LAS SERIES TEMPORALES:

En estadística, procesamiento de señales, y econometría, una serie temporal es una secuencia de puntos de datos, medidos típicamente a intervalos de tiempo sucesivos , y espaciados (con frecuencia) de forma uniforme. El análisis de series temporales comprende métodos que ayudan a interpretar este tipo de datos, extrayendo información representativa, tanto referente a los orígenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro.
De hecho uno de los usos más habituales de las series de datos temporales es su análisis para predicción y pronóstico. Por ejemplo de los datos climáticos, o de las acciones de bolsa, o las series pluviométricas.

COMENTARIO:
Es una secuencia de puntos de datos las cuales sirven para graficar o representar graficamente algun fenomeno.

SERIES DE TIEMPO

-Análisis de una secuencia de medidas hechas a intervalos específicos. El tiempo es usualmente la dimensión dominante de los datos.
-Sirven para establecer la efectividad de medidas que afectan a grupos poblacionales teniendo en cuenta las variaciones naturales que puede haber en le tiempo. Son muy comunes en la evaluación de leyes en la población

COMENTARIO:
Las series de tiempo son como un método para poder estudiar por algún tiempo, determinado problema.

regresion cuadratica

Es un método para ajustar puntos dispersos ( experimentales ), y aproximar por una recta tal que la suma de las distancias verticales de los puntos a la recta sea mínima .

REGRESION LINEAL

La regresión es un método de análisis de los datos de la realidad económica que sirve para poner en evidencia las relaciones que existen entre diversas variables.
Si utilizamos un sistema de coordenadas cartesianas para representar la distribución bidimensional, obtendremos un conjunto de puntos conocido con el diagrama de dispersión, cuyo análisis permite estudiar cualitativamente, la relación entre ambas variables tal como se ve en la figura. El siguiente paso, es la determinación de la dependencia funcional entre las dos variables x e y que mejor ajusta a la distribución bidimensional. Se denomina regresión lineal cuando la función es lineal, es decir, requiere la determinación de dos parámetros: la pendiente y la ordenada en el origen de la recta de regresión, y=ax+b.
La regresión nos permite además, determinar el grado de dependencia de las series de valores X e Y, prediciendo el valor y estimado que se obtendría para un valor x que no esté en la distribución.
Vamos a determinar la ecuación de la recta que mejor ajusta a los datos representados en la figura. Se denomina error ei a la diferencia yi-y, entre el valor observado yi, y el valor ajustado y= axi+b, tal como se ve en la figura inferior. El criterio de ajuste se toma como aquél en el que la desviación cuadrática media sea mínima, es decir, debe de ser mínima la suma

REGRESION

término regresión fue introducido por Francis Galton en su libro Natural inheritance (1889), partiendo de los análisis estadísticos de Karl Pearson. Su trabajo se centró en la descripción de los rasgos físicos de los descendientes (variable A) a partir de los de sus padres (variable B). Estudiando la altura de padres e hijos a partir de más de mil registros de grupos familiares, se llegó a la conclusión de que los padres muy altos tenían una tendencia a tener hijos que heredaban parte de esta altura, pero que revelaban también una tendencia a regresar a la media. Galton generalizó esta tendencia bajo la "ley de la regresión universal": «Cada peculiaridad en un hombre es compartida por sus descendientes, pero en media, en un grado menor.»

Regresion Y Correlacion Lineal

La regresión como una técnica estadística, una de ellas la regresión lineal simple y la regresión multifactorial, analiza la relación de dos o mas variables continuas, cuando analiza las dos variables a esta se el conoce como variable bivariantes que pueden corresponder a variables cualitativas, la regresión nos permite el cambio en una de las variables llamadas respuesta y que corresponde a otra conocida como variable explicativa, la regresión es una técnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que puede suceder.
Siendo así la regresión una técnica estadística, por lo tanto para interpretar situaciones reales, pero a veces se manipula de mala manera por lo que es necesario realizar una selección adecuada de las variables que van a construir las formulas matemática, que representen a la regresión, por eso hay que tomar en cuenta variables que tiene relación, de lo contraria se estaría matematizando un galimatías.
Se pueden encontrar varios tipos de regresión, por ejemplo:
Regresión lineal simple
Regresión múltiple ( varias variables)
Regresión logística

PORTAFOLIO DE EVALUACION

AREA BAJO LA CURVA NORMAL

Es un tipo de curva uniforme y simétrica cuya forma recuerda a muchos una campana, lo que se la conoce como la “campana de gauss”, el rasgo mas importante de la curva normal es su simetría ya que si doblamos la curva en su punto mas alto al centro crearíamos dos mitades iguales.

