ANEXO 12-1.

- Fundamentos de regresión y correlación

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MORELOS

Preparatoria Diurna No.1, Cuernavaca

Nombre del estudiante: Grupo:
Tema: Aplica regresión y correlación

Competencia a desarrollar:

ANÁLISIS DE LA CORRELACIÓN Y REGRESIÓN LINEAL.

En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos
variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si
tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no
implica, por sí misma, ninguna relación de causalidad.
El siguiente diagrama resume el análisis del coeficiente de correlación entre dos variables:

Correlación Correlación
Negativa Ninguna Positiva
perfecta Correlación Correlación Correlación correlación Correlación Correlación Correlación perfecta
negativa negativa negativa positiva positiva positiva
fuerte moderada débil débil moderada fuerte

- 1. 00 - 0.50 0 0.50 1.0

 El coeficiente de correlación lineal mide el grado de intensidad de esta posible relación entre las variables. Este coeficiente se aplica cuando la
relación que puede existir entre las variables es lineal (es decir, si representáramos en un gráfico los pares de valores de las dos
variables la nube de puntos se aproximaría a una recta).
  

   
No obstante, puede que exista una relación que no sea lineal, sino exponencial, parabólica, etc. En estos casos, el coeficiente de correlación lineal
mediría mal la intensidad de la relación las variables, por lo que convendría utilizar otro tipo de coeficiente más apropiado.
   
Para ver, por tanto, si se puede utilizar el coeficiente de correlación lineal, lo mejor es representar los pares de valores en un gráfico y ver que forma
describen.
    El coeficiente de correlación lineal se calcula aplicando la siguiente fórmula:
REGRESIÓN LINEAL SIMPLE. 

Tiene como objeto estudiar cómo los cambios en una variable, no aleatoria, afectan a una variable aleatoria, en el caso de existir una relación
funcional entre ambas variables que puede ser establecida por una expresión lineal, es decir,  su representación gráfica es una línea recta.  Cuando la
relación lineal concierne al valor medio o esperado de la variable aleatoria, estamos ante un modelo de regresión lineal simple.

Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y
mediante: Ŷ = a + bX
a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual

La forma más fácil para poder calcular la regresión simple, es con la utilización del método de mínimos cuadrados.

MÉTODO DE MÍNIMOS CUADRADOS.

El procedimiento más generalizado para obtener las ecuaciones de regresión se conoce como el método de mínimos cuadrados. Es una técnica que
utiliza el principio de hacer mínimas las diferencias entre los valores de los datos conocidos y los obtenidos con la ecuación de la regresión
correspondiente.
El objeto de un análisis de regresión es investigar la relación estadística que existe entre una variable dependiente (Y) y una o más variables
independientes ( , ... ). Para poder realizar esta investigación, se debe postular una relación funcional entre las variables. Debido a su simplicidad
analítica, la forma funcional que más se utiliza en la práctica es la relación lineal.  Cuando solo existe una variable independiente, esto se reduce a una línea
recta: