Cuadro Comparativo de Regresión Lineal y Correlación

,c CATEGORIA

2 puntos

Identifica todos los Elementos criterios de a comparar. comparación. Las características elegidas son suficientes y pertinentes Identifica de Identificaci manera clara y ón de precisa las semejanzas semejanzas y y diferencias entre diferencias los elementos comparados. Característi cas

Ortografía

No tiene faltas de ortografía

1 punto

0 puntos

Total

Faltan algunos criterios esenciales para la comparación

No enuncia criterios de comparación

Las características elegidas son las mínimas.

No enuncia las características a comparar.

Identifica algunas de las semejanzas y diferencias entre los elementos comparados

No identifica las semejanzas y diferencias de los elementos comparado

Tiene de una a tres faltas de ortografía por cuartilla.

Tiene más de tres faltas de ortografía por cuartilla.

La entrega fue hecha en tiempo y La entrega fue hecha La entrega no fue hecha en forma, con limpieza en tiempo y forma, tiempo y forma, además no y en el formato pre no fue en el formato se dio en el formato pre establecido (papel pre establecido. establecido por el docente. o digital) M en AC. MARIA EDITH Nombre del docente: Fecha: 1-02-2016 LEMUS HERNÁDNEZ Nombre del CATALAN RAYO SERGIO DANIEL Actividad alumno: Título de la Grupo: REGRESION LINEAL Y CORRELACION BV actividad Competencia(s): Producto: Cuadro comparativo

Presentació n del esquema

1ª Puntuación oportunidad Alcanzada(11)

2ª oportunidad

2 142M

Regresión lineal

Correlación

En caso de 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.

El parámetro que nos da la cuantificación de la intensidad de la regresión lineal entre dos variables es el coeficiente de correlación lineal de Pearson r, cuyo valor oscila entre –1 y +1.

 La ecuación de la recta de mínimos cuadrados (en forma punto-pendiente)

 Pronóstico de regresión lineal simple es un modelo óptimo para patrones de demanda con tendencia (creciente o decreciente), es decir, patrones que presenten una relación de linealidad entre la demanda y el tiempo.  La aplicación de este método implica un supuesto de linealidad cuando la demanda presenta un comportamiento creciente o decreciente, por tal razón, se hace indispensable que previo a la selección de este método exista un análisis de regresión que determine la intensidad de las relaciones entre las variables que componen el modelo.  El objetivo de un análisis de regresión es determinar la relación que existe entre una variable dependiente y una o más variables independientes.  Para poder realizar esta relación, se debe postular una relación funcional entre las variables. Cuando se trata de una variable independiente, la forma funcional que más se utiliza en la práctica es la relación lineal.



Si la covarianza es positiva, la correlación es directa.



Si la covarianza es negativa, la correlación es inversa.



Si la covarianza es nula, no existe correlación.

 Determina la relación o dependencia que existe entre las dos variables que intervienen en una distribución bidimensional.  Los cambios en una de las variables influyen en los cambios de la otra. En caso de que suceda, diremos que las variables están correlacionadas o que hay correlación entre ellas.