Regresión y

Correlación
Problemas
Página 158 a 161 del texto
Introducción
Muchas situaciones en nuestro entorno, sean de tipo social, económico,
industrial, de educación, en el sector de la salud, en el ámbito de las
ingenieras, entre otros, ponen de manifiesto el estudio de la relación entre
dos o más variables de interés. Como por ejemplo:
1. La evolución de los precios de mercado de computadoras (laptops, tablets,
calculadoras científicas, etc.). Los fabricantes de estos productos se interesan
en saber cómo producir más y cómo bajar los precios en el mercado.
2. En el sector de la medicina, un equipo de médicos de un hospital está
interesado en desarrollar un experimento para estudiar, en pacientes que
sufren de una enfermedad particular (por ejemplo, en pacientes
psiquiátricos o en pacientes con diabetes), la relación entre el tiempo de
reacción a un estímulo y la dosis de un medicamento.
 ¿Cuál es el objetivo?
El análisis de regresión centra la atención en la naturaleza de relaciones
entre variables, por ejemplo, cualitativas y cuantitativas, discretas y
continuas.
El análisis de correlación focaliza la atención en la intensidad, fuerza o
resistencia de estas relaciones (fuertemente relacionadas, débilmente
relacionadas).
Ejemplos
Regresión lineal: método de mínimos
cuadrados
1) Calcular las sumas:
∑x ∑x² ∑y ∑ xy

2) Calcular las constantes óptimas de regresión lineal:

(σ 𝑥)(σ 𝑦)
σ 𝑥𝑦 − σ𝑦 σ𝑥
𝑚= 𝑛
σ 2 𝑏= −𝑚∙
( 𝑥) 𝑛 𝑛
σ 𝑥2 −
𝑛
3) Formar la recta: 𝒚 = 𝒎𝒙 + 𝒃
Ejemplo
Consideramos el conjunto de datos:
S = {(1; 3,6), (1,5; 4,35), (2,1; 5,25), (2,9; 6,45), (3,2; 6,9)}
Hallar la recta de regresión lineal.
REALIZAMOS UNA TABLA PARA EL PASO 1:
X Y X² XY
1 3,6 1 3,6
1,5 4,35 2,25 6,525
CONJUNTO DE
2,1 5,25 4,41 11,025
DATOS
2,9 6,45 8,41 18,705
3,2 6,9 10,24 22,08
TOTAL SUMA 10,7 26,55 26,31 61,935
Continuación
PASO 2: Calcular las constantes

(σ 𝑥)(σ 𝑦) 10,7 ∙ 26,55

σ 𝑥𝑦 − 61,935 −
𝑚= 𝑛 = 5 = 1,5
(σ 𝑥) 2 (10,7) 2
2
σ𝑥 − 26,31 −
𝑛 5

σ𝑦 σ 𝑥 26,55 10,7
𝑏= −𝑚∙ = − (1,5 ∙ ) = 2,1
𝑛 𝑛 5 5
Análisis
Con las constantes calculadas, se forma la recta obtenida:
𝑦 = 𝑚𝑥 + 𝑏
𝑦 = 1,5𝑥 + 2,1
Podemos graficar y ver que la línea de tendencia se ajusta a los datos:
8

X Y 7

6
1 3,6 5
y = 1,5x + 2,1
1,5 4,35 4

2,1 5,25 3

2,9 6,45 2

1
3,2 6,9 0
0 0,5 1 1,5 2 2,5 3 3,5