Problemas donde intervienen dos o más variables numéricas

Transcripción

1 Análss de Regresón y Correlacón Lneal

2 Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa de gas depende de su volumen y de su temperatura. En un proceso químco, el rendmento del producto se relacona con la temperatura de operacón del proceso. El peso y la presón arteral se relaconan.

3 Analzaremos dos técncas : la de regresón y correlacón Uno de los objetvos de muchas nvestgacones en Ingenería es hacer predccones, preferentemente usando ecuacones matemátcas. El análss de regresón se utlza prncpalmente con éste propósto El nvestgador suele tener razones teórcas o práctcas para creer que determnada varable es causalmente dependente de una o más varables dstntas. S hay sufcentes observacones empírcas sobre estas varables, el análss de regresón es un método apropado para descrbr la estructura, fuerza y sentdo exacto de esta asocacón.

4 Análss de Regresón El modelo permte predecr los valores de una varable dependente basados en los valores de al menos una varable ndependente La dstncón entre varables dependentes e ndependentes debe fundamentarse con conceptos teórcos, por experenca y estudos anterores. Solo nos ocuparemos del caso de un modelo de regresón smple; usa una sola varable ndependente x para predecr el valor de la varable dependente y.

5 El análss de correlacón Se utlza para medr la ntensdad de la asocacón entre las varables numércas. En otras palabras el análss de En otras palabras el análss de correlacón estma la fuerza de la dependenca de una varable respecto de la otra.

6 Dagrama de dspersón El conjunto de observacones ( x, y ) forman el dagrama de dspersón. Se ubcan en un sstema de coordenadas.

7 A partr del dagrama de dspersón es posble, con frecuenca, vsualzar una curva suave que aproxma a los datos. En algunos casos vemos que exste una relacón lneal y en otros puede exstr una relacón no lneal. Solo nos ocuparemos del caso lneal.

8 Tpos de relacón entre varables (correlacón) Dos varables pueden estar relaconadas por una dependenca funconal, por una dependenca estadístca o pueden ser ndependentes. Raramente se determna una dependenca funconal rgurosa ya que ambas varables o una de ellas, están expuestas a factores aleatoros, surge entonces una dependenca estadístca. La dependenca se llama estadístca cuando la varacón de una de las varables da lugar a la alteracón de la dstrbucón de la otra. La dependenca estadístca se manfesta en que, al varar una de las varables se altera el valor medo de la otra, en este caso se llama dependenca de correlacón

9 Dependenca de correlacón Djmos que se da cuando al varar una de las varables se altera el valor medo de la otra. Ejemplo :supongamos que estamos analzando las alturas de dferentes cudades y las temperaturas. Puede darse el caso de que a guales alturas en dferentes cudades, se obtenen dstntas temperaturas. Es decr, y no es funcón de x. Esto se debe a factores aleatoros como ventos, lluvas, etc. Pero se puede demostrar que la temperatura meda es funcón de la altura. Es decr Y está vnculada con X por una dependenca de correlacón. Para precsar esto necestamos el concepto de meda condconal

10 Ejemplo Meda condconal Supongamos que en tres cudades que están a 200 m de altura sobre el nvel del mar las temperaturas son 5 C; 7 C; y 12 C respectvamente. Para estudar el enlace entre las varables aleatoras X e Y, admtamos que a cada valor de x, le corresponden varos valores de y.

11 Meda condconal x 1 = 2 toma los valores y1 = 5; y2 = 7 ;y3 = entonces y2 = = 8 3 Se llama meda condconal (la varable aleatora Y depende de X correlatvamente) Se llama meda condconal y x a la meda artmétca de los valores de y correspondentes al valor de X = x

12 Dependenca de correlacón Se llama dependenca de correlacón de Y respecto de X, a la dependenca funconal de la meda condconal respecto de x: y x = f ( x) Ecuacón de regresón de Y en X Funcón de regresón de Y en X Análogamente se determna x = g( y) y

13 Determnacón de las rectas de regresón Las gráfcas de f(x) y g(y) son rectas llamadas rectas de regresón Y= ax+b a = pendente de la recta de a = pendente de la recta de regresón, tambén llamado coefcente de regresón muestral de y en x

