martes, 25 de febrero de 2014

CONCEPTO DE CORRELACION

En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos variables estadísticas. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una 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 y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad

Fuerza, sentido y forma de la correlación

La relación entre dos variables cuantitativas queda representada mediante la línea de mejor ajuste, trazada a partir de la nube de puntos. Los principales componentes elementales de una línea de ajuste y, por lo tanto, de una correlación, son la fuerza, el sentido y la forma:
  • La fuerza extrema según el caso, mide el grado en que la línea representa a la nube de puntos: si la nube es estrecha y alargada, se representa por una línea recta, lo que indica que la relación es fuerte; si la nube de puntos tiene una tendencia elíptica o circular, la relación es débil.
  • El sentido mide la variación de los valores de B con respecto a A: si al crecer los valores de A lo hacen los de B, la relación es positiva; si al crecer los valores de A disminuyen los de B, la relación es negativa.
  • La forma establece el tipo de línea que define el mejor ajuste: la línea recta, la curva monotónica o la curva no monotónica 

 Coeficientes de correlación

Existen diversos coeficientes que miden el grado de correlación, adaptados a la naturaleza de los datos. El más conocido es el coeficiente de correlación de Pearson (introducido en realidad por Francis Galton), que se obtiene dividiendo la covarianza de dos variables entre el producto de sus desviaciones estándar. Otros coeficientes son:
  • Coeficiente de correlación de Spearman
  • Correlación canónica
  • Coeficiente de Correlación Intraclase 

lunes, 24 de febrero de 2014

domingo, 23 de febrero de 2014

EJEMPLOS DE MUÉSTRALES Y SUCESOS

DEFINICIONES: 
Empezamos con algunas definiciones básicas.
Definición Ejemplo
Un experimento es un acontecimiento cuyo resultado es incierto. Tire un par de dados al aire y observe la suma de los números orientados hacia arriba.
Un resultado es una ocurrencia específica que observamos al final del experimento. Cualquier número desde 2 a 12; por ejemplo, la siguiente figura representa el resultado 7:
 
El espacio muestral para el experimento es el conjunto de todos los resultados posibles. El conjunto de números desde 2 a 12:
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

 
Simulación de dados Para lanzar los dados (es decir, hacer el experimento) clic en el botón "Lanzar dados" para mirar el resultado, la suma de los números orientados hacia arriba, a la izquierda.

     

EJEMPLO 1
P En un experimento en lo que tiramos un par de dados distinguibles (un rojo, un verde) y observamos los números orientados hacia arriba, el espacio muestral es:
    {1, 2, 3, 4, 5, 6}
    {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
    (1,1)
    (1,2)
    (1,3)
    (1,4)
    (1,5)(1,6)
    (2,1)
    (2,2)
    (2,3)
    (2,4)
    (2,5)(2,6)
    (3,1)
    (3,2)
    (3,3)
    (3,4)
    (3,5)(3,6)
    (4,1)
    (4,2)
    (4,3)
    (4,4)
    (4,5)(4,6)
    (5,1)
    (5,2)
    (5,3)
    (5,4)
    (5,5)(5,6)
    (6,1)
    (6,2)
    (6,3)
    (6,4)
    (6,5)(6,6)

    (1,1)
    (1,2)
    (1,3)
    (1,4)
    (1,5)(1,6)

    (2,2)
    (2,3)
    (2,4)
    (2,5)(2,6)


    (3,3)
    (3,4)
    (3,5)(3,6)



    (4,4)
    (4,5)(4,6)




    (5,5)(5,6)





    (6,6)
P En un experimento el lo que tiramos un par de dados indistinguibles y observamos los números orientados hacia arriba, el espacio muestral es:
    {1, 2, 3, 4, 5, 6}
    {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
    (1,1)
    (1,2)
    (1,3)
    (1,4)
    (1,5)(1,6)
    (2,1)
    (2,2)
    (2,3)
    (2,4)
    (2,5)(2,6)
    (3,1)
    (3,2)
    (3,3)
    (3,4)
    (3,5)(3,6)
    (4,1)
    (4,2)
    (4,3)
    (4,4)
    (4,5)(4,6)
    (5,1)
    (5,2)
    (5,3)
    (5,4)
    (5,5)(5,6)
    (6,1)
    (6,2)
    (6,3)
    (6,4)
    (6,5)(6,6)

