PAGINA 1

TALLER DE CORRELACION LINEAL

1. Que se busca con la aplicacin de la regresin lineal.

R// Se busca que puntos tienen relacin con un perfil particular y definir su comportamiento.

La regresin lineal permite trabajar con una variable a nivel de intervalo o razn, as tambin

se puede comprender la relacin de dos o ms variables y permitir relacionar mediante

ecuaciones, una variable en relacin de otras variables llamndose Regresin Mltiple. Donde la

regresin lineal mltiple es cuando dos o ms variables independientes influyen sobre una

variable dependiente.

La regresin lineal sirve para hacer predicciones de comportamiento de variables respecto de

otra.

2. Explicar porque la pendiente es igual en todos los puntos de una lnea recta.

R// porque se est hablando de una sola lnea recta.

3. Definir y explicar la ecuacin de la lnea recta. Porque decimos que X es la variable

independiente?

R// Ecuacin y = mx + n tambin conocida como y=mx+b

Permite predecir el comportamiento de la variable Y con respecto a la variable X.

Se logra por medio de la lnea recta, cuya ecuacin es: y= ax +b.

y=variable dependiente

a= pendiente
 PAGINA 2

x= variable independiente

b= ordenada al origen

Variable independiente: puede tomar cualquier valor que est dentro del dominio de la

funcin

- Variable dependiente: es la cual cuyo valor depende del valor que se escoja para la variable

independiente

Los valores de "y" se obtienen dndoles valores a "x", por eso se llama dependiente, porque

depende de los valores que le demos a "x".

Por otra parte, a "x" le damos los valores arbitrariamente, es decir, los que nosotros queramos,

por eso se llama independiente

4. En funcin de la siguiente distribucin de datos:

a. Hallar la covarianza, concluir.

b. Encontrar el valor de la correlacin, concluir.

c. Hallar la ecuacin de la lnea recta y Graficar dicha distribucin, que le indica?

R//

x y (x-) (y- ) (x-).(y- (x-) (y- )

)
1 76 -44.77 39.67 -17776.02 2004.35 1573.70
9 62 -36.77 25.67 -943.88 1352.03 658.94
 PAGINA 3

18.67 -462.45 613.55 348.56

21 55 -24.77
35 46 -10.77 9.67 -104.14 115.99 93.50
48 34 2.23 -2.33 -5.19 4.97 5.42
59 27 13.23 -9.33 -123.43 175.03 87.04
68 17 22.23 -19.33 -429.70 494.17 373.64
76 7 30.23 -29.33 -886.64 913.85 860.24
95 3 49.23 -33.33 -1640.83 2423.59 1110.88
-6372.28 8097.53 5111.92

= 412 = 45.77 = 327 = 36.33

9 9

xy = -6372.28 = -708.03

x= 8097.53 = 1012.19 y= 5111.92 = 638.99

8 8

x = 1012.19 = 31.81 y = 638.99 = 25.27

cv= 31.81 = 0.69

45.77

Conclusin: son datos dispersos por ser aproximados a uno.

r= -708.03 = -708.03

(31.81) (25.27) 803.83

r= -0.88

conclusin: las relaciones de los datos se encuentran en 0.88 siendo as una relacin directa

La relacin entre las variables es negativa, significa que cuando una aumenta la otra disminuye,

los datos se ajustan a un modelo lineal dado que el valor absoluto r=-0.88 se acerca a 1.
 PAGINA 4

a= -708.03 = -0.69

1012.19

b= 36.33-(-0.69x45.77)

b= 4.74

y= 0.69(x)+4.74

y= 0.69(97) +4.74

y= 71.67

80
70
60
50
Ttulo del eje

40
30 Val ores Y
20
10
0
0 10 20 30 40 50 60 70 80 90 100
Ttulo del eje

Indica: todos los datos se encuentran sobre la lnea recta, donde la correlacin -088 es

negativa y es una recta decreciente.

5. Teniendo en cuenta los siguientes datos:

a. Encontrar la covarianza y correlacin.

 PAGINA 5

b. Encontrar la ecuacin de la lnea recta que

representa el comportamiento comn de los datos.

c. Si y representa el nmero de vehculos que pueden circular en cierto da, y (xi) el nmero

de accidentes por da. Si en el da 6, ocurrieron 6 accidentes, cuantos vehculos se puede

suponer que circulaban ese da? R// circularon entre 15 y 18 vehculos

Y= 1.21(6)+8.39=15.6116

d. Graficar, que concluyes?

R//

x y (x-) (y- ) (x-).(y- (x-) (y- )

)
5 15 0.2 0.8 0.16 0.04 0.64
7 18 2.2 3.8 8.36 4.84 14.44
2 10 -2.8 -4.2 11.76 7.84 17.64
1 8 -3.8 -6.2 23.56 14.44 38.44
9 20 4.2 5.8 24.36 17.64 33.64
0 0 68.2 44.8 104.8

= 24 = 4.8 = 71 = 14.2

5 5

xy= 68.2 = 13.64

x=44.8 = 11.2 y=104.8 = 26.2

4 4

x= 11.2 = 3.34 y= 26.2 =5.11

CV= 3.34 = 0.69

4.8
 PAGINA 6

r= 13.64 = 13.64 = 0.79

(3.34) (5.11) 17.06

conclusin: las relaciones de los datos se encuentran en 0.79 siendo as una relacin directa

La relacin entre las variables es positiva significa que cuando una disminuye la otra aumenta,

los datos se ajustan a un modelo lineal dado que el valor absoluto r=0.79 se acerca a 1.

a= 13.64 = 1.21

11.2

b= 14.2- (1.21*4.8)

b=8.39

y=1.21(x)+8.39

Y=1.21(10) +8.39

Y=20.49

6. Calcular
 PAGINA 7

a. La correlacin, que indica la respuesta?

b. Encontrar la ecuacin lineal.

c. Graficar.