Concepto
El area bajo la curva es lo que esta debajo de la campana y si doblamos las dos partes vamos a tener dos partes o mitades iguales y en la mitad se encuentra la media, esta campana se dice que es uní modal porque solo tiene un pico que es la parte mas alta de la curva. Las líneas de la campana nunca van a poder tocar la linea base si no alargaserse mas o extenderse hacia los lados izquierda y derecha, esta curva nos sirve para analizar algunos problemas o cosas que estamos trabajando porque con esta estandarizamos los datos que hemos obtenido en una investigación.

DISTRIBUCION DE PORCENTAJE BAJO LA CURVA NORMAL

En esta distribución nos muestra los porcentajes que están debajo de la campana, si estuviéramos trabajando un caso, por medio de este porcentaje nosotros podemos ver en que parte o porcentaje estaría la respuesta del problema que estamos trabajando, o sea que obtendremos la respuesta gráficamente y por porcentaje.

A traves de esta grafica podemos calcular los porcentajes que se nos piden en un problema.

VALORES ESTANDARIZADOS

Proceso por el cual obtenemos valores estándar es decir con media, cero, varianza y desviación estándar de uno. Nos sirve para comparar valores obtenidos de distintas distribuciones, es un método fundamental utilizado para obtener estadísticas, pruebas e intervalos de confianza para estudiar una variable le restamos su media y lo dividimos por la desviación estándar.

CONCEPTO: El dato estandarizado es en si la conversion de cualquier numero con la formula de Z=x-µ/s. la cual buscamos en la tabla de valores estandarizados.

DIAGRAMA DE CAJAS

Presentación visual que describe al mismo tiempo varias características importantes de un conjunto de datos, tales como centro de dispersión, el alejamiento de la simetría y la identificación de valores extremos.

CONCEPTO: Esta grafica se representa con una caja vertical u horizontal se realiza a través de los curtiles, Q1, Q2 y Q3; el Q2 representa la mediana, los cuatiles Q1 y Q3 nos sirven para realizar la caja tambien esta compuesto por bigotes que están a lo largo del rectángulo. En esta también podemos ver la dispersión de los datos que estamos hablando.

CARACTERISTICAS DEL DIAGRAMA DE CAJAS

Permite observar los datos atipicos, es decir que se distancian, representan opiniones extremas en la tabulación. El Q1 y Q2 también reciben el nombre de bigotes y la altura de la caja no interesa.

CONCEPTO: Las características del diagrama de cajas es que se puede elaborar con xmin, Q1, Q2, Q3 y xmax y también otra característica es la cajita se puede hacer horizontal, vertical y conforme uno lo quiera representar en base a esto estarán los bigotes en algunos casos no van hacer del mismo tamaño sino que va a variar.

RELACION QUE EXISTE ENTRE EL DIAGRAMA DE CAJAS Y LA CURVA NORMAL

Diagrama de cajas: Reprecentacion grafica de un conjunto de datos, que facilitan la percepción visual de su localización de su extensión y el grado de dirección del sesgo.
Diagrama de Cajas: En general el diagrama de cajas resulta apropiado para representar variables de desviaciones de la división de la distribución dada.
Curva normal; permite comprobar la normalidad de un modo puramente visual, la miseria y el apuntamiento de la distribución normal, por lo tanto nos permite valorar las desviación.

CONCEPTO: Estas dos graficas tienen relación ya que las dos muestran la asimetría de los datos también donde y en que lado se encuetaran más datos, se puede ver con la curva y con la cajita y las dos representan más de algún dato, lo único es que no se realizan de la misma manera, tienen distinto procedimiento.