Instituto Tecnológico de Minatitlán.

UNIDAD 5: REGRESIÓN Y CORRELACIÓN.

Materia: Probabilidad y Estadística.

Nombre del maestro: Ing. Martínez Pérez María Otilia.

Nombre del alumno: De la O Silva Eliel.

2º semestre.

Numero de control: 11230837.

Carrera: Ingeniería Electrónica.

Periodo escolar: Ene.-Jun./2012.

Minatitlán, Veracruz a 16 de mayo del 2012.

1

Índice. Pagina 5.7 Intervalos de confianza y pruebas para el coeficiente de correlación.1 Control de calidad.8 Errores de medición. 7 5. 3 5.3 Regresión lineal simple 7 5. 2 . 9 5.5 Determinación y análisis de los coeficientes de correlación y de determinación.2 Diagrama de dispersión 5 5.6 Distribución normal bidimensional 8 5. 10 Bibliografía.4 Correlación 9 5.

Causas de variación  Existen variaciones en todas las partes producidas en el proceso de manufactura. Nota: la variación puede cambiar y cambiará la forma. se puede utilizar cuando una decisión debe ser tomada para aceptar o rechazar un grupo de piezas o artículos basados en la calidad encontrado en una muestra. podemos decir que no podían producirse dos partes con las mismas especificaciones.5. sobre reconocer que en todo proceso de producción existe variación. El Control Estadístico de la Calidad y la mejora de procesos. Hay dos fuentes de variación: variación aleatoria se debe al azar y no se puede eliminar por completo. Shewhart no proponía suprimir las variaciones.  o o  Diagramas de diagnóstico Controles o registros que podrían llamarse "herramientas para asegurar la calidad de una fábrica". conocido como muestreo de aceptación. utiliza pantallas gráficas conocidas como gráficos de control para determinar si un proceso debe continuar o debe ajustarse para conseguir la calidad deseada. sino determinar cuál era el rango tolerable de variación que evite que se originen problemas. conocido como control estadístico de proceso. Comenzando con la aportación del científico llamado Shewhart. variación asignable es no aleatoria y se puede reducir o eliminar. pues era evidente que las diferencias en la materia prima e insumos y los distintos grados de habilidad de los operadores provocaban variabilidad. Definición El control de calidad estadístico se refiere a la utilización de métodos estadísticos en el seguimiento y mantenimiento de la calidad de los productos y servicios Un método. Un segundo método.1 CONTROL DE CALIDAD. dispersión y tendencia central de la distribución de las características medidas del producto. esta son las siguientes:        Hoja de control (Hoja de recogida de datos) Histograma Análisis paretiano (Diagrama de pareto) Diagrama de Ishikawa: Diagrama de causa y efecto (Espina de Pescado) Estratificación (Análisis por Estratificación) Diagrama de scadter (Diagrama de Dispersión) Gráfica de control 3 .

Trazar y rotular el eje vertical izquierdo (unidades). 7. 8. Esta herramienta es especialmente valiosa en la asignación de prioridades a los problemas de calidad. Reordenar los elementos de mayor a menor. en tanto que el resto mayoritario de los elementos o factores generan o poseen escasos efectos. 3. Analizar el diagrama localizando el "Punto de inflexión" en este último gráfico. 6. Así en procesos tradicionales de producción podemos tener que el 20% de las causas de imperfecciones o fallas originan o son responsables de entre un 70 y 80% de los defectos detectados. Determinar el % acumulado del total para cada elemento de la lista ordenada. permite atacar unas pocas causas generando un importante impacto total. Cuantificar los factores del problema y sumar los efectos parciales hallando el total. Que importancia tiene ello? Pues bien. Trazar un gráfico lineal representando el porcentaje acumulado. 4 . 4. Trazar y rotular el eje horizontal (elementos). el diagrama de Pareto se puede elaborar de la siguiente manera:             1. 2. un 80% de las restantes causas generan tan sólo entre un 30 y 20% de los defectos. Dibujar las barras correspondientes a cada elemento. Se ha llegado a verificar la regularidad con la que se dan en las distintas actividades y fenómenos sociales y productivos. en el diagnóstico de causas y en la solución de las mismas. Trazar y rotular el eje vertical derecho (porcentajes). 5. es lo que más comúnmente se cataloga como los "pocos vitales y los muchos triviales". Y al revés.Como elaborar un diagrama de Pareto Partiendo de los descubrimientos del celebre economista y sociólogo italiano Vilfredo Pareto El diagrama de Pareto es una comparación ordenada de factores relativos a un problema. el hecho de que unos pocos factores son responsables de la mayoría de los sucesos. 9. Esta comparación nos va a ayudar a identificar y enfocar los pocos factores vitales diferenciándolos de los muchos factores útiles.

