REGRESIÓN Y CORRELACIÓN LINEAL

ESTADÍSTICA II

25 DE MAYO DE 2019
CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES
CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES

HENRY OSWALDO OCAÑO

JOSÉ DAVID BALCÁZAR MERA

JUAN CAMILO CABRERA GÓMEZ

I3BN

ESTADÍSTICA II

ING NESTOR RAÚL VICTORIA POTES

TECNOLOGÍA INDUSTRIAL

SANTIAGO DE CALI, 25 DE MAYO DE 2019

 INTRODUCCIÓN

La correlación lineal y la regresión lineal simple son métodos estadísticos que

estudian la relación lineal existente entre dos variables. Antes de profundizar en
cada uno de ellos, conviene destacar algunas diferencias:
 La correlación cuantifica como de relacionadas están dos variables,
mientras que la regresión lineal consiste en generar una ecuación (modelo)
que, basándose en la relación existente entre ambas variables, permita
predecir el valor de una a partir de la otra.
 El cálculo de la correlación entre dos variables es independiente del orden
o asignación de cada variable a XX e YY, mide únicamente la relación entre
ambas sin considerar dependencias. En el caso de la regresión lineal, el
modelo varía según qué variable se considere dependiente de la otra (lo
cual no implica causa-efecto).
 1. A continuación desarrollamos un modelo matemático para expresar la
relación entre dos variables y estimar el valor de la variable dependiente Y
basándonos en el valor de la variable independiente X. A la técnica que se
usa para para desarrollar La ecuación de la línea y de hacer estas
predicciones se le llama análisis de regresión.

El esquema básico de análisis de regresión plantea un proceso o modelo en

el cual se analiza la relación entre una variable dependiente (porque es
influida por el resto) y una o varias variables independientes o fijas (las que
influyen en el objeto de estudio). Gracias procesos de regresión estadística
es posible entender el modo en que la dependiente es afectada por cambios
en los valores de las independientes
En la presente información se utilizan 9 datos tanto en X como en Y.

EJERCICIO PROPUESTO:
X Y
12 48
36 22
28 48
52 45
0 37
31 8
80 48
97 46
14 41

Con este diagrama se defina la relación entre las dos variables entre X y Y, se
traza una línea recta a través de los puntos para establecer que la línea recta
podría ajustarse a los datos probablemente.

Sin embargo la línea trazada empleando una regla tiene una desventaja, su
posición se basa, en la parte del juicio de la persona que traza la línea.
 y = 0.1011x + 34.181 DIAGRAMA DE DISPERSION
R² = 0.0536
60

48 48 48
50 45 46
41
40 37
EJEJE Y

30
22

20

8
10

0
0 20 40 60 80 100 120
EJE X

En este diagrama se fija una línea que actúa con punto de intercepción de las
dos líneas trazadas con el objetivo de encontrar en que momento se pueden unir
y hallar otro probabilidad.

y = 0.1011x + 34.181 DIAGRAMA DE DISPERSION

R² = 0.0536
70

60
48 48 48 46
50 45
41
37
40
EJEJE Y

30 22
20
8
10

0
0 20 40 60 80 100 120
EJE X

Este grfafico de lineas se usa para mostrar tendencias en el tiempo(años ,

meses y dias ) o por categorias cuando el orden es importante. Uselo cuando
muchos puntos de datos y el orden .
 y = 4.5667x + 16.056 DIAGRAMA DE DISPERSION
120 R² = 0.1511

97
100

80
80
EJEJE Y

60 52
48 48 48 46
45
41
36 37
40 31
28
22
20 12 14
8
0
0
1 2 3 4 5 6 7 8 9
EJE X

2. Principio de los mínimos cuadrados.

Este meto dodo proporciona lo que conocemos común mente como

“línea de mejor ajuste”
x y x*y x2 y2
12 48 576 144 2304
36 22 792 1296 484
28 48 1344 784 2304
52 45 2340 2704 2025
0 37 0 0 1369
31 8 248 961 64
80 48 3840 6400 2304
97 46 4462 9409 2116
14 41 574 196 1681
350 343 14176 21894 14651

Para hallar los resultados de mínimos cuadrados se realizan tomando los

valores asignados en X como en Y y multiplicamos en cada caso como
corresponde así
 x*y
 1X*1Y0 =12*48=576
 2X*2Y = 36*22=792
 3X*3Y= 28*48=1344
 4X*4Y=52*45=1344
Se continua con e le ejercicio hasta terminar los nueve datos como muestra en
el cuadro.
Para continuar con el cuadro de mínimos cuadrados elevamos X al cuadrado y
obtenemos los siguientes resultados.

.𝑿𝟐 =X*X
12*12=144
36*36=1296
28*28=784
 Para continuar con el cuadro de mínimos cuadrados elevamos Y al
cuadrado y obtenemos los siguientes resultados.

𝒚𝟐 =Y*Y
48*48=2304
22*22=484
48*48=2304

LA FORMULA GENERAL DE REGRECION LINEAL ES.

Y’= a+b*x
Y’ es el valor predictorio de la variable Y para un valor X seleccionado

a es la intersección con el eje Y es el valor estimado de Y cuando X=0

b es la pendiente de la línea o el cambio promedio de Y’ por cada cambio de
una unidad .
X es el valor que se escoge para una variable independiente
FORMULAS USADAS

Hallar b:

9 ∗ (14176) − (350) ∗ 343 7534

𝑏= 2
= = 0,1011
9 ∗ (21894) − (350) 75456

Hallar a:

(343) − (0,1011) ∗ (350) 307.66

𝑎= = = 34.181
9 9

SOLUCIÓN PARA HALLAR Y’:

x y x*y x2 y2 Y’
12 48 576 144 2304 411.38
36 22 792 1296 484 1234.15
28 48 1344 784 2304 959.89
52 45 2340 2704 2025 1782.66
0 37 0 0 1369 0.00
31 8 248 961 64 1062.74
80 48 3840 6400 2304 2734.46
97 46 4462 9409 2116 3325.34
14 41 574 196 1681 479.95
350 343 14176 21894 14651 11990.57
Hallar R:

9 ∗ (14176) − (350) ∗ (343) 17001

𝑅= = = 0,2315
√[9 ∗ (21894 − (350)2 ][9 ∗ (14651) − (343)2 ] 57201,2444

𝑅 2 = 0,23152 = 0,0536

Análisis de gráfica:

En la gráfica podemos evidenciar una correlación fuerte positiva (hay una relación
lineal fuerte entre X, Y)
.𝑅 2 =0.0536 por ciento de la variación con respecto al eje Y por la valoración del
eje X

ρ = -1 Correlación perfecta negativa

ρ=0 No existe correlación

ρ = +1 Correlación perfecta positiva

Formulas usadas:
 CONCLUSIÓN

El análisis de regresión y correlación lineal constituyen métodos que se emplean

para conocer las relaciones y significación entre series de datos. Lo anterior, es
de suma importancia para la industria ya que es aquí en donde se presentan
variables de respuesta e independientes las cuales interactúan para originar las
características de un proceso en particular y por ende; analizar, predecir valores
de la variable dependiente y examinar el grado de fuerza con que se relacionan
dichas variables.
Las técnicas de regresión y correlación cuantifican la asociación estadística entre
dos o más variables. La regresión lineal simple expresa la relación entre una
variable dependiente Y y una variable independiente X, en términos de la pendiente
y la intersección de la línea que mejor se ajuste a las variables.
La correlación simple expresa el grado o la cercanía de la relación entre las dos
variables en términos de un coeficiente de correlación que proporciona una medida
indirecta de la variabilidad de los puntos alrededor de la mejor línea de ajuste- Ni la
regresión ni la correlación dan pruebas de relaciones causa – efecto

BIBLIOGRAFIA

Estadística para Administración Y Economía, Tercera Edición.

DOGLAS A LIND, ROBERR D. MASON, WILLIAM G. MARCHAL
PG 367, 369, 370, 371, 372, 373, 376, 377,380.
http://www.dm.uba.ar/materias/estadistica_Q/2011/1/clase%20regresion%20simpl
e.pdf
https://www.monografias.com/trabajos82/regresion-y-correlacion-lineal/regresion-
y-correlacion-lineal2.shtml