UNIVERSIDAD RAFAEL LANDVAR

FACULTAD DE CIENCIAS ECONMICAS Y EMPRESARIALES

SEDE: ANTIGUA GUATEMALA
CURSO: ESTADSTICA APLICADA

CORRELACIN
Y
REGRESIN

8
7
6
5
4
3
2
1

LINEAL SIMPLE

0
0

10

15

20

25

ENERO 2016

La relacin entre
variables

Muchas veces necesitamos establecer

si existe alguna relacin entre dos
variables numricas presentes en
elementos de una misma poblacin,
esto nos permitir estimar por ejemplo
que ocurre cuando una de ellas cambia
de valor, es decir cul ser el
comportamiento de la otra variable.

Para establecer una relacin entre dos

variables cualesquiera, necesitamos en
primer lugar definir a qu le vamos a llamar
variables numricas.

Una variable numrica es una caracterstica

de los elementos de una poblacin, que
puede cambiar en magnitud de uno a otro,
(es numrica).

As podemos hablar de las variables

rendimiento, salario, ventas, gastos, etc.

Cuando el cambio de una variable,

parece influir en el cambio de otra,
generalmente decimos que estas
variables estn asociadas, o que existe
algn nivel de correlacin.

La correlacin en este caso se dice que es

simple, ya que la variable dependiente
asumimos que depende de una sola variable
independiente.

En el caso de la correlacin mltiple se

asume que una variable dependiente
depende de ms de una variable
independiente.

El descubrimiento de la existencia de una

relacin entre dos variables, no dice mucho
acerca del grado de asociacin o correlacin
entre dos ellas, por ejemplo si establecemos
que a mayor inversin en publicidad ms
ganancia, esto parece lgico, sin embargo
pueden existir excepciones.

Las correlaciones realmente varan respecto

a su fuerza; podemos visualizar diferencias
en la fuerza de la correlacin por medio de
un diagrama de dispersin, que es una
grfica que muestra la forma en que los
puntajes de dos variables cualesquiera (x, y)
estn dispersas, en todos los valores de los
puntajes que se tengan en observacin.

En un arreglo convencional, un diagrama de

dispersin se construye de manera que la
variable x (llamada independiente), se
coloca a lo largo de la lnea base horizontal,
y la variable y (llamada dependiente) se
mide en la lnea vertical.

Salario Miles de Q.

Relacin entre aos de estudio y salario

de 10 empleados
8
7
6
5
4
3
2
1
0
0

10

12

Aos de Estudio

La fuerza de la correlacin se observa en la medida que los

puntos van describiendo una lnea recta a 45 grados.

Direccin de la
correlacin

La correlacin se puede definir como

positiva o negativa, respecto a una direccin.
Una correlacin positiva indica que a
medida que el valor de la variable
independiente crece, tambin lo hace la
dependiente.

La correlacin negativa implica que a

medida que la variable independiente crece,
la dependiente decrece.

Una correlacin positiva o negativa

representa un tipo de correlacin lineal, si
los puntos del diagrama a dispersin tienden
a describir una lnea recta.

Otro tipo de correlaciones como las

curvilneas, se estudian y analizan con otros
mtodos distintos a los de la correlacin
lineal.
Cmo se mide la fuerza de la correlacin
lineal?

Con el coeficiente
de correlacin
lineal de Pearson
(r, ) el cual
expresa
numricamente
no solo la fuerza,
sino la direccin
de la correlacin
lineal

Clculo del Coeficiente de

correlacin de Pearson

r=

NXY (X) (Y)

[NX2 (X)2] [NY2Y)2]

El coeficiente r

El coeficiente r2 o coeficiente de
determinacin se interpreta como la
proporcin de la variabilidad de y que
explica la variable x, as un valor r
cuadrado de 0.90 se interpretara en el
sentido que la variable x explica en un 0.90
(90%) la variabilidad de y.
El r2 es simplemente el cuadrado de r.

Anlisis de regresin
lineal

Establecer una correlacin entre dos

variables puede ser til para establecer un
modelo matemtico (una ecuacin lineal)
que permita predecir los valores de una
variable (y) conociendo los valores de la otra
variable (x). La tcnica que se emplea para
esto se conoce como anlisis de regresin
lineal simple.

En primer lugar se necesita establecer el

modelo de regresin lineal de mejor ajuste a
la trayectoria de los puntos (x,y).

El modelo lineal se establece como:

= b1 x + b 0

El mtodo para obtener los coeficientes de la

regresin se denomina de mnimos
cuadrados

Mtodo de mnimos cuadrados

Basado en el hecho que iguala a cero la

sumatoria de las diferencias entre los
valores que se observan en la muestra y
los que se pronostican con la ecuacin,
es decir:

Tambin el modelo logra que la suma de

las diferencias al cuadrado de los
valores observados y los pronosticados,
sea la mnima (de all su nombre de
mtodo de mnimos cuadrados, es
decir:

Las frmulas

Por lo tardado del clculo, es mejor

procesar los datos a travs de Excel,
tal como se indicar en clase.

Requisitos para el uso del

coeficiente de correlacin de
Pearson

Las variables deben ser razonablemente

relacionadas, evitar el error de encontrar
correlaciones entre dos variables que no
tienen nada que ver unas con otras; en este
caso de habla de correlaciones espreas.

Comprobando la
significancia de r

El coeficiente de correlacin nos da una

medida exacta de la fuerza y la direccin
de la correlacin en la muestra que se est
estudiando.
Si hemos tomado una muestra aleatoria de
una poblacin especfica, es posible que
an busquemos determinar si la asociacin
entre x y y existe en la poblacin y no se
debe solamente al error de muestreo.

Para comprobar la significancia de una

medida de correlacin, usualmente
planteamos la hiptesis nula de que no
existe correlacin en la poblacin; con
respecto al coeficiente de correlacin de
Pearson, la hiptesis nula afirma que
=0
En tanto que la hiptesis de investigacin
establece que 0

Los valores calculados de r se pueden

comparar con valores de r de tablas, a
niveles de confianza de 5 y 1%, y concluir en
que:

Si r calculada es mayor a r de tablas

Existe correlacin entre las variables.

Si r calculada es menor a r de tablas

No existe correlacin entre las variables.

Tambin se puede realizar una prueba F

(ANDEVA).

Los resultados de esta prueba se

pueden obtener directamente de
MegaStat o Anlisis de Datos de Excel.

Requisitos para el uso del

coeficiente de correlacin de
Pearson

Una relacin lineal recta: la r de Pearson es til

solamente para detectar una correlacin lineal
recta entre x, y.
Se deben asignar puntajes a las variables de x,
y.
Las muestras deben haberse tomado al azar.
Las variables deben distribuirse de manera
normal.

Supuestos del modelo

lineal

Aleatoriedad de los errores

Homocedasticidad
No autocorrelacin (Prueba Durbin Watson
Linealidad
El significado de estos supuestos ser
discutido en clase.