    (1,1)
    (1,2)
    (1,3)
    (1,4)
    (1,5)(1,6)

    (2,2)
    (2,3)
    (2,4)
    (2,5)(2,6)


    (3,3)
    (3,4)
    (3,5)(3,6)



    (4,4)
    (4,5)(4,6)




    (5,5)(5,6)





    (6,6)
Q Se lanza una moneda tres veces en sucesión, y se observa el número de veces que salen águilas. El espacio muestral es:
    {0, 1, 2, 3}
    {aaa, aas, asa, ass,
    saa, sas, ssa, sss }
    { aaa, aas, asa, ass,
    saa, sas, ssa }

Para muchos más ejemplos de espacios muestral.
Suceso
Sea S un espacio muestral, entonces un suceso E es un subconjunto de S. Se refieren a los resultados en E como los resultados favorables. Decimos que ocurre E en un experimento particular si el resultado de tal experimento es uno de los elementos de E, es decir, si el resultado del experimento es favorable. Determinar el conjunto E
Simplemente diga la siguiente a su mismo cuando está buscando el suceso E:
El suceso E consta de todos los resultados en S que son favorables.
Ejemplo
Imogena disfruta de santarse en frente de la televión y elegir al azar dos chocolates a la vez de su caja de chocolates. La caja contiene un gran número de veteados de jarabe, delicias turcas, y sorpresas mocha. Describa un posible espacio muestral, y también el suceso de que Imogena escoja al menos una sorpresa mocha en su primera elija.
Solución
Aquí, los elementos del espacio muestral S pueden ser tomados como combinaciones de dos tipos de chocolates o pares del mismos tipo. Por lo tanto, un posible espacio muestral es el conjunto de todas las posibles combinaciones:
    S = {VT, VM, TM, VV, TT, MM},
where V = veteado de jarabe, T = delicia turca, y M = sorpresa mocha.
Bueno, por el suceso Eescribimos la siguiente:
    El sucesp E consta de todos los resultados en S que son favorables.
Pues los resultados favorables son aquellos con al menos una sorpresa mocha, podemos decir la siguiente:
    El suceso E consta de todos los resultados en S que contienen al menos una sorpresa de mocha.
Por lo tanto,
    E = {VM, TM, MM}.
(Simplemente elimine todos los resultados que no contienen M.)

EJEMPLO 2
Un trabajador en los estados unidos durante 2009 podía ser cubierto o no cubierto por un plan de salud. Si era cubierto el trabajador, podía ser bajo el plan de su empleador o de un otro plan. En el caso de un otro plan, podía ser en su propio nombre o en el nombre de su esposo. Consideramos el experimento "Elija un trabajador en los estados unidos al azar y determine si o no está cubierto y también el tipo de cobertura."
P Un espacio muestral apropiado es:
    S = {No cubierto, Cubierto}
    S = { No cubierto, Cubierto por plan de empleador, Cubierto por plan en su propio nombre, Cubierto por plan en el nombre de esposa }
    S = { No cubierto, Cubierto por plan de empleador, Cubierto por plan en su propio nombre, Cubierto por plan en el nombre de esposa, cubierto por algún otro tipo de plan }
P El suceso de que no está cubierto por el plan de empleador es:
    E = { No cubierto, Cubierto por plan en su propio nombre, Cubierto por plan en el nombre de esposa }
    E = 3/4
    E = 3
    { Cubierto por plan en su propio nombre, Cubierto por plan en el nombre de esposa }
P Se lanza una moneda tres veces y se observa la secuencia de águilas y soles que salen. El suceso de que salen águilas al menos dos veces es:
    {2, 3}
    Dos de cada cuatro
    {aaa, aas, asa, saa}
    {aas, aaa}

