Академический Документы
Профессиональный Документы
Культура Документы
CONDENSADA
13.1
En esta leccin
Distribuciones de probabilidad
Dibujars la grfica de la distribucin de probabilidad de una variable aleatoria continua Encontrars unas probabilidades al hallar o aproximar las reas bajo una curva de distribucin de probabilidad Extenders las definiciones de moda, mediana, y media a las distribuciones de probabilidad
En tiempos electorales, a menudo las estaciones de televisin, los diarios, y las revistas llevan a cabo encuestas. Al encuestar una pequea muestra de votantes, esperan obtener informacin sobre cmo se siente la poblacin completa de votantes sobre cierto candidato o ciertas cuestiones. En captulos anteriores aprendiste algunas estadsticaspor ejemplo, la media, la mediana, y la desviacin estndarque se pueden usar para describir una muestra. Los nmeros correspondientes que describen a la poblacin completa se llaman los parmetros. Cunto ms grande sea la muestra, ms cerca estarn sus estadsticas a los parmetros. En el captulo anterior, trabajaste con unas variables aleatorias discretas. Los datos tenan valores enterospor ejemplo, 10 caras o 3 cruces. En ocasiones, los datos pueden tomar cualquier valor real dentro de un intervalo. Esto se representa mediante una variable aleatoria continua. Por ejemplo, la altura de una persona elegida al azar es una variable aleatoria continua. Una persona podra tener una altura de 165 cm o de 166 cm, pero cualquier medida entre tales mediciones enteras tambin es posible (por ejemplo, 165.25 cm 165.67897 cm).
Crea un histograma de estos datos con columnas que representan incrementos de 1 cm. El histograma debe parecerse al siguiente. Divide el nmero de lpices de cada columna entre el nmero total de lpices. Debes obtener los siguientes resultados: 89: .025 1213: .075 1617: .175 910: 0 1314: .1 1718: .15 1011: .05 1415: .125 1819: .025 1112: .075 1516: .2
Haz un segundo histograma usando estos nuevos valores como los valores y. Tu histograma debe parecerse al que presentamos en la prxima pgina. Esta grfica tiene la misma forma que la anterior, pero la escala vertical es diferente.
Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press
(contina)
CHAPTER 13
201
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 202
Imagina que renas y mides cada vez ms lpices y dibujas un 8 10 12 14 16 18 20 histograma usando la fraccin de lpices como la altura de la Longitud de lpiz (cm) columna. Dibuja un histograma correspondiente a un nmero infinito de lpices. Asegrate de poder justificar la forma de tu histograma. Imagina que haces una encuesta completa y precisa de todos .25 los lpices del mundo. Supn que la distribucin de .20 longitudes sea aproximadamente la misma que la de la .15 muestra anterior. Adems, supn que utilices un nmero infinito de columnas delgadas. (Cada ancho de columna .10 representa una fraccin infinitamente pequea de un .05 centmetro.) Para aproximar esta grfica, dibuja una curva 0 lisa sobre la parte superior de tu histograma. Haz que el rea 8 10 12 14 16 18 20 entre la curva y el eje horizontal sea aproximadamente la Longitud de lpiz (cm) misma que el rea del histograma. Trata de asegurar que el rea extra encerrada por la curva por encima del histograma sea igual que el rea cortada en las esquinas de las columnas, como en la curva que se muestra aqu. Usa tu curva para estimar las reas descritas en el Paso 7 en tu libro. Las siguientes estimaciones se basan en la curva que se muestra aqu. a. Aproximadamente .025 c. Aproximadamente 32.5(.025), .8125 b. Aproximadamente 3(.025), .075 d. 0
