Grado 11
  1. Álgebra  1.1. Comprender Secuencias y Series en Álgebra  1.1.1. Entendiendo las secuencias aritméticas  1.1.2. Series aritmética  1.1.3. Comprender las secuencias geométricas  1.1.4. Entendiendo series geométricas  1.1.5. Convergencia y divergencia  1.1.6. Entendiendo "suma al infinito" en álgebra  1.1.7. Notación sigma  1.2. Números complejos  1.2.1. Comprendiendo los números imaginarios y complejos  1.2.2. Operaciones con números complejos  1.2.3. Formas polares y cartesianas de números complejos  1.2.4. Conjugados complejos  1.2.5. Módulo y argumento  1.2.6. El teorema de De Moivre  1.2.7. Potencias y raíces de números complejos  1.3. Teorema binomial  1.3.1. Expansión de un binomio  1.3.2. Términos comunes en el teorema del binomio  1.3.3. Coeficiente binomial  1.3.4. Aplicaciones del Teorema Binomial  1.3.5. Triángulo de Pascal
  2. Funciones y gráficos  2.1. Tipos de tareas  2.1.1. Función polinómica  2.1.2. Funciones racionales  2.1.3. Función exponencial  2.1.4. Función logarítmica  2.1.5. Funciones trigonométricas  2.1.6. Trabajo por partes  2.2. Conversión de funciones  2.2.1. Traducción  2.2.2. Entender las reflexiones en transformaciones de funciones  2.2.3. Estirar y estirar  2.2.4. Comprensión de la rotación en funciones y gráficos  2.3. Función inversa  2.3.1. Encontrar la inversa  2.3.2. Gráficas de funciones inversas  2.3.3. Propiedades de la función inversa  2.3.4. Restricciones para inversas
  3. Trigonometría  3.1. Relaciones e identidades trigonométricas  3.1.1. Ratios trigonométricos básicos  3.1.2. Comprender las identidades pitagóricas en trigonometría  3.1.3. Fórmulas de suma y diferencia  3.1.4. Fórmula del ángulo doble  3.1.5. Comprendiendo las fórmulas de ángulo medio en trigonometría  3.1.6. Fórmulas de producto a suma y de suma a producto  3.2. Ecuaciones trigonométricas  3.2.1. Resolución de ecuaciones trigonométricas  3.2.2. Soluciones generales en ecuaciones trigonométricas  3.3. Gráficas de funciones trigonométricas  3.3.1. Gráfico del seno  3.3.2. Comprendiendo el gráfico del coseno  3.3.3. Gráfico de tangente  3.3.4. Ajuste de amplitud y duración  3.3.5. Cambio de fase en el gráfico de funciones trigonométricas  3.4. Aplicaciones de la trigonometría  3.4.1. Leyes de senos y cosenos  3.4.2. Área de triángulos  3.4.3. Resolviendo triángulos  3.4.4. Rodamientos y navegación
  4. Introducción al cálculo  4.1. Entendiendo límites y continuidad en cálculo  4.1.1. El concepto de límite  4.1.2. Límites unilaterales  4.1.3. Comprender los límites en el infinito en cálculo  4.1.4. Continuidad de una función  4.1.5. Tipos de discontinuidad  4.2. Discriminación  4.2.1. Definición de derivada  4.2.2. Reglas de diferenciación  4.2.3. Derivadas de orden superior  4.2.4. Regla de la cadena  4.2.5. Regla del producto  4.2.6. Comprender la regla del cociente en cálculo  4.3. Aplicaciones de la diferenciación  4.3.1. Tasa de cambio  4.3.2. Tangente y normal  4.3.3. Máximo y mínimo  4.3.4. Comprensión de funciones crecientes y decrecientes  4.3.5. Problemas de optimización  4.3.6. Graficar una curva  4.3.7. Tasas relacionadas en aplicaciones de la diferenciación  4.4. ¿Qué es la integración?  4.4.1. Antiderivadas  4.4.2. Integral indefinida  4.4.3. Integral definida  4.4.4. Teorema fundamental del cálculo  4.4.5. Técnicas de integración  4.4.6. Comprender el área bajo la curva en la integración  4.5. Aplicaciones de la integración  4.5.1. Área entre curvas  4.5.2. Volúmenes de sólidos de revolución  4.5.3. Comprender el valor promedio de una función en cálculo
  5. Vectores y matrices  5.1. Vectores  5.1.1. Introducción  5.1.2. Operaciones con vectores  5.1.3. Comprendiendo el Producto Punto  5.1.4. Producto cruz  5.1.5. Aplicaciones en geometría  5.1.6. Proyección de vectores  5.2. Matrices  5.2.1. Tipos de matrices  5.2.2. Comprendiendo las operaciones con matrices  5.2.3. Determinantes  5.2.4. Inverso de una matriz  5.2.5. Resolución de sistemas de ecuaciones lineales  5.2.6. Regla de Cramer
  6. Probabilidad y estadísticas  6.1. Comprendiendo la probabilidad en matemáticas  6.1.1. Conceptos básicos de probabilidad  6.1.2. Probabilidad condicional  6.1.3. Introducción a eventos independientes y dependientes en probabilidad  6.1.4. Teorema de Bayes  6.1.5. Probabilidad combinatoria  6.2. Variables aleatorias  6.2.1. Variable aleatoria discreta  6.2.2. Variable aleatoria continua  6.2.3. Distribuciones de probabilidad  6.3. Distribuciones de probabilidad  6.3.1. Comprendiendo la distribución binomial  6.3.2. Distribución normal  6.3.3. Distribución de Poisson  6.3.4. Distribución uniforme  6.4. Figuras  6.4.1. Medidas de tendencia central  6.4.2. Medidas de dispersión  6.4.3. Recolección y representación de datos  6.4.4. Correlación y Regresión  6.4.5. Técnicas de muestreo
  7. Geometría coordinada  7.1. Líneas rectas en geometría coordinada  7.1.1. Forma de pendiente e intercepto en geometría de coordenadas  7.1.2. La fórmula de la distancia en líneas rectas  7.1.3. Entendiendo la fórmula del punto medio en la geometría de coordenadas  7.1.4. Ángulo entre líneas  7.1.5. Ecuación de líneas  7.2. Secciones cónicas  7.2.1. Círculo  7.2.2. Introducción a las parábolas  7.2.3. Elipse en una sección cónica  7.2.4. Comprendiendo la hipérbola en secciones cónicas  7.2.5. Propiedades de las cónicas  7.2.6. Ecuaciones paramétricas de conos  7.2.7. Coordenadas polares de las cónicas
  8. Lógica aritmética  8.1. Introducción a la lógica en la lógica matemática  8.1.1. Enunciados y conectivos lógicos  8.1.2. Tablas de verdad  8.1.3. Equivalencia lógica  8.1.4. Cuantificadores en lógica en lógica matemática  8.1.5. Técnicas de demostración  8.2. Comprender las pruebas en lógica matemática  8.2.1. Evidencia directa  8.2.2. Evidencia indirecta  8.2.3. Entendiendo la prueba por contradicción  8.2.4. Prueba por inducción matemática

