UNIDAD I.

INTERPRETAR COEFICIENTES DE
DETERMINACIÓN Y CORRELACIÓN.

El objetivo principal del análisis de regresión es estimar al valor de una variable

aleatoria (variable dependiente) dado que se conoce el valor de una variable
asociada (variable independiente)

GRÁFICO DE DISPERSIÓN

Relaciona los datos en un sistema de coordenadas X-Y

Y . . .

. . .

. . . .

ORRELACIÓN LINEAL es el grado de relación entre variables e intenta

determinar qué tan bien una ecuación lineal o de otro describe o explica la
relación entre variables.

Correlación Positiva: a medida que la variable independiente aumenta,

aumentara también la variable dependiente

Y . .

. .

. .

Obsérvese que la gráfica da la impresión visual de que los puntos van

subiendo.

Elaborado por: Ing. Maureen M. Blanco Gutiérrez

Ejemplos de correlación positiva:

- Demanda de un producto y ganancias de la empresa ( a medida que

aumenta la demanda de un producto, aumentara también las ganancias
de la empresa)
- Meses de entrenamiento y kilómetros recorridos por un maratonista ( a
medida que aumenta los kilómetros recorridos, aumenta también los
kilómetros recorridos por un maratonista)
- Horas invertidas en estudiar y calificación obtenida en una evaluación

Correlación Negativa: a medida que la variable independiente aumenta,

disminuye la variable dependiente

Y . .

. .

. .

Obsérvese que la gráfica da la impresión visual de que los puntos van

bajando.

Ejemplos de correlación negativa:

- Kilómetros recorridos por un carro y gasolina que hay en el tanque del

mismo ( a medida que aumenta los kilómetros recorridos por un carro,
disminuirá la cantidad de gasolina que hay en el tanque )
- Perdidas de una empresa y el capital de la misma ( a medida que
aumentan las pérdidas de una empresa, disminuye el capital de la
misma
- Aplicación de antibióticos para tratar una infección y avance de la misma
( a medida que aumenta la aplicación de antibióticos para tratar una
infección, disminuye el avance de la misma

Elaborado por: Ing. Maureen M. Blanco Gutiérrez

Correlación Nula:

Y . . . .

. . . . .

. . . .

Obsérvese que la gráfica da la impresión visual de desorden

No existe relación entre las variables, se dice que no hay correlación entre
ellas. O sea no están correlacionadas

RECTA DE REGRESIÓN

Sabemos que se puede trazar una línea recta uniendo al menos dos puntos, y
al tener un diagrama de dispersión serian infinitas las posibilidades de rectas
para esa serie de puntos, por lo cual necesitamos hacer uso de un criterio
matemático para ajustar a una sola ecuación que nos represente mejor a la
serie de datos estudiados y esta recta representaría a estos valores.

MÉTODO DE LOS MÍNIMOS CUADRADOS PARA AJUSTAR UNA RECTA

DE REGRESIÓN

Existe una sola recta que represente a toda la serie de datos

A esta recta la llamamos recta de regresión y su ecuación está dada por:

Y = a 0 + a1 X

Donde:

( )
a0 =

Elaborado por: Ing. Maureen M. Blanco Gutiérrez

 a1 =

n: número de pares de datos.

Es útil recordar que en una recta el valor a0 representa el corte de la misma

con el eje Y, y el valor a1 representa la pendiente o inclinación de la recta

Ejemplo:

La tabla muestra las estaturas en pulgadas de 12 padres y sus hijos mayores

Estatura del Padre 65 63 67 64 68 62 70 66 68 67 69 71

Estatura del hijo 68 66 68 65 69 66 68 65 71 67 68 70

a) Identifique las variables

b) Realice diagrama de dispersión
c) Indique si hay una posible correlación según la teoría estudiada
d) Calcule la recta de regresión según mínimos cuadrados
e) Determine con la recta de regresión la edad de un padre cuyo hijo mide
66,5 pulgadas

Solución

a) Identifique las variables

Variable dependiente: Estatura del hijo

Variable independiente: estatura del padre

Elaborado por: Ing. Maureen M. Blanco Gutiérrez

 b) Realice diagrama de dispersión

72 Diagrama de dispersion estatura padres-

estatura hijos
70
Estatura del hijo

68

66

64
60 62 64 Estatura
66 del padre68 70 72

c) Indique si hay una posible correlación según la teoría estudiada

Según la teoría estudiada se puede establecer dos posibles conclusiones;

La primera analizando las variables se puede decir que la correlación es

positiva ya que a medida que la estatura del padre es mayor, pues la del hijo
también es mayor

La segunda analizando el grafico donde parece que los puntos van subiendo, lo
cual caracteriza la correlación positiva

Elaborado por: Ing. Maureen M. Blanco Gutiérrez

 d) Calcule la recta de regresión según mínimos cuadrados

Nos ayudamos con una tabla para ordenar los datos:

X Y X2 XY Y2
65 68 4225 4420 4624
63 66 3969 4158 4356
67 68 4489 4556 4624
64 65 4096 4160 4225
68 69 4624 4692 4761
62 66 3844 4092 4356
70 68 4900 4760 4624
66 65 4356 4290 4225
68 71 4624 4828 5041
67 67 4489 4489 4489
69 68 4761 4692 4624
71 70 5041 4970 4900
ƩX= ƩY= Ʃ X2= ƩXY= Ʃ Y2=
800 811 53418 54107 54849
n : número de datos

( )
a0 = = = 35,8248

a1 = = = 0,47637

Entonces:

Y = 35,8248 + 0,47637 X

e) Determine con la recta de regresión la edad de un padre cuyo hijo mide

66,5 pulgadas

Elaborado por: Ing. Maureen M. Blanco Gutiérrez

X= ?

Y= 66,5

Entonces:

66, 5 = 35,8248 + 0,47637 X. Despejamos X que representa la edad del

padre

X= = 64,3936 Pulgadas

Elaborado por: Ing. Maureen M. Blanco Gutiérrez