El segundo histograma que hiciste en la investigacin, donde se muestra la fraccin de lpices en cada columna, se llama un histograma de frecuencias relativas. La curva lisa que dibujaste se aproxima a la distribucin de probabilidad de una variable aleatoria continua para el conjunto infinito de mediciones. Las reas que encontraste son las probabilidades de que la longitud de un lpiz escogido al azar satisfaga la condicin dada. Si x representa la variable aleatoria continua que da las longitudes de los lpices en centmetros, entonces puedes escribir estas reas como P(x 10) P(11 x 12) P(x 12.5) P(x 11)
En una distribucin de probabilidad continua, la probabilidad de tener cualquier resultado sencillo, tal como la probabilidad de que la longitud de un lpiz sea 11 cm, es el rea de un segmento de recta, es decir, 0. Tericamente es posible que un lpiz tenga 11 cm de longitud, pero la probabilidad de escoger un resultado entre un nmero infinito de ellos es 0. Lee el Ejemplo A en tu libro, donde se ilustra cmo las reas representan las probabilidades para una variable aleatoria continua. Despus del Ejemplo A, tu libro define la moda, la mediana, y la media de una distribucin de probabilidad. Estas definiciones estn relacionadas, aunque son un tanto diferentes, con las definiciones que aprendiste anteriormente. Lelas atentamente y asegrate de que tengan sentido para ti. Despus aplica las nuevas definiciones, trabajando el Ejemplo B. 202
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 203
LECCIN
CONDENSADA
13.2
En esta leccin
Distribuciones normales
Descubrirs que la grfica de una distribucin binomial es una curva con forma de campana, que se llama una curva normal Aprenders la ecuacin de una distribucin normal con media y desviacin estndar Usars las funciones de una calculadora para graficar una curva normal y encontrar reas debajo de una porcin de la curva
En el Captulo 12, estudiaste la distribucin binomial para variables aleatorias discretas. En general, si un experimento tiene dos resultados, xito y fracaso, con una probabilidad de xito p y una probabilidad de fracaso q, entonces la probabilidad de x xitos en n ensayos es P(x) nCx p xqn x. Observa que q 1 p, de modo que esto es equivalente a P(x) nCx p x (1 p)n x. En esta leccin, descubrirs algunas propiedades de esta distribucin de probabilidad.
Investigacin: La campana
Completa la investigacin en tu libro. Despus compara tus resultados con los siguientes.
Paso 1 p .5 y 1 p .5; esto es, la probabilidad de obtener una cara en cualquiera de 5 ensayos es .5, y la probabilidad de no obtener una cara (es decir, obtener una cruz) es .5. Tericamente, la mitad de los lanzamientos sern caras, de modo que 7 y 8 darn el valor mximo para P(x). Paso 2
La suma es el total de las probabilidades de todos los resultados posibles de cualquier experimento, 1.
Paso 3 Este histograma tiene forma de loma y es simtrico. Los valores y van de 0 a aproximadamente .196. El valor mximo se presenta en x 7 y x 8. Paso 4 La funcin se define para los valores enteros que van de 0 a 15. La grfica consiste en puntos discretos que adquieren una forma de loma simtrica, con la misma forma del histograma del Paso 3. La media, la mediana, y la moda son todas iguales a 7.5.
[0, 18.8, 1,
CHAPTER 13
203
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 204
[0, 47, 1, Si el nmero de monedas aumentara, el dominio aumentara y el rango disminuira. La forma general sera la misma, pero la grfica sera ms amplia, ms lisa, y ms plana. La media, la mediana, y la moda se moveran a n , 2 donde n es el nmero de monedas. La desviacin estndar sera ms grande debido a la mayor dispersin.
