o Diagrama de dispersión.
El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos asociados de
datos que aparecen en pares (por ejemplo, (x,y), uno de cada conjunto). El diagrama
muestra estos pares como una nube de puntos.
Las relaciones entre los conjuntos asociados de datos se infieren a partir de la forma
de las nubes.
Una relación positiva entre x y y significa que los valores crecientes de x están
asociados con los valores crecientes de y.
Una relación negativa significa que los valores crecientes de x están asociados con
los valores decrecientes de y.
o Correlación lineal simple.
El análisis de correlación mide e indica el grado en el que los valores de una variable se
relacionan con los valores de otra. Más exactamente, el análisis que se ocupa de medir la
relación entre una sola variable independiente y la variable dependiente se llama análisis de
correlación simple.
o Coeficiente de determinación R2
Es una medida estadística de la bondad del ajuste o fiabilidad del modelo estimado a los
datos. Se representa por R2 e indica cuál es la proporción de la variación total en la variable
dependiente (Y), que es explicada por el modelo de regresión estimado, es decir, mide la
capacidad explicativa del modelo estimado.
o Correlación positiva y correlación negativa
Correlación positiva (+): Nos indica que al modificarse en promedio una variable en un
sentido, la otra lo hace en la misma dirección.
Correlación negativa (-): nos muestra que al cambiar una variable en una determinada
dirección (en promedio), la otra lo hace en sentido contrario u opuesto.
¿Qué es el coeficiente de correlación lineal y qué nos ayuda a
medir?
En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo
de relación entre sí.
El coeficiente de correlación lineal mide el grado de intensidad de esta posible relación
entre las variables. Este coeficiente se aplica cuando la relación que puede existir entre las
variables es lineal (es decir, si representáramos en un gráfico los pares de valores de las dos
variables la nube de puntos se aproximaría a una recta).