Grado 11 → Probabilidad y estadísticas → Figuras ↓


Correlación y Regresión


Introducción

En estadística, es importante entender la relación entre dos variables. Esto puede revelar cómo una variable puede afectar a otra. Dos conceptos clave que nos ayudan a entender estas relaciones son "correlación" y "regresión". Estos conceptos nos permiten investigar si las variables están relacionadas entre sí y con qué intensidad. ¡Hablemos en profundidad sobre estos interesantes temas!

Correlación

La correlación es una medida estadística que describe el tamaño y la dirección de la relación entre dos variables, generalmente denotadas como X e Y. Nos dice si las variables se mueven juntas (y si lo hacen, si se mueven en la misma o en direcciones opuestas) sin implicar una relación de causa-efecto.

Entendiendo la correlación

Cuando dos variables están correlacionadas, significa que existe un patrón predecible en los cambios que ocurren entre ellas. La correlación puede ser positiva, negativa o cero.

  • Correlación positiva: A medida que una variable aumenta, la otra también aumenta. Por ejemplo, la relación entre la cantidad de tiempo estudiado y la puntuación obtenida en un examen podría mostrar una correlación positiva.
  • Correlación negativa: A medida que una variable aumenta, la otra disminuye. Un ejemplo de esto podría ser la relación entre la cantidad de películas vistas por semana y el tiempo dedicado a estudiar.
  • No hay correlación (correlación cero): No existe un cambio predecible que conecte las variables. Por ejemplo, se espera que la relación entre el color de ojos y el nivel de inteligencia no muestre correlación.