Paso 7
Paso 6
22.5, s
3.354
A medida que n se hace cada vez ms grande, la distribucin binomial se ve cada vez ms continua hasta que adquiere la apariencia de la curva en forma de campana que se muestra aqu. Las distribuciones de poblaciones grandes a menudo tienen esta forma. Una curva con esta forma se llama una curva normal, y una distribucin con esta forma se llama una distribucin normal. Observa que utilizas x y s para representar la media y la desviacin estndar de una muestra, pero usas y (se pronuncian myu y sigma) para representar la media y la desviacin estndar de una poblacin entera. Empezando en la pgina 735 en tu libro, se analiza la ecuacin de la grfica de la distribucin normal. Lee ese texto y trabaja el Ejemplo A. En el ejemplo, graficas la ecuacin general de la curva normal, escribes la ecuacin de una distribucin normal estndar con media y desviacin estndar , y despus escribes una ecuacin para una curva normal que se ajuste a una distribucin binomial dada. La ecuacin general de una distribucin normal tambin se da en el recuadro The Normal Distribution (la distribucin normal) en la pgina 737. Puede resultar tedioso introducir la ecuacin de la distribucin normal en una calculadora. Afortunadamente, la mayora de las calculadoras proporcionan la ecuacin como una funcin preconfigurada. Slo tienes que proporcionar la media y la desviacin estndar. (Consulta Calculator Note 13B para aprender cmo graficar una distribucin normal en tu calculadora.) En este captulo se usa la notacin n(x, media, desviacin estndar) para representar una distribucin normal. As, por ejemplo, n(x, 2.6, 1.5) representa una distribucin normal con media 2.6 y desviacin estndar 1.5. La funcin distribucin normal estndares decir, la funcin de la distribucin normal con media 0 y desviacin estndar 1se denota simplemente como n(x). La notacin N(inferior, superior, media, desviacin estndar) se usa para representar el rea debajo de una parte de la curva normal. Por ejemplo, N(2, 3, 2.6, 1.5) representa el rea entre x 2 y x 3 debajo de la curva de la distribucin normal con media 2.6 y desviacin estndar 1.5. Curvatura hacia abajo (Consulta Calculator Note 13C para aprender cmo hallar estas reas en tu calculadora.) Lee el Ejemplo B en tu libro. En los puntos que estn a una desviacin estndar de la media, la curva normal cambia, de una curvatura hacia abajo a una curvatura hacia arriba. Estos puntos se llaman los puntos de inflexin. Puedes estimar la desviacin estndar de una distribucin normal, ubicando los puntos de inflexin de su grfica. 204
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 205
LECCIN
CONDENSADA
13.3
En esta leccin
Descubrirs la regla 68-95-99.7 para determinar la probabilidad de que un valor de datos est dentro de una, dos, o tres desviaciones estndares de la media Aprenders cmo transformar los valores x de una distribucin normal en valores z Calculars unos intervalos de confianza
Conocer cmo un valor de una muestra se relaciona con el valor medio no te dice si el valor es tpico. Por ejemplo, decir que el peso de un perro terrier escocs es de 4 lb por encima de la media no te dice si esta medida es un evento raro o un evento comn. Si supieras cuntas desviaciones estndares tiene el peso del perro de la media, podras evaluar si tal peso es comn.
Tu grfica debe ser una curva con forma de campana, simtrica con respecto a x 72.4, con puntos de inflexin en aproximadamente 71.6 y 73.2 (los valores x que estn a una desviacin estndar de la media).
Paso 2
a. N(71.6, 73.2, 72.4, 0.8) .683, aproximadamente 68% b. N(72.4 2(0.8), 72.4 2(.8), 72.4, 0.8) N(70.8, 74, 72.4, 0.8) aproximadamente 95% c. N(72.4 3(0.8), 72.4 3(.8), 72.4, 0.8) N(70, 74.8, 72.4, 0.8) aproximadamente 99.7%
.954, .997,
Paso 3 Para una distribucin normal, existe un 68% de probabilidad de que un valor est dentro de una desviacin estndar de la media, un 95% de probabilidad de que un valor est dentro de dos desviaciones estndares de la media, y un 99.7% de probabilidad de que un valor est dentro de tres desviaciones estndares de la media.
En una distribucin normal, el valor z de x es el nmero de desviaciones estndares a las cuales x se encuentra de la media. En la investigacin, encontraste que la probabilidad de que una nueva medida tenga un valor z entre 1 y 1 es 68%, la probabilidad de que tenga un valor z entre 2 y 2 es 95%, y la probabilidad de que tenga un valor z entre 3 y 3 es 99.7%. Puedes pensar en los valores z de x como la imagen de x bajo una transformacin que traslada y estira o encoge la distribucin normal, para convertirla en la distribucin normal estndar n(x) con media 0 y desviacin estndar 1. La transformacin de valores x en valores z se llama estandarizacin de la variable y se puede calcular x con la ecuacin z , donde y son la media y la desviacin estndar de la distribucin normal de x. Trabaja el Ejemplo A en tu libro, que ilustra la estandarizacin de la variable. Observa que, cuando se usa un proceso de tanteos en la parte c, debes probar solamente los intervalos que son simtricos con respecto a la media.
Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press
(contina)
CHAPTER 13
205
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 206
EJEMPLO
El gerente de control de calidad de una empresa que empaca cereal sac una muestra aleatoria de 30 cajas del cereal Morning Crunch de las lneas de produccin y pes el contenido de cada caja. El peso medio de la muestra fue de 9.8 onzas y la desviacin estndar fue de 0.42 onzas. a. Encuentra los intervalos de confianza de 68% y 90%. b. La etiqueta de la caja de Morning Crunch dice que el peso es de 10 onzas. Crees que el gerente de control de calidad debe informar que hay un problema con el peso de las cajas? Explica tu respuesta.
Solucin
a. Usando la desviacin estndar de la muestra en lugar de , el intervalo de confianza de 68% es 9.8 1(0.42) , 9.8 30 1(0.42) , aproximadamente (9.72, 9.88) 30
El gerente de control de calidad tiene una confianza de 68% de que el peso medio est entre 9.72 y 9.88 onzas. En la tabla de tu libro se indica que el valor z correspondiente a un intervalo de confianza de 90% es 1.645, de modo que el intervalo de confianza de 90% es 9.8 1.645(0.42) , 9.8 30 1.645(0.42) , aproximadamente (9.67, 9.93) 30
El gerente de control de calidad tiene una confianza de 90% de que el peso est entre 9.67 y 9.93 onzas. b. De acuerdo con la respuesta a la parte a, el gerente de control de calidad puede tener una certeza del 90% de que la poblacin media (es decir, el peso medio de todas las cajas producidas) se encuentra dentro del intervalo (9.67, 9.93). Este intervalo no incluye la cifra de 10 onzas, que es el peso que se alega en la caja, y por eso el gerente debe informar que hay problemas con el peso. 206
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 207
LECCIN
CONDENSADA
13.4
En esta leccin
Descubrirs cmo la media de una muestra se relaciona con la media de la poblacin, en los casos en que la poblacin no est distribuida normalmente Aplicars el Teorema del lmite central para probar una afirmacin con respecto a una media de poblacin Usars el proceso de inferencia para resolver un problema de la vida real
En la Leccin 13.3, usaste una muestra estadstica para estimar los parmetros de una poblacin distribuida normalmente. En esta leccin, explorars lo que te puede decir una muestra en los casos en que la poblacin no est distribuida normalmente.
El comando L1(randInt(1,200)) elegir al azar unos valores de datos de la lista L1. La seleccin de tres valores al azar resulta en la muestra {49.07, 46.93, 47.43}. La media de esta muestra es 47.81. Al sumar dos valores ms, elegidos al azar, se obtiene {49.07, 46.93, 47.43, 46.08, 41.72}, cuya media es 46.25. Sumando dos valores ms, se obtiene {49.07, 46.93, 47.43, 46.08, 41.72, 42.62, 37.82}, cuya media es 44.52. Las medias de la muestra se acercan bastante a la media de la poblacin, y a medida que agregas ms valores, se acercan ms a la media de la poblacin. A continuacin se muestran las grficas de y 2 . x ,y
2 x
Paso 4
,y
(contina)
CHAPTER 13
207
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 208
[0, 50, 5, 31.57, 54.57, 5] Observa que a medida que aumenta el tamao de muestra, los puntos (que representan la media de la muestra) se aproximan cada vez ms a la recta y representa la media de la poblacin), con las cotas inferior y superior y 2 y . En otras palabras, para una muestra de tamao n, la media de la x muestra se encuentra dentro de 2 n y 2 n de la media de la poblacin.
Paso 6 Paso 7
(que y x
No importa con qu tipo de distribucin de poblacin empieces (uniforme, normal, sesgada a la derecha, etctera), encontrars que a medida que aumenta el tamao de muestra, la media de la muestra se aproxima cada vez ms a la media de la poblacin. (Asegrate de verificar esto para al menos un otro tipo de poblacin!)