llamada recta de regresión. Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible. Utilidad Los diagramas de dispersión pueden utilizarse para examinar: * Relaciones causa-efecto * Relaciones entre dos efectos * Posibilidad de utilizar un efecto como sustituto de otro * Relaciones entre dos posibles causas En las distribuciones bidimensionales a cada individuo le corresponden los valores de dos variables. 1.2 DIAGRAMA DE DISPERSIÓN. Elaborar una teoría admisible y relevante sobre la supuesta relación entre dos variables. Si representamos cada par de valores como las coordenadas de un punto. cada uno con el valor de una variable que determina la posición en el eje horizontal y el valor de la otra variable determinado por la posición en el eje vertical. Características principales Impacto visual Un Diagrama de Dispersión muestra la posibilidad de la existencia de correlación entre dos variables de un vistazo. basadas en la necesidad de conjugar datos y procesos en su utilización. el conjunto de todos ellos se llama nube de puntos o diagrama de dispersión. las representamos por el par (xi. Los datos se muestran como un conjunto de puntos. Definición. Comunicación Simplifica el análisis de situaciones numéricas complejas Guía en la investigación El análisis de datos mediante esta herramienta proporciona mayor información que el simple análisis matemático de correlación. Un diagrama de dispersión es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. 5 . yi). sugiriendo posibilidades y alternativas de estudio. Pasos a seguir para elaborar un diagrama de dispersión.[1] Un diagrama de dispersión se llama también gráfico de dispersión.5.

Ejemplo Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes: Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 6 . 4. 7. Obtener los pares de datos correspondientes a las dos variables. Trazar y rotular los ejes horizontal y vertical. Marcar sobre el diagrama los pares de datos. 6. Decidir sobre qué eje se representará a cada una de las variables. Rotular el gráfico.2. Determinar los valores máximo y mínimo para cada una de las variables. 3. 5.

las estaturas y pesos de personas. Y es la variable dependiente. etc. 7 .3 REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia profesional de los trabajadores y sus respectivos sueldos. Esta relación se ha estimado en un R = 93. y X es la variable independiente. puede darse el problema de que la dependiente asuma múltiples valores para una combinación de valores de las independientes. Conclusión La ecuación de Regresión Lineal estimada para las variables estatura y peso muestran. en donde Y y X son dos variables cualquiera en un modelo de Regresión Simple. la producción agraria y la cantidad de fertilizantes utilizados. Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relación Funcional entre dos o más variables.5.).7. Además si consideramos el coeficiente de determinación R² = 87. Se puede decir que Y depende de X. de acuerdo a la prueba F. ASPECTOS TEÓRICOS La Regresión y la correlación son dos técnicas estadísticas que se pueden utilizar para solucionar problemas comunes en los negocios. que indica una fuerte relación positiva.9 podemos indicar que el 87. donde una variable depende de la otra variable. "Y es una función de X" Y = f(X) Como Y depende de X. relación.9% de las variaciones que ocurren en el peso se explicarían por las variaciones en la variable estatura.

mide el grado en que la línea representa a la nube de puntos: si la nube es estrecha y alargada. trazada a partir de la nube de puntos. lo que indica que la relación es fuerte. la relación es positiva. la relación es negativa. Fuerza. El sentido mide la variación de los valores de B con respecto a A: si al crecer los valores de A lo hacen los de B. La correlación entre dos variables no implica. 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 dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. son la fuerza. puden construirse los "vectores centrados" como: e . que pueden ser consideradas como vectores en un espacio a n dimensiones.5. si al crecer los valores de A disminuyen los de B. por lo tanto. la curva monotónica o la curva no monotónica.4 CORRELACIÓN En probabilidad y estadística. el sentido y la forma:    La fuerza extrema según el caso. la correlación indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos variables estadísticas. de una correlación. la relación es débil. ninguna relación de causalidad. Los principales componentes elementales de una línea de ajuste y. La forma establece el tipo de línea que define el mejor ajuste: la línea recta. si la nube de puntos tiene una tendencia elíptica o circular. se representa por una línea recta. El coseno del ángulo alfa entre estos vectores es dada por la fórmula siguiente: 8 . por sí misma. sentido y forma de la correlación La relación entre dos super variables cuantitativas queda representada mediante la línea de mejor ajuste. Interpretación geométrica Dados los valores muestrales de dos variables aleatorias e .

