Actividad individual

2. Participar activamente en el foro Unidad 3- Paso 4– Descripción de la

Información. (Entorno de aprendizaje colaborativo) Y Definir brevemente
socializando dentro de éste espacio los conceptos básicos asociados a
Regresión y Correlación como:
Diagrama de dispersión.
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 podría 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.
El diagrama de dispersión es una herramienta gráfica que ayuda a identificar la
posible relación entre dos variables. Representa la relación entre dos variables de
forma gráfica, lo que hace más fácil visualizar e interpretar los datos.
De otro lado, calculando el coeficiente de correlación entre dos variables, permite
cuantificar el grado de relación entre ambas, así como su signo. El valor de este
coeficiente puede estar comprendido entre −1 y 1.
Cuando toma un valor próximo a −1, la correlación es fuerte y negativa. Si el valor
es cercano a +1, la correlación es fuerte y positiva.

Correlación lineal simple.

Para estudiar la relación lineal existente entre dos variables continuas es
necesario disponer de parámetros que permitan cuantificar dicha relación. Uno
de estos parámetros es la covarianza, que indica el grado de variación conjunta
de dos variables aleatorias.
Covarianza muestral=Cov(X,Y)=∑ni=1(xi−x¯¯¯)(yi−y¯¯¯)N−1Covarianza muestra
l=Cov(X,Y)=∑i=1n(xi−x¯)(yi−y¯)N−1
Siendo x¯¯¯x¯ e y¯¯¯y¯ la media de cada variable y xixi e yiyi el valor de las
variables para la observación ii.
      La covarianza depende de las escalas en que se miden las variables
estudiadas, por lo tanto, no es comparable entre distintos pares de variables.
Para poder hacer comparaciones se estandariza la covarianza, generando lo que
se conoce como coeficientes de correlación. Existen diferentes tipos, de entre los
que destacan el coeficiente de Pearson, Rho de Spearman y Tau de Kendall.
  Todos ellos varían entre +1 y -1. Siendo +1 una correlación positiva
perfecta y -1 una correlación negativa perfecta.
 Se emplean como medida de fuerza de asociación (tamaño del efecto):
o 0: asociación nula.
o 0.1: asociación pequeña.
o 0.3: asociación mediana.
o 0.5: asociación moderada.
o 0.7: asociación alta.
o 0.9: asociación muy alta.

Coeficiente de determinación R2
El Coeficiente de Determinación es una medida estadística de la bondad del ajuste
o fiabilidad del modelo estimado a los datos. Se representa por R2 e indica cuál es
la proporción de la variación total en la variable dependiente (Y), que es explicada
por el modelo de regresión estimado, es decir, mide la capacidad explicativa del
modelo estimado.

Correlación positiva y correlación negativa

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.
 ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
La correlación, también conocida como coeficiente de correlación lineal (de
Pearson), es una medida de regresión que pretende cuantificar el grado de
variación conjunta entre dos variables.
Por tanto, es una medida estadística que cuantifica la dependencia lineal
entre dos variables, es decir, si se representan en un diagrama de
dispersión los valores que toman dos variables, el coeficiente de correlación
lineal señalará lo bien o lo mal que el conjunto de puntos representados se
aproxima a una recta.

De una forma menos coloquial, la podemos definir como el número que

mide el grado de intensidad y el sentido de la relación entre dos variables.

Se puede demostrar una relación algebraica entre r y el análisis de la varianza de

la regresión de tal modo que su cuadrado (coeficiente de determinación) es la
proporción de variación de la variable Y debida a la regresión. En este
sentido, r2 mide el poder explica torio del modelo lineal.

https://www.shmoop.com/estadistica-basica-probabilidades/diagrama-dispersion-
correlacion.html

https://diferencias.eu/entre-correlacion-positiva-y-correlacion-negativa/