Estadistica general

Solo disponible en BuenasTareas
  • Páginas : 2 (459 palabras )
  • Descarga(s) : 0
  • Publicado : 27 de enero de 2011
Leer documento completo
Vista previa del texto
REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÒN SUPERIOR
INSTITUTO UNIVERSITARIO DE TECNOLOGÍA
“JUAN PABLO PÈREZ ALFONZO”
IUTEPAL
MARACAY /EDO. ARAGUA.Correlación Lineal
Indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores deuna 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 yviceversa.
Coeficiente de Correlación Lineal Simple (r).

Es un numero que indica el grado o intensidad de asociación entre las variables X e Y. SuValor varía entre -1 y +1; esto es: -1 ≤ r ≤ 1.Si r = -1, la asociación es perfecta pero inversa; es decir, a valores altos de una variable le corresponde valores bajos a la otra variable, y viceversa.
Si r=+1, también la asociación es perfectapero directa.
Si r=0, no existe asociación entre las dos variables.
Luego puede verse que a medida que r se aproxime a -1 o +1 la asociación es mayor, y cuando se aproxima a cero la asociacióndisminuye o desaparece.
Coeficiente de Correlación de Pearson
El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos variables cuantitativas. Adiferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.
El cálculo del coeficiente de correlación lineal se realiza dividiendo la covarianza porel producto de las desviaciones estándar de ambas variables:

Siendo:
σXY la covarianza de (X,Y)
σX y σY las desviaciones típicas de las distribuciones marginales.
Regresión Simple:
En el Modelode Regresión Simple se establece que Y es una función de sólo una variable independiente, razón por la cual se le denomina también Regresión Divariada porque sólo hay dos variables, una dependiente...
tracking img