Professional Documents
Culture Documents
Analisis
ESCUELA:
AUTORA:
ASIGNATURA:
DOCENTE:
CICLO:
ndice.
HUACHO-2016
RESUMEN... 2
INTRODUCCION.. 4
EL MULTICULTURALISMO ..................................................................5
1.1.
1.2.
1.3.
DEFINICION ........................................................................5
ASPECTOS DEL MULTICULTURALISMO ....................6
EL ESATADO DEL MULTICULTURALISMO .......................6
EL MULTICULTURISMO PERUANO....................................................8
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
2.8.
CONCLUSION ....................................................................................19
BIBLOGRAFIA .....................................................................................20
ANEXOS .............................................................................................21
Introduccin
influencia
de
una
ms
variables
cuantitativas
(covariables).
Regresin lineal y
Anlisis de
convariancia
1.1. REGRESION
A) DEFINICION
Se define como un procedimiento mediante el cual se trata de
determinar si existe o no relacin de dependencia entre dos o ms
variables. Es decir, conociendo los valores de una variable
independiente, se trata de estimar los valores, de una o ms
variables dependientes.
La regresin en forma grfica, trata de lograr que una dispersin
de las frecuencias sea ajustada a una lnea recta o curva.
B) CLASES DE REGRESION
La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos
de regresin pueden ser a su vez:
Esta regresin se utiliza con mayor frecuencia en las ciencias
econmicas, y sus disciplinas tecnolgicas. Cualquier funcin no
lineal, es linealizada para su estudio y efectos prcticos en las
ciencias
econmicas,
modelos
no
lineales
multiecuacionales.
Objetivo: Se utiliza la regresin lineal simple para:
lineales
C) FORMULAS:
Forma Directa
De la ecuacin de la recta:
Si
6
El Coeficiente de Regresin es
Dnde:
D) EJEMPLOS.
En la Facultad de Ingeniera de Sistemas y Computo de
la Universidad "Inca Garcilaso de la Vega" se quiere entender los
factores de aprendizaje de los alumnos que cursan la asignatura
de PHP, para lo cual se escoge al azar una muestra de 15 alumnos y
ellos
registran
notas
promedios
en
las
asignaturas
de Algoritmos, Base de Datos y Programacin como se muestran
en el siguiente cuadro.
Alumno
PHP
Algoritmos
13
15
15
13
13
14
13
12
13
16
13
14
15
20
14
16
16
18
18
17
15
16
17
15
12
13
15
11
13
16
14
15
13
15
14
13
10
13
14
13
10
11
11
12
12
10
12
14
16
11
14
13
15
17
16
15
14
15
19
14
16
15
15
13
15
10
EJEMPLO 2:
Peso
175
180
162
157
180
173
171
168
165
165
80
82
57
63
78
65
66
67
62
58
Se observa que los puntos siguen una tendencia, aunque uno de ellos, el
(157,63), se aleja de dicha tendencia. A este dato se le llama dato atpico.
En muestras numerosas un dato atpico no afecta demasiado al resultado, e
incluso en ocasiones se elimina de la tabla, aunque no lo haremos en este
caso. As pues, el dibujo revela cierta tendencia de los puntos a agruparse
en torno a una recta imaginaria. El coeficiente de determinacin, que es el
ndice numrico que evaluar esa tendencia nos constatar que hay una
buena relacin lineal.
Pasamos al clculo de los estadsticos necesarios
10
y
que nos indica que la variable independiente Altura explica el 6859% de la
varianza de los pesos. Este mismo coeficiente de determinacin se toma
como ndice de fiabilidad a la hora de hacer predicciones de la variable
Peso a partir de datos de la variable Altura.
Por ejemplo, segn la tabla de datos, qu peso corporal le debera
corresponder a una persona de 178 cm. de estatura? La respuesta viene de
la recta de regresin de Peso sobre Altura. La calculamos con los datos
que ya tenemos,
quedando
As, una persona de altura 178 cm. (correspondiente por tanto a x=178)
tiene, en virtud de la recta de regresin, un peso (y) que se obtiene
sustituyendo el valor de x, y vale y=76177 kg. Se toma como fiabilidad de la
prediccin el ndice R2 calculado con anterioridad. Es decir, se dice que la
prediccin tiene una fiabilidad del 6859%.
1.2. CORRELACION
A) DEFINICION
En probabilidad y estadstica, la correlacin indica la fuerza y la
direccin de una relacin lineal y proporcionalidad entre dos
variables
estadsticas.
Se
considera
que
dos
variables
varan
sistemticamente
con
respecto
los
valores
B) FUNCIONES.
ANLISIS MATEMTICO
11
es
la
densidad de masa.
Pero, la expresin anterior puede ser reescrita considerando que
el campo de densidad (x ) se puede expresar, de forma ms
conveniente, como suma de modos. Para una geometra plana
comovil la forma de lograr esto es por medio del anlisis de
Fourier. El objetivo de este es representar el campo de densidad
() por medio de una suma, que en este caso son los modos,
compuesta de elementos ms simples de comprender. Luego, la
expansin de Fourier del campo es
12
C) ECUACION
13
EJEMPLOS
D)
Estatura (X)
Pesos (Y)
186
85
189
85
190
86
192
90
193
87
193
91
198
93
201
103
14
203
100
205
101
15
Y/X
100
50
25
14
18
22
16
xi yi
yi
fi
xi fi
xi2 fi
yi fi
yi2 fi
14
100
10 000
14
196
1 400
18
200
20 000
36
648
3 600
14
50
2 500
14
196
700
18
150
7 500
54
972
2 700
22
50
2 500
22
484
1 100
fi
22
50
1 250
44
968
1 100
10
600
43 750
184
3 464
10 600
17
B) PROPIEDAD
18