Este documento describe el análisis de correlación lineal y regresión lineal. Explica cómo utilizar un diagrama de dispersión y una ecuación de recta de regresión lineal para representar la relación entre dos variables y predecir los valores de una variable en función de la otra.
2. TEMA: CORRELACIÓN
LINEAL
MATERIA: CONTROL ESTÁDISTICO DEL
PROCESO
ALUMNO: FRANCISCO SOTO MEDINA
GRUPO: 4to. – A NOCTURNO
UNIVERSIDAD
CARRERA: TSU. PROCESOS INDUSTRIALES
AREA DE MANUFACTURA
TECNOLÓGICA
DE TORREÓN
DOCENTE: LIC. EDGAR
MATA ORTIZ
FECHA: 30/MARZO/2012
LUGAR: TORREÓN, COAH. MX.
3. INTRODUCCIÓN
El objetivo es analizar el grado de la relación
existente entre variables utilizando modelos
matemáticos y representaciones gráficas. Así pues,
para representar la relación entre dos o más
variables desarrollaremos una ecuación que
permitirá estimar una variable en función de la otra.
The aim is to analyze the degree of the relationship between variables using mathematical models and
graphical representations. Thus, to represent the relationship between two or more variables which will
develop an equation to estimate a variable depending on the other.
4. DESARROLLO
Estudiaremos dicho grado de relación entre dos
variables en lo que llamaremos análisis de
correlación. Para representar esta relación
utilizaremos una representación gráfica llamada
diagrama de dispersión y, finalmente,
estudiaremos un modelo matemático para
estimar el valor de una variable basándonos en
el valor de otra, en lo que llamaremos análisis de
regresión.
Study the degree of relationship between two variables in what we
call correlation analysis. To represent this relationship we use a
graphical representation called scatter diagram and, finally, we study
a mathematical model to estimate the value of a variable based on
the value of another, in what we call regression analysis.
7. CONCLUCIONES
En aquellos casos en que el coeficiente de
regresión lineal sea “cercano” a +1 o a –1, tiene
sentido considerar la ecuación de la recta que
“mejor se ajuste” a la nube de puntos (recta de
mínimos cuadrados). Uno de los principales usos
de dicha recta será el de predecir o estimar los
valores de Y que obtendríamos para distintos
valores de X. Estos conceptos quedarán
representados en lo que llamamos diagrama de
dispersión.
In those cases where the linear regression coefficient is "close" to +1 or -
1, has sense to consider the equation of the line that "best fit" to the cloud
of points (line least squares). One of the main uses of that line will be to
predict or estimate the values of Y would get for different values of X. These
concepts will be represented in what we call scatter plot.