Beruflich Dokumente
Kultur Dokumente
-Diagrama de dispersión.
Es una herramienta gráfica que permite demostrar la relación existente entre dos
Se utiliza para conocer si efectivamente existe una correlación entre dos magnitudes
lineal que tienen dos variables continuas, es necesario colocar parámetros que permitan
cuantificar dicha relación, uno de esta es la covarianza que la encargada de indicar el grado
-Coeficiente de determinación R2
resultados y proporcionar variaciones de los resultados que puedan explicarse por la guía
-Correlación positiva y correlación negativa
los valores altos de una de ellas se suelen corresponder en valor bajos de la otra y viceversa,
en cuanto más cerca este el coeficiente de relación más potente será la variación.
Se habla de una correlación positiva cuando una relación entre una variable y otra es
lineal y directa La correlación positiva son dos variables que se correlacionan en el sentido
directo, los valores altos de una les corresponde a valores altos de la otra e igualmente con
los valores bajos, cuanto más cerca esta del coeficiente de correlación más potente será
esta.
es una medida estadística que cuantifica la dependencia lineal entre dos variables
medida de las variables, esto se utiliza para medir el grado de relación de dos variables
que existe entre la pureza (y) del oxígeno producido y el porcentaje de hidrocarburo (x) que
siguientes datos:
X (% de Hidro
Y (Pureza)
carburos)
0,99 90,01
1,02 89,05
1,15 91,43
1,29 93,74
1,46 96,73
1,36 94,45
0,87 87,59
1,23 91,77
1,55 99,42
1,4 93,65
1,19 93,54
1,15 92,52
0,98 90,56
1,01 89,54
1,11 89,85
1,2 90,39
1,26 93,25
1,32 93,41
1,43 94,98
0,95 87,33
variables.
El tipo de asociación es lineal
102
100
98 y = 14.947x + 74.283
R² = 0.8774
96
94
92
90
88
86
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
y = 14,947x + 74,283
R² = 0,8774
Se puede decir que tiene una confianza excelente ya que R tiene un valor 0,8774
que es cercano a 1.
a 91,3?
y = 14,947(91,3) + 74,283
y = 1364,6611 + 74,283
y = 1438,9.
medio (medido en minutos) que se utiliza para realizar una pieza y el número de días desde
que empezó dicho proceso de fabricación. Con ello, se pretende analizar como los operarios
X 12 23 35 42 53 65 70
Y 45 30 27 25 23 21 20
Diagrama
50
45 y = -0.3566x + 42.569
R² = 0.7963
40
35
30
25
Y
20
15
10
5
0
0 10 20 30 40 50 60 70 80
X
b) el modelo matemático que permite predecir el efecto de una variable sobre otra
es.
y = -0,3566x + 42,569
R² = 0, 7963
Se puede decir que la confianza es buena, ya que el valor de la R está un poco lejos
del 1.
d) y = -0,3566(90) + 42,569
y = -32.094 + 42,569
y = 10,4
anual de sus ventas totales, versus el PIB nacional de las últimas dos décadas, para la toma
PIB Ventas de la
Año
Nación compañía
2001 1,70 339,43
2002 2,50 363,02
2003 3,90 359,75
2004 5,30 336,90
2005 4,70 339,38
2006 6,70 348,40
2007 6,90 372,00
2008 3,50 358,79
2009 1,70 337,94
2010 4,00 357,32
2011 6,60 342,14
2012 4,00 327,84
2013 4,90 362,06
2014 4,40 348,80
2015 3,10 353,52
2016 2,00 355,40
2017 1,80 342,00
El tipo de asociación es lineal
3 y = -0.0475x + 4.4103
R² = 0.0191
2
0
0 2 4 6 8 10 12 14 16 18
y = -0,0475x + 99,508
R² = 0,0191
y = -0,0475(3,1) + 99,508
y = -0,14725 + 99,508
y = 99,36
con el PIB nacional del 3,1 se espera que la proyección de ventas para el año 2018 sea de
un 99,36
Actividad 4. Regresión y correlación Lineal.
- Encuentre el modelo matemático que permite predecir el efecto de una variable sobre la
Edad Estatura
(años) (M)
9 1,32
7 1,22
8 1,26
10 1,39
8 1,25
11 1,43
11 1,45
9 1,34
7 1,20
11 1,40
8 1,26
8 1,25
11 1,42
8 1,27
10 1,35
10 1,35
11 1,42
7 1,20
11 1,41
8 1,26
8 1,25
11 1,40
9 1,31
9 1,32
9 1,32
10 1,39
8 1,24
11 1,45
8 1,26
8 1,26
9 1,35
8 1,27
11 1,45
10 1,38
9 1,33
8 1,20
11 1,50
8 1,21
8 1,22
10 1,30
8 1,23
10 1,37
11 1,45
9 1,35
7 1,20
10 1,38
8 1,27
8 1,26
10 1,37
9 1,32
9 1,37
9 1,32
9 1,36
7 1,30
10 1,38
8 1,25
8 1,24
8 1,24
8 1,25
9 1,38
9 1,27
10 1,37
10 1,39
10 1,40
8 1,26
9 1,35
10 1,36
8 1,26
10 1,32
10 1,33
10 1,35
8 1,27
11 1,45
8 1,26
7 1,20
9 1,30
7 1,21
9 1,32
10 1,38
11 1,45
8 1,25
10 1,37
10 1,40
11 1,45
10 1,35
9 1,33
9 1,33
11 1,42
10 1,37
9 1,31
9 1,30
9 1,28
9 1,31
9 1,32
9 1,32
10 1,36
11 1,43
11 1,45
9 1,33
9 1,33
8 1,26
8 1,32
10 1,42
9 1,27
10 1,34
10 1,40
10 1,38
9 1,31
10 1,42
8 1,26
DIAGRAMA
1.60
y = 0.0575x + 0.8004
1.40 R² = 0.8671
1.20
1.00
0.80
0.60
0.40
0.20
0.00
0 2 4 6 8 10 12
b) el modelo matemático que permite predecir el efecto de una variable sobre otra es.
y = 0,0575x + 0,8004
R² = 0,8671