14 DIAGRAMA DE DISPERSIÓN RECTA DE REGRESIÓN y = a + bx

15 Cálculo de la Recta de Regresón de Y en X Se elgen los parámetros a y b de manera tal que los puntos del plano (los valores observados) se encuentren lo más cerca posble a la recta de regresón. Para el cálculo de la recta de regresón se aplca el método de mínmos cuadrados entre dos varables. uno. Y = ax + b donde a = ρ yx

16 Y y Notacón :desvacón, donde Y es una ordenada calculada por la ecuacón correspondente al valor observado y Como no podemos hacer mínma cada desvacón, haremos mínma su suma: n = 1 ( Y y ) Tan cercana a cero como sea posble. Pero esta suma se puede hacer cero de muchas maneras y los errores compensarse, por lo que elegremos para mnmzar = 1 ( ) 2 F( ρ, b) = Y y n n 2 ( ) ( ) 2 ρyx F( ρ, b) = Y y = x + b y = 1 = 1 n

17 Para mnmzar F( ρ, b) = ( Y ) 2 y n F F 2 = 0 = 2 ( ρyxx + b y ). x = 0 ρ ρ = 1 y n = bn + ρ x F F 2 = 0 2 ( ρyxx b y ) 0 b = + = b x y = b x + ρ x Resolvendo el sstema obtenemos ρ yx = 2 = 1 2 n x ( ) 2 x n x y x y b n = 1 y = ρ n n x Ecuacón muestral de regresón de Y en X y = ρ x + b x yx Ecuacón muestral de regresón de X en Y xy = ρxyy + c

18 Ejemplo Para ajustar una recta a un conjunto de datos apareados, veamos en este caso, X: representa el tempo de recalentamento e Y los espesores de óxdo de certa peza: X (en mn) Y (en Angst rom) ,5 7,4 7,1 15,6 11,1 14,9 23,5 27,1 22,1 32,9 xy = x = 860 y = 165,2 2 x = ρyx = 0,17 b = 1,9 y x = 0,17 x + 1,9

19 Cómo usar y = 0,17x + 1,9? x Por ejemplo, para predecr que el espesor de óxdo de herro de una peza calentada durante 80 mnutos: y = 0, ,9 = 15,5 Angstrom x

20 Coefcente de correlacón de la poblacón La medda del grado de relacón entre dos varables, se llama coefcente de correlacón (r) Supuestos para aplcar este modelo: a) X e Y son varables aleatoras. b) La poblacón bvarable debe ser normal. (X e Y dstrbudas normalmente) c) La relacón entre X e Y es, en certo sentdo, lneal. Este supuesto mplca que todas las medas de Y asocadas con valores de X, caen sobre una recta que es la recta de regresón de Y en X. Análogamente, todas las medas de X asocadas con valores de Y, caen sobre la recta de regresón de X en Y.

21 Coefcente de Correlacón Es la medda de la ntensdad de la relacón lneal entre dos varables. El valor del coefcente de correlacón puede tomar valores desde menos uno hasta uno, ndcando que mentras más cercano a uno sea el valor del coefcente de correlacón, en cualquer dreccón, más fuerte será la asocacón lneal entre las dos varables. Mentras más cercano a cero sea el coefcente de correlacón ndcará que más débl es la asocacón entre ambas varables. S es gual a cero se conclurá que no exste relacón lneal alguna entre ambas varables. S el valor del coefcente de correlacón muestral es mayor de 0,93 se consdera buena la estmacón que se realza con la recta de regresón.

22 Hablaremos de correlacón lneal fuerte cuando la nube se parezca mucho a una recta y será cada vez más débl (o menos fuerte) cuando la nube vaya desparramándose con respecto a la recta. En el gráfco observamos que en nuestro ejemplo la correlacón es bastante fuerte, ya que la recta que hemos dbujado está próxma a los puntos de la nube.

23 Cuando la recta es crecente la correlacón es postva o drecta: al aumentar una varable, la otra tene tambén tendenca a aumentar, como en el ejemplo anteror. Cuando la recta es decrecente la correlacón es negatva o nversa: al aumentar una varable, la otra tene tendenca a dsmnur.