eso significa que si repetimos un experimento o consideramos diferentes muestras se obtendrán valores diferentes y por tanto el coeficiente de correlación muestral calculado a partir de ellas tendrá valores ligeramente diferentes. no tanto sobre el grado de dependencia entre las variables. Fisher fue el primero en determinar la distribución de probabilidad para el coeficiente de correlación. ambos vectores son colineales de dirección Más generalmente: . Si las dos variables aleatorias que trata de relacionarse proceden de una distribución gaussiana bivariante entonces el coeficiente de correlación r sigue una distribución de probabilidad dada por:[1] [2] 9 . el ángulo Si r =-1. Nos informa de modo preciso. cualquiera que sea su valor entre 1 y 1. el ángulo opuesto. La Iconografía de las correlaciones es un método de análisis multidimensional que reposa en esta idea. ambos vectores son colineales (paralelos). El coeficiente de correlación es el coseno entre ambos vectores centrados:    Si r = 1. Para muestras grandes la variación en dicho coeficiente será menor que para muestras pequeñas. no hablamos de correlación lineal: el coeficiente de correlación tiene siempre un sentido. Por supuesto. °. A.Pues es el coeficiente de correlación muestral de Pearson. La correlacion lineal se da cuando en una nube de puntos estos se encuentran o se distribuyen alrededor de una recta. ambos vectores son ortogonales. el ángulo Si r = 0. Distribución del coeficiente de correlación El coeficiente de correlación muestral de una muestra es de hecho una varible aleatoria. que sobre su distancia angular en la hiperesfera a n dimensiones. R. °. del punto vista geométrica. °.

En el caso especial de que . . con sesgo de orden buscando el máximo de la expresión: . la distribución original puede ser reescrita como: donde es la función beta. i. Se puede obtener un estimador sesgado con mínima varianza para grandes valores de n.donde: es la distribución gamma es la función gaussiana hipergeométrica. por tanto r es estimador sesgado de Puede obtenerse un estimador aproximado no sesgado resolviendo la ecuación: for Aunque. 10 . la solucón: es subóptima.e. Nótese que .

puede que exista una relación que no sea lineal. Si “r” = 0. ya que este resultado podría haberse debido al puro azar. Aunque podría existir otro tipo de correlación (parabólica. la correlación lineal es positiva (si sube el valor de una variable sube el de la otra). si representaramos en un gáfico los pares de valores de las dos variables la nube de puntos se aproximaría a una recta). La correlación es tanto más fuerte cuanto más se aproxime a 1. sino exponencial. Denominador se calcula el produto de las varianzas de “x” y de “y”.5. Los valores que puede tomar el coeficiente de correlación “r” son: −1 < r < 1 Si “r” > 0. por lo que convendría utilizar otro tipo de coeficiente más apropiado. lo mejor es representar los pares de valores en un gráfico y ver que forma describen.) De todos modos. Este coeficiente se aplica cuando la relación que puede existir entre las varables es lineal (es decir. etc. por tanto. si se puede utilizar el coeficiente de correlación lineal. por la “y” menos su media. Para ver. aunque el valor de “r” fuera próximo a 1 o −1. 11 . tampoco esto quiere decir obligatoriamente que existe una relación de causa-efecto entre las dos variables. Por ejemplo: peso y velocidad: los alumnos más gordos suelen correr menos. El coeficiente de correlación lineal se calcula aplicando la siguiente fórmula: Numerador: se denomina covarianza y se calcula de la siguiente manera: en cada par de valores (x. la correlación lineal es negativa (si sube el valor de una variable disminuye el de la otra). No obstante. Por ejemplo: altura y peso: los alumnos más altos suelen pesar más. y a este produto se le calcula la raíz cuadrada. no existe correlación lineal entre las variables. En estos casos. Se suma el resultado obtenido de todos los pares de valores y este resultado se divide por el tamaño de la muestra. El coeficiente de correlación lineal mide el grado de intensidad de esta posible relación entre las variables. exponencial.5 DETERMINACIÓN Y ANÁLISIS DE LOS COEFICIENTES DE CORRELACIÓN Y DE DETERMINACIÓN.y) se multiplica la “x” menos su media. Si “r” < 0. parabólica. La correlación negativa es tanto más fuerte cuanto más se aproxime a −1. el coeficiente de correlación lineal mediría mal la intensidad de la relación las variables. etc.

