REGRESIÓN Y CORRELACIÓN

JUAN ESTEBAN ISAZA MORALES

MATERIA: ESTADISTICA

PROFESOR

JUAN CARLOS

TECNOLOGIA SISTEMAS DE INFORMACIÓN

TdeA

COPACABANA

2010
 REGRESIÓN Y CORRELACIÓN

La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden

una forma de estimación.

En forma más especifica el análisis de correlación y regresión comprende el análisis de los

datos muestrales para saber qué es y como se relacionan entre si dos o mas variables en
una población. El análisis de correlación produce un número que resume el grado de la
correlación entre dos variables; y el análisis de regresión da lugar a una ecuación
matemática que describe dicha relación.

El análisis de correlación generalmente resulta útil para un trabajo de exploración cuando

un investigador o analista trata de determinar que variables son potenciales importantes,
el interés radica básicamente en la fuerza de la relación. La correlación mide la fuerza de
una entre variables; la regresión da lugar a una ecuación que describe dicha relación en
términos matemáticos

Los datos necesarios para análisis de regresión y correlación provienen de observaciones

de variables relacionadas.

Regresión lineal

La regresión lineal simple comprende el intento de desarrollar una línea recta o ecuación
matemática lineal que describe la reacción entre dos variables.

La regresión puede utilizadas de diversas formas. Se emplean en situaciones en la que las

dos variables miden aproximadamente lo mismo, pero en las que una variable es
relativamente costosa, o, por el contrario, es poco interesante trabajar con ella, mientras
que con la otra variable no ocurre lo mismo.

La finalidad de una ecuación de regresión seria estimar los valores de una variable con
base en los valores conocidos de la otra.

Otra forma de emplear una ecuación de regresión es para explicar los valores de una
variable en término de otra. Es decir se puede intuir una relación de causa y efecto entre
dos variables. El análisis de regresión únicamente indica qué relación matemática podría
haber, de existir una. Ni con regresión ni con la correlación se pude establecer si una
variable tiene “causa “ciertos valores de otra variable.

Ecuación Lineal
Dos características importantes de una ecuación lineal

 la independencia de la recta

 la localización de la recta en algún punto. Una ecuación lineal tiene la forma

y = a + bx

En la que a y b son valores que se determina a partir de los datos de la muestra; a indica la
altura de la recta en x= 0, y b señala su pendiente. La variable y es la que se habrá de
predecir, y x es la variable predictora.

Determinación de la ecuación matemática

En la regresión, los valores de y son predichos a partir de valores de x dados o

conocidos. La variable y recibe le nombre variable dependiente y la variable x, el de
variable independiente.

Ejemplos

 1.- Determine qué pendientes para los siguientes datos son significativas al nivel 0.05.
Utilice n-2 grados de libertad.

a) DATOS

b= 4

Sb=1

n=12

Solución:

n-2= 12-2= 10

tprueba= (b-0)/ Sb = (4-0)/1= 4

.025
=.05/2= .025

10 Tt= 2.228

Usando:

b - tSb " B " b + tSb

4-(2.228)(1) " 0 " 4+(2.228)(1)

!!

1.772 " 0 " 6.228

:. Es significativo

b) DATOS

b= -0.15

Sb=0.10

n= 20

Solución:

n-2= 20-2= 18

Tprueba= (-.015-0)/.10 = -1.5

.025

=.05/2= .025

 2.101

Usando:

b - tSb " B " b + tSb

-0.15-(2.101)(.10) " 0 " -0.15+(2.101)(.10)

!!

-0.3601 " 0 " 0.06

:. Se Acepta Ho

 DATOS

b= 1.2

Sb=0.6

n= 25

Solución:

n-2= 25-2= 23

Tprueba= (1.2-0)/0.6 = 2

.025

=.05/2= .025

 2.069

Usando:

b - tSb " B " b + tSb

1.2-(2.069)(0.6) " 0 " 1.2+(2.069)(0.6)

!!

-0.027 " 0 " 2.427

:. Se Acepta Ho

 DATOS

b= 0.6

Sb=0.2

n= 31

Solución:

n-2= 31-2= 29
Tprueba= (0.6-0)/0.2 = 3

.025

=.05/2= .025

29 2.045

Usando:

b - tSb " B " b + tSb

0.6-(2..045)(0.2) " 0 " 0.6+(2.045)(0.2)

!!

0.191 " 0 " 1.009

:. Es significativo

e) DATOS

b= -212

Sb=38

n= 50

Solución:

n>32 z

Tprueba= (-212-0)/38 = -5.57

.06

= .5-.025= .475

1.9 .475

Usando:

b - tSb " B " b + tSb

-212-(1.96)(38) " 0 " -212+(1.96)(38)

!!

-286.48 " 0 " -137.52

:. Es significativo

f) DATOS

b= .015

Sb=0.001

n= 100

Solución:

n>32 z

Tprueba= (.015-0)/0.001 = 15

0.06

=0.5-.025= 0.195

1.9 .475

Usando:

b-tSb " B " b+tSb

0.015-(1.96)(.001) " 0 " 0.015+(1.96)(.001)

!!

0.013 " 0 " 0.013

:. Se Acepta Ho

2.- Determine intervalos de confianza de 99% para cada uno de estos coeficientes de
regresión, e indique qué pendientes son significativas.

 DATOS

b= 8.2
Sb= 4.1

n= 50

.495 .495

z=2.58

b - tSb " B " b + tSb

8.2-(2.58)(4.1) " 0 " 8.2+(2.58)(4.1)

-2.37 a 18.77

:. No significativo

 DATOS

b= .13

Sb= .04 .495 .495

n= 30

n-2= 30-2=28

= 0.5-.495=.005

.005

28 t= 2.763

b ± tSb

.13 ± (2.763)(.04)

0.02 a 0.2405

:. Significativo

 DATOS

b= 5.213

Sb= 1.50 .495 .495

n= 20

n-2= 20-2=18

2.87

b ± tSb

5.212 ± (2.87)(1.50)

0.908 a 9.518

:. Significativo

 DATOS

b= 145

Sb= 40 .495 .495

n= 60

z= 2.58

b ± tSb

145 ± (2.58)(40)

41.8 a 248.2

:. Significativo

 DATOS

b= -7.1

Sb= 3.0 .495 .495

n= 9

n-2= 9-2= 7

.005

7 3.499
b ± tSb

-7.1 ± (3.499)(3.0)

-17.59 a 3.39

:. No Significativo