R//

x y (x-) (y- ) (x-).(y- (x-) (y- )

)
6 6.5 0.25 0.2 0.05 0.06 0.04
4 4.5 -1.75 -1.8 3.15 3.06 3.24
8 7 2.25 0.7 1.57 5.06 0.49
5 5 -0.75 -1.3 0.97 0.56 1.69
3.5 4 -2.25 -2.3 5.17 5.06 5.29
7 8 1.25 1.7 2.12 1.56 2.89
5 7 -0.75 0.7 -0.52 0.56 0.49
10 10 4.25 3.7 15.72 18.06 13.69
5 6 -0.75 -0.3 0.22 0.56 0.09
4 5 -1.75 -1.3 2.27 3.06 1.69
31.76 37.6 29.6

= 57.5 = 5.75 = 63 = 6.3

10 10

xy= 31.76 = 3.17

10

x= 37.6 = 4.17 y= 29.6 = 3.28

9 9
 PAGINA 8

x= 4.17 = 2.04

y= 3.28 = 1.81

CV=2.04 = 0.35

5.75

r= 3.17 = 3.17 = 0.85

(2.04) (1.81) 3.69

r=0.85

conclusin: las relaciones de los datos se encuentran en 0.85 siendo as una relacin directa.

La relacin entre las variables es positiva significa que cuando una disminuye la otra aumenta,

los datos se ajustan a un modelo lineal dado que el valor absoluto r=0.85 se acerca a 1.

a=3.17 = 0.76

4.17

b=6.3-(0.76*5.75) =1.93

y= 0.76 (11) +1.93

y=10.29
 PAGINA 9

7. Tenga en cuenta los expuestos adelante:

a. Realizar el diagrama de dispersin, que indica?

b. Encontrar la covarianza, concluye sobre el resultado.

c. Calcular la correlacin, que puedes concluir?

d. Hallar la ecuacin de la lnea recta.

Nota importante: recuerden que una vez encontrada la ecuacin de la lnea recta, podemos dar

valores a X para hallar Y. Lo importante es identificar que dato representa X y que dato

representa Y, solamente queda reemplazar en la ecuacin.

 PAGINA 10

(y- ) (x-).(y- (x-) (y- )

x y (x- )
1 56 -67.87 -19.25 1306.49 4606.33 370.56

100 1 31.13 -74.25 -2311.40 969.07 5513.06

200 23 131.13 -52.25 -6851.54 17195.07 2730.06

8 189 -60.87 113.75 -6923.96 3705.15 12939.06

11 140 -57.87 64.75 -3747.08 3348.9 4192.56

66 1 -2.87 -74.25 77.12 8.23 5513.06

89 0 20.13 -75.25 -1514.78 405.21 5662.56

34 3 -34.87 -72.25 2519.35 1215.91 5220.06

135 9 66.13 -66.25 -4381.11 4373.17 4389.06

3 134 -65.87 58.75 -3869.86 4338.85 3451.56

0 76 -68.87 0.75 -51.65 4743.07 0.56

1 90 -67.87 14.75 -1001.08 4606.33 217.56

89 102 20.13 26.75 538.47 405.21 715.56

45 45 -23.87 -30.25 722.06 569.77 915.06

167 17 98.13 -58.25 -5716.07 9629.49 3393.06

199 76 130.13 0.75 97.59 16933.81 0.56

4 89 -64.87 13.75 -891.96 4208.11 189.06

145 12 76.13 -63.25 -4815.22 5795.77 4000.56

7 190 -61.87 114.75 -7099.58 3827.89 13167.56

78 67 9.13 -8.25 -75.32 83.35 68.06

2 96 -66.87 20.75 -1387.55 4471.59 20.75

89 199 20.13 123.75 2491.08 405.21 15314.06

145 13 76.13 -62.25 -4739.09 5795.77 3875.06

35 178 -33.87 102.75 3480.14 1147.17 10557.56

0 66609.55 102788.43 102416.63

=1653= 68.87 =1806= 75.25

 PAGINA 11

24

24

xy=66609.55= 2775.39

24

x=102788.43= 4469.06 y=102416.63= 4452.89

23 23

x= 4469.06 =66.85 y= 4452.89 =66.73

CV=66.85= 0.97

68.87

CV=0.97

Conclusin: la covarianza son datos dispersos por ser aproximados a uno

r= 2775.39 = 2775.39 =0.62

(66.85) (66.73) 4460.90

r=0.62

conclusin: las relaciones de los datos se encuentran en 0.62 siendo as una relacin directa.

La relacin entre las variables es positiva significa que cuando una disminuye la otra aumenta,

los datos se ajustan a un modelo lineal dado que el valor absoluto r=0.62 se acerca a 1.

a=2775.39 = 0.62

4469.06

b=75.25-(0.62*68.87) =32.25

y=0.62(x)+32.55

y=0.62(250) +32.55

y=187.55
 PAGINA 12

250

200
Ttulo del eje

150

100
Va l ores Y
50

0
0 50 100 150 200 250
Ttulo del eje

Indica: que observamos una nube de puntos que no nos sugiere ninguna recta concreta, porque

la correlacin es prcticamente inexistente.

8. Piensa en un ejercicio donde se determina la ecuacin de la lnea recta. Sin embargo, la

correlacin R= 0.0004. Que puedes concluir?

R// no tiene ninguna fuerza de relacin o es muy dbil.

Una correlacin ser significativa si su p-valor es inferior a 0.0004, de lo contrario

supondremos que r=0