. Si, por el contrario, al aumentar
una de ellas disminuye la otra, la correlacin ser inversa. El valor del factor de correlacin siempre
oscilara entre 1 y -1.
La correlacin puede calificarse como fuerte cuando el grado de dependencia es alto; y como dbil
en caso contrario. (VARGAS, 2011)
ECUACION
REPRESENTACION GRAFICA
NOTA:
El punto que tiene por coordenadas la media aritmtica de las 2 variables es
denominado Centro de gravedad
DIAGRAMAS DE DISPERSION
El primer paso para determinar el sentido y el grado de la correlacin entre dos variables
consiste en representar grficamente, en el plano cartesiano, los pares de valores
conocidos.
Estos grficos, que reciben el nombre de diagramas de dispersin, permiten visualizar la
posicin de los datos en el plano.
La forma de la nube de puntos asociada a cada diagrama permitir establecer conjeturas
sobre la correlacin existente entre las variables estudiadas.
Medias
Las medias marginales para cada una de las variables X e Y valen, respectivamente:
El coeficiente de correlacin lineal (r) es el criterio que se utiliza para medir la fuerza de la
correlacin lineal entre dos variables, se define como:
La recta de regresin es la que mejor se ajusta a la nube de puntos, haciendo mnima la suma de
las distancias de todos los puntos de la nube a ella. Debe pasar por el punto , centro de
gravedad de la distribucin bidimensional.
La recta que mejor se ajusta a estos propsitos es la recta de regresin mnimo cuadrtica. Con
estas condiciones, los valores de la pendiente a y de la ordenada en el origen b de esa recta
valen:
WEBGRAFIA
http://www.edu.xunta.gal/centros/iescastroalobrevilagarcia/system/files/aps
%20est%20bid.pdf
http://www.ugr.es/~mvargas/tema2sd.pdf
http://www.vadenumeros.es/sociales/covarianza-recta-de-regresion.htm
http://www.vitutor.com/estadistica/bi/distribuciones_bidimensionales.html