Mostrando entradas con la etiqueta correlacion. Mostrar todas las entradas
Mostrando entradas con la etiqueta correlacion. Mostrar todas las entradas

domingo, 12 de junio de 2016

Seven Basic Tools of Quality - Scattered Chart (Part 2).


Las 7 herramientas básicas para la calidad.
Formulario correlación.


El gráfico de dispersión nos permite visualizar la relación existente entre dos variables. Sin embargo, la interpretación de estas gráficas conlleva cierta subjetividad que, en ocasiones, queremos o debemos evitar.

Una herramienta que permite obtener un valor objetivo acerca de la fuerza con las que dos variables está correlacionadas es el:

Coeficiente de correlación lineal "r" de Pearson.

Elevando al cuadrado este resultado obtenemos el:

Coeficiente de determinación.

Y si deseamos pronosticar el valor de la variable dependiente (y) para uno o más valores específicos de la variable independiente (x), se emplea la ecuación de la:

Recta de regresión lineal.

Estos valores estimados contienen cierto error que puede ser calculado mediante la fórmula adecuada.

El siguiente documento contiene una formulario y una explicación sintética de la aplicación de estas herramientas.

Esperamos que sea de utilidad.

Saludos.



jueves, 9 de junio de 2016

Seven Basic Tools of Quality - Scattered Chart.

Las 7 herramientas básicas para la calidad.
Gráfico de Dispersión.


Continuando con la serie de las 7 herramientas básicas para la calidad, toca el turno al gráfico de dispersión.

Las secciones anteriores de esta serie se encuentran en:

http://licmata-math.blogspot.mx/2016/05/seven-basic-tools-of-quality.html

http://licmata-math.blogspot.mx/2016/06/seven-basic-tools-of-quality-check-sheet.html

http://licmata-math.blogspot.mx/2016/06/seven-basic-tools-of-quality.html

El gráfico de dispersión se emplea para determinar, a simple vista, si dos variables están correlacionadas, es decir, si una variable depende de la otra.

Si se desea determinar, numéricamente, la dirección y fuerza con la que dos variables en una muestra están correlacionadas, es necesario calcular el coeficiente de correlación lineal r de Pearson.

Y si necesitamos hacer predicciones o pronósticos acerca del valor de la variable dependiente (y) cuando la variable independiente (x) toma determinados valores, entonces se debe obtener la ecuación de la recta de regresión lineal simple.

Los valores pronosticados son, naturalmente, inexactos, si se desea saber que tan cerca se espera que estén de los valores reales, debe calcularse el error estándar.

La siguiente presentación contiene un ejemplo desarrollado paso a paso para aplicar todos y cada uno de los temas citados en el texto anterior.

Esperamos que sea de utilidad.

Saludos.



lunes, 22 de junio de 2015

Seven Basic Tools Of Quality - Linear Correlation and Regression Analysis.


Las siete herramientas básicas para la calidad.
Análisis de regresión y correlación lineal.


La herramienta que se cita como una de las siete es la gráfica de dispersión, sin embargo, la gráfica de dispersión se vuelve realmente útil cuando se realiza el análisis de correlación y se determina la recta de regresión lineal.

La siguiente presentación contiene un ejemplo, desarrollado paso a paso, de la aplicación de la gráfica de dispersión, análisis de correlación y obtención de la recta de regresión lineal y error estándar.

Esperamos que sea  de utilidad.

Saludos.


jueves, 5 de marzo de 2015

Understanding the difference between linear and nonlinear models.

Entendiendo la diferencia entre modelos lineales y no lineales.

Los modelos matemáticos son una excelente forma de plantear y resolver problemas. Existen numerosos tipos de modelos: determinísticos, estocásticos, lineales, polinomiales, trascendentes, entre muchos otros.

Los modelos lineales, a pesar de que con frecuencia no corresponden exactamente con la realidad, son útiles desde muchos puntos de vista. Por ejemplo para facilitar la comprensión de un problema y las relaciones entre las cantidades conocidas y desconocidas involucradas, o para presentar un concepto en forma sencilla.

En los siguientes enlaces se encuentran ejemplos de modelos matemáticos aplicados a la resolución de problemas:

1. Punto de equilibrio en términos de dos funciones lineales.

http://licmata-math.blogspot.mx/2012/10/punto-de-equilibrio-problema-resuelto.html

2. Problemas de programación lineal

http://licmata-math.blogspot.mx/2014/07/linear-programming-exercises.html

3. Modelos de transporte

http://licmata-math.blogspot.mx/2014/07/linear-programming-examples.html

4. Análisis de correlación y regresión lineal.

http://licmata-math.blogspot.mx/2014/07/pearson-correlation-analysis.html

Y empleando la caja de búsqueda es posible encontrar muchos otros ejemplos en este mismo blog.

Los modelos no lineales suelen ser mucho más complejos, tanto para su planteamiento como su solución. En posteriores entradas se presentarán los métodos más usuales para resolver problemas de programación no lineal.

Esperamos que sea de utilidad.

Saludos.




miércoles, 18 de julio de 2012

Correlación y Estratificación.


Actividades para el jueves 20 de julio, curso de verano 2012.

Resuelve el problema correspondiente a tu número de lista siguiendo los pasos del formulario o del formato para correlación que se encuentran en este mismo blog.

1. Resuelve el ejercicio con todos los datos juntos.

2. Estratifica los datos por reactor y resuelve dos ejercicios más.

3. Elabora tus conclusiones.

Saludos.

Los datos están en el siguiente enlace:


http://www.4shared.com/office/lZeo9uL3/Correla-Estratifica-licmata.html


martes, 5 de julio de 2011

Ejercicio de correlación y estratificación.


En este ejercicio se trabaja con dos de las 7 herramientas básicas para la calidad: Correlación y estratificación. Resuelve primero con todos los datos juntos y luego clasifícalos por reactor 1 y 2 y vuelve a resolverlo. Explica los resultados obtenidos.

Enlace:

http://www.4shared.com/document/nT0WnzDj/Correla-Estratifica_00.html

Saludos.

Artículos relacionados

Related Posts Plugin for WordPress, Blogger...