1.
DIAGRAMA DE DISPERSION:
Representación gráfica del grado de representación de dos variables
cuantitativas
El diagrama de dispersión permite analizar si existe algún tipo
de relación entre dos variables. Por ejemplo, puede ocurrir que dos
variables estén relacionadas de manera que al aumentar el valor de
una, se incremente el de la otra. En este caso hablaríamos de la
existencia de una correlación positiva.
También puede ocurrir que al producirse una en un sentido, la otra
derive en el sentido contrario; por ejemplo, al aumentar el valor de la
variable x, se reduzca el de la variable y. Entonces, se estaría ante una
correlación negativa. Si los valores de ambas variable se revelan
independientes entre sí, se afirmaría que no existe correlación.
2. CORRELACION LINEAL SIMPLE
La regresión lineal simple es un método estadístico con el que podemos
analizar y entender las relaciones existentes entre dos variables
cuantitativas. A una de estas variables se le denomina como variable
independiente o predictiva (xx), y a la otra se le denomina variable
dependiente (yy).
La regresión lineal simple obtiene su adjetivo “simple” porque se refiere
al estudio de una sola variable predictiva. En contraste, la regresión
lineal múltiple, obtiene su adjetivo “múltiple”, porque es capaz de
analizar la relación de la variable dependiente con dos o más variables
predictoras o independientes.
En la regresión lineal simple, buscamos predecir los valores de la
variable dependiente a partir de los valores de la variable independiente.
Para ello, a partir de un diagrama de dispersión de los datos se identifica
la línea recta que mejor se ajusta a la nube de puntos. A dicha línea se
le conoce como recta de regresión. El criterio más comúnmente usado
para determinar cuál es la recta de regresión es encontrar la línea que
minimiza la suma de los errores de predicción al cuadrado, min ∑(yi
3. COEFICIENTE DE DETIRMINACION R2
El coeficiente de determinación que se conoce también como r2, es
un término utilizado en estadística, que tiene como función principal
predecir el resultado de hipótesis. Esto es fundamental en cualquier
estudio con fundamentos científicos y sus aplicaciones pueden tener un
amplio, rango como en la economía, el estudio de los mercados o para
determinar el éxito de algún producto.
.1 Definición: coeficiente de determinación (r2)
El coeficiente de determinación es una medida que nos dice qué tan bien
se ajusta la recta de regresión muestral a los datos
4 Correlación Positiva
Se habla de una correlación positiva cuando una relación entre una
variable y otra es lineal y directa, de manera que un cambio en una
variable predice el cambio en la otra variable. En ese caso, se dice que
la correlación es positiva perfecta, es decir, ambas variables varían al
mismo tiempo. Este tipo de correlación es directamente proporcional.
Hay correlación positiva cuando las dos variables se correlacionan en
sentido directo. Por lo que, a valores altos de una le corresponden
valores altos de la otra e igualmente con los valores bajos.
Correlación Negativa
Se habla de una correlación negativa cuando la relación entre una
variable y otra es opuesta o inversa, es decir, cuando una variable
cambia, la otra se modifica hacia lo contrario. Entonces, cuando una
posee variable valores altos, la otra posee valores bajos y mientras este
valor esté más cerca de -1, más evidente será esta covariación.
Se dice que hay correlación negativa perfecta cuando r = -1. Este tipo
de correlación es inversamente proporcional. Entonces, hay correlación
negativa cuando las dos variables se correlacionan en sentido inverso.
Correlación Positiva Correlación Negativa
En la correlación positiva la relación entre En la correlación negativa la relación entre
variables es lineal y recta. variables es opuesta.
En la correlación negativa cuando una
En la correlación positiva el cambio de una
variable cambia, la otra lo hace de forma
variable predice el cambio de la otra.
contraria.
La correlación positiva es directamente La correlación negativa es inversamente
proporcional. proporcional.
5 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a
medir?
El coeficiente de correlación lineal tiene como propósito determinar
cuál es el grado de intensidad que existe entre dos datos o variables.
Por ello, el coeficiente de correlación lineal sirve para comprobar
cuándo la relación entre dos variables es lineal.
El concepto de coeficiente de correlación lineal también es
conocido como el coeficiente de Pearson y forma parte de
una estadística cuyo objetivo es el de comprobar la intensidad que se da
entre las dos variables que pretende definir.