donde m es el vector de medias con y S es la matriz de varianzas-covarianzas (simétrica y definida positiva) con y .S) es una generalización de la distribución normal univariante. Si X=(X1.. Nn(0...n).. A=(aij) es una matriz cuadrada de orden n con determinante no nulo y m=(m1.Xn) tiene una distribución normal n-dimensional Nn(m.5....mn)' es una matriz columna nx1 entonces la variable X=AZ+m   sigue una distribución normal n-dimensional Nn(m....I) Si Z=(Z1.2. La distribución normal n-dimensional Nn (m..Zn) tiene una distribución normal n-dimensional estándar....S) y B y C son dos matrices de números reales (B de dimensión pxn y C de dimensión px1) tal que BSB' es una matriz definida positiva entonces la variable Z=BX+C 12 . La función de densidad de una variable n-dimensional normal X=(X1.. X2. . Si m = 0 y S = I (matriz identidad) entonces la distribución se denomina normal n-dimensional estándar. Propiedades:    Para n=1 la función de densidad anterior es la de la distribución normal unidimensional. Xn) de parámetros m y S es para (i = 1..6 Distribución normal bidimensional..S) donde S = A A'.

BSB'). y sólo si. Así bien. Sea X=(X1.Y) normal bidimensional es 13 ... X2. sigue una distribución normal k-dimensional con los parámetros correspondientes.....Xn) tiene una distribución normal n-dimensional Nn(m. condicionada por y es una entonces la distribución de normal p-dimensional de media .. tenemos que la distribución marginal de cualquiera de las Xi es una distribución normal unidimensional .. mostraremos de forma explícita dichos resultados sin recurrir a la notación matricial..por ejemplo y y de igual forma particionamos las matrices m y S (con los parámetros correspondientes a cada grupo)..  tiene una distribución normal p-dimensional Np(Bm+C. la función de densidad de una variable aleatoria (X..S) con   parámetros y ...S).. la variable formada por cualquier subconjunto de k variables de las n.. y matriz de varianzas-covarianzas Normal bidimensional: Esta distribución es un caso particular de la distribución normal n-dimensional para n=2 por lo que todos los resultados vistos anteriormente son también válidos. No obstante.  Sean X1.Xn son independientes si..Xn) una variable aleatoria con distribución normal n-dimensional Nn(m.. Entonces. Si dividimos sus componentes en dos grupos . Si X=(X1. la variable aleatoria X=(X1.S).Xn) una variable aleatoria con distribución normal n-dimensional Nn(m...S). están incorrelacionadas.. Sus n variables componentes X1. En particular con k=1. X2.. Sea X=(X1.Xn) tiene una distribución normal n-dimensional Nn(m..Xn variables aleatorias independientes con distribuciones normales unidimensionales .

donde mX y mY son las medias de X e Y respectivamente.Y) tiene una distribución normal bidimensional y (U. donde 14 .para y . de manera que la matriz dos). y su función de densidad es  Si (X. tiene determinante distinto de cero (rango Entonces la variable aleatoria (U.V) es una transformación de ella del tipo U=aX+bY+c y V=dX+eY+f .V) también sigue una distribución normal bidimensional . Propiedades:  Si mX y mY son cero sX y sY son 1 y r es cero entonces la distribución se denomina normal bidimensional estándar. sX y sY sus desviaciones típicas y r el coeficiente de correlación lineal entre las dos variables.

Sea (X.Y) una variable aleatoria normal bidimensional.Y)   tiene distribución normal bidimensional .Y) una variable aleatoria normal bidimensional. La distribución de Y condicionada por X=x es normal unidimensional . Si X e Y son variables aleatorias independientes con distribuciones normales unidimensionales N(mX. y sólo si. 15 . Entonces.sY).V) es una transformación de ella del tipo anterior (con rg(B)=2) entonces (U.sX) y N(mY. En particular.sY). tanto X como Y siguen distribuciones normales. si (X.Y) tiene una distribución normal bidimensional estandar y (U. están incorrelacionadas. X e Y son independientes si. la variable aleatoria (X.V) sigue una distribución normal bidimensional   Si (X. en concreto X tiene una distribución N(mX.sX) e Y tiene una distribución N(mY. Sea (X. Entonces.Y) tiene una distribución normal bidimensional.

eco.org/wiki/Correlaci%C3%B3n http://www.monografias.htm 16 .shtml http://www2.com/trabajos27/regresion-simple/regresion-simple.es/estadmed/probvar/d_multivar/dnvar7.Bibliografía http://es.uva.wikipedia.