2.

EL ESTUDIO DE LA ASOCIACION ENTRE LAS VARIABLES: Existen dos formas:

EL ANALISIS DE REGRESION: Estudia la asociación entre dos variables X e Y el que

consiste en la determinación de una relación funcional, un modelo matemático (Recta de
regresión) Los objetivos de la regresión son mostrar la forma como la variable independiente
(X) se relaciona con la variable dependiente (Y). Matemáticamente se representa por Y = f(X).

DIAGRAMA DE DISPERSION: Es la representación grafica de los pares (xi, yi) como

puntos de un sistema de coordenadas debido a la variación de la muestra los datos estarán
dispersos. Si representamos cada par de valores como las coordenadas de un punto, el
conjunto de todos ellos se llama nube de puntos o diagrama de dispersión.

Algunos tipos de diagramas de dispersión son:

RELACION LINEAL CRECIENTE: La nube de

puntos de la distribución es una recta creciente.
Existe una relación lineal positiva o directa entre las
variables.

PERVISU
RELACION LINEAL DECRECIENTE:
La recta correspondiente a la nube de
puntos de la distribución es una recta
decreciente. Existe una relación lineal
negativa o inversa entre las variables.

SIN RELACION: En este caso se dice que

entre las variables no existe relación,

PERVISU
RELACION LINEAL ENTRE LAS DOS VARIABLES: Sobre la nube de puntos puede trazarse una
recta que se ajuste a ellos lo mejor posible, llamada recta de regresión, es decir con este tipo de
regresión nos conformamos de encontrar relaciones funcionales de tipo lineal, es decir, buscamos
cantidades 𝑎 y 𝑏 tales que se pueda escribir:

El modelo matemático, es: Y  a  bX

La formula para determinar los valores 𝑎 y 𝑏 para cualquier problema es:

PERVISU
 Individuos A B C .......
Carácter X x1 x2 x3 ........
Carácter Y y1 y2 y3 ..........

n
 n  n 
n ( X iYi )    X i    Yi 
n n

b  i 1  i 1   i 1  Y i X i
2 a i 1
b i 1
n
 n

n X i2    X i  n n
i 1  i 1 

También puede ser:

𝑛 𝑛 𝑛
𝑛 𝑖=1 𝑋𝑖 𝑌𝑖 𝑓𝑖 −( 𝑋 𝑓
𝑖=1 𝑖 𝑖 )( 𝑖=1𝑌𝑖 𝑓𝑖 )
𝑏= 2
𝑛 2 𝑛
𝑛 𝑖=1 𝑋𝑖 𝑓𝑖 − 𝑖=1 𝑋𝑖 𝑓𝑖

𝑛 𝑛
𝑖=1 𝑌𝑖 𝑓𝑖 𝑖=1 𝑋𝑖 𝑓𝑖
𝑎= −𝑏
𝑛 𝑛

PERVISU
 La constante 𝑎 de regresión indica el valor pronosticado de Y cuando X es cero.

 El coeficiente de regresión 𝑏 representa la cantidad de cambio (bien puede ser

aumento o disminución). 𝑏 es la pendiente de la recta de regresión.
Es decir:

Si b < 0, entonces la tendencia es lineal decreciente es decir a mayores valores de X

corresponden valores menores en Y o viceversa. También se puede indicar que existe una
disminución o la relación que existe es inversa entre las variables ( negativa ).

Si b > 0, entonces la tendencia es lineal creciente es decir a mayores valores de X

corresponden valores mayores en Y. También se puede indicar que existe un aumento en
los valores o la relación que existe es directa entre las variables ( positiva ).

Si b=0, entonces Y = a luego Y permanece constante para cualquier valor de X, no existe

regresión.

PERVISU
LA VARIANZA DE LA REGRESION LINEAL SIMPLE LA COVARIANZA:

Cuando se analizan datos de dos variables es saber como varían conjuntamente estos datos. La
covarianza es un estadístico que mide el grado de dispersión de dos variables X e Y con
respecto a sus medias.

La covarianza de n valores es el numero:

1 n
COV (X, Y )   [( X i  X )(Yi  X )]
n i 1

1 n
COV (X, Y )   X i Yi  X Y
n i 1
𝑛
También puede ser: 1
𝑐𝑜𝑣 𝑋, 𝑌 = (𝑋𝑖 𝑓𝑖 − 𝑋)(𝑌𝑖 𝑓𝑖 − 𝑌)
𝑛
𝑖=1

𝑛
1
𝑐𝑜𝑣 𝑋, 𝑌 = 𝑋𝑖 𝑌𝑖 𝑓𝑖 − 𝑋𝑌
𝑛
𝑖=1

PERVISU
La covarianza a diferencia de la varianza puede ser negativo.

INTERPRETACION: Nos da la variación conjunta entre X e Y a través de su signo.

 Si su valor es positivo, ambas variables varían en el mismo sentido esto es, que existe una
relación positiva entre las variables.
 Si su valor es negativo, ambas variables varían en sentidos contrarios esto es, que existe
una relación negativa entre las variables.
 Si su valor es cero, la variación de X no tiene efecto sobre Y.

ANALISIS DE CORRELACION:
El estudio de la asociación entre las variables X e Y es denominada correlación que consiste en
determinar la variación conjunta de las dos variables, su grado de relación y su sentido ( positiva
o negativa ) la medida del grado de relación se denomina coeficiente o índice de correlación.

ANALISIS DEL COEFICIENTE DE CORRELACION LINEAL: Se denomina el coeficiente de

correlación lineal de PEARSON (r) el cual es un numero que mide el porcentaje de relación
que existe entre X e Y. Forma de determinar.

PERVISU
 n
 n  n 
n ( X iYi )    X i    Yi 
r i 1  i 1   i 1 
 n  n

2
  n
 n
 
2

 n X i    X i    n Yi    Yi  
2 2

 i 1  i 1    i 1  i 1  

INTERPRETACION: El coeficiente de correlación posee las siguientes características:

 Es invariante para transformaciones lineales.
 Solo toma valores comprendidos entre -1 y 1.
 Si esta entre 0 y 1, entonces la relación es positiva.
 Si esta entre -1 y 0, entonces la relación es negativa.
Cuando su valor es igual a cero no existe relación lineal entre las variables

PERVISU
COEFICIENTE DE DETERMINACION (R2)
Es la variación explicada por la recta de regresión, es decir en que porcentaje la variable independiente X
explica la variabilidad en la variable dependiente Y, la relación matemática es.
R2 = r2 x 100%

PERVISU