Ejemplo visual de correlación

En un diagrama de dispersión, la correlación entre dos variables se muestra visualmente:

Correlación positiva Correlación negativa No hay correlación

Expresando la correlación matemáticamente

El coeficiente de correlación más comúnmente utilizado es el coeficiente de correlación de Pearson, denotado por r. La fórmula para calcularlo es la siguiente:

R = Σ((X_i - X̄)(Y_i - Ȳ)) / (√(Σ(X_i - X̄)² * Σ(Y_i - Ȳ)²))

Dónde:

  • X_i y Y_i son diferentes puntos de datos.
  • X̄ es la media de los valores de X y Ȳ es la media de los valores de Y.
  • El rango de r es de -1 a +1.

Si r = 1, indica una relación lineal positiva perfecta. Si r = -1, es una relación lineal negativa perfecta. Cuando el valor de r está cerca de 0, significa que no existe una relación lineal.

Ejemplo

Considere un conjunto de datos simple con dos variables:

  • X: 1, 2, 3, 4, 5
  • Y: 2, 4, 5, 4, 5

Para determinar la correlación entre X e Y, debe aplicar la fórmula especificada anteriormente.

Regresión

Mientras que la correlación mide la fuerza y la dirección de la relación entre dos variables, la regresión se centra en predecir una variable en función de otra. Predice la variable dependiente (a menudo denotada como Y) usando la variable independiente (X).

Entendiendo la regresión

La regresión ayuda a entender cómo cambia un valor específico de una variable dependiente cuando se cambia una de las variables independientes mientras las otras permanecen constantes. Su forma más simple es la regresión lineal, que se representa como una línea.

Regresión lineal

La regresión lineal intenta modelar la relación entre dos variables ajustando una ecuación lineal a los datos observados. La ecuación de una línea se presenta generalmente como:

y = a + bx

Dónde:

  • Y es la variable dependiente que estamos tratando de predecir.
  • X es la variable independiente que estamos usando para la predicción.
  • a es la intersección, el valor de Y cuando X=0.
  • b es la pendiente, que representa el cambio en Y por un cambio de una unidad en X.

Ejemplo visual de regresión

Dibujar una línea a través de los puntos de datos a menudo se puede ver en un diagrama de dispersión como sigue:

Línea de mejor ajuste

La línea roja se llama la línea de mejor ajuste o línea de regresión. Minimiza la distancia de todos los puntos a la línea, esto se conoce como el método de mínimos cuadrados.

Encontrando la línea de regresión matemáticamente

Las fórmulas para calcular la pendiente b y la intersección a son las siguientes:

B = Σ((X_i - X̄)(Y_i - Ȳ)) / Σ((X_i - X̄)²)
a = Ȳ − bx̄

Estas fórmulas surgen de minimizar la diferencia cuadrada de los valores observados de la línea.

Ejemplo

Usando el primer conjunto de datos con variables X: [1, 2, 3, 4, 5] y Y: [2, 4, 5, 4, 5].

  • Primero calcule X̄ y Ȳ.
  • Luego, usando la fórmula anterior, determine b y a.

Después del cálculo:

b = 0.6
a = 2.2
Y = 2.2 + 0.6X

Así, su ecuación de regresión se convierte en Y = 2.2 + 0.6X.

Diferencias clave y resumen

  • Propósito: La correlación mide la dirección y la fuerza de una relación. Sin embargo, la regresión modela y predice una variable en función de otra.
  • Dependencia: La correlación no depende de causa y efecto. La regresión, teóricamente, asume una dirección dependiente.
  • Simetría: La correlación es simétrica porque corr(X, Y) = corr(Y, X). La regresión cambia de dirección porque Y = a + bX no es idéntico a X = c + dY.

En conclusión, la correlación y la regresión proporcionan información valiosa sobre las relaciones entre variables. Comprender estos conceptos es crucial para el análisis de datos en muchos campos y proporciona una base importante para el modelado estadístico avanzado.


Grado 11 → 6.4.4


U
username
0%
completado en Grado 11

← Anterior (6.4.3)
Recolección y representación de datos
Siguiente (6.4.5) →
Técnicas de muestreo

Comentarios 



Correlación y Regresión

https://www.buddymath.com/g11/6.4.4?bmal=es