Acabas de descubrir que la media de una muestra se aproxima a la media de la poblacin, y que la aproximacin es mejor para las muestras ms grandes. De hecho, las medias de muestra estn distribuidas normalmente, aunque esto no sea cierto para la poblacin. Adems, puedes usar las medias de muestra para predecir la desviacin estndar de la poblacin. Estas observaciones se resumen en el Teorema del lmite central. Este teorema se encuentra en la pgina 753 de tu libro. Lee su texto y el prrafo que le sigue. Trabaja el Ejemplo A, en el cual se aplica el Teorema del lmite central para evaluar una afirmacin sobre la media de una poblacin. Observa que probar la afirmacin de la compaa implica responder la pregunta, Si la media de la poblacin es realmente 324 mg, cul es la probabilidad de seleccionar una muestra con una media de 319.96? En la solucin se llega a la conclusin de que podras esperar una muestra con esta media o una menor solamente el 5.7% del tiempo. El proceso utilizado en el Ejemplo A se llama inferencia. sta implica plantear una hiptesis sobre los parmetros de la poblacin (por ejemplo, La media es 324 mg), decidir las circunstancias en que la hiptesis sera improbable (por ejemplo, Una muestra aleatoria de 25 tabletas tomada de la poblacin tiene una media que se presentara menos del 10% del tiempo), reunir los datos, y rechazar la hiptesis o aceptarla, basndose en las probabilidades. El Ejemplo B te lleva por el proceso de inferencia paso a paso. Lee el ejemplo atentamente. Asegrate de entender el significado de la hiptesis nula. Despus lee el resto de la leccin, que explica el significado de una muestra aleatoria simple.
208
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 209
LECCIN
CONDENSADA
13.5
En esta leccin
Determinars si dos variables estn correlacionadas Usars el coeficiente de correlacin para determinar la fuerza de una correlacin
Muchos problemas estadsticos de la vida real implican predecir las asociaciones entre dos variables. Por ejemplo, algunos investigadores podran desear determinar si hay una asociacin entre el nmero de miligramos de vitamina C que una persona consume y el nmero de resfriados que la persona adquiere. El proceso de recoleccin de datos sobre dos variables posiblemente relacionadas se llama el muestreo bivariado. En esta leccin, aprenders determinar si existe una asociacin lineal entre unas variables y la fuerza de tal asociacin. Una asociacin lineal entre unas variables se llama una correlacin. La medida estadstica de asociacin lineal que ms se utiliza es el coeficiente de correlacin.
Paso 2 Enumera al menos dos pares de variables que crees que tendrn una correlacin positiva (a medida que aumenta una, la otra tiende a aumentar tambin). Una posibilidad podra ser el nmero de minutos que se pasa haciendo las tareas (pregunta 1) y el nmero de clases (pregunta 5).
Ahora, enumera al menos dos pares de variables que crees que tendrn una correlacin negativa (a medida que aumenta una, la otra tiende a disminuir). Una posibilidad es el nmero de clases (pregunta 5) y el tiempo que se pasa en platicar con amigos, llamarles por telfono, mandarles mensajes de e-mail, o escribirles (pregunta 2). Finalmente, enumera dos pares de variables que crees que tendrn una correlacin dbil. Una posibilidad podra ser el tiempo que se pasa comunicndose con amigos (pregunta 2) y el tiempo que se pasa mirando la televisin o escuchando msica (pregunta 3).
Paso 3 La tabla que se presenta ms adelante muestra los resultados obtenidos por una aula. Introduce los datos en cinco listas de la calculadora. Grafica los puntos correspondientes a cada par de listas y encuentra los coeficientes de correlacin de cada par. (Consulta Calculator Note 13F.) He aqu los coeficientes de correlacin y las grficas correspondientes a las relaciones mencionadas en el Paso 2. Sin embargo, debes construir grficas y encontrar los coeficientes de correlacin de todos los pares posibles. 1 versus 5 2 versus 5 2 versus 4
209
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 210
Las grficas crecientes tienen coeficientes de correlacin positivos y las grficas decrecientes tienen coeficientes de correlacin negativos. Cuanto ms fuerte sea la correlacin, ms cerca estar el coeficiente de correlacin a 1. Las correlaciones dbiles tienen coeficientes de correlacin cercanos a 0.