Operaciones con sucesos
Porque sucesos son conjuntos, entonces podemos preguntarnos qué efectos tienen las operaciones de conjuntos como unión, intersección, y complemento.
Operaciones de conjuntos
Ejemplo
El complemento, E', de un suceso E es el suceso de que E no ocurre. Es el conjunto de todos los resultados no en E. Tire un par de dados al aire y observe la suma de los números orientados hacia arriba. Si E es el suceso de que la suma es par, entonces E' es el suceso de que la suma es impar:
    S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
    E = {2, 4, 6, 8, 10, 12}
    E' = {3, 5, 7, 9, 11}
La unión, EF, de los sucesos E y F es el suceso de que ocurre o E o F (o los dos). Lance tres monedas y observe la secuencia de águilas y soles. Si E es el suceso de que salen águilas solo una vez, y F es el suceso de que soles salen solo una vez, entonces EF es el suceso de que salen águilas solo una vez o salen soles solo una vez:
    S = { aaa, aas, asa, ass, saa, sas, ssa, sss }
    E = {ass, asa, ssa}, F = { aas, asa, saa}
    EF = { aas, asa, ass, saa, sas, ssa }

 
La interrsección, EF, de sucesos E y F es el suceso de que ambos E y F ocurren. Escoja un número de tres dígitos (000-999) al azar. Si E es el suceso de que el primer dígito es 9, y F es el suceso de que los demás digitos suman a 2, entonces EF es el suceso de que el primer dígito es 9 y los demás suman a 2:

 
Si E y F son sucesos, entonces decimos que E y F son disjuntos o mutuamente excluyentes si EF es vacio. In es experimento más arriba, sea E el suceso de que el primer dígito es 9, y F el suceso de que el primer dígito es 8. Entonces E y F son mutuamente excluyentes.

 
EJEMPLO 3
P En el experimento en lo que se tira un par de dados (un rojo, un verde) al aire y se observa el número orientado hacia arriba de cada uno, sea E el suceso de que la suma de los números es 4, y F el suceso de que la suma es impar. El suceso F' is:
    el suceso de que el resultado es un número par
    {(1, 1), (1, 3), (1, 5), (2, 2),
    (2, 4), (2, 6), (3, 1), (3, 3),
    (3, 5), (4, 2), (4, 4), (4, 6),
    (5, 1), (5, 3), (5, 5), (6, 2),
    (6, 4), (6, 6)}
    {2, 4, 6, 8, 10}
    el suceso de que el resultado es un número par distinto a 4
P With E and F como descrito más arriba, EF' es el suceso
    {(1, 1), (1, 5), (2, 4), (2, 6),
    (3, 3), (3, 5), (4, 2), (4, 4),
    (4, 6), (5, 1), (5, 3), (5, 5),
    (6, 2), (6, 4), (6, 6)}

    {(1, 3), (2, 2), (3, 1)}
    igual a F'
    el conjunto vacio
P Con E and F como descrito más arriba, E'F es el suceso de que
la suma de los números es un número impar distinto a 4
la suma de los números es cualquier número
la suma de los números es un número par distinto a 4
la suma de los números es cualquier número distinto a 4

ESPACIO MUESTRAL

ESPACIO MUESTRAL.-
El concepto de espacio (palabra con origen en el latín spatium) refiere al área que consigue contener a la materia existente, la capacidad de un territorio o la porción que ocupa un objeto sensible. El término posee quince significados reconocidos por el diccionario de la Real Academia Española (RAE).
 
Muestral, por su parte, es lo que pertenece o guarda relación con una muestra (tal como se conoce a la parte que se extrae de un conjunto mediante algún método que permite considerarla como representativa de éste). Una muestra también es una evidencia, demostración, prueba o señal de algo.
Por espacio muestral (también conocido como espacio de muestreo) se entiende el grupo de todos los resultados específicos que se pueden obtener tras una experimentación de carácter aleatorio. A cada uno de sus componentes se los define como puntos muestrales o, simplemente, muestras.

Por citar un caso a modo de ejemplo concreto: si la prueba se basa en arrojar un dado, el espacio muestral estará constituido por los puntos muestrales identificados como los números 1, 2, 3, 4, 5 y 6, ya que esos son los resultados posibles de la acción de tirar el dado. Por lo tanto, se puede establecer que el espacio muestral del experimento es U = {1, 2, 3, 4, 5, 6}.
Cabe resaltar que, en ciertos casos, los experimentos pueden tener dos o más espacios muestrales posibles. El experimento de tomar un naipe de una baraja española, por ejemplo, tiene un espacio de muestreo compuesto por los números y otro espacio muestral formado por los palos. La descripción más completa, pues, debería incluir ambos valores (número y palo) en un eje cartesiano.
Los espacios muestrales pueden clasificarse como discretos (cuando la cantidad de sucesos elementales es finito o numerable) o continuos (en los casos en los cuales la cantidad de sucesos básicos posee carácter infinito y, por lo tanto, resulta imposible de contar).
 
