Coeficiente de correlación lineal de Person (r, ρ)

Mide qué tan fuerte es la relación lineal entre 2 variables cuantitativas

r: Coeficiente de correlación lineal de Pearson MUESTRAL

ρ: Coeficiente de correlación lineal de Pearson POBLACIONAL

n: Tamaño de la muestra (el número de pares ordenados, es decir, el número de puntos en tu diagrama de

dispersión

n ∑ xy−∑ x ∑ y
r= 2 2 , donde −1 ≤r ≤ 1
√ n ∑ x 2− ( ∑ x ) √ n ∑ y 2−( ∑ y )

Si r = 1  Correlación lineal positiva PERFECTA

Si r = ½  Correlación lineal positiva MEDIA

Si r = 0  Correlación lineal NULA

Si r= -½  Correlación lineal negativa MEDIA

Si r = -1  Correlación lineal negativa PERFECTA

¿Cómo verificamos si la correlación es significativa?

Se realiza la siguiente prueba:

Ho: Nos indica que no existe correlación lineal

Ha: Nos indica que si existe correlación lineal, es decir, la correlación es SIGNIFICATIVA

Ho: ρ=0 Ha: ρ ≠0

La regla de decisión:

│r│> v.c de Pearson  r es significativa

Es decir, si el valor absoluto de r > valor crítico de Pearson  se rechaza Ho, es decir, la correlación SI ES
SIGNIFICATIVA

El valor crítico de Pearson se obtiene de la tabla A-6 de nuestro formulario

Ejemplo:

De los datos JWR, verificar si la correlación lineal entre X: AC (área de construcción) y Y: PV (precio de venta) es
o no significativa.

1) Calcular r=0.526  │r│=0.526

2) Buscamos el valor crítico de Pearson (VC)
n= 14, α = 0.05 (el valor por omisión de α: nivel de significancia)  VC = 0.532
3) Hacer la prueba
Ho: ρ=0 Ha: ρ ≠0

│r│=0.526 < VC = 0.532  La correlación NO parece ser significativa

De los datos JWR, verificar si la correlación lineal entre Antigüedad y PV (precio de venta) es o no significativa.

1) Calcular r=-0.3605  │r│=0.3605

2) Buscamos el valor crítico de Pearson (VC)
n= 14, α = 0.05 (el valor por omisión de α: nivel de significancia)  VC = 0.532
3) Hacer la prueba
Ho: ρ=0 Ha: ρ ≠0

│r│=0.3605 < VC = 0.532  La correlación NO parece ser significativa

De los datos de H2 de JWR, verificar si la correlación lineal entre X y Y es significativaç

1) Calcular r = -0.9538  │r│= 0.9538

2) Buscamos el valor crítico de Pearson (VC)
n= 9, α = 0.05 (el valor por omisión de α: nivel de significancia)  VC = 0.666
3) Hacer la prueba
Ho: ρ=0 Ha: ρ ≠0
│r│=0.9538 > VC = 0.666  La correlación lineal entre las variables X y Y SI es Significativa

El Modelo de Regresión Lineal Simple

Y = β0 + β 1∗X +ε

Y :Variable dependiente (Variable explicada)

X :Variable independiente (Variable que explica)
β 0 : La constante o interseccion (Ordenada alorigen )

β 1 : Pendiente

ε : Error aleatorio ( error estocástico )

Objetivos de un análisis de regresión:

1) Analizar el tipo de relación entre las variables X y Y

2) El determinar un modelo matemático que nos permita hacer pronósticos de Y

Estimación de la recta de ajuste

1) Analizar gráficamente si la relación entre las variables X y Y es lineal (Diagrama de Dispersión)

2) Calcular r y verificar si es significativa
^ =a+b∗X
3) Si r es significativa entonces estimar la ec. de la recta Y