Universidad de San Carlos de Guatemala

Facultad de Humanidades
Departamento de Pedagogía
Licenciatura en Administración Educativa
Curso: Ps15.20 Estadística Inferencial

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN

Material de apoyo

Compilador: Lic. Iván Alvarado López

Escuela de Vacaciones, 19 de junio 2021
 Algunos Ejemplos de Variables y
su relación
• ¿Existe alguna relación entre la cantidad que Healthtex gasta
por mes en publicidad y sus ventas mensuales?
• Con base en el costo de calefacción de una casa en el mes de
enero. ¿Es posible estimar el área de la casa?
• ¿Hay alguna relación entre las millas por galón que rinde una
camioneta grande y el tamaño del motor?
• ¿Hay alguna relación entre el número de horas que estudiaron
los alumnos para un examen y la calificación que obtuvieron?
 TENDENCIA LINEAL

• Es la que puede señalarse en una

línea recta o curva suave, y
puede ser ascendente o
descendente.
REGRESIÓN Y CORRELACIÓN

LOS ANÁLISIS DE REGRESIÓN Y DE CORRELACIÓN ESTÁN BASADOS

EN LA RELACIÓN O ASOCIACIÓN, ENTRE 2 O MÁS VARIABLES:
• UNA VARIABLE CONOCIDA LLAMADA VARIABLE
INDEPENDIENTE.
• LA VARIABLE QUE SE ESTÁ TRATANDO DE PREDECIR ES LA
VARIABLE DEPENDIENTE.

LA REGRESIÓN Y LOS ANÁLISIS DE CORRELACIÓN MUESTRAN

COMO DETERMINAR TANTO LA NATURALEZA COMO LA FUERZA
DE UNA RELACIÓN ENTRE DOS VARIABLES.
 REGRESIÓN Y CORRELACIÓN
 La Regresión y la correlación son dos técnicas
estadísticas que se pueden utilizar para solucionar
problemas comunes en los negocios.
 Muchos estudios se basan en la creencia de que es
posible identificar y cuantificar alguna Relación
Funcional entre dos o más variables, donde una
variable depende de la otra variable.
 Se puede decir que Y depende de X, en donde Y y X
son dos variables cualquiera en un modelo de
Regresión Simple.
5
 Métodos para obtener una línea
recta y su ecuación:

• Método Gráfico,
• de Mano Alzada o Mano Libre,
• Método de Semipromedios,
• Método de Promedios Móviles y
• Método de Mínimos Cuadrados.
Método de Mínimos Cuadrados:

Para el ajuste de la línea se utiliza el Método de

Mínimos Cuadrados, con la Ecuación de la Línea
Recta:

Y = a + bx
Y cuando se usa para describir la tendencia es escrita
así:
Yc = a + bx
ANÁLISIS DE REGRESIÓN

Es la técnica mas usada en investigación

económica y comercial para buscar una
relación entre 2 o mas variables ligadas de un
modo causal.

Consiste en general en: una función a partir de

datos o información conocida para hacer
estimaciones .
TIPOS ANÁLISIS DE REGRESIÓN

a) REGRESION LINEAL SIMPLE

Se refiere al análisis de 2 variables.

b) REGRESION MÚLTIPLE
Cuando se relacionan 3 o mas variables.
Regresión Lineal Simple

EN EL ANÁLISIS DE REGRESIÓN SE DESARROLLA

UNA ECUACIÓN DE ESTIMACIÓN, ESTO ES, UNA
FÓRMULA MATEMÁTICA QUE RELACIONA LAS
VARIABLES CONOCIDAS CON LA VARIABLE
DESCONOCIDA.
 Modelo de Regresión
 En el Modelo de Regresión es muy importante
identificar cuál es la variable dependiente y
cuál es la variable independiente.
 En el Modelo de Regresión Simple se
establece que “Y” es una función de sólo una
variable independiente, razón por la cual se le
denomina también Regresión Divariada porque
sólo hay dos variables, una dependiente y otra
independiente. 11
11
 Modelo de Regresión

 La variable dependiente es la variable que se

desea explicar, predecir. También se le llama
REGRESANDO ó VARIABLE DE RESPUESTA.

 La variable Independiente «X» se le denomina

VARIABLE EXPLICATIVA ó REGRESOR y se le
utiliza para EXPLICAR «Y»

12
12
Técnicas más utilizadas en el análisis de
regresión
13
lineal simple

1) Ordenamiento y análisis de la información original

2) Cálculo de datos estimados
3) Diagrama de dispersión e interpretación

El primer paso para determinar si existe o no una

relación entre dos variables es analizar la gráfica de
datos observados.