Estudiante 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Pregunta 1 0 20 80 55 10 15 90 215 100 60 65 10 120 30 40 0 0 80 90 45 10 40 0 30 60 45 20 0 50 40 Pregunta 2 120 120 65 20 20 0 10 10 0 30 0 60 0 45 60 85 180 0 20 10 120 30 0 50 20 20 105 90 40 10 Pregunta 3 60 90 80 220 155 145 80 0 140 120 120 300 0 285 150 150 30 0 0 180 0 100 360 45 30 30 20 0 0 0 Pregunta 4 100 200 140 260 200 200 150 60 150 105 150 360 45 90 190 75 30 0 0 285 90 115 60 90 90 45 60 120 90 45 Pregunta 5 3 4 6 5 4 4 6 6 6 5 6 4 6 4 4 3 4 6 6 5 4 5 5 5 6 5 4 4 5 4
(contina)
210
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 211
El texto situado entre la investigacin y el Ejemplo A en tu libro ofrece informacin sobre el coeficiente de correlacin y sobre cmo se deriv su frmula. Este texto tambin explica que en la estadstica, las variables x y y a menudo se llaman las variables de explicacin y de respuesta. Lee este texto y despus trabaja el Ejemplo A, que muestra cmo calcular el coeficiente de correlacin usando la frmula. Es muy importante no confundir la correlacin con la causalidad. El hecho de que dos variables estn fuertemente correlacionadas no significa que un cambio en una variable cause un cambio en la otra. El Ejemplo B ilustra este punto. Lee dicho ejemplo atentamente.
CHAPTER 13
211
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 212
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 213
LECCIN
CONDENSADA
13.6
En esta leccin
Aprenders cmo ajustar la recta de mnimos cuadrados a un conjunto de datos Descubrirs cmo la recta de mnimos cuadrados adquiri su nombre Usars el error cuadrtico medio para comparar una recta de mnimos cuadrados con una recta mediana-mediana
En el Captulo 3, aprendiste cmo ajustar una recta mediana-mediana a los datos. En esta leccin, conocers un tipo diferente de recta de ajuste, que se llama la recta de mnimos cuadrados. La ecuacin de la recta de mnimos cuadrados es zy rzx , donde r es el coeficiente de correlacin, y zx y zy son los valores z para x y y, respectivamente. En la prctica, deseas que la ecuacin represente la relacin entre x y y, no entre sus valores z. Usando la definicin del valor z, puedes reescribir la ecuacin como y sy y r x sx x y y sy r s (x x x)
Para encontrar ms detalles sobre la recta de mnimos cuadrados, lee el texto que precede el Ejemplo A en tu libro. Despus lee el Ejemplo A, que ilustra cmo encontrar la recta de mnimos cuadrados para un conjunto de datos dado.
Estudiante 1 2 3 4 5 6 7 8 9 10
Cuarta 18.5 21.2 20.8 20.4 18.1 22 20.5 20.7 20.5 19.2
Estatura 159 170 173 164 155 189 191 175 168 158
Paso 2 El coeficiente de correlacin para estas variables es aproximadamente .858, de modo que los datos estn linealmente relacionados.
(contina)
Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press CHAPTER 13
213
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 214
Usando una calculadora, x 20.19, y 6.18, sx 1.219, sy 0.225, y r .858. Sustituyendo estos valores en la ecuacin general, se obtiene y 6.18 .858 0..225 (x 20.19), 1 219 y 2.981 0.158x. La recta parece ser un buen ajuste. a. Es la misma recta. b. La suma de los residuos es 0. c. La recta de mnimos cuadrados es la recta para la cual la suma de los cuadrados de los residuos es la ms pequea posible, y la suma de los residuos es 0. d. A medida que el valor de la cuarta aumenta, tambin lo hace la longitud del dedo meique. Los datos se modelan bastante bien mediante una recta.
Paso 4
Puedes medir la precisin de una recta de mnimos cuadrados al calcular el error cuadrtico medio, del mismo modo en que lo hiciste para la recta medianamediana en el Captulo 3. El Ejemplo B en tu libro ajusta tanto una recta de mnimos cuadrados como una recta mediana-mediana a un conjunto de datos, y determina cul es el mejor ajuste al calcular el error cuadrtico medio. Trabaja ese ejemplo y despus intenta el ejemplo siguiente.
EJEMPLO
Encuentra la recta de mnimos cuadrados y la recta mediana-mediana para los datos (largo del cbito, largo del brazo superior) de la investigacin. Despus encuentra el error cuadrtico medio de ambos modelos. Cul recta se ajusta mejor? Usa tu calculadora para hallar ambos modelos y sus errores cuadrticos medios. Recta de mnimos cuadrados: y Recta mediana-mediana: y 13.982 35.904 1.122x; error cuadrtico medio: 1.923
Solucin
Debido a que el error cuadrtico medio es menor para la recta de mnimos cuadrados, sta es un mejor ajuste. Puedes verificar esto de manera visual si graficas las rectas. La grfica a la izquierda muestra el modelo de mnimos cuadrados. La grfica a la derecha muestra el modelo mediana-mediana.
A menudo la recta de mnimos cuadrados se llama la recta de mejor ajuste porque tiene la ms pequea suma de cuadrados de los errores entre los puntos de datos y las predicciones de la recta. Sin embargo, debido a que pone un mismo nfasis en cada punto, la recta de mnimos cuadrados puede verse afectada por los valores externos. Cuando ajustes una recta, siempre resulta una buena idea verificar la recta visualmente. En ocasiones, la recta mediana-mediana u otra recta es un mejor ajuste que la recta de mnimos cuadrados. 214
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 215
LECCIN
CONDENSADA
13.7
En esta leccin
Regresin no lineal
Linealizars unos datos para determinar si podra ajustarse una funcin de potencias o una exponencial Usars tu calculadora para ajustar diferentes funciones no lineales a los datos Usars los errores cuadrticos medios y las grficas de residuos para comparar cmo se ajustan las diferentes funciones a los datos.
Has hecho regresin lineal para ajustar una recta a datos que muestran una fuerte tendencia lineal. En esta leccin, encontrars modelos para ajustar a los datos que muestran una clara tendencia no lineal. En las pginas 780 y 781 de tu libro, se repasan los tipos de funciones que has estudiado en este curso, y se dan la ecuacin general y la grfica de cada tipo. Lee el texto y observa las grficas. El Ejemplo A en tu libro muestra que al observar una grfica de datos, puedes predecir el tipo de funcin que podra ajustarse (o al menos descartar los tipos que no se ajustarn). Si piensas que un modelo de potencias o uno exponencial, puede ajustarse a tus datos, puedes verificar si son buenos modelos mediante la linealizacin de los datos. Si el ajuste es bueno, entonces puedes usar las tcnicas de regresin lineal para encontrar un modelo. Esto se ilustra en el Ejemplo B. Lee Ejemplo A y Ejemplo B atentamente. Despus trabaja el ejemplo siguiente.
EJEMPLO
Solucin
Segn la grfica siguiente, parece que una funcin exponencial, de potencias, o polinomial podra ajustarse. Si los datos son exponenciales, una ecuacin de la forma y ab x ajustar. Tomando el logaritmo en ambos lados, se obtiene log y log a x log b. sta es una ecuacin lineal, en la que las variables son x y log y. Por tanto, si los datos son exponenciales, la grfica de (x, log y) ser lineal. La grfica de (x, log y), que se muestra aqu, parece ser bastante lineal. (Puedes verificar que una funcin de potencias no es un buen ajuste si graficas (log x, log y) y verificas que la grfica no es lineal.) [0, 20, 2, 0.2, 1.4, 0.2]
(contina)
CHAPTER 13
215
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 216
Recta de mnimos cuadrados. Definicin de logaritmo. Propiedad multiplicativa de los exponentes. Evala 101.57 y aplica la propiedad de la potencia de los exponentes. Evala 10
0.10.
101.57 10 37.153 10
37.153(0.794)x
El error cuadrtico medio para esta ecuacin es aproximadamente 0.854, que es bastante pequeo. [0, 20, 2, 0, 20, 2] Tu calculadora posee comandos para ajustar muchos tipos de funciones, incluyendo las funciones cbicas, cuadrticas, exponenciales, de potencias, sinusoidales, y logsticas. Usa los comandos de la calculadora para verificar la funcin del ejemplo anterior. Despus lee el Ejemplo C en tu libro, donde se ajusta una funcin cbica a los datos.
Tiempo (s) 50 60 70 80
216
CHAPTER 13
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 217
y
Paso 4
149.110;
3, 3, 1]
3, 3, 1]
3, 3, 1]
Paso 5 La curva cuadrtica es la mejor. Tiene el menor error cuadrtico medio y el patrn menos notable en los residuos.
CHAPTER 13
217
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 218
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 219
DAACLS_678_13.qxd
4/15/04
3:38 PM
Page 220