Dado su carácter estadístico, este concepto se aprovecha en diversas situaciones relacionadas con el marketing. Por ejemplo, a la hora de diseñar un producto nuevo, o una versión de uno existente, es necesario realizar una proyección demográfica para anticipar su potencial impacto en el mercado; dentro de estos estudios, se busca agrupar a los consumidores en conjuntos etiquetados por género, edad y demás propiedades, dependiendo de la empresa y del producto en sí. Este análisis posee un mínimo de dos partes: una que tiene lugar antes del lanzamiento y otra que ocurre después, para contrastar la realidad con los números esperados.
De la misma forma, los candidatos a ocupar puestos políticos suelen apoyarse en los espacios de muestra durante las épocas de elecciones para intentar anticiparse a los resultados de las votaciones, buscando sobre todo el sector de la población a quien menos interese su propuesta; basados en los análisis y habiendo decidido racionalmente a qué posible cuadro prestar más atención, elaboran sus estrategias electorales. Al igual que ocurre con el lanzamiento de un producto al mercado, es necesario cotejar los anticipos con los hechos reales para modificar cualquier decisión que haya llevado la campaña por mal camino.
Espacio muestral
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega Ω).
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.

Suceso aleatorio

Suceso aleatorio es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3, y otro, sacar 5.

Ejemplos de espacios muestrales

1. Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
3. El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
4. El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}

sábado, 22 de febrero de 2014

CONCEPTO DE PROBABILIDAD Y ALGUNOS EJEMPLOS PARA PODER ENTENDER MEJOR

PROBABILIDAD

Definición de experimento estadístico 

Un experimento que tiene las siguientes características es llamado experimento aleatorio o estadístico.
  1. Todos los posibles resultados del experimento son conocidos antes de hacer una realización del experimento.
  2. El resultado exacto en cualquier ejecución del experimento no es predecible (aleatoriedad)
  3. El experimento puede ser repetido bajo (más o menos) idénticas condiciones.
  4. Existe un patrón predecible a lo largo de muchas ejecuciones (regularidad estadística)
Ejemplos
1. Algunos ejemplos de típicos experimentos aleatorios son:
  1. Lanzar una moneda y observar la cara
  2. Una bombilla manufacturada en una planta es expuesta a una prueba de vida y el tiempo de duración de una bombilla es registrado.. En este caso no se conoce cual será el tiempo de duración de la bombilla seleccionada, pero claramente se puede conocer de antemano que será un valor entre $0$ y $\infty $ horas
  3. Un lote de $N$ items que contiene $D$ defectuosos es muestreado. Un item muestreado no se reemplaza, y se registra si el item muestreado es o no defectuoso. El proceso continua hasta que todos los items defectuosos sean encontrados.
  4. Una manufacturera de refrigeradores inspecciona sus refrigeradores para $10$ tipos de defectos. El número de defectos encontrado en cada refrigerador inspeccionado es registrado.
  5. Seleccionar una planta de una parcela y observar si padece alguna enfermedad, es decir es sana o enferma
  6. Seleccionar una planta y medir su altura
2. Algunos ejemplos de experimentos no estadísticos son:
  1. Seleccionar al azar un bus de ruta (no alimentador) de transmilenio y observar el color. Aquí no se cumple la condición (ii), ya que se puede predecir una ejecución del experimento, el color del bus.
  2. Seleccionar al azar un estudiante de un colegio masculino y observar su género. Aquí no se cumple la condición (ii), ya que se puede predecir una ejecución del experimento, el género del alumno
Ejercicio
Describa un experimento estadístico y otro no estadístico y explique porque lo es o no.

Estadística vs probabilidad

Existen tres componentes esenciales de un modelo estocástico (o probabilistico):
  1. Identificación de todos los posibles resultados del experimento.
  2. Identificación de todos los eventos de interés
  3. Asignación de probabilidades para estos eventos de interés.
El más importante como también el más interesante y difícil parte en la construcción del modelo es la asignación de probabilidades. Es pertinente en este momento distinguir entre probabilidad y estadística. En probabilidad, nosotros hacemos ciertas suposiciones acerca de la población y entonces decimos algo acerca de la muestra. Esto es, el problema en probabilidad es:
Dado un modelo estocástico, qué podemos decir acerca de los resultados?
En estadística, el proceso es inverso. El problema en estadística es:
Dada una muestra (conjunto de resultados), qué se puede decir acerca de la población (o el modelo)?
Ejemplos
1.Gasolina.
Cuando un nuevo modelo de carro es introducido al mercado, la compañía automovilística anuncia (un estimado) a la agencia de protección al medio ambiente la razón de consumo de gasolina (miles por galón) para propósitos de comparación. El problema inicial de la determinación de la distribución de probabilidad del consumo para este modelo es un problema estadístico. Una vez esto ha sido solucionado, el calculo de la probabilidad de que un carro particular consuma al menos 30 millas por galón es un problema de probabilidad. Similar mente, la estimación de promedio de gasolina para este modelo es un problema estadístico.
2.-Número de llamadas telefónicas. El número de llamadas telefónicas iniciadas en u intervalo de tiempo de longitud $\ t$ horas es registrado en una central telefónica. El problema inicial de estimar la probabilidad de que $k$llamadas sean iniciadas en un periodo de tiempo de longitud $t$ horas es un problema estadístico. Una vez esas probabilidades han sido establecidas para cada $k=0,1,2,\ldots ,$el calculo de la probabilidad de que más de $j$llamadas sean iniciadas en un periodo de tiempo de una hora es un problema de probabilidad.

jueves, 20 de febrero de 2014

probabilidades.

 Definición de probabilidad
La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.

Probabilidad clásica:
Si un suceso puede ocurrir de N maneras mutuamente excluyentes e igualmente probables,  y m de ellas poseen una característica A
 
                           
    Ejemplo: P (de que salga un varón al tomar 2 bebés y observar su sexo)
                                               
   







Probabilidad subjetiva:
Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia previa, la opinión personal o la intuición del individuo. En este caso después de estudiar la información disponible, se asigna un valor de probabilidad a los sucesos basado en el grado de creencia de que el suceso pueda ocurrir.

Ejemplo: 
E: Tirar un dado
A = que salga el n° 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6

Probabilidad de frecuencia:
Una teoría de mayor aplicación y muy sostenida es la basada en la frecuencia relativa. Puede atribuirse a este punto de vista el adelanto registrado en la aplicación de la probabilidad en la Física, la Astronomía, la Biología, las Ciencias Sociales y los negocios.
Esta teoría está estrechamente relacionada con el punto de vista expresado por Aristóteles: “lo probable es aquello que ocurre diariamente”.

domingo, 16 de febrero de 2014

REGRESION LINEAL



REGRESIÓN LINEAL SIMPLE

El modelo de regresión y la ecuación de regresión

En el ejemplo, cada restaurante está asociado con un valor de
X (población estudiantil en miles de estudiantes) y un valor correspondiente de y (ventas trimestrales en miles de $). La ecuación que describe cómo se relaciona y con xy con un término de error se llama modelo de regresión. Éste usado en la regresión lineal simple es el siguiente:
Modelo de regresión lineal simple:
y = β0 + β1 x + εβ0 y β1 son los parámetros del modelo. Ε es una variable aleatoria, llamada error, que explica la variabilidad en y que no se puede explicar con la relación lineal entre xy .
Los errores, ε, se consideran variables aleatorias independientes distribuidas normalmente con media cero y desviación estándar σ. Esto implica que el valor medio o valor esperado de y, ε denotado por (Y/x), es igual a β0 + β1 x.
Ecuación de regresión lineal simple:
E(y/x) = β0 + β1 x
(μY/x=E(Y/x))


La ecuación estimada de regresión (lineal simple)
Los parámetros, β0y β1, del modelo se estiman por los estadísticos muestrales b0 y b1, los cuales se calculan usando el método de mínimos cuadrados.

Ecuación Estimada de regresión lineal simple:

ŷ = b0 + b1 x
En la regresión lineal simple, la gráfica de la ecuación de regresión se llama línea de regresión estimada, ŷ es el valor estimado de y para un valor específico de x.