13
 Técnicas más utilizadas en el análisis de
regresión lineal simple

La gráfica se llama diagrama de dispersión y es un diagrama

que nos puede dar dos tipos de información:
• (Visualmente) patrones que nos indiquen que las variables
están relacionadas
• Entonces (si esto sucede), podemos ver que tipo de línea, o
ecuación de estimación, describe esta relación.
 Diagrama de Dispersión
Es una gráfica con datos muestrales apareados (x, y) en
un sistema de ejes rectangular, y cada par ordenado
representa un solo punto. Sirve más para visualizar la
asociación entre las variables que las gráficas de barras de
los hechos aislados, que nos muestran tendencias al estar
ordenados en una secuencia temporal. Al observar una
gráfica debemos “ver”:
 ¿Que dirección tiene?
 Si una variable se incrementa, ¿qué sucede con la
otra?
 ¿Existen datos distantes?

15
15
Diagramas de Dispersión

16
16
 Tipos de relaciones lineales:

• RELACION LINEAL ASCEDENTE

• RELACION LINEAL DESCENDENTE
• RELACION LINEAL CURVILÍNEA
• RELACION LINEAL CONSTANTE
REGRESIÓN LINEAL SIMPLE

Para este análisis es necesario ajustar los datos a una línea recta, para
poder estimar una variable con relación a otra. Para esto utilizamos
la ecuación de la línea recta:

Y = a+ bx === Yc = a+ bx = Ecuación
de Regresión
 REGRESIÓN LINEAL SIMPLE
Donde:

Yc = Variable estimada o calculada.

a y b = Coeficientes de regresión.
X= Variable que sirve para estimar la otra variable.
Predictor en base a ella se estima el predictando.
(Variable Independiente).
Y = Constituye la Variable a estimar y recibe el
nombre de Predictando. (Variable Dependiente).
ECUACIONES NORMALES:

• y = N.a + Xb

•  Xy =  X . a +  X^2b
FÓRMULAS PARA ENCONTRAR
"a" y "b":

 Y  X   X  XY 
2
a
n X    X 
2 2

n  XY   X Y 
b
n X    X 
2 2
 Análisis de Correlación
• EL ANÁLISIS DE CORRELACIÓN SE APLICA PARA
DETERMINAR EL GRADO EN EL QUE ESTÁN
RELACIONADAS LAS VARIABLES.
• EL ANÁLISIS DE CORRELACIÓN, INDICA QUÉ TAN
BIEN ESTÁN RELACIONADAS LAS VARIABLES.
• EL ANÁLISIS DE CORRELACIÓN, MUESTRA QUE
TAN BIEN LA ECUACIÓN DE ESTIMACIÓN
REALMENTE DESCRIBE LA RELACIÓN.

22
Coeficiente de Correlación
Lineal “r”

Mide la fuerza de la relación lineal entre dos

valores cualitativos apareados, en una muestra.
También se llama “Coeficiente de correlación
producto momento de Pearson.”.

Letra "r"

23
 Coeficiente de Correlación
Lineal “r”

Si “r” es igual a 0 = no existe correlación

Si “r” mayor que 0 = correlación positiva
Si “r” menor que 0 = correlación negativa
Si “r” es igual a menos 1 = correlación perfecta
negativa
Si “r” es igual a uno = correlación perfecta
positiva.

Los límites o extremos del coeficiente de correlación son –1 y 1.

 Coeficiente de Correlación -
Interpretación

25
 Mapa de Dispersión
 Correlación perfecta positiva r = 1
 Mapa de Dispersión
 Correlación perfecta negativa r = -1
 Mapa de Dispersión
 No hay correlación r = 0
COEFICIENTE DE CORRELACIÓN:

Es la forma primaria por la cual se puede

medir la extensión o fuerza, de la asociación
que existe entre 2 variables X y Y.
n  XY   X  Y 
r
n  X 2 2

  X   n  Y   Y 
2 2

COEFICIENTE DE CORRELACIÓN:

Sirve para medir la relación entre dos

variables. Es la segunda medida que se
pueda usar para describir lo bien que una
variable se explica por otra. Cuando se
está tratando de muestras, el coeficiente de
correlación se denota por “1” y es la raíz
cuadrada del coeficiente de
determinación muestral .