Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas

Una variable es la dependiente y otra la independiente

Se grafica con el diagrama de dispersión

Indica como es la relación entre las dos variables

El análisis consiste en encontrar la mejor línea recta de esos puntos

X predice a y

Cuando se grafica y dan puntos regados no tiene relación pero cuando da una línea recta se
concluye que tiene relación

Supuestos

La variable x o independiente o predictora (esta bajo el control del investigador) la variable y es la

variable dependiente o predicha

Los valores de x son fijos (seleccionados previamente

Y= a + BX + e

Beta es la pendiente si se inclina a la derecha o la izquierda

A – alfa es el intercepto donde cruza el eje y

B – beta es la pendiente o inclinación

Lluvia de puntos (demasiada dispersión) los datos no son confiables

Si forman una línea recta son confiables y se pueden predecir

Una variable aumenta otra aumenta

Si una variable aumenta otra disminuye

Coeficiente r de Pearson

Puede variar de -1 a +1

-1 correlación negativa perfecta

-0,9 correlación negativa muy fuerte

-0,75 correlación negativa considerable

-0,5 correlación negativa media

-0,1 correlación negativa débil

0.0 no existe correlación entre las variables

Los programas reportan el valor de p del coeficiente para evaluar la significancia de la correlación

Si es una regresión lineal una variable dependiente y una independiente

Si es una regresión multiple existe una variable dependiente y varias variables independientes

En muchos problemas hay dos o mas variables inherentemente relacionadas, y es necesario

explorar la naturaleza de esta relación. El analisid de regresión puede emplearse por ejemplo para
construir un modela que exprese el rendimiento como una función de la temperatura

__ __

A= Y – bx

B = E xy – n XY